从通用到专用：智能体落地“深水区”的真实图景与破局之道

“智能体元年”的热度背后，企业落地的真实情况如何？12月9日，由中关村科金联合甲子光年举办的“超级连接·智见未来”EVOLVE 2025大模型与智能体产业创新峰会上，来自研究机构、技术服务商和产业应用方的嘉宾，围绕“从通用到专用：智能体在企业核心业务场景的价值涌现”展开了一场务实的对话。

甲子光年创始人兼CEO张一甲担任圆桌主持，与中关村智用人工智能研究院院长孙明俊、顺丰科技AIGC增长部负责人刘宇、极氪汽车数智研发总监唐畅、中关村科金副总裁刘倩共同探讨了智能体落地的挑战与机遇。

现状：技术供给与落地成熟度的巨大落差

当被问及为智能体落地现状打分时，几位嘉宾给出了差异化的答案，这种差异本身就反映了行业的复杂现状。

孙明俊直言不讳地指出了技术供给与实际落地之间的巨大鸿沟。他表示，智能体的技术供给成熟度约为80%，但落地成熟度远远不到这个水平，实际上仅在30%左右。他透露，研究院在做行业测试时发现，很少有智能体可以直接解决行业中的问题。

他举了一个医疗行业的例子来说明沟通的困难：“我在金华看到几个中医院，还在解决信息化如何连通的问题。对医院院长来说，他不知道是信息系统的问题、数据连通的问题，还是靠人工智能能解决的问题，他以为靠人工智能就解决了。"

相比之下，来自应用一线的刘宇给出了70分的高分。顺丰从2023年开始尝试，2024年有了点状应用，到2025年已经建立了不少数字员工。这个分数背后，是企业在特定场景中持续投入和优化的结果。

极氪汽车的唐畅则表示，基于垂直大模型在点状场景的应用超出预期，但对流程化场景的影响还未达到预期。这反映了汽车行业在智能化转型中的阶段性特征。

刘倩则从更宏观的视角剖析了这个问题，她表示，客户经常在“大模型智能体无所不能”和“一无是处”之间反复横跳，这背后是三重认知冲突：学术研究与企业应用的差异、云端能力与本地部署的落差，以及对智能体需要持续进化的理解不足。她强调，如果从价值创造角度评估，在营销、销售辅助、情报收集等场景已经产生了非常明确的价值。

落地：场景发现比技术实现更重要

当提及智能体如何真正理解复杂业务逻辑时，刘宇分享了顺丰在跨境物流营销场景的实践经验。“场景需要发现，就像做研发需要做价值发现一样。“他将智能体落地分解为几个关键步骤，首先是产品发现与定义，然后是领域知识和思维的注入，接着是知识构造和数据训练，最后形成系统闭环。

在顺丰的实践中，他们用大模型做在线质检，把训练过程变成“养成系”。数据构造采用两种方式：一种是定期更新的方式，一到两周更新一次；另一种是实时植入生产数据。

对于如何避免大模型的“幻觉”问题，刘宇给出了务实的解决方案：“我们把说话的内容严格限制在客服领域的标准答案，让大模型做拟人化处理，而不是知识性解答。“这种做法既保证了可靠性，又提升了用户体验。相比传统外呼，大模型外呼的优势不仅在于稳定性，更在于提高了服务的底线水平。“跟金牌客服巅峰时刻比可能不如，但跟低峰值比，或者跟金牌销售情绪不稳定时比，还是要高的。"

而不同行业因业务属性差异，智能体落地的挑战与实践路径也呈现出鲜明特色。

行业：汽车场景的独特挑战

在汽车行业，智能体面临着从营销到售后的全生命周期管理需求。

唐畅对此表示，智能体的应用核心是提升数据质量，车企在营销、销售、售后乃至二手车回收的全生态中沉淀了大量数据，而大模型的落地需要依托算法、模型与数据的协同发力。具体来看，可基于各业务场景提取点状参数，通过 AIGC 技术进行三维扩充，再将这些点状应用串联成完整流程，这一过程本身也是企业内部的共享协作过程。他进一步介绍，极氪已将模型与应用系统深度结合，在全国销售门店及相关场景中，每天已产生 10 亿级的调用量，用户已普遍习惯使用。

