智东西 7 月 3 日报道，刚刚，2026 中国 AI 智能体大会在杭州圆满落幕。

本次大会由智东西与旗下智猩猩联合主办，以“范式跃迁 重塑世界”为主题，是下半年首场聚焦 Agentic AI 范式跃迁与生产力变革的产业技术峰会。

大会现场集结了 64 位重量级嘉宾，主旨演讲、巅峰圆桌对话轮番登场，锁定 Agent 赛道十大核心议题进行全链路深度研讨：Harness、自进化 Agent、Coding Agent、多 Agent 协同、Skills、Computer-Use Agent、深度研究 Agent、企业级 AI Agent、AI Agent 产品创新、Agentic Infra。

整整两天，61 场演讲、1 场高端对话、8 场圆桌 Pannel，各路大佬轮番输出硬核干货，不光拆解了底层技术卡点、企业落地踩坑难题，同时分享了大量工程实操方案与前沿研发进展，勾勒出完整清晰的 Agent 发展路径。

大会现场座无虚席，展区同样人头攒动，腾讯云、Zenlayer、此芯科技、启芯宸光、深信服科技、实在智能、LinkedIn、网易智企等 8 家企业带来最新技术产品展示。

 

还有宇树的两台人形机器人和一台四足机器狗在会场不时表演些小节目，热络地与参会观众们互动。

 

“今天的大会，是我们首次把产业峰会带到杭州。”智一科技联合创始人、CEO 龚伦常代表大会主办方智东西与智猩猩致辞，至此，智东西的产业峰会已完成在北京、上海、深圳和杭州这些国内 AI 领域最有代表性城市的布局。

 

▲智东西联合创始人、CEO 龚伦常

以下是开幕式和 3 场专题论坛中，嘉宾们分享的重点信息：

1、2026 成为自进化 Agent 落地元年，无自进化能力的智能体是“老古董”；

2、Agent 进化路径：桌面办公助手先行，打造拥有独立账号算力的数字员工，3-5 年内将完成从 PC到 Agent Computer 的计算平台切换；

3、Agent 掀起全栈重构浪潮：模型、token、终端、专用芯片、底层基础设施全线革新；

4、企业级 Agent 落地四大关键：模型能力、场景、效率和开放；

5、Agent 产品落地关键瓶颈：真实的工作环境、统一存储治理、独立记忆系统。

一、开幕式：Agent 走向自进化，从软件到 PC、芯片都将被重构

自进化 Agent 成为本届开幕式上的核心焦点。今天，没有自进化能力的 Agent 已被认为是“老古董”。但共识之下，Agent 落地仍有工具执行、记忆进化、安全可控等硬门槛。

如何破局？来自产业界的嘉宾从模型效率、强化学习训练、产品形态到芯片架构，给出了不同维度的探索路径。这些尝试共同指向一个趋势：Agent 正从被动响应的软件工具，演变为拥有独立“工位”和“电脑”的数字实体。

1、天津大学郝建业：Agent 真正落地要迈过三道坎

天津大学教授、MemoraX AI 创始人郝建业重点分享了当前 Agent 真正落地面临的三大挑战：在真实任务中持续调用工具、记忆自进化、安全长期可控，并从个人陪伴、工作助手、编程工具等典型应用场景，介绍了如何通过MemoraX高效上下文记忆管理提升用户体验和工作效率。

工具让 Agent 从回答问题走向执行任务，能够在真实环境中持续决策和行动，核心竞争力是多步规划、长序交互。基座模型工作能力正从格式化 tool call 走向任务级 Agentic 行动，Qwen、GLM、Kimi 等前沿模型普遍通过 SFT/RL 强化多步规划、工具调用和自我修正能力。

记忆让 Agent 从一次性助手变成个性化长期协作者，未来将是围绕写入、组织、检索、使用和反馈形成的长期学习闭环。MemoraX AI 聚焦持续自进化的记忆系统，打造记忆数据自动构建引擎、内生记忆模型和归因驱动的自演进学习机制，今年 7 月底将发布业界首个 Agent Memory 测评榜单。

安全决定 Agent 能否真正进入真实生产环境。需关注的 Agent 安全难题包括：攻击面从输入扩展到全链路、工具权限与执行边界仍模糊、长期记忆带来持续隐蔽风险、评估基准与真实部署之间仍有差距等。我们需要从模型、数据、工具到记忆的全栈视角和纵深防御策略。

