智東西7月3日報道，剛剛，2026中國AI智能體大會在杭州圓滿落幕。
本次大會由智東西與旗下智猩猩聯合主辦，以“范式躍遷 重塑世界”為主題，是下半年首場聚焦Agentic AI范式躍遷與生產力變革的產業技術峰會。
大會現場集結了64位重量級嘉賓，主旨演講、巔峰圓桌對話輪番登場，鎖定Agent賽道十大核心議題進行全鏈路深度研討：Harness、自進化Agent、Coding Agent、多Agent協同、Skills、Computer-Use Agent、深度研究Agent、企業級AI Agent、AI Agent產品創新、Agentic Infra。
整整兩天，61場演講、1場高端對話、8場圓桌Pannel，各路大佬輪番輸出硬核干貨，不光拆解了底層技術卡點、企業落地踩坑難題，同時分享了大量工程實操方案與前沿研發進展，勾勒出完整清晰的Agent發展路徑。
大會現場座無虛席，展區同樣人頭攢動，騰訊云、Zenlayer、此芯科技、啟芯宸光、深信服科技、實在智能、LinkedIn、網易智企等8家企業帶來最新技術產品展示。
還有宇樹的兩臺人形機器人和一臺四足機器狗在會場不時表演些小節目，熱絡地與參會觀眾們互動。
“今天的大會，是我們首次把產業峰會帶到杭州。”智一科技聯合創始人、CEO龔倫常代表大會主辦方智東西與智猩猩致辭，至此，智東西的產業峰會已完成在北京、上海、深圳和杭州這些國內AI領域最有代表性城市的布局。
▲智東西聯合創始人、CEO龔倫常
以下是開幕式和3場專題論壇中，嘉賓們分享的重點信息：
1、2026成為自進化Agent落地元年，無自進化能力的智能體是“老古董”；
2、Agent進化路徑：桌面辦公助手先行，打造擁有獨立賬號算力的數字員工，3-5年內將完成從PC到Agent Computer的計算平臺切換；
3、Agent掀起全棧重構浪潮：模型、token、終端、專用芯片、底層基礎設施全線革新；
4、企業級Agent落地四大關鍵：模型能力、場景、效率和開放；
5、Agent產品落地關鍵瓶頸：真實的工作環境、統一存儲治理、獨立記憶系統。
一、開幕式：Agent走向自進化，從軟件到PC、芯片都將被重構
自進化Agent成為本屆開幕式上的核心焦點。今天，沒有自進化能力的Agent已被認為是“老古董”。但共識之下，Agent落地仍有工具執行、記憶進化、安全可控等硬門檻。
如何破局？來自產業界的嘉賓從模型效率、強化學習訓練、產品形態到芯片架構，給出了不同維度的探索路徑。這些嘗試共同指向一個趨勢：Agent正從被動響應的軟件工具，演變為擁有獨立“工位”和“電腦”的數字實體。
1、天津大學郝建業：Agent真正落地要邁過三道坎
天津大學教授、MemoraX AI創始人郝建業重點分享了當前Agent真正落地面臨的三大挑戰：在真實任務中持續調用工具、記憶自進化、安全長期可控，并從個人陪伴、工作助手、編程工具等典型應用場景，介紹了如何通過MemoraX高效上下文記憶管理提升用戶體驗和工作效率。
工具讓Agent從回答問題走向執行任務，能夠在真實環境中持續決策和行動，核心競爭力是多步規劃、長序交互。基座模型工作能力正從格式化tool call走向任務級Agentic行動，Qwen、GLM、Kimi等前沿模型普遍通過SFT/RL強化多步規劃、工具調用和自我修正能力。
記憶讓Agent從一次性助手變成個性化長期協作者，未來將是圍繞寫入、組織、檢索、使用和反饋形成的長期學習閉環。MemoraX AI聚焦持續自進化的記憶系統，打造記憶數據自動構建引擎、內生記憶模型和歸因驅動的自演進學習機制，今年 7 月底將發布業界首個Agent Memory測評榜單。
