周鸿祎：大模型与智能体的实践路径

推荐语

周鸿祎分享企业AI转型的"1121"实战框架，从目标设定到落地执行，助你避开常见误区。

核心内容：
1. "1121"框架详解：聚焦目标、摒弃妄念、双准备、平台建设
2. 培养员工AI素养的实用方法：从强制使用到习惯养成
3. 企业IT系统与数据准备的关键要点

杨芳贤

53AI创始人/腾讯云(TVP)最具价值专家

一个目标。一个目标就是不要贪大求全，比如今年的核心就是打造一两个Agent（智能体），如此你在全球都是领先的了。现在全世界做出来的真正跟企业自己的业务耦合很紧的Agent案例并不是很多，因为Agent和大模型的技术刚刚成熟。

一个指导思想。一个指导思想就是要摒弃妄念。什么叫妄念？有人要我做养猪大模型或钢铁大模型，试图用一个大模型解决企业的所有问题，最后的结局就是谁也交付不了。企业指望用一个Agent解决所有问题是不现实的，而应用垂直专业模型、专业Agent解决专业问题，哪怕解决一个“小切口、大纵深”都很有意义。所以，企业要从简单的智能体做起，积小胜为大胜。

两种准备。第一，做好培养AI素养的准备。企业内部的员工如果对AI都不了解，都反对AI这件事，是肯定做不好AI转型的。特别是专业性越强的企业，主导AI落地的就越不是AI服务商，而是企业的业务专家和一线业务人员，因为他们最熟悉自己的工作流程和行业知识，知道有哪些卡点、堵点和痛点。所以，我们应该鼓励企业一线员工在用中学AI、干中学AI。在AI使用过程中发现各种机会，是一种自下而上的探索问题的解法，但使用AI并非人的天性，企业要强迫员工使用。

员工干事之前不妨跟AI交流，并把AI当成亦师亦友的朋友，通过多轮对话，把问题告诉它，听听它的建议，当然不一定要相信它给的结论。如果三个月以后，你的员工工作时都养成用AI、搭知识库的习惯，且会搭简单的智能体，那么你企业的AI转型就会非常顺利。

使用AI最简单的方法就是直接用360纳米AI，因为360的企业版纳米AI是免费的，现在很多大企业都在用它，可以帮助普通员工使用80款大模型，豆包、千问、阿里、百度都在其中。在帮助员工AI入门方面，我们有特别简单的建立知识库的能力，它可以沉淀组织中的核心知识。企业可以先尝试搭建几个Agent让它跑起来，再把它迁移到企业内部。

第二，做好IT和数据的准备。要把你公司数据系统的使用情况了解一下，这是很多企业都会忽略的。企业领导推行AI转型有两个误解，一是有些领导觉得企业有大模型了，但原来的IT系统干得不好，能不能一夜之间都把它扔掉，我说千万别扔，因为Agent要通过跟原来的业务系统去调用才能够运行。所以，企业原来的IT系统信息化程度越高，AI转型就越容易成功。二是觉得企业原来的信息化做得不好，能不能直接在AI时代弯道超车。其实这也很难做到，比如我去一家很著名的公司掌门人的办公室，发现他不爱用IT系统，他把自己的想法都写在一张小纸上，办公室贴满了小纸。我说，你的知识都没有数据化，怎么融入系统、怎么能让它在企业发挥作用。

最重要的是，今天技术、算力、资金已不是问题，专家、工具也不是问题，我都总结出了15 个工具，已经细得不能再细了。问题是，在你的企业内部选择什么场景、什么流程，就是切入点在哪儿非常关键，它直接决定第一次打造Agent的成败。

我的经验有几点：一是找企业中具体的卡点、堵点、痛点，比如有些地方过去想实现自动化却实现不了，非要人才能做；再比如，人每天的操作步骤很繁琐、流程很长、成本很高，等等。二是不要同时在不同方向上出击，要么是对上服务企业领导的战略，想想他有什么痛点；要么向下助力基层员工，看他们在工作中有什么能提高效率的改善点；要么聚焦内部业务、内部管理、生产制造等；要么对外聚焦销售、供应链或产品服务。在上下内外四个方向上，企业管理得再好，也一定会有卡点、堵点和痛点。

找出流程中的堵点、卡点和痛点，还要做两个判断，看AI是否能够解决这些问题。一是判断目前大模型和智能体的能力能不能把这件事做好。比如有一家公司说能不能帮我们自动发现煤矿，我说这需要建立很多复杂的传统数学模型，这是大模型干不了的。二是判断过去有些大模型干不了的事，是否通过给大模型做工具就能干了。比如我用CAD设计图纸时，大模型能否参与进来？过去大模型是读不了CAD图纸的，现在AutoCAD软件做了一个给大模型的接口，可用工具连接大模型，然后大模型就能操纵AutoCAD了。当然，这还要有相应的数据和知识与之匹配。

