當(dāng) 70% 的人將擁有智能體，誰來給 AI 建底座？瀾舟科技周明：大模型落地的最后一道墻是“可信 AI”

作者 | 王啟隆

出品丨AI 科技大本營(yíng)（ID：rgznai100）

企業(yè)級(jí) Agent 這件事，已經(jīng)越來越不像前兩年的那種熱鬧了。

那時(shí)候大家比的是模型，誰更聰明，誰參數(shù)更大，誰在 benchmark 上跑得更高。到了今年，問題突然往下沉了一層。模型好不好當(dāng)然還是重要，但企業(yè)真正開始掏預(yù)算時(shí)，盯著看的已經(jīng)不是那張成績(jī)單了，而是另一套更硬的東西，這個(gè)系統(tǒng)能不能接進(jìn)業(yè)務(wù)，能不能接進(jìn)組織，能不能被審計(jì)，能不能過安全和合規(guī)，出了錯(cuò)誰來兜底，跑起來之后成本怎么控。

4 月 16 日，瀾舟科技 2026 春季媒體閉門溝通會(huì)在北京中關(guān)村公司總部舉行。新智元、騰訊科技、第一財(cái)經(jīng)、鈦媒體、甲子光年、網(wǎng)易科技、創(chuàng)業(yè)邦、創(chuàng)業(yè)黑馬、財(cái)聯(lián)社、CSDN、新浪財(cái)經(jīng)、搜狐、智能紀(jì)元 AGI、TechWeb、DoNews 等近 20 家媒體機(jī)構(gòu)參會(huì)。創(chuàng)始人周明博士在這場(chǎng)溝通會(huì)上圍繞一個(gè)主題展開分享，從智能體到數(shù)字員工的演進(jìn)，可信 AI 技術(shù)如何重塑企業(yè)服務(wù)軟件。

這場(chǎng)溝通會(huì)里，瀾舟一次擺出來的東西不少，可信 AI 全棧技術(shù)體系，自研企業(yè)智能體 OSLangClaw，升級(jí)后的「三智」產(chǎn)品矩陣，以及一整套圍繞企業(yè)級(jí)落地展開的方法、客戶和商業(yè)路徑。把這些內(nèi)容放在一起看，會(huì)更容易理解這家公司這次真正想搶的是什么，不只是某個(gè) Agent 產(chǎn)品位，而是企業(yè)把智能體真正接進(jìn)業(yè)務(wù)系統(tǒng)之后，底下那套運(yùn)行底座、治理框架和交付邏輯。

從模型競(jìng)賽走到 AI 原生，企業(yè)級(jí)市場(chǎng)的問題開始變了

周明博士在會(huì)上先把行業(yè)背景重新擺了一遍。按照他的判斷，人工智能已經(jīng)從前一階段的大模型技術(shù)競(jìng)賽，進(jìn)入 AI 原生應(yīng)用落地的新階段。政策層面，國(guó)家「人工智能 +」行動(dòng)與「十五五」規(guī)劃，繼續(xù)把 AI 放在新質(zhì)生產(chǎn)力的核心位置上。會(huì)上援引的一個(gè)判斷是，到 2027 年，智能體普及率預(yù)計(jì)將超過 70%，到 2030 年達(dá)到 90%。

市場(chǎng)側(cè)的數(shù)據(jù)也被放進(jìn)了這套判斷里。IDC 預(yù)計(jì)，到 2029 年，中國(guó)生成式 AI 市場(chǎng)規(guī)模將達(dá)到 450 億美元，五年復(fù)合增長(zhǎng)率為 48.0%。其中，金融智能體市場(chǎng)的年復(fù)合增長(zhǎng)率將達(dá)到 82.6%。