安全決定Agent能否真正進入真實生產環境。需關注的Agent安全難題包括：攻擊面從輸入擴展到全鏈路、工具權限與執行邊界仍模糊、長期記憶帶來持續隱蔽風險、評估基準與真實部署之間仍有差距等。我們需要從模型、數據、工具到記憶的全棧視角和縱深防御策略。
▲天津大學教授、MemoraX AI創始人郝建業
2、螞蟻百靈李龍飛：提升token效率是Agent落地的前提
螞蟻百靈架構&后訓練負責人李龍飛談道，面對Agent時代token成本劇增的痛點，大模型競爭將從單點能力走向效率、原生工作流和可服務性的綜合競爭，尤其關注真實生產環境中的效率問題，即同等效果下消耗多少Token、占用多少上下文、產生多少成本。
提高token效率是Agent規模化落地的前提。針對三大核心矛盾（推理深度與延遲、模型速度與可靠性、RL訓練范式變化），百靈團隊讓指令模型與深度推理模型共用基座，再在后訓練階段分別優化效率與效果，重點提升“每token信息密度”，并通過多項算法及架構創新，優化RL訓練穩定性，降低IO壓力，提升MFU（模型浮點運算利用率）。百靈還為工具使用、編程和搜索任務構建了原生Agent語料庫。
在Artificial Analysis評測中，百靈大模型的token消耗量只有對標模型的不到1/10。
▲螞蟻百靈架構&后訓練負責人李龍飛
3、復旦大學肖仰華：不能自進化的Agent都是“老古董”
“今年是分水嶺，2026年前所有的智能體都是老古董！”復旦大學教授、上海市數據科學重點實驗室主任肖仰華強烈建議關注自進化智能體（SEA），這已成為近期投資和技術領域的焦點。
在他看來，自進化智能體首次將認知與行動協同統一，具有與環境持續交互、自主發現不足、自我持續改進、經驗沉淀與復用四大能力，這是走向AGI的必經之路。知識將在智能體使用過程中自然生長，人為過度干預會降低智能體表現，“無為而無不為”才是理想狀態。
肖仰華團隊研發了自進化智能體Generic Agent，用3000多行代碼實現自進化能力，token消耗量僅為OpenClaw等同類產品的1/3至1/10，經歷Skill庫增長、20多輪工具擴展也不會出現“上下文爆炸”。其團隊還精心選出5大類、9個原子工具，用高頻工具覆蓋大部分需求。
▲復旦大學教授、上海市數據科學重點實驗室主任肖仰華
4、阿里Qoder謝吉寶：跳出桌面，Agent的下一站是“獨立工位”
桌面是Agent落地的一個主場。阿里巴巴Qoder產品線技術副總裁謝吉寶描述了一個真實工作場景：辦公人員就像“人形API”，每天在數十款軟件、上下文之間切換，把大量精力消耗在“找、整、傳”等瑣事上。桌面Agent則能幫助完成這些事情。
他重點回答了兩個問題：
一是Agent如何走進桌面？這需要具備“看得見、動得了、記得住、聯得上”四大能力，打通多軟件上下文，端到端執行任務。QoderWork是一個常駐桌面的AgentRuntime，通過Skill系統、連接器、文件保護和MCP適配等能力，完成從指令到交付的桌面閉環。
二是桌面能否承載Agent的下一站？謝吉寶認為，未來的Agent將脫離桌面，配備自己的電腦，擁有獨立的機器、賬號、權限和隊列，更像一個組織里的數字同事。QoderWake定位正是一個具備獨立身份、工位、技能和責任的數字員工。
▲阿里巴巴Qoder產品線技術副總裁謝吉寶
5、原粒半導體方紹峽：Agent Computer需要什么樣的芯片