 

▲天津大学教授、MemoraX AI 创始人郝建业

2、蚂蚁百灵李龙飞：提升 token 效率是 Agent 落地的前提

蚂蚁百灵架构&后训练负责人李龙飞谈道，面对 Agent 时代 token 成本剧增的痛点，大模型竞争将从单点能力走向效率、原生工作流和可服务性的综合竞争，尤其关注真实生产环境中的效率问题，即同等效果下消耗多少 Token、占用多少上下文、产生多少成本。

提高 token 效率是 Agent 规模化落地的前提。针对三大核心矛盾（推理深度与延迟、模型速度与可靠性、RL 训练范式变化），百灵团队让指令模型与深度推理模型共用基座，再在后训练阶段分别优化效率与效果，重点提升“每 token 信息密度”，并通过多项算法及架构创新，优化 RL 训练稳定性，降低 IO 压力，提升 MFU（模型浮点运算利用率）。百灵还为工具使用、编程和搜索任务构建了原生 Agent 语料库。

在 Artificial Analysis 评测中，百灵大模型的 token 消耗量只有对标模型的不到 1/10。

 

▲蚂蚁百灵架构&后训练负责人李龙飞

3、复旦大学肖仰华：不能自进化的 Agent 都是“老古董”

“今年是分水岭，2026 年前所有的智能体都是老古董！”复旦大学教授、上海市数据科学重点实验室主任肖仰华强烈建议关注自进化智能体（SEA），这已成为近期投资和技术领域的焦点。

在他看来，自进化智能体首次将认知与行动协同统一，具有与环境持续交互、自主发现不足、自我持续改进、经验沉淀与复用四大能力，这是走向 AGI 的必经之路。知识将在智能体使用过程中自然生长，人为过度干预会降低智能体表现，“无为而无不为”才是理想状态。

肖仰华团队研发了自进化智能体 Generic Agent，用 3000 多行代码实现自进化能力，token 消耗量仅为 OpenClaw 等同类产品的 1/3 至 1/10，经历 Skill 库增长、20 多轮工具扩展也不会出现“上下文爆炸”。其团队还精心选出 5 大类、9 个原子工具，用高频工具覆盖大部分需求。

 

▲复旦大学教授、上海市数据科学重点实验室主任肖仰华

4、阿里 Qoder 谢吉宝：跳出桌面，Agent 的下一站是“独立工位”

桌面是 Agent落地的一个主场。阿里巴巴 Qoder 产品线技术副总裁谢吉宝描述了一个真实工作场景：办公人员就像“人形 API”，每天在数十款软件、上下文之间切换，把大量精力消耗在“找、整、传”等琐事上。桌面 Agent 则能帮助完成这些事情。

他重点回答了两个问题：

一是 Agent 如何走进桌面？这需要具备“看得见、动得了、记得住、联得上”四大能力，打通多软件上下文，端到端执行任务。QoderWork 是一个常驻桌面的 AgentRuntime，通过Skill系统、连接器、文件保护和 MCP 适配等能力，完成从指令到交付的桌面闭环。

二是桌面能否承载 Agent 的下一站？谢吉宝认为，未来的 Agent 将脱离桌面，配备自己的电脑，拥有独立的机器、账号、权限和队列，更像一个组织里的数字同事。QoderWake 定位正是一个具备独立身份、工位、技能和责任的数字员工。

 

▲阿里巴巴 Qoder 产品线技术副总裁谢吉宝

5、原粒半导体方绍峡：Agent Computer 需要什么样的芯片

原粒半导体 CEO 方绍峡相信，PC 让每个人桌上有台电脑，智能手机让每个人口袋里有个超算，而 Agent Computer 将让每人身边有 7×24 小时工作的数字员工。

AI PC 是在电脑里加 AI 功能，笔记本一合上，Agent 也下班了，不仅人类用户会与 Agent 竞争内存、算力、安全等资源，而且传统 OS 与交互机制并不适合 Agent 执行任务。因此，Agent 作为“AI 员工”，需要一台专属电脑，也就是 Agent Computer。

针对 Agent Computer，原粒提出记忆优先、长上下文优先、长期驻留优先、能效优先四大 Agent 原生芯片设计原则，基于本地大内存和高带宽，支撑数字员工低成本 7×24 小时工作。对应的推理芯片评价标准，应从“峰值算力”转向“单位能耗与成本下的任务完成效率”。

