微信扫码
添加专属顾问
我要投稿
北大元培精英杨劲松揭秘:如何用AI Agent解放生产力,让大模型从"会说话"到"能干活"。 核心内容: 1. AI Agent如何成为大模型的"手脚",解决企业实际业务问题 2. 电力、金融等行业的Agent落地案例与效率提升验证 3. 创业公司如何通过垂直场景突破大厂包围,实现商业化落地
北大元培实验班出身、康奈尔大学毕业、阿里达摩院前产品总监的硬核技术创业者——杨劲松。
在他看来,AI 大模型是“大脑”,而 Agent 是赋予其行动力的“手脚”。如何让模型从“会说话”进化为“能干活”,正是他和团队正在解决的“最后一公里问题”。
杨劲松的人生履历并不缺光环:北大元培实验班、康奈尔大学计算机硕士、阿里达摩院 AI 产品总监。他坦言,自己一直是个“规划型选手”,从大学开始就做了出国、进大厂的职业路径规划。
但他也清楚,规划是双刃剑:
“早期的规划往往是基于局部最优解,但技术与行业变化太快,容易错过全局最优机会。”
2019 年左右,AI 在一波热潮后逐渐遇冷,不少大厂甚至关闭了自己的 AI Lab。但到了 2022 年底,ChatGPT 横空出世,全球再度聚焦于大模型的变革能力。2023 年初,中国进入“百模大战”,杨劲松看到了机会:
“大模型只解决了感知问题,但如何让它能完成一项完整任务,成为业务生产力?我们认为 Agent 是答案。”
相比训练模型需要巨额资金与算力门槛,Agent 的创业门槛更接近业务场景,具备更现实的商业化可能性。
大模型能理解语言,回答问题,但仍然停留在“聊天”的层面。而企业的真实业务远不是简单对话能解决的,通常涉及信息收集、分析判断、决策执行多个链条。
杨劲松打了一个比喻:
“大模型是人类的‘大脑’,但真正的工作还需要‘手脚’去执行。Agent 的意义就是赋予大模型行动能力。”
那么,Agent 如何在真实场景中落地?
Agent 接入变压器等设备数据接口,实时获取设备运行状态。
通过模型分析判断是否存在异常波动或风险。
系统自动提示给工程师,辅助决策,提前预警。
“我们服务的电力客户已经在实际使用 AI Agent 做风险监测,大大提升了响应效率。”杨劲松说。
Agent 能根据信贷申请信息,从多个系统中抓取关联数据。
识别关键字段,如资产、负债、信用等级等。
快速完成风控评分并辅助人工决策。
在这类高频、高标准、重数据的行业中,Agent 替代部分重复性脑力劳动,是提升效率的最优解。
很多人好奇:OpenAI、百度、阿里等大厂都在做 Agent,创业公司如何不被“碾压”?
杨劲松的回答非常实在:
“我们选择从垂直场景切入,做大厂不愿意深耕的小而深的需求,用实效打出差异化。”
他们首选电力和金融,是因为这些行业:
专家能力稀缺、训练成本高;
决策流程标准化、数据结构清晰;
单点场景海量可复制。
比如在电力行业,某个决策工具一旦在一个省份落地,就能复制到几十个城市。金融行业更是天然适合标准化智能流程,“从信贷评分、保单核保到合同审核,每一步都可以是一个 Agent。”
此外,他们也在尝试一些“短平快”的场景,比如企业销售助理、报告生成、内容编辑等,来提升落地效率和商业转化率。
很多中小企业对 AI 很感兴趣,但也面临两个困惑:
业务是否适合上 AI?
是自己开发,还是买现成的?
杨劲松的建议是:
先用现成工具试水,看看是否能解决业务中的具体问题。
不要被技术绑架,关键是是否真的能提升效率。
找痛点场景切入,比如销售线索管理、文档审核、客服对话等重复度高的任务。
“未来每个公司都应该拥有多个 Agent,像员工一样为企业工作。”
在杨劲松设想的未来社会中:
每个人都像 CEO 一样管理多个 Agent;
一人公司能实现过去十人团队的效率;
工作从“人做事”变成“人管 Agent 做事”。
甚至他认为,未来的“超级流量入口”也可能是 Agent:
对个人用户,可能是集成于手机、眼镜、耳机的语音助手;
对企业用户,可能是一个熟悉企业流程的“智能管家”。
而实现这些前提,是让 Agent 能够不断自我进化,具备学习与适应的能力。这就涉及强化学习、垂直领域微调、数据闭环等关键技术方向。
如果你觉得 Agent 还离你很远,不妨思考这样一个问题:
👉 你是否有一些重复又琐碎的工作,一做就是几小时?
👉 你是否希望有一个助理能帮你写文案、做报告、查数据、发提醒?
👉 你是否希望,让自己的时间用于更有价值的创造与判断?
那么,Agent 就已经在你的身边了。秒搭AI就是最好选择,我们专注打造“企业知识库引擎”和“智能体数字员工”,通过深度融合企业专属知识,构建行业定制化的大模型,结合企业业务流程,创造出真正能自主干活的智能体Agent。
53AI,企业落地大模型首选服务商
产品:场景落地咨询+大模型应用平台+行业解决方案
承诺:免费场景POC验证,效果验证后签署服务协议。零风险落地应用大模型,已交付160+中大型企业
2025-06-19
人工智能也许是人类社会最后一次技术革命
2025-06-19
实测百万token上下文模型MiniMax-M1:RAG真的要被淘汰了?
2025-06-19
NVIDIA recsys-examples: 生成式推荐系统大规模训练推理的高效实践(上篇)
2025-06-19
大厂经验,AI Agent 的进化:从“单挑”到“群殴”
2025-06-19
苏格拉底提问教销售更好使用Deepseek
2025-06-19
价值销售AI使用场景一:SWOT智能体
2025-06-19
Claude Code最佳实践:让AI真正融入开发者工作流
2025-06-19
DB-GPT V0.7.2 版本更新:图表组件可视化增强、支持混合搜索 、支持DeepSeek-R1-0528模型等
2025-05-29
2025-04-11
2025-04-01
2025-04-12
2025-03-22
2025-04-29
2025-04-12
2025-04-06
2025-04-13
2025-04-15
2025-06-19
2025-06-19
2025-06-18
2025-06-17
2025-06-17
2025-06-16
2025-06-15
2025-06-15