原粒半導體CEO方紹峽相信，PC讓每個人桌上有臺電腦，智能手機讓每個人口袋里有個超算，而Agent Computer將讓每人身邊有7×24小時工作的數字員工。
AI PC是在電腦里加AI功能，筆記本一合上，Agent也下班了，不僅人類用戶會與Agent競爭內存、算力、安全等資源，而且傳統OS與交互機制并不適合Agent執行任務。因此，Agent作為“AI員工”，需要一臺專屬電腦，也就是Agent Computer。
針對Agent Computer，原粒提出記憶優先、長上下文優先、長期駐留優先、能效優先四大Agent原生芯片設計原則，基于本地大內存和高帶寬，支撐數字員工低成本7×24小時工作。對應的推理芯片評價標準，應從“峰值算力”轉向“單位能耗與成本下的任務完成效率”。
▲原粒半導體CEO方紹峽
6、騰訊王淏楠：給多模態Agent搭個通用RL基礎設施
騰訊混元高級研究員王淏楠提到，Agent化是圖像與視頻生成的下一步。好的Creative Agent不是一次性替你創作，而是在關鍵節點把創作權交還給你。
與訂票、編程等有明確解的任務不同，視頻/PPT生成高度依賴主觀審美標準，需要人類用戶在分鏡、光影、敘事邏輯等環節深度介入，這些人機交互數據可形成“數據飛輪”，為后續端到端Agent自主創作提供訓練基礎。
UniRL框架是一套專為Agentic AIGC設計的通用RL基礎設施，統一了語言模型、擴散模型等不同生成范式的RL訓練，支持開發者按需替換訓練后端組件，通過高度解耦與極簡代碼，服務于Agent自我迭代，并能適配企業真實混拼卡池環境，提升資源利用率。
▲騰訊混元高級研究員王淏楠
二、高端對話：從個人到企業，智能體的造橋與過橋
高端對話由智東西聯合創始人、總編輯張國仁主持，天津大學教授、MemoraX AI創始人郝建業，阿里巴巴Qoder產品線技術副總裁謝吉寶，原粒半導體創始人兼CEO方紹峽三位嘉賓圍繞“從個人到企業，智能體的造橋與過橋”進行分享。
張國仁提到2026年是“Agent能夠下樓干活的元年”，如果說2025年行業還在討論智能體“能不能造”，那么2026年的熱議焦點已轉向“橋有多寬、能建多寬、承重有多少、怎么收費”，聚焦于ROI、工程穩定性、能否落地等實際業務痛點。在AGI工程化、端側創新和場景落地上，中國完全有機會在全球范式躍遷中占到一席之地。
▲從左至右：張國仁、謝吉寶、郝建業、方紹峽
1、郝建業：Agent行業正在“去偽存真”
郝建業認為，Agent熱潮降溫的本質是“去偽存真”的過程，很多人因為技術好奇先去試用，后來發現不知道怎么用、能干什么，剛需驅動價值落地，真正高頻使用、能靠Agent提高生產力的用戶開始愿意付費。
對于Agent來說，百萬token上下文遠遠不夠，性能會隨長度急劇下降，無法有效利用關鍵信息，因此必須有獨立記憶系統，通過外掛或內生記憶機制來實現高效管理，參數化、學習驅動的記憶管理系統將是未來方向。
在他看來，AI不會替換掉整個行業，但“不積極擁抱AI、創造性能力沒有及時提升”的人，一定會受到沖擊。
2、謝吉寶：Agent記憶不是越多越好
“熱的叫概念，只有降溫下來、冷卻下來的，才叫產業。”謝吉寶認為，Agent降溫過程剔掉了泡沫，留下了真正干活的人。
他注意到今年客戶不再只看demo，而是追問能否端到端解決問題、帶來多少效能提升；投資人也更關注ROI、商業變現邏輯和單任務成本。
談到Qoder落地難點，謝吉寶說，從Agent內核、IM連接到記憶系統，每個環節都會被卡住，其中最難的可能是記憶，需區分個人、項目、組織、Agent自身等多層級記憶，記憶不是越多越好，而要模擬人類遺忘機制，確保關鍵信息高效召回，混雜記憶的保存與召回策略直接影響決策質量與時效。