這些數(shù)據(jù)背后對(duì)應(yīng)的，其實(shí)不是一輪單純的模型紅利，而是企業(yè)服務(wù)軟件正在被重新組織的可能。瀾舟在會(huì)上反復(fù)區(qū)分了傳統(tǒng)「AI+」和 AI 原生。前者更多是在既有軟件外面疊加一層能力，和業(yè)務(wù)流程之間仍然容易出現(xiàn)脫節(jié)。后者則是以 LLM 和智能體作為底層架構(gòu)，從設(shè)計(jì)、開發(fā)到運(yùn)營(yíng)重構(gòu)整個(gè)系統(tǒng)，讓 AI 真正進(jìn)入自主決策、流程自動(dòng)化和業(yè)務(wù)深度協(xié)同。

這也直接對(duì)應(yīng)到企業(yè)級(jí) AI 在 2026 年之后最現(xiàn)實(shí)的門檻。

2024 到 2025 年，行業(yè)還在更集中地比較模型參數(shù)和通用能力。到了 2026 年，模型是否能落到真實(shí)業(yè)務(wù)場(chǎng)景、是否能穩(wěn)定運(yùn)行、是否能被管控、是否能滿足合規(guī)和安全要求，開始變成企業(yè)客戶更直接的判斷標(biāo)準(zhǔn)。

也正因?yàn)檫@樣，可信 AI 和智能體工程成了瀾舟整場(chǎng)溝通會(huì)里最重要的兩個(gè)關(guān)鍵詞。

可信 AI 對(duì)應(yīng)的是一套企業(yè)級(jí)標(biāo)準(zhǔn)，在組織、業(yè)務(wù)、合規(guī)和安全邊界內(nèi)，讓系統(tǒng)做到行為可預(yù)測(cè)、結(jié)果可解釋、風(fēng)險(xiǎn)可控。智能體工程則被瀾舟總結(jié)為把 AI 能力轉(zhuǎn)成業(yè)務(wù)價(jià)值的工程方法，并拆成三部分，提示詞工程、上下文工程、駕馭工程。前兩部分解決的是意圖理解和信息補(bǔ)充，第三部分「駕馭工程」（Harness Engineering）則被單獨(dú)提到臺(tái)前。

周明博士認(rèn)為，駕馭工程更像智能體的控制中樞，圍繞感知控制、能力邊界、行為規(guī)則、錯(cuò)誤恢復(fù)四個(gè)機(jī)制展開，處理的是企業(yè)在長(zhǎng)程任務(wù)、多智能體協(xié)同和行為管控場(chǎng)景里最關(guān)心的可靠性問題。瀾舟希望用這部分能力，把 AI 從「聰明」繼續(xù)往「靠譜」推進(jìn)。

一套可信 AI 技術(shù)體系，被拆成四層企業(yè)能力

圍繞這套方法，瀾舟把自己的可信 AI 技術(shù)體系拆成了四層。

第一層是企業(yè)智能體 OS，也就是LangClaw。它被定義為數(shù)字員工的統(tǒng)一運(yùn)行底座，支持自然語(yǔ)言轉(zhuǎn)任務(wù)、跨系統(tǒng)操作、多數(shù)字員工協(xié)同、安全沙箱執(zhí)行和全鏈路審計(jì)。

第二層是企業(yè)數(shù)字員工，對(duì)應(yīng) 7×24 小時(shí)自主執(zhí)行業(yè)務(wù)職責(zé)，形成「人 + 數(shù)字員工」協(xié)同的新模式。

第三層是企業(yè)大腦，核心放在知識(shí)管理、任務(wù)編排、記憶進(jìn)化和安全管控上，用來支撐企業(yè)智能決策。

第四層是底層可信能力，覆蓋數(shù)據(jù)全生命周期治理、低幻覺生成、四級(jí)量化評(píng)測(cè)和全鏈路安全架構(gòu)，用來滿足金融、央國(guó)企等高合規(guī)行業(yè)的要求。