 

▲原粒半导体 CEO 方绍峡

6、腾讯王淏楠：给多模态 Agent 搭个通用RL基础设施

腾讯混元高级研究员王淏楠提到，Agent 化是图像与视频生成的下一步。好的 Creative Agent 不是一次性替你创作，而是在关键节点把创作权交还给你。

与订票、编程等有明确解的任务不同，视频/PPT 生成高度依赖主观审美标准，需要人类用户在分镜、光影、叙事逻辑等环节深度介入，这些人机交互数据可形成“数据飞轮”，为后续端到端 Agent 自主创作提供训练基础。

UniRL 框架是一套专为 Agentic AIGC 设计的通用 RL 基础设施，统一了语言模型、扩散模型等不同生成范式的RL训练，支持开发者按需替换训练后端组件，通过高度解耦与极简代码，服务于 Agent 自我迭代，并能适配企业真实混拼卡池环境，提升资源利用率。

 

▲腾讯混元高级研究员王淏楠

二、高端对话：从个人到企业，智能体的造桥与过桥

高端对话由智东西联合创始人、总编辑张国仁主持，天津大学教授、MemoraX AI 创始人郝建业，阿里巴巴 Qoder 产品线技术副总裁谢吉宝，原粒半导体创始人兼 CEO 方绍峡三位嘉宾围绕“从个人到企业，智能体的造桥与过桥”进行分享。

张国仁提到 2026 年是“Agent 能够下楼干活的元年”，如果说 2025 年行业还在讨论智能体“能不能造”，那么 2026 年的热议焦点已转向“桥有多宽、能建多宽、承重有多少、怎么收费”，聚焦于 ROI、工程稳定性、能否落地等实际业务痛点。在 AGI 工程化、端侧创新和场景落地上，中国完全有机会在全球范式跃迁中占到一席之地。

 

▲从左至右：张国仁、谢吉宝、郝建业、方绍峡

1、郝建业：Agent 行业正在“去伪存真”

郝建业认为，Agent 热潮降温的本质是“去伪存真”的过程，很多人因为技术好奇先去试用，后来发现不知道怎么用、能干什么，刚需驱动价值落地，真正高频使用、能靠 Agent 提高生产力的用户开始愿意付费。

对于 Agent 来说，百万 token 上下文远远不够，性能会随长度急剧下降，无法有效利用关键信息，因此必须有独立记忆系统，通过外挂或内生记忆机制来实现高效管理，参数化、学习驱动的记忆管理系统将是未来方向。

在他看来，AI 不会替换掉整个行业，但“不积极拥抱 AI、创造性能力没有及时提升”的人，一定会受到冲击。

2、谢吉宝：Agent 记忆不是越多越好

“热的叫概念，只有降温下来、冷却下来的，才叫产业。”谢吉宝认为，Agent 降温过程剔掉了泡沫，留下了真正干活的人。

他注意到今年客户不再只看 demo，而是追问能否端到端解决问题、带来多少效能提升；投资人也更关注 ROI、商业变现逻辑和单任务成本。

谈到 Qoder 落地难点，谢吉宝说，从 Agent 内核、IM 连接到记忆系统，每个环节都会被卡住，其中最难的可能是记忆，需区分个人、项目、组织、Agent 自身等多层级记忆，记忆不是越多越好，而要模拟人类遗忘机制，确保关键信息高效召回，混杂记忆的保存与召回策略直接影响决策质量与时效。

3、方绍峡：Agent Computer 平台切换期在 3-5 年

方绍峡观察到，Agent 行业正在进入更高质量发展的阶段：企业更加关注如何将 Agent 融入自身业务生产流程，行业应用从通用 Agent 向垂直领域演进，成本问题也被重视。数字员工要真正进入企业，还需迈过数据安全和成本两道坎，更本质的量变预计需要“3年左右”。

在他看来，大厂与创企是互补共生的生态：大厂有算力、模型、用户和入口，适合做通用能力和基础设施；创企的机会在垂直 Agent、智能体 Infra、操作系统、运行时、智能体设备以及面向新计算范式的硅基底座。