3、方紹峽：Agent Computer平臺切換期在3-5年
方紹峽觀察到，Agent行業正在進入更高質量發展的階段：企業更加關注如何將Agent融入自身業務生產流程，行業應用從通用Agent向垂直領域演進，成本問題也被重視。數字員工要真正進入企業，還需邁過數據安全和成本兩道坎，更本質的量變預計需要“3年左右”。
在他看來，大廠與創企是互補共生的生態：大廠有算力、模型、用戶和入口，適合做通用能力和基礎設施；創企的機會在垂直Agent、智能體Infra、操作系統、運行時、智能體設備以及面向新計算范式的硅基底座。
Agent Computer從Agent第一性原理出發，重塑PC形態。方紹峽預測Agent時代的平臺切換窗口期在未來3-5年內。
三、專題論壇：企業級AI Agent生態成熟，專用算力與Infra互相反哺
在企業級AI智能體專題論壇，8位嘉賓分別從Agent訓練框架、專用算力、芯片設計、軟件工程、AI基礎設施、運營迭代、行業落地多維度輸出產業觀點。
整體來看，當下Agent產業正朝著系統自進化、專用化算力、軟硬協同、行業閉環幾大方向推進，邁向更為成熟的發展階段。
1、阿里通義丁瑞雪：三招優化Agentic RL自進化訓練框架
阿里巴巴通義實驗室科學家丁瑞雪認為，現在Agent產品調用工具已基本解決，但模型在企業垂域上仍未做好，即便是最頂尖的模型，也需要很多Harness才能上線，上線后還存在成本和效果問題。
訓練光靠SFT是不夠的，會讓模型產生很多幻覺。通義實驗室的做法是在對應的垂域訓練一個模型出來，沉淀出了一套Agentic RL自進化的訓練框架，分為三步：
第一步是出題階段，讓模型自己出題，難度卡在模型能力的邊界上，訓練完的模型再反過來出題，左腳踩右腳自進化。
第二步rollout階段，通過一套方案來對模型進行誘導，去影響生成的軌跡，進而得到想要的軌跡。
第三步是獎勵階段，Pairwise Reward比Pointwise更好，Pointwise在后期會被噪音主導，偏好比較更加魯棒。
▲阿里巴巴通義實驗室科學家丁瑞雪
2、此芯科技Danny Zhang：拆解Agentic CPU三大優勢
此芯科技首席市場官（CMO）Danny Zhang總結了Agent發展元年背后的四大驅動力：大模型能力達到臨界點、開發者工具鏈走向成熟、全球頂級VC重倉Agentic賽道、商業驗證的價值已顯現。
這一背景下，傳統的GPU、CPU無法適配智能體需求，專為智能體場景設計的Agentic CPU應運而生。Agentic CPU具備異構計算架構、超低功耗與實時響應、原生安全與可信執行三大優勢，在全球已經進入群雄逐鹿階段。
此芯科技在今年3月首發了全球首款面向智能體的專用CPU“螯芯”，早于英偉達、英特爾、高通同類產品，并與聯想聯合打造了全球首個AI原生個人家庭邊緣設備聯想AI主機P7、聯想AI主機mini。P7支持離線部署122B大模型、190TOPS算力。軟件方面，他預告此芯科技將在WAIC 2026大會上發布Agentic OS。
▲此芯科技首席市場官（CMO）Danny Zhang
3、啟芯宸光陳文超：AI驅動芯片設計效率提升十倍
啟芯宸光副總裁、EDA智算平臺首席架構師陳文超分享了Deepchip芯片設計協同創新平臺如何將AI技術引入4個半導體關鍵場景：設計環境（DeepEDA）、芯片設計（DeepIP）、芯片測試（DeepATE）和人才培養（DeepEDU）。