我们曾信心十足地来到河北某钢铁企业，说要替它做钢铁大模型，做了之后才知道，尽管我们自己觉得很懂人工智能，但在专业领域我们什么都不是。所以企业AI转型未来的机会，不是企业做DeepSeek，而是企业如何将DeepSeek或者蒸馏出来基座模型跟行业应用结合好。企业要有自信心，在AI应用端，企业的价值才是最大的。我们最后花了3个月，把钢铁行业全过程分成6个阶段——原料、铁前、炼铁、炼钢、轧钢、销售，还分解成142个场景。最后在其中选了两个场景，一个是对高炉炉温的控制，一个是对因高炉炼钢产生的污水投放药品比例的控制，这都是老专家、老师傅凭经验、凭体感、凭肉眼做判断，我们再把它的专业技术数据采集下来，最后把它变成一个简单的智能体，这样就把问题找到了。

一个平台建设。一个平台建设则是指构建15个Agent基础设施平台，360超级企业智能体搭建运营平台（SEABOT）可实现全部能力，助力企业一站式完成智能体的打造与全生命周期运营，让Agent在企业中的应用实现从单点优化到最终实现流程再造。

△让每个智能体都成为专业的数字员工，这可能是企业未来大模型和智能体的一种架构。

我给大家分享一个美国风投人告诉我的一家医院的AI转型案例。中国一谈AI医疗都是宏大叙事，如AI看病、AI做手术等，而这家医院就做了三个智能体、干了三件事，解雇了100人。

第一件，以前社区医生手写病历发传真到医院，医院有几十个人每天看传真，把它登录到医院的系统里，而今天人工智能的视觉引擎干这个事很擅长，就这一件事把看传真的50人给淘汰了。

第二件，病历录入之后需要有一个Call Center（呼叫中心）跟病人打电话预约看病时间，而语音对话能力已很成熟了，所以该医院让一个语音机器人来干这件事，又省去了Call Center的几十个人。

第三件，在美国，医院看完了病要写报告给保险公司审批报销医疗费，报告写得不好，保险公司可能不批，或者通过审批的报销比例比较低。医院的优势在于它写过无数份报告，有历史的报告范例，所以它把这些范例做成一个知识库，然后打造了一个专业模型，专门负责写报销报告。

各位企业家可以思考一下，无论是对外的销售、供应链合作，还是内部管理、领导决策或者辅助员工提升效率，有什么样的流程能用Agent和大模型进行优化。我理解打造Agent的第一步是使其成为辅助工具，它一开始成不了数字牛马、数字员工。但作为辅助工具，它可以对企业流程逐渐实行单点优化，对单个的流程节点进行改进。第二步就是逐渐实现岗位数字员工化，数字员工多了就变成了数字团队，或者跟人协作变成混合团队。最后再考虑架构重组、流程再造，因为到那时数字员工已占大多数，流程都在Agent里写着。

总结一下，我觉得在企业普及AI是AI转型的基础，转型要分阶段，做到小步快跑，而不是追求宏大叙事和全能，一个Agent就干一件事是最容易的。招聘员工也是这样，想招一个全能的神是不现实的，大模型没有那么万能。如果你招一个大学毕业生每天只处理发票审核问题，招一个法务每天只看合同的合理性问题，他绝对能干得很好。

再强调一下，企业AI落地，不管企业跟多顶级的互联网AI大公司合作，一定是企业业务人员主导，否则很难成功。

我更愿意把大模型比喻成电动机。大模型不是电，数据是电，有数据大模型才能转起来，但电动机本身没有价值，只有当电动机变成了刮胡刀、电牙刷、电吹风，变成了各种各样的智能体（你甚至意识不到电动机的存在）才有价值。我一直认为，不要试图买一个挂着好多接口的电动机，指望它既能刷牙，又能刮胡子，还能吹风，肯定没有这样的东西。总之，凡是需要动力的地方，只要买一个电动机即可，电动机有大有小，有的当鼓风机用，有的当传送带用，也有的地方当电风扇用。

今天要感谢开源带来了世界一流的满血版或者蒸馏版的模型，而且价格为0，对算力的消耗也不够大。所以将来在企业中很有可能不会只有一个大模型，甚至财务部门有财务部门的模型，人力部门有人力部门的模型，不同的公司有不同公司的模型，每个模型驱动着不同的智能体做着不同的业务。让每个智能体都成为专业的数字员工，这可能是企业未来大模型和智能体的一种架构。