Agent Computer 从 Agent 第一性原理出发，重塑 PC 形态。方绍峡预测 Agent 时代的平台切换窗口期在未来 3-5 年内。

三、专题论坛：企业级 AI Agent 生态成熟，专用算力与 Infra 互相反哺

在企业级 AI 智能体专题论坛，8 位嘉宾分别从 Agent 训练框架、专用算力、芯片设计、软件工程、AI 基础设施、运营迭代、行业落地多维度输出产业观点。

整体来看，当下 Agent 产业正朝着系统自进化、专用化算力、软硬协同、行业闭环几大方向推进，迈向更为成熟的发展阶段。

1、阿里通义丁瑞雪：三招优化 Agentic RL 自进化训练框架

阿里巴巴通义实验室科学家丁瑞雪认为，现在 Agent 产品调用工具已基本解决，但模型在企业垂域上仍未做好，即便是最顶尖的模型，也需要很多 Harness 才能上线，上线后还存在成本和效果问题。

训练光靠 SFT 是不够的，会让模型产生很多幻觉。通义实验室的做法是在对应的垂域训练一个模型出来，沉淀出了一套 Agentic RL 自进化的训练框架，分为三步：

第一步是出题阶段，让模型自己出题，难度卡在模型能力的边界上，训练完的模型再反过来出题，左脚踩右脚自进化。

第二步 rollout 阶段，通过一套方案来对模型进行诱导，去影响生成的轨迹，进而得到想要的轨迹。

第三步是奖励阶段，Pairwise Reward 比 Pointwise 更好，Pointwise 在后期会被噪音主导，偏好比较更加鲁棒。

 

▲阿里巴巴通义实验室科学家丁瑞雪

2、此芯科技 Danny Zhang：拆解 Agentic CPU 三大优势

此芯科技首席市场官（CMO）Danny Zhang 总结了 Agent 发展元年背后的四大驱动力：大模型能力达到临界点、开发者工具链走向成熟、全球顶级 VC 重仓 Agentic 赛道、商业验证的价值已显现。

这一背景下，传统的 GPU、CPU 无法适配智能体需求，专为智能体场景设计的 Agentic CPU 应运而生。Agentic CPU 具备异构计算架构、超低功耗与实时响应、原生安全与可信执行三大优势，在全球已经进入群雄逐鹿阶段。

此芯科技在今年 3 月首发了全球首款面向智能体的专用 CPU“螯芯”，早于英伟达、英特尔、高通同类产品，并与联想联合打造了全球首个 AI 原生个人家庭边缘设备联想 AI 主机 P7、联想 AI主机 mini。P7 支持离线部署 122B 大模型、190TOPS 算力。软件方面，他预告此芯科技将在 WAIC 2026 大会上发布 Agentic OS。

 

▲此芯科技首席市场官（CMO）Danny Zhang

3、启芯宸光陈文超：AI 驱动芯片设计效率提升十倍

启芯宸光副总裁、EDA 智算平台首席架构师陈文超分享了 Deepchip 芯片设计协同创新平台如何将 AI 技术引入 4 个半导体关键场景：设计环境（DeepEDA）、芯片设计（DeepIP）、芯片测试（DeepATE）和人才培养（DeepEDU）。

DeepEDA 已适配主流 EDA 工具，支持 Llama、DeepSeek 等本地模型离线部署，自动化率达 91.5%，缩短 Tape-out 周期，效率提升 20 倍。

DeepIP 将 AI Agent 与工具链和知识库结合，已封装 38 个 Agent，配合 100TB IP 数据知识库，实现系统设计到调试优化的全程 AI 介入。例如，DeepChip 曾帮客户从 RTL 代码中一小时找出 23 处 bug，比人工快数百倍。

DeepATE 能提升芯片自动化测试效率，缩短量产时间。国内某知名测试机台厂家借助这一平台，测试程序编写周期缩短 29 天。陈文超透露，纯 AI 测试“黑灯工厂”将于年底落地。

DeepEDU 打造“一基地四中心”教学科研服务平台，提供 2 万多门课程。

 

▲启芯宸光副总裁、EDA 智算平台首席架构师陈文超

4、实在智能张俊九：企业级 Agent 如何倒逼组织重塑

实在智能联合创始人、CMO 张俊九指出，企业在推进 Agent 落地时面临 7 大痛点：模型能力强但应用场景薄弱、增效明显但难以带动增收、商用实用性仍然有限、落地阻力大、固定预算难以支撑无限 token 消耗、云端部署面临监管难题、以及员工实际使用率偏低。