DeepEDA已適配主流EDA工具，支持Llama、DeepSeek等本地模型離線部署，自動化率達91.5%，縮短Tape-out周期，效率提升20倍。
DeepIP將AI Agent與工具鏈和知識庫結合，已封裝38個Agent，配合100TB IP數據知識庫，實現系統設計到調試優化的全程AI介入。例如，DeepChip曾幫客戶從RTL代碼中一小時找出23處bug，比人工快數百倍。
DeepATE能提升芯片自動化測試效率，縮短量產時間。國內某知名測試機臺廠家借助這一平臺，測試程序編寫周期縮短29天。陳文超透露，純AI測試“黑燈工廠”將于年底落地。
DeepEDU打造“一基地四中心”教學科研服務平臺，提供2萬多門課程。
▲啟芯宸光副總裁、EDA智算平臺首席架構師陳文超
4、實在智能張俊九：企業級Agent如何倒逼組織重塑
實在智能聯合創始人、CMO張俊九指出，企業在推進Agent落地時面臨7大痛點：模型能力強但應用場景薄弱、增效明顯但難以帶動增收、商用實用性仍然有限、落地阻力大、固定預算難以支撐無限token消耗、云端部署面臨監管難題、以及員工實際使用率偏低。
對此，實在智能推出企業級智能體方案，構建三大核心能力：大腦負責理解并拆解復雜任務，雙手通過RPA技術直接操作軟件系統，實現端到端閉環，紅綠燈則內置規則引擎，確保全程合規且審計可追溯。
張俊九強調，智能體的價值不止于“替代重復勞動”，更在于倒逼企業組織重塑。實在Agent的引入，推動企業從“人驅動流程”轉向“流程驅動人”，組織架構從金字塔式向敏捷型網絡演進，決策鏈條縮短，跨部門協同效率顯著提升。
▲實在智能聯合創始人、CMO張俊九
5、杭州迅速智能熊繼斌：Token經濟的下半場是賣生產線
杭州迅速智能CEO熊繼斌認為，token經濟的下半場，不是賣token，而是賣“能自動交付軟件的生產線”，也就是需求驅動的完整軟件工程基礎設施。大模型應用層的故事只講了一半，單個Agent的護城河很淺，真正的壁壘在于系統化的協作。
迅速智能用AI構建了“需求建模器+軟件工廠”全鏈路系統，通過多個專業Agent共享上下文總線并科學分工協作，自動將業務需求轉為可運行軟件系統。
需求建模器用AI替代“人肉翻譯”，將模糊的自然語言翻譯為精確、無歧義、完備的結構化領域驅動設計（DDD）模型。
軟件工廠把領域模型拆解為開發任務，由三個引擎調度生成任務卡、自動編碼、調度執行，來產出可運行的軟件系統。
▲杭州迅速智能CEO熊繼斌
6、清昴智能姚航：Agent與AI Infra形成“互相反哺”
“未來所有的企業都會走向Agent原生。”清昴智能聯合創始人兼COO姚航預言。他將Agent比作“企業智能化的新型操作系統”，Agent可以不受時間、情緒、精力限制，只需基于足夠的高質量token和接收目標、約束、系統級權限，即可持續工作，人類與Agent協作形成新的工作范式。
高質量token供給、穩定算力保障和多模型調度能力，是企業級Agent規模化落地的前提。清昴智能聚焦AI基礎設施（AI Infra），底層已適配超15款國產芯片和上千個模型，中層提供token工廠服務，上層推出企業級Agent平臺，即AaaS（Agent as a Service）平臺。
姚航分享了一些行業判斷：一是AI正在成倍放大企業差距，頭部玩家贏家通吃效應加劇；二是Agent降低技術門檻，能否清晰描述任務、具備足夠好的系統約束體系更為關鍵；三是Harness與模型現在是互補關系，未來會走向融合。
▲清昴智能聯合創始人兼COO姚航
7、阿里云夏明：給Agent進化建設五環飛輪
