智东西
作者 王涵
编辑 漠影

Agent走进企业，已势不可挡。

麦肯锡2025年AI报告基于对全球105个国家近2000名受访者的调研显示，62%的企业已在至少一个业务环节尝试使用AI Agent，其中23%已进入规模化部署阶段，主要集中于IT服务台管理和知识管理等领域。

JetBrains 2025年对全球194个国家近2.5万名开发者的调查显示，85%的开发者定期使用AI工具进行编码和开发，62%至少依赖一款AI编程助手或智能体工具，AI编程已从“锦上添花”变为行业标配。

企业AI正从“能不能用”走向“好不好用”，但在这条路上，多数企业卡在了从试点到规模化的中间地带。

为什么试点容易、规模化难？

因为Agent落地不仅仅是选一个模型那么简单，还需要打赢三场硬仗：

1、算力硬仗：推理成本怎么降？Token供应怎么稳？基础设施跟得上吗？

2、工程硬仗：多Agent怎么协同？记忆怎么管？工作流怎么不断裂？安全怎么控？

3、组织硬仗：企业怎么从“人+工具”变成“人+Agent团队”？个体怎么成为“超级个体”？

那些最早大规模应用AI编程工具辅助开发的企业，已经在这三场硬仗中率先交出了答卷，他们的经验正在向更多行业扩散。

6月16日，也就是明天，由清华大学全球产业研究院主办、中关村科学城管委会支持的“人工智能+生态大会（AIEC 2026）”将在北京中关村展示中心举行。大会汇聚近60场专题报告，阿里云、腾讯、月之暗面、浪潮信息、美的、上海人工智能实验室、阶跃星辰、百川智能等头部机构，以及Dify、DataWhale等开发者社区将同台对话。

大会的核心命题只有一个：Agent规模化落地，企业究竟要怎么打这三场仗？

一、算力底座：如何让Agent跑得起、跑得稳？

企业部署Agent时遇到的第一个现实问题，往往不是模型不够聪明，而是钱包烧不起。

一个需要实时响应的客服Agent，如果每次推理都要消耗数秒时间、花费几毛钱Token费用，根本无法替代人工。

所以，企业部署Agent要打的第一场仗就是“算力硬仗”，核心议题是推理效率如何提升？Token成本如何下降？算力基础设施如何规划？

在本次大会上，阶跃星辰将带来他们在Agent效率和Agentic模型方向的最新探索。阶跃星辰在端侧AI上的深耕，沉淀了一套“高效智能”的方法论，其技术路线没有盲目追求参数规模，而是围绕Agent的实际调用场景，优化推理速度、工具调用成功率与长上下文处理能力。

清程极智则会从另一个关键维度切入：Token的高效生产与可信流通。对于规模化部署Agent的企业而言，Token不仅是计算单元，更是成本单元和安全边界。清程极智将给出降低企业Agent运行成本的实战思路，直接回应了企业对“算力账”的焦虑。

清华大学将分享对“Vibe Coding”浪潮的观察与思考。Vibe Coding，从辅助代码补全进化为向开发者与AI共鸣协作。这一演进对算力底座提出了新的要求：更长的上下文窗口、更快的推理响应、更精准的工具调用，反过来又推动了模型推理效率的提升。

上海人工智能实验室大模型中心则将聚焦模型基座与全链路工具的迭代探索。作为国内领先的AI科研机构，上海人工智能实验室长期投入基础模型与开源工具链的研发。他们将在大会上分享：模型基座如何适配Agent化的应用需求？全链路工具链（从数据预处理、模型训练到推理部署）如何协同优化？

Datawhale、清程极智、OpenBMB开源社区、上海人工智能实验室大模型中心、心言集团等将围炉谈话，共同探讨大模型生态。这场对话的特殊之处在于，参与者既有开源社区的代表，也有模型厂商和科研机构。他们将从不同立场出发，碰撞出关于未来一年半大模型演进方向的共识、分歧与行动方案。

二、工程能力：Agent Infra如何从“手工作坊”走向“流水线”？

算力问题解决之后，企业很快会遇到第二道坎：模型选好了，推理也跑通了，但Agent一上线就乱套。

多个Agent同时工作时互相“抢话”、长任务执行到一半就“失忆”、复杂的工作流稍微一变动就断裂、安全边界模糊导致AI作出越权操作……这些工程问题正在成为规模化落地的最大阻力。

所以，工程硬仗的核心议题就是Agent的工程化底座需要哪些核心能力？如何实现多Agent协同、记忆管理、工作流编排与安全治理？

软安科技的分享将聚焦Agent的可信治理。在代码审查场景中，Agent不仅要发现潜在问题，还要给出可解释的理由、可追溯的判断依据，并在关键决策点保留人类的复核权限……可信治理必须内嵌到Agent的架构设计中。

