@首席数智官

“今天，世界上的每家公司都需要有一个智能体系统战略。这是新的计算机。”

在刚刚结束的GTC 2026大会上，英伟达CEO黄仁勋抛出了一个让所有传统企业与软件厂商不免焦虑的论断。

黄仁勋甚至直言：未来的工程师薪酬组合将会变成“年薪+Token”，Token将成为AI时代最核心的资产。

老黄的判断并不意外。如果我们稍加留意就会发现，身边已有不少公司斥资采购AI。从最初的囤卡，到后来的一体机，再到后来的整体解决方案。AI确实已经越发进入企业业务的核心流程。

但问题在于，这些投入的回报似乎并没有想象中那么美好。销售用它润色套话邮件，运营用它总结会议纪要。至于企业最核心的业务指标——转化率、增长瓶颈等几乎纹丝不动。

这是一个极其吊诡的局面：在C端看似无所不能的AI，一进入B端复杂的业务流就水土不服。问题究竟出现在哪里？

3月27日，面向企业的Agentic AI公司特赞正式发布了面向企业打造的企业级智能体系统：GEA（Generative Enterprise Agent）。

在「首席数智官」看来，特赞的这场发布会，不仅回应了黄仁勋的智能体战略论断，更为陷入模型焦虑的企业们指明了一条截然不同的突围路径。

01

AI与真实商业的冲突

要理解当前企业AI的尴尬处境，我们必须先认清两个根本性的行业冲突。

首先是大模型的同质化陷阱。

如今，所有人都在盯着基础大模型看：关注参数是不是更大了，推理链条是不是更长了，API 调用是不是更便宜了。

但在这个疯狂内卷的赛道里，绝大多数企业高管忽略了一个极其危险的事实：当所有人都能轻易用到同样的顶级模型时，模型本身就不再是企业的护城河了。

无论是 GPT、Claude、 Gemini，还是DeepSeek、千问、豆包，你能花钱买到的接口，你的竞争对手同样也能买到。

特赞创始人及CEO范凌在发布会上直言：大模型正在迅速沦为像电力一样的公共基础设施，而在残酷的商业竞争中，没有企业会因为“我们公司用的电更好”而赢得市场。

同一个模型，如果你仅仅喂给它互联网上的公开信息，它给你的永远是一个放之四海而皆准的通用答案。

这是第一个问题。

第二个问题是，大模型天生的收敛逻辑，与真实商业的需求相悖。

这是更深层次的冲突。

“更准确的答案”一直是大模型追求的目标。面对一个复杂的问题，常规的推理模型会基于其庞大的预训练数据，一步步缩小可能性范围，直到最终“收敛”到那个唯一正确的标准答案。这是大模型的特性。

不可否认，这种特性在解决确定性问题时是完美的。所以我们经常能看到某某新模型拿到奥数金牌、高考分极高、轻松通过司法考试等报道。

然而，真实的商业世界从来不是做题这么简单。在充满高度不确定性的商业决策中，问题的核心价值往往不在于迅速找到一个所谓的收敛答案，而在于决策者能够看到多少种创新的可能性。

假设你是一家头部消费品牌的CMO，需要为一款重磅新品上市制定传播策略。如果你向常规的推理模型寻求帮助，它一定会基于过往海量的营销历史数据和所谓的最佳实践，给你推导出一个逻辑严密、极其合理的最优方案。这个方案一定很安全，但也注定极其平庸。

这恰恰是企业在使用AI时最常见的问题。

在真实的商战中，颠覆性的胜利往往来自于打破常规。我们需要追问的是：如果不做传统的硬广投放呢？如果把目标人群从传统的A类人群切换到被忽视的B类人群呢？等等这些，打破砂锅问到底的、探索极具颠覆性视角的思考方式，才是商业所需要的发散。