在這四層結(jié)構(gòu)里，LangClaw 是整場(chǎng)溝通會(huì)里被反復(fù)提到的核心產(chǎn)品。瀾舟對(duì)它的定義不是一個(gè)泛化的 Agent 平臺(tái)，而是企業(yè)智能體 OS，也就是企業(yè)內(nèi)部數(shù)字員工的運(yùn)行底座。它要解決的不是單個(gè)助手能不能回答問題，而是數(shù)字員工怎么被創(chuàng)建、怎么運(yùn)行、怎么協(xié)同、怎么被審計(jì)，以及怎么在組織內(nèi)部持續(xù)積累上下文和經(jīng)驗(yàn)。

圍繞這一層，瀾舟在現(xiàn)場(chǎng)給出了比較完整的能力清單。

先是創(chuàng)建門檻。按照其表述，3 秒就可以生成一個(gè)專屬數(shù)字員工，不需要安裝，也不需要單獨(dú)申請(qǐng)?jiān)迫萜鳎M量降低企業(yè)開始使用時(shí)的動(dòng)作成本。

再是運(yùn)行形態(tài)。LangClaw 支持云端 7×24 小時(shí)穩(wěn)定運(yùn)行，也可以無縫接入飛書、釘釘、企業(yè)微信等主流辦公平臺(tái)，讓數(shù)字員工直接進(jìn)入企業(yè)已有的工作入口。

協(xié)同能力也是這套系統(tǒng)的重點(diǎn)之一。它支持從個(gè)人助手到團(tuán)隊(duì)協(xié)同的全場(chǎng)景賦能，也支持自動(dòng)創(chuàng)建子智能體，通過自然語(yǔ)言調(diào)度多個(gè)智能體拆解并執(zhí)行復(fù)雜任務(wù)。

記憶體系被設(shè)計(jì)成四層，平臺(tái)層、員工層、任務(wù)層、用戶層。瀾舟想用這套結(jié)構(gòu)解決的是數(shù)字員工如何在組織中持續(xù)進(jìn)化，而不是每一次執(zhí)行任務(wù)都重新開始。

安全和治理則是 LangClaw 另一條很重的線。現(xiàn)場(chǎng)提到的能力包括云端沙箱運(yùn)行、密碼泄漏防護(hù)機(jī)制、專屬密碼代理服務(wù)，以及細(xì)粒度執(zhí)行審計(jì)。對(duì)于用戶、渠道、任務(wù)、執(zhí)行，全鏈路 Token 消耗統(tǒng)計(jì)和運(yùn)行詳情都可以被可視化。

技能（Skill）層面，LangClaw 預(yù)置了私有知識(shí)庫(kù)、數(shù)據(jù)庫(kù)查詢、瀏覽器抓取等全鏈路能力，希望把企業(yè)內(nèi)部數(shù)據(jù)、外部網(wǎng)頁(yè)環(huán)境和實(shí)際任務(wù)流程連到一起。

「三智」矩陣，會(huì)議、知識(shí)和搭建三條線鋪開

除了 LangClaw，瀾舟這次也把「三智」產(chǎn)品矩陣重新擺到了臺(tái)前，分別是智會(huì)、智庫(kù)和智搭。

瀾舟智會(huì)這條線，這次和影石 Insta360 聯(lián)合推出了基于影石 AI 錄音會(huì)議全向麥克風(fēng) Wave 的軟硬一體化方案，覆蓋從高保真拾音、錄音到智能分析的完整流程。按照現(xiàn)場(chǎng)披露的數(shù)據(jù)，升級(jí)后的 ASR 平均準(zhǔn)確率達(dá)到 97% 以上，聲紋識(shí)別平均準(zhǔn)確率達(dá)到 95% 以上，發(fā)言人識(shí)別也被作為賣點(diǎn)之一放在現(xiàn)場(chǎng)展示。圍繞 AI 會(huì)議紀(jì)要，智會(huì)支持規(guī)范格式、要點(diǎn)提煉、邏輯重構(gòu)和發(fā)言人總結(jié)。處理長(zhǎng)音頻時(shí)，1 小時(shí)會(huì)議文件大約 5 分鐘可以完成。部署上，智會(huì)支持全流程私有化，后續(xù)規(guī)劃里還包括專業(yè)詞庫(kù)管理和開放 skill。