记忆管理是另一块硬骨头。一个客服Agent如果记不住用户三分钟前说过的话，就谈不上智能；一个研发Agent如果忘记了上一个任务的上下文，就无法完成长链路工作流。记忆张量专门解决Agent的长期记忆问题，将在大会上分享企业级Agent Memory的落地实践。

此外，龙蜥社区将揭秘他们以KV Cache为中心的云上LLM推理软件栈——Mooncake。这一技术方案旨在解决大模型推理中最核心的瓶颈：KV Cache的管理与调度。龙蜥社区的分享将为开源社区和企业用户提供一套可落地的推理优化方案。

三、组织进化：从“人+工具”到“人+Agent团队”

算力和工程问题解决之后，企业面临的第三个瓶颈往往是最容易被忽视的：组织与人的转型。很多企业的AI试点止步于PoC，其实是因为组织没有准备好。

传统的部门边界、汇报关系、KPI考核体系，都是为“人”设计的，当Agent开始自主完成复杂工作时，整个管理体系就出现了空白：谁来给Agent派活？Agent的绩效怎么衡量？Agent出错了谁负责？

所以，第三场仗，组织硬仗的核心议题就是企业如何从“人+工具”过渡到“人+Agent团队”？AI原生企业的组织形态是怎样的？个体如何成为“超级个体”？

阿里云将在大会上分享他们在企业级AI Coding解决方案。阿里云认为，AI Coding 的本质变化是把软件生产过程拆解为可被智能体理解、调用和执行的任务单元。开发者更多转向定义需求、拆解任务、验证结果，智能体则承担实现、调试和迭代工作。

腾讯将在主论坛上分享他们从对话到执行的企业智能体规模化落地经验。腾讯的思路很清晰：Agent必须真正干活。他们将在大会上展示如何将智能体嵌入到企业的真实业务流程中，并改变这些流程的执行方式。

月之暗面将带来一线实战中的落地经验与Know-How，是踩坑换来的真话。他们会坦诚地讨论：哪些场景不适合用Agent？多Agent协同中常见的失败模式是什么？如何避免Agent“越权”或“罢工”？等等这些来自一线的教训。

浪潮信息将在大会上分享企业级Agent规模化部署的实践路径。针对企业落地过程中的安全隔离、成本管控、批量管理等核心痛点，他们将带来从算力基础设施规划、推理集群设计，到多实例统一运维的端到端解决方案，帮助企业跨越从试点到规模化的关键门槛。

无问芯穹则从规模化生产的角度提出了一个新概念：Token工厂与Agent生产线。他们把Agent看作工业品，认为规模化部署Agent需要像工厂一样建立标准化的生产流程。无问芯穹将分享他们如何把这一理念落地到企业级平台中。

汉得信息作为企业服务领域的资深玩家，将带来从概念验证到真实业务的跨越经验，他们将分享一整套转型方法论，直击企业转型的痛点。

此外，大会还专门设置了“OPC超级个体生存路书”专题，7个AI原生创业项目轮番登台，解读AI时代的”超级个体”如何重构创新范式，以及如何让超级个体拥有一支随叫随到的”产研军团。

四、落地实践：制造、医疗、研发的真实战场

算力、工程、组织——三场硬仗的理论框架最终需要在真实行业中接受检验。

当前，Agent应用正在从通用办公场景走向制造、医疗等高复杂度、高专业度的垂直领域。这些场景对Agent的要求是“零失误、可审计、能闭环”。如果Agent能在制造业产线中稳定运行、在医疗诊断中辅助决策，就意味着它已经具备了进入核心生产系统的资格。

行业应用的核心议题就是Agent在制造、医疗等关键行业的落地实践，以及这些实践如何反过来验证算力、工程、组织的解决方案。

制造业场景的特殊性在于：它涉及物理世界的实时控制、多种设备的协同，以及对安全性和稳定性的极致要求。美的从产线调度到质量检测，已经部署了多个智能体应用。他们就在这场大会上展示智能体如何驱动制造业全流程重构。

百川智能带来的是医疗Agent的产品化落地实践。医疗行业的门槛在于强监管、高专业度和对错误的零容忍。百川智能将分享他们如何在一个“不容出错”的环境中部署Agent，他们的经验对于金融、法律等其他高监管行业具有重要的参考价值。

结语：全行业开放，是智能体进入生产体系的前提

算力、工程和组织，这三场硬仗，每一场都足以卡住一大批企业的规模化进程，每一场都无法靠单一技术或单一公司打赢。

开源模型打破能力垄断，开放工具降低开发门槛，产业场景提供应用土壤，组织系统承接执行闭环，开发者与产业网络推动持续迭代。产业上下游齐心勠力、共同开放，才能乘上东风，让人工智能+进入千行百业。

由清华大学全球产业研究院主办、中关村科学城管委会支持，汇聚产业方与开发者社区的AIEC 2026，将为行业描绘出这一开放的“蓝图”。