因此，特赞敏锐地指出，在追求单一答案的收敛模型之外，企业级AI亟需一个“发散优先”的推理系统。在寻找确定性的执行答案之前，AI必须先穷尽各种战略可能性。

02

什么才是企业AI的核心？

明白了上述两个冲突，我们就能理解特赞此次发布的GEA到底在解决什么核心痛点。

GEA（Generative Enterprise Agent）是特赞面向企业打造的企业级智能体系统：它不是单点AI工具，而是一套围绕业务目标运行、能够理解企业上下文、进行推理决策、调用技能执行任务并持续优化结果的系统。

简单解释一下：在企业场景里，AI的问题已经不只是“能不能生成内容”，而是能不能真正进入业务流程、理解组织语境、参与判断，并对结果负责。

特赞把这种架构称为GEA。

GEA的核心逻辑是：基于企业上下文系统 System of Context，统一编排推理能力、智能体与技能，把通用模型能力转化为可嵌入业务、可持续进化、可对结果负责的企业级智能体系统。

根据特赞官方的定义，这套GEA架构自上而下包含四个核心层级：

第一层：意图层（Intent Layer）——从业务目标出发，抛弃繁琐的提示词

过去，使用AI的门槛在于你必须是一个优秀的“提示词工程师”。但在GEA架构中，运行的起点彻底改变了。它不再是冷冰冰的技术指令，而是企业最直白的业务目标。

高管或业务线负责人不需要去琢磨怎么写prompt，只需要用自然语言下达商业意图：“帮我找到下一个季度东南亚市场的增长机会”，或者“为这款新品上市准备三套不同方向的传播策略”。

之后，系统会自动将这些宏观的商业意图转化为结构化的任务路径，让 AI 真正围绕业务目标持续运转。

第二层：编排层（Orchestration Layer）——会发散思考的企业大脑

当意图下达后，接管任务的是特赞自研的发散推理模型Creative Reasoning Model。

它会做两件事：首先是发散式推理，把复杂的商业意图拆解成多条可能的执行路径，并严苛地评估每一条路径潜在的商业价值。

其次是模型编排。要知道，当前的基础模型世界每个月都在发生变化，有的模型擅长逻辑推理，有的擅长高质量生图，有的擅长处理海量数据表格。

特赞的发散推理模型就像一位指挥官，它会自动判断拆解后的每一个子任务需要什么特定的能力，然后在底层超过30种基础模型中自动调用最合适的那一个去执行。

第三层：智能体技能层（Agent Skills Layer）——真正下场干活的“手和脚”

思考完毕后，就必须有强悍的执行力。在这一层，GEA拥有其专属的“执行器”——GEA Claw。它是企业级智能体进入真实业务流程内部运行的执行基础设施。

据悉，GEA Claw能够调用超过400个模块化的Agent Skills。这些技能涵盖了从内容生成、数据分析、消费者洞察，到创意评估、品牌一致性合规校验等企业运转的方方面面。

更重要的是，它采用的是主动型智能体机制，可以7×24小时持续监测企业的内部数据变化与外部竞品环境。一旦发现数据异常或竞品有新动作，它会在既定授权边界内主动跳出来提出策略建议，甚至直接触发下一步行动。

第四层：上下文层（Context Layer）——企业AI唯一的护城河。

在这波AI浪潮中，企业的Context一直被太多人忽视，但其实它才是企业AI的核心壁垒。

前文提到，基础模型是公共基础设施，大家都一样。那么企业在AI时代的护城河究竟是什么？特赞给出的答案正是Context。

因为模型产生智能，只有上下文才能产生真正的商业价值。当你给模型输入企业独有的上下文时，它给出的，将是一个只有你这家企业才能得到的专属答案。

为了承载这一战略，特赞发布了Context System（由特赞DAM承载）。它不仅是一个升级版的数字资产管理系统，更是企业级上下文的来源。

过去，企业的品牌调性文件、海量的营销视觉素材、产品研发的完整决策轨迹、历次战役的成败复盘报告，甚至目标用户的用户画像，都以非结构化数据的形式杂乱地躺在各个部门的网盘或文件夹里。