对此，实在智能推出企业级智能体方案，构建三大核心能力：大脑负责理解并拆解复杂任务，双手通过 RPA 技术直接操作软件系统，实现端到端闭环，红绿灯则内置规则引擎，确保全程合规且审计可追溯。

张俊九强调，智能体的价值不止于“替代重复劳动”，更在于倒逼企业组织重塑。实在 Agent 的引入，推动企业从“人驱动流程”转向“流程驱动人”，组织架构从金字塔式向敏捷型网络演进，决策链条缩短，跨部门协同效率显著提升。

 

▲实在智能联合创始人、CMO 张俊九

5、杭州迅速智能熊继斌：Token 经济的下半场是卖生产线

杭州迅速智能 CEO 熊继斌认为，token 经济的下半场，不是卖 token，而是卖“能自动交付软件的生产线”，也就是需求驱动的完整软件工程基础设施。大模型应用层的故事只讲了一半，单个 Agent 的护城河很浅，真正的壁垒在于系统化的协作。

迅速智能用 AI 构建了“需求建模器+软件工厂”全链路系统，通过多个专业 Agent 共享上下文总线并科学分工协作，自动将业务需求转为可运行软件系统。

需求建模器用 AI 替代“人肉翻译”，将模糊的自然语言翻译为精确、无歧义、完备的结构化领域驱动设计（DDD）模型。

软件工厂把领域模型拆解为开发任务，由三个引擎调度生成任务卡、自动编码、调度执行，来产出可运行的软件系统。

 

▲杭州迅速智能 CEO 熊继斌

6、清昴智能姚航：Agent 与 AI Infra 形成“互相反哺”

“未来所有的企业都会走向 Agent 原生。”清昴智能联合创始人兼 COO 姚航预言。他将 Agent 比作“企业智能化的新型操作系统”，Agent 可以不受时间、情绪、精力限制，只需基于足够的高质量 token 和接收目标、约束、系统级权限，即可持续工作，人类与 Agent 协作形成新的工作范式。

高质量 token 供给、稳定算力保障和多模型调度能力，是企业级 Agent 规模化落地的前提。清昴智能聚焦 AI 基础设施（AI Infra），底层已适配超 15 款国产芯片和上千个模型，中层提供 token 工厂服务，上层推出企业级 Agent 平台，即 AaaS（Agent as a Service）平台。

姚航分享了一些行业判断：一是 AI 正在成倍放大企业差距，头部玩家赢家通吃效应加剧；二是 Agent 降低技术门槛，能否清晰描述任务、具备足够好的系统约束体系更为关键；三是 Harness 与模型现在是互补关系，未来会走向融合。

 

▲清昴智能联合创始人兼 COO 姚航

7、阿里云夏明：给 Agent 进化建设五环飞轮

阿里云高级产品专家夏明指出，Agent 不是写完 Prompt 就上线的“一次性产品”，而需要持续观测、评估与迭代。他提出 Agent 进化的“五环飞轮”：观测与审计-轨迹分析-效果评估-实验回测-持续优化。

数据方面，阿里云开源了 LoongSuite 可观测数据采集套件；采集后的链路数据通过自动化管线压缩为高密度推理轨迹，联动下游评估与审计；企业需构建包含标准答案与评分规则的私有数据资产，沉淀基准集、Bad Case 集、回归测试集等高质量数据集。

评估分两种：有标注数据时基于 Ground Truth 打分，无标注时用 Agent-as-a-Judge 模式，即评估器 Agent 可调用私域知识、工具和技能。

最后专家调优、自进化路径，定向优化或沉淀最佳实践 Skill，让 Agent 越用越聪明。

 

▲阿里云高级产品专家夏明

8、道旅科技陆元轲：不跳转，才是真旅游 Agent

Agent 正在改变旅游行业。道旅科技 AI LAB 全球总监陆元轲总结了旅行预订的三阶段演进：从传统 app 条件搜索，到自然语言对话，未来将由 Agent 主动感知用户状态、适时推荐并完成预订。

当前 AI 入口存在局限性，比如从一些 AI app 订酒店，仍会跳转到 H5 页面，本质还是流量分发和广告逻辑。在陆元轲看来，真正的 Agent 应实现无跳转、全闭环交互，就像千问与饿了么打通后的模式，商品展示、选择、支付均在主 app 内完成。但这种模式对传统 OTA 平台构成颠覆性冲击，行业内存在巨大博弈。