阿里云高級產品專家夏明指出，Agent不是寫完Prompt就上線的“一次性產品”，而需要持續觀測、評估與迭代。他提出Agent進化的“五環飛輪”：觀測與審計-軌跡分析-效果評估-實驗回測-持續優化。
數據方面，阿里云開源了LoongSuite可觀測數據采集套件；采集后的鏈路數據通過自動化管線壓縮為高密度推理軌跡，聯動下游評估與審計；企業需構建包含標準答案與評分規則的私有數據資產，沉淀基準集、Bad Case集、回歸測試集等高質量數據集。
評估分兩種：有標注數據時基于Ground Truth打分，無標注時用Agent-as-a-Judge模式，即評估器Agent可調用私域知識、工具和技能。
最后專家調優、自進化路徑，定向優化或沉淀最佳實踐Skill，讓Agent越用越聰明。
▲阿里云高級產品專家夏明
8、道旅科技陸元軻：不跳轉，才是真旅游Agent
Agent正在改變旅游行業。道旅科技AI LAB全球總監陸元軻總結了旅行預訂的三階段演進：從傳統app條件搜索，到自然語言對話，未來將由Agent主動感知用戶狀態、適時推薦并完成預訂。
當前AI入口存在局限性，比如從一些AI app訂酒店，仍會跳轉到H5頁面，本質還是流量分發和廣告邏輯。在陸元軻看來，真正的Agent應實現無跳轉、全閉環交互，就像千問與餓了么打通后的模式，商品展示、選擇、支付均在主app內完成。但這種模式對傳統OTA平臺構成顛覆性沖擊，行業內存在巨大博弈。
道旅科技從B2B轉向B2A（Business to Agent） 模式，實現“對話即預訂”的無跳轉服務，提供酒店預訂、實時價格與庫存、訂單管理、降價監控等功能。其潛力合作伙伴包括元寶、豆包、AI眼鏡、AI耳機及更多智能Agent，并向開發者提供免費MCP調用。
▲道旅科技AI LAB全球總監陸元軻
四、圓桌討論：企業級AI智能體規模化落地的路徑求索與現實挑戰
以“企業級AI智能體規模化落地的路徑求索與現實挑戰”為主題的圓桌討論，由智東西聯合創始人、智猩猩總經理何峰主持，清昴智能聯合創始人兼COO姚航、阿里云高級產品專家夏明、道旅科技AI LAB全球總監陸元軻三位嘉賓進行分享。
何峰與幾位嘉賓圍繞OpenClaw等智能體爆火對產業的影響、企業級AI Agent的規模化落地、AI Agent的技術路線、企業對Agent的期待與挑戰等話題進行了分析探討。
▲從左至右：何峰、姚航、夏明、陸元軻
1、姚航：企業級Agent中模型能力比系統工程更重要
姚航認為，OpenClaw技術演進路徑符合“爆火-泡沫-理性回歸-成熟”的典型曲線，不僅提升了行業對Agent的關注度，還突出了安全風險問題，促使企業將沙箱、私有化部署等安全措施提上日程。
據他觀察，當前Coding領域是Agent最成熟的落地場景，其他行業還是偏向知識密集型，而單純聊天產生的實際價值不大。
他判斷在企業級Agent中，模型能力的重要性占60%，系統工程占40%，同一個系統工程選用不同模型的效果完全不同，模型的智能性代表上限，可控性保證下限。
2、夏明：場景是企業級Agent落地的最大挑戰
夏明提到Agent對個人辦公提效的幫助非常大，在復雜任務規劃以及數字人協同方面也有突破。
對于模型智能性與可控性的優先級問題，夏明的結論是：“穩定性是一切0前面的那個1。”在他看來，如果Agent不可控，那無論它有多智能，在企業端生產環境中也是很難落地的。
據他觀察，場景是當下Agent最大的挑戰，企業需識別真正能產生業務價值的場景，避免token無效消耗。當Agent能為業務帶來突飛猛進的發展時，企業是愿意投入重金的。