刘倩补充了汽车行业的几个典型场景。在新车发布场景，传统小模型需要两到三天才能生成话术，但大模型可以在发布会后的两三个小时内完成，第二天一早就能开始外呼。“开完发布会之后可能有几十万人留咨询信息，用人工根本打不过来，越快联系转化率越好。"

在道路救援场景，对车型和位置的精准识别至关重要。“市场上的智能体对车型和机型的识别率没有一家超过60%。“为此，中关村科金通过车型数据治理、车型智能体和地理纠错智能体，配合大模型的复杂意图识别能力，使整体系统能够高效运行。

这些实践表明，智能体的价值不是替代人工，而是人机协同。正如刘倩所提到的：“它可能达不到金牌销售的水平，但达到80%的人类员工水平是没问题的。而且比上一代小模型的问题解决率、转化率提升可能是一倍不止。"而要让这种人机协同的价值进一步放大，就需要触及更深层次的流程重构，这也是智能体从 “点状落地” 走向 “规模化价值涌现” 的关键突破点。

突破：流程重构是价值放大的关键

麦肯锡的研究显示，那些从营业利润上最受益于AI的企业，已经“从根本上重构工作流”，这种做法的效果是其他公司的3倍。

孙明俊表示，虽然研究院自身规模较小没有做重构，但帮助一些企业实现了价值涌现。“从已实施的案例来看，重构后实现的价值远超3到5倍，因为带来了非常大的效率提升、产能提升和不必要成本的降低。"

刘宇对流程重构的影响有更形象的比喻：“以前是做两桌大菜，服务带宽有限。现在虽然是快餐，但人人都能吃到。对原来没被服务到的人来说，这就是好的。“数字员工的核心价值在于成本优势，通过降低服务成本、提升效率实现大幅扩展服务覆盖面。

唐畅则表示，极氪正在加强数据和垂直AI场景的结合。“当这些点重构放大，可以覆盖其他一些不那么重要的点时，流程改变就到了。"

刘倩认为流程重构不是必备项，但如果想要创造更大的价值就一定要进行。这需要企业在意识上把智能体当成建立长期竞争力的开始，而不是一次性投入。

价值：如何让老板看到ROI

投入产出比是企业决策层最关心的问题，但AI的价值往往难以量化。几位嘉宾从不同角度给出了建议。

刘倩将价值衡量归结为“降本、增效、合规”三个维度。关键是要把投入放在更长的生命周期来看，而不是短期的当期投资。“需要对企业内部什么场景可以产生价值进行分类和判断，从价值和可行性上分类，做好长期规划和短期切入。"

唐畅总结为八个字：“大胆设想、小心求证。“大胆设想就是去假设能做什么、能做到什么；小心求证就是结合现有数据沉淀和未来需要，小范围做实验。

刘宇的观点更加直接：“第一要坚信它可以被量化。如果是数字员工，一定可以的。第二，如果单个个体难以衡量，可以改变衡量对象，比如某个组织的出错率等。“他强调，有短期价值才能谈长期，讲不清显性价值时才讲隐性价值。

孙明俊赞同这种务实的态度：“可以长期看规划，但一定要从短期看价值，让董事长算得过账，才可以一步步把好的技术应用进来，技术才有生命力迭代下去。"

正如峰会主题“超级连接·智见未来”所示，智能体作为超级连接器，正在通过连接员工、知识数据、业务系统、生产流程等企业内部要素，以及客户、渠道、监管、生态伙伴等外部要素，释放新质生产力。

从通用到专用，从试点到规模化，从单点突破到流程重构，智能体在企业核心业务场景的价值涌现之路，需要技术供给方、应用实践方和产业生态方的协同努力。这不仅是一场技术革命，更是一次组织变革和思维方式的转变。