如今，当这些内容进入Context System的那一刻，系统内置的本地模型就会自动对其进行识别和标注，结合企业自定义的标签体系，瞬间将其构建成有结构、有深厚语义关系的“活的上下文”。它就像是给企业安装了一个“外脑”，不仅能记忆，还能理解。

通过其强大的上下文检索功能，企业相当于拥有了一个专属的内部Perplexity。当你提问“去年我们在欧洲市场用过哪些效果最好的视觉风格”时，它不仅能精准回答，还能瞬间把合规、可用的相关营销素材直接调取到你面前，一站式解决“找答案+找资料”的痛点。

不仅如此，作为企业命脉的数据资产，Context System在设计之初就确立了企业级安全的绝对底线。

它采用严格的权限控制和“渐进式披露”机制，只向模型输送当前任务真正需要的那部分切片信息，该给的给，不该给的绝对不给，从根本上杜绝了企业机密外泄的风险。

03

AI的下半场才刚刚开始

纸上谈兵永远无法打动苛刻的B端客户。特赞的这套GEA系统，在真实的业务测试中交出了一份极其夸张的答卷。

以一家全球知名的食品快消品牌为例。过去做市场调研耗时极长，报告往往在出炉的那一刻就已经过时。

现在，该品牌引入了特赞的“洞察研究GEA”。智能体通过AI Research能力，以指数级扩展了传统调研的样本覆盖面。

更重要的是，它驻扎在企业的上下文中持续进行推理，不断比对各种全新的市场假设，主动为决策层生成新的洞察线索。它为企业提供的是一套可持续演进的市场认知雷达，彻底淘汰了静态的PPT报告。

再比如，营销端是目前离AI提效最近的阵地。某全球电子 3C 品牌在其海外社交媒体的战役中，全面启用了特赞的“内容增长GEA”。

在这里，GEA Claw这个主动执行层展现出了强悍的跨系统协同能力。它不再是一个只会按指令写文案的工具，而是直接接管了端到端的完整闭环：

从初期的账号人设定位、海量爆款内容的自动生成，到跨平台的精准分发，再到后链路的效果追踪分析与策略动态调整。它甚至能协调达人网络的传播节点，优化品牌在AI生成答案中的可见度。

在这个场景下，智能体不再是辅助者，而是直接对这跨新品在海外的最终增长结果负责的“数字业务一号位”。

显然，在Agentic AI的时代浪潮下，正如GEA所展示的四个关键跃迁：企业级应用正在从“被动响应”走向“主动发声”；从“单一功能”走向“多智能体自主分工协作”；从“一次性交付”走向“持续提效”；最核心的，是从“通用同质化”走向“对企业上下文的极致理解”。

技术演进的洪流无法阻挡，基础模型每隔几个月就会刷新一次认知的边界。如果你的企业系统死死绑定在某个特定模型上，那么每次底层升级你都将面临推倒重来的灾难。

在「首席数智官」看来，GEA架构最大的战略前瞻性在于，它将不可控的模型演进，抽象为了企业内部稳定、可运营的智能资产。

底层模型随时可以像电池一样拔插替换，但中间那层厚重的、懂你企业黑话、包含你所有成败经验的Context，才是真正属于企业自己的护城河。

过去三年企业在试模型。但从今天开始，企业真正生死攸关的战略决断，是去构建一个从最高商业意图出发、深度理解自身上下文、具备发散判断力，并能在真实业务中持续进化的智能中枢系统。

AI的下半场，拼的绝对不是谁有钱去买更多的算力，而是谁能够以最快的速度，把自己的数字资产和暗知识沉淀进系统的记忆里。因为在Context时代，谁最懂自己的生意，谁就能在这场残酷的效率革命中笑到最后。

-end-

@首席数智官