瀾舟智庫(kù)對(duì)應(yīng)的是企業(yè)知識(shí)管理。瀾舟在會(huì)上把它描述為一套覆蓋知識(shí)采集、知識(shí)治理、知識(shí)應(yīng)用、知識(shí)運(yùn)營(yíng)全生命周期的能力，用來支撐低幻覺企業(yè)知識(shí)中臺(tái)和企業(yè)個(gè)性化智能體應(yīng)用。這次升級(jí)首先落在多源數(shù)據(jù)接入，覆蓋文檔、問答對(duì)、數(shù)據(jù)庫(kù)、知識(shí)圖譜和多模態(tài)數(shù)據(jù)。其次是知識(shí)標(biāo)簽能力，自動(dòng)標(biāo)簽會(huì)覆蓋業(yè)務(wù)類型、合規(guī)等級(jí)、風(fēng)險(xiǎn)類別、數(shù)據(jù)來源等維度，用來輔助更精準(zhǔn)的知識(shí)分類。再往下是知識(shí)理解能力升級(jí)，圍繞文本、復(fù)雜表格、圖片、語(yǔ)音等多類型數(shù)據(jù)做深度解析和融合。圍繞智能問數(shù)，智庫(kù)支持 Excel 表格和結(jié)構(gòu)化數(shù)據(jù)庫(kù)的多表精準(zhǔn)查詢，現(xiàn)場(chǎng)給出的數(shù)據(jù)是金融理財(cái)測(cè)試集準(zhǔn)確率達(dá)到 95.3%。圍繞這條產(chǎn)品線，瀾舟后續(xù)還提到開放智庫(kù) skill、智能校對(duì)、智能審核等規(guī)劃。

瀾舟智搭則是一套低代碼智能體搭建平臺(tái)，用來幫助企業(yè)更快定制行業(yè)智能體，降低 AI 應(yīng)用落地門檻。

三條產(chǎn)品線一起，基本把會(huì)議、知識(shí)、智能體搭建這些企業(yè)最容易率先出現(xiàn)剛需的場(chǎng)景都鋪了進(jìn)去。與此同時(shí)，瀾舟在部署形態(tài)上反復(fù)強(qiáng)調(diào)，所有產(chǎn)品都支持云端 SaaS 與私有化靈活部署，數(shù)據(jù)不出域、權(quán)限可管控、全流程可審計(jì)，用來適配金融、運(yùn)營(yíng)商、央國(guó)企等對(duì)數(shù)據(jù)安全和合規(guī)要求更嚴(yán)的大中型企業(yè)。

在行業(yè)解決方案部分，瀾舟給出的落地范圍包括金融、運(yùn)營(yíng)商、物流、科技制造等行業(yè)，并列舉了幾家已經(jīng)合作的企業(yè)。

• 北京銀行，對(duì)應(yīng)的是「京信妙筆」智能會(huì)議工具，用來實(shí)現(xiàn)會(huì)議全流程智能化分析。

• 中移在線，對(duì)應(yīng)的是智能客服體系重構(gòu)。

• 中國(guó)外運(yùn)，對(duì)應(yīng)的是招投標(biāo)智能體平臺(tái)。現(xiàn)場(chǎng)給出的數(shù)據(jù)是，文件解析效率提升了 70%，初稿生成時(shí)間從小時(shí)級(jí)壓縮到分鐘級(jí)。

• 聯(lián)想集團(tuán)，對(duì)應(yīng)的是智能問數(shù)系統(tǒng)，用來實(shí)現(xiàn)設(shè)備兼容性信息精準(zhǔn)查詢，并降低跨部門溝通成本。

技術(shù)端是 AI 原生、智能體工程和可信 AI，產(chǎn)品端是 LangClaw OS 加上「三智」產(chǎn)品矩陣，交付端包括私有化部署、定制化開發(fā)和全周期運(yùn)維，銷售端則繼續(xù)聚焦大中型企業(yè)和腰部成長(zhǎng)型企業(yè)，重點(diǎn)行業(yè)落在金融、運(yùn)營(yíng)商、央國(guó)企等高價(jià)值市場(chǎng)。