道旅科技从 B2B 转向 B2A（Business to Agent） 模式，实现“对话即预订”的无跳转服务，提供酒店预订、实时价格与库存、订单管理、降价监控等功能。其潜力合作伙伴包括元宝、豆包、AI 眼镜、AI 耳机及更多智能 Agent，并向开发者提供免费 MCP 调用。

 

▲道旅科技 AI LAB 全球总监陆元轲

四、圆桌讨论：企业级 AI 智能体规模化落地的路径求索与现实挑战

以“企业级 AI 智能体规模化落地的路径求索与现实挑战”为主题的圆桌讨论，由智东西联合创始人、智猩猩总经理何峰主持，清昴智能联合创始人兼 COO 姚航、阿里云高级产品专家夏明、道旅科技 AI LAB 全球总监陆元轲三位嘉宾进行分享。

何峰与几位嘉宾围绕 OpenClaw 等智能体爆火对产业的影响、企业级 AI Agent 的规模化落地、AI Agent 的技术路线、企业对 Agent 的期待与挑战等话题进行了分析探讨。

 

▲从左至右：何峰、姚航、夏明、陆元轲

1、姚航：企业级 Agent 中模型能力比系统工程更重要

姚航认为，OpenClaw 技术演进路径符合“爆火-泡沫-理性回归-成熟”的典型曲线，不仅提升了行业对 Agent 的关注度，还突出了安全风险问题，促使企业将沙箱、私有化部署等安全措施提上日程。

据他观察，当前 Coding 领域是 Agent 最成熟的落地场景，其他行业还是偏向知识密集型，而单纯聊天产生的实际价值不大。

他判断在企业级 Agent 中，模型能力的重要性占 60%，系统工程占 40%，同一个系统工程选用不同模型的效果完全不同，模型的智能性代表上限，可控性保证下限。

2、夏明：场景是企业级 Agent 落地的最大挑战

夏明提到 Agent 对个人办公提效的帮助非常大，在复杂任务规划以及数字人协同方面也有突破。

对于模型智能性与可控性的优先级问题，夏明的结论是：“稳定性是一切 0 前面的那个 1。”在他看来，如果 Agent 不可控，那无论它有多智能，在企业端生产环境中也是很难落地的。

据他观察，场景是当下 Agent 最大的挑战，企业需识别真正能产生业务价值的场景，避免 token 无效消耗。当 Agent 能为业务带来突飞猛进的发展时，企业是愿意投入重金的。

3、陆元轲：企业 Agent 付费动机来自效率和开放

陆元轲判断，企业对 Agent 的付费动机，对内来自效率提升，对外更关注开放生态。

如果 Agent 没有打通一些外部功能，那么即便模型能力再强，能实现的仍然有限。

如果生态不开放，那就像把一辆 300 万的跑车限速 50 码，会让它变得和普通车无异。

长期来看，陆元轲相信对于大部分企业来说，模型迭代速度远超自身理解，真正瓶颈在于系统工程，企业应将精力聚焦于 Agent 系统调优上。

五、专题论坛：Agent 走入生产一线，底层技术栈正在重构

AI Agent 产品正在从探索走向企业级落地，但真正进入生产环境后，新的问题也随之出现：Agent 工作成果如何复用？Agent 如何规模化部署？数据、存储、记忆、文档解析等基础能力如何重构？企业又该如何找到真正有价值的落地场景？

在峰会第二日上午的 AI 智能体产品创新论坛上，来自快手、腾讯云、Zenlayer、深信服、阿里巴巴、未来式智能和记忆张量的 7 位嘉宾，围绕 Agent 产品形态、底层基础设施、企业治理、模型以及记忆系统等方向，分享了各自的最新实践与思考。

1、快手何菱：Agent 应升级到沉淀“工作环境”

快手基础大模型与应用部 Agent 研发专家何菱谈到现有 Agent 路径的局限性：沉淀的是“做事方法”，但缺乏“工作环境”，AI 未能直接操作用户真实的工作工具和状态，导致每次做事都得重复执行，出现执行过程不稳定、token 消耗高、效率低下、依赖高性能模型等问题。