企業(yè)級(jí) AI 最現(xiàn)實(shí)的幾道題

到了媒體問答環(huán)節(jié)，現(xiàn)場(chǎng)的問題開始更直接地碰到企業(yè)級(jí) AI 這門生意的現(xiàn)實(shí)部分。

資本期待和客戶需求之間怎么平衡，是被先拋出來的一道題。周明的回答是，資本關(guān)注估值和壁壘，客戶關(guān)注場(chǎng)景適配和 ROI。瀾舟會(huì)繼續(xù)走「技術(shù) + 應(yīng)用」的雙螺旋迭代路徑，用解決實(shí)際問題的方式反哺技術(shù)發(fā)展。

另一個(gè)問題是，Agent 從單輪問答走向更完整的自主執(zhí)行之后，Token 消耗會(huì)不會(huì)明顯抬高。周明在現(xiàn)場(chǎng)的判斷是，趨勢(shì)會(huì)繼續(xù)從單輪問答走向全鏈路自主 Agent，Token 消耗上升是客觀結(jié)果，但可以通過大小模型混合編排，以及云邊端配合，去壓縮整體成本。

圍繞國(guó)內(nèi)企業(yè)級(jí) AI 市場(chǎng)，現(xiàn)場(chǎng)也問到了更難的一面。周明提到的現(xiàn)實(shí)約束包括需求碎片化、大廠競(jìng)爭(zhēng)壓力、技術(shù)和業(yè)務(wù)脫節(jié)，以及人才短缺。與此同時(shí)，大模型能力提升和成本下降，也在給這類公司帶來新的窗口。

問到 OPC，也就是一人公司創(chuàng)業(yè)潮時(shí)，周明的回答并不浪漫。他直接說，OPC 創(chuàng)業(yè)成功率低本來就是常態(tài)。瀾舟想提供的支持方式，是銷售、營(yíng)銷、招聘等數(shù)字員工 skill，幫助創(chuàng)業(yè)者把非核心業(yè)務(wù)接出去，把精力留給核心業(yè)務(wù)。

Skill 生態(tài)也是現(xiàn)場(chǎng)被反復(fù)追問的一塊。周明的判斷是，行業(yè) know-how 會(huì)逐步沉淀成通用 skill，并朝開源和生態(tài)化方向演化。企業(yè)在實(shí)際使用 skill 時(shí)，除了功能本身，還要同時(shí)看安全、Token 消耗和能力等級(jí)。至于 Skill 的評(píng)測(cè)，瀾舟給出的口徑包括功能完整性、安全掃描、防供應(yīng)鏈攻擊、Token 消耗和水平等級(jí)，并通過場(chǎng)景化測(cè)試與安全檢測(cè)去驗(yàn)證質(zhì)量。

往回看這場(chǎng)溝通會(huì)，瀾舟這次真正想推進(jìn)的，不只是幾個(gè)產(chǎn)品名，而是一整套企業(yè)級(jí) AI 的組織方式。

模型之外，企業(yè)真正開始掂量的是另一套東西，系統(tǒng)能不能接流程，能不能進(jìn)組織，能不能穩(wěn)定跑，能不能被治理，能不能交付，能不能長(zhǎng)期算得過賬。圍繞這一層，瀾舟把可信 AI 技術(shù)體系、LangClaw 這套企業(yè)智能體 OS、「三智」產(chǎn)品矩陣、行業(yè)解決方案和私有化部署能力串成了一條線。

如果數(shù)字員工這套敘事接下來還要繼續(xù)往前走，企業(yè)級(jí) Agent 最終爭(zhēng)的也不會(huì)只是前臺(tái)那個(gè)入口，而是后臺(tái)整套底座。

（投稿或?qū)で髨?bào)道：zhanghy@csdn.net）