在他看来，将程序员日常工作环境开放给 Agent 使用的模式已被验证成功，这种模式可以泛化给所有知识工作者。“工作环境”是一整套可自由重组的生产要素，包括浏览器登录态、数据源、模板、API、多模态能力等，可以固化为本地桌面应用。

快手 Krowork 提供预置标准能力组合包，同时 Agent 能自动学习并沉淀个性化生产要素，并推出 Remix 分享和作者分润机制，让优质工作环境能够被复用、改造和流通。

 

▲快手基础大模型与应用部 Agent 研发专家何菱

2、腾讯云黄雷：企业级 Agent 走向分布式托管

腾讯云 Agent Runtime 技术负责人、云原生与 Agent 领域专家黄雷指出单体 Agent 在本地或 K8s 容器中运行存在隔离性差、成本高、升级断服、无法横向扩展等问题。目前行业主要聚焦 Agent 工作流编排和提示词调优，但底层工程问题同样是 Agent 规模化落地过程中不可忽视的。

企业级 Agent 分布式托管架构可实现存算分离与组件解耦：云上 Session 支持跨会话共享记忆，远程沙箱做为执行环境，Agent Loop 变成无状态服务。腾讯云推出 Agent Engine 作为专用分布式部署引擎，支撑 Session、执行环境、Agent Loop 的协同调度。同时使用 Agent Wall 进行安全防护，实现三层防护策略，权限审批，以及凭证注入能力。

多 Agent 协作则由 Agent Registry 作为注册中心及工具网关，让 Agent 能发现、调用其他 Agent、MCP 以及其他周边服务。

 

▲腾讯云 Agent Runtime 技术负责人、云原生与 Agent 领域专家黄雷

3、Zenlayer 朱金华：企业 Agent 落地关键不只是模型，而是平台治理

Zenlayer AI 事业部研发总监朱金华指出，随着 Agent 落地生产环境，企业的核心诉求已由单纯的模型应用转变为可控、可监测与可运营，而分散的模型调用模式会滋生模型接入混乱、成本统计困难、问题定位复杂等各类管理挑战。

AI 网关，通过模型统一接入、智能路由、高可用保障、成本治理、全程审计、数据可观测六大核心能力，可将零散的项目级模型调用，升级为企业平台化的规范治理模式。Zenlayer AI Gateway 服务支持对异构模型的统一接入与全球网络加速，显著提升模型调用的稳定性与响应速度。同时，依托其 100％ 纯净链路，能够有效保障研发质量闭环，确保实验数据与代码产出稳定、可靠。

朱金华建议，在应用初期，企业不宜过早涉足复杂、开放的 Agent 场景，应优先将 Agent 落地于高频、场景明确且具备清晰验收标准的业务环节，以实现平稳过渡与价值验证。

 

▲Zenlayer AI 事业部研发总监朱金华

4、深信服廖俊峰：Agent 需要统一存储架构

深信服科技首席专家廖俊峰分享说，在 Agent 场景中，数据会贯穿元数据清洗、模型训练、RAG 知识库、数据回流等全流程，传统分散式存储会带来数据反复拷贝、版本混乱、GPU 等待数据、容量冗余和流转难追踪等问题。

现有存储架构中，对象存储具备强横向扩展能力，但缺乏文件语义；文件存储支持丰富语义，但在海量小文件场景下元数据处理存在性能瓶颈。因此，企业需要面向 Agent 的统一存储底座，兼顾高性能、统一治理和弹性扩展。

深信服通过统一文件与对象存储、冷热数据池、数据版本管理、RAG 数据血缘与权限映射等能力，提升数据可用性与可信度。其高性能存储池单节点可实现小文件 40 万 IOPS、大文件读取带宽 120GB，并支持线性扩展。

 

▲深信服科技首席专家廖俊峰

5、阿里通义李晨亮：文档解析能力会影响大模型体验

阿里巴巴通义实验室算法专家李晨亮聚焦文档智能方向，谈到大模型在图文或文字密度高的场景下，理解能力存在不足。文档解析质量、速度都会影响大模型效果。

对此，其团队构建了“解析-理解-生成”三层技术体系，采用大小模型协同策略，小模型处理基础内容识别，大模型专注复杂元素，优化长文档推理和记忆压缩能力，对超长文本采用“渐进式强化学习+Memory Agent”策略，能实现 150 页文档解析平均耗时低于 0.5 秒/页，整体准确率超过 95%。

针对 PPT 生成中的文字失真、多页风格不一致等问题，他们与通义万相团队合作，结合文本理解与图像生成能力进行优化。通义万相 PPT 功能已灰度上线（体验地址：https://create.wan.video/lab/ppt）。

 

▲阿里巴巴通义实验室算法专家李晨亮

6、未来式智能邹阳：不要高估 Agent 当下的能力

未来式智能联合创始人兼 COO 邹阳观察到，现阶段国内基本没有能利用 Agent 在核心业务上实现大规模降本增效的企业，原因包括企业隐性知识难以利用、系统孤立形成数据孤岛、生产资料归属混乱以及应用方向存在分歧等。

为解决上述挑战，未来式智能打造了云端一体的 Agent 平台：知识中心沉淀隐性经验，工具中心将企业内部系统转变为 Agent 可调用的接口，模型引擎针对复杂任务微调以提升准确率。

“千万不要高估大模型和 Agent 当下的能力，但也不要低估它的长远潜力。邹阳建议企业“两条腿”走路，先让个人把 Agent 用起来，实现提效并采集经验，再自下而上沉淀为企业可复用能力。

 

▲未来式智能联合创始人兼 COO 邹阳

7、记忆张量薛燊：Agent 需要独立的记忆系统

记忆已成为大模型研究的焦点。记忆张量 MemTensor 解决方案负责人/架构师薛燊认为，记忆必须独立于 Agent 存在，这种设计本质上是在保护用户数据资产，避免记忆被特定技术框架绑架。

记忆张量设计了一个 MemOS Agent 记忆五层架构，以向量与图数据库为底座，把记忆封装并分类存储，再通过专属小模型解决记忆抽取，记忆冲突解决的幻觉难题，提高 Agent 的记忆准确度。

同时，其团队通过跟踪 Agent 执行过程叠加专业人员使用 Agent 的相关反馈，把 Agent 的经验、关键步骤等沉淀为结构化的记忆，推动 Agent 的能力基于记忆完成自进化。

MemOS 提供了 OpenClaw、Hermes 适配插件并已开源。经实测，OpenClaw 接入 MemOS 框架后，回答质量提升 18%，总 token 消耗降低达 49.1%。

 

▲记忆张量 MemTensor 解决方案负责人/架构师薛燊

结语：从全民试水到产业落地，热潮退去，Agent 产业开启全栈进化

年初席卷科技圈的“养龙虾”热潮，是大众与企业初次体验 OpenClaw 这类智能体框架的全民试水阶段，Harness 则是承接这一波智能体热潮，让其走向落地的核心底座。

如今，靠简单搭 Agent、跑轻量化框架收割热度的时代已然落幕，产业竞争重心正逐步转向围绕智能体配套的软硬一体化能力，包括专用 Agentic 算力、AI Infra 底层供给、自动化软件工程系统、全生命周期迭代飞轮，企业级智能体正朝着多智能体协同运转、适配千行百业私域场景的规模化原生系统发展。

这场智能体大会完整勾勒出智能体全产业链的演进脉络，从底层训练框架、专用算力芯片、AI 基础设施，到软件工程生产体系、垂直行业闭环落地，各路厂商已形成清晰共识：单一模型、零散工具、通用算力均不足以支撑智能体规模化商用，产业竞争正全面转向软硬一体、全链路自进化、多智能体协同的综合体系比拼。

面向更远的发展周期，随着 Agentic 专用硬件、智能体自进化、标准化协同协议持续成熟，AI 智能体将不再是独立的功能工具，而是深度嵌入芯片研发、软件交付、文旅交易等千行百业的“原生操作系统”，底层算力底座与上层智能应用双向反哺的格局会持续加深。

2026 年，智能体已迈过全民科普试水的早期阶段，奔赴规模化商业落地的全新阶段。

文章信息来自于智东西，不代表白鲸出海官方立场，内容仅供网友参考学习。对于因本网站内容所引起的纠纷、损失等，白鲸出海均不承担侵权行为的连带责任。如若转载请联系原出处。

友情提醒：白鲸出海目前仅有微信群与QQ群，并无在Telegram等其他社交软件创建群，请白鲸的广大用户、合作伙伴警惕他人冒充我们，向您索要费用、骗取钱财！