3、陸元軻：企業Agent付費動機來自效率和開放
陸元軻判斷，企業對Agent的付費動機，對內來自效率提升，對外更關注開放生態。
如果Agent沒有打通一些外部功能，那么即便模型能力再強，能實現的仍然有限。
如果生態不開放，那就像把一輛300萬的跑車限速50碼，會讓它變得和普通車無異。
長期來看，陸元軻相信對于大部分企業來說，模型迭代速度遠超自身理解，真正瓶頸在于系統工程，企業應將精力聚焦于Agent系統調優上。
五、專題論壇：Agent走入生產一線，底層技術棧正在重構
AI Agent產品正在從探索走向企業級落地，但真正進入生產環境后，新的問題也隨之出現：Agent工作成果如何復用？Agent如何規模化部署？數據、存儲、記憶、文檔解析等基礎能力如何重構？企業又該如何找到真正有價值的落地場景？
在峰會第二日上午的AI智能體產品創新論壇上，來自快手、騰訊云、Zenlayer、深信服、阿里巴巴、未來式智能和記憶張量的7位嘉賓，圍繞Agent產品形態、底層基礎設施、企業治理、模型以及記憶系統等方向，分享了各自的最新實踐與思考。
1、快手何菱：Agent應升級到沉淀“工作環境”
快手基礎大模型與應用部Agent研發專家何菱談到現有Agent路徑的局限性：沉淀的是“做事方法”，但缺乏“工作環境”，AI未能直接操作用戶真實的工作工具和狀態，導致每次做事都得重復執行，出現執行過程不穩定、token消耗高、效率低下、依賴高性能模型等問題。
在他看來，將程序員日常工作環境開放給Agent使用的模式已被驗證成功，這種模式可以泛化給所有知識工作者。“工作環境”是一整套可自由重組的生產要素，包括瀏覽器登錄態、數據源、模板、API、多模態能力等，可以固化為本地桌面應用。
快手Krowork提供預置標準能力組合包，同時Agent能自動學習并沉淀個性化生產要素，并推出Remix分享和作者分潤機制，讓優質工作環境能夠被復用、改造和流通。
▲快手基礎大模型與應用部Agent研發專家何菱
2、騰訊云黃雷：企業級Agent走向分布式托管
騰訊云Agent Runtime技術負責人、云原生與Agent領域專家黃雷指出單體Agent在本地或K8s容器中運行存在隔離性差、成本高、升級斷服、無法橫向擴展等問題。目前行業主要聚焦Agent工作流編排和提示詞調優，但底層工程問題同樣是Agent規模化落地過程中不可忽視的。
企業級Agent分布式托管架構可實現存算分離與組件解耦：云上Session支持跨會話共享記憶，遠程沙箱做為執行環境，Agent Loop變成無狀態服務。騰訊云推出Agent Engine作為專用分布式部署引擎，支撐Session、執行環境、Agent Loop的協同調度。同時使用 Agent Wall進行安全防護，實現三層防護策略，權限審批，以及憑證注入能力。
多Agent協作則由Agent Registry作為注冊中心及工具網關，讓Agent能發現、調用其他Agent、MCP以及其他周邊服務。
▲騰訊云Agent Runtime技術負責人、云原生與Agent領域專家黃雷
3、Zenlayer朱金華：企業Agent落地關鍵不只是模型，而是平臺治理
Zenlayer AI事業部研發總監朱金華指出，隨著Agent落地生產環境，企業的核心訴求已由單純的模型應用轉變為可控、可監測與可運營，而分散的模型調用模式會滋生模型接入混亂、成本統計困難、問題定位復雜等各類管理挑戰。
AI網關，通過模型統一接入、智能路由、高可用保障、成本治理、全程審計、數據可觀測六大核心能力，可將零散的項目級模型調用，升級為企業平臺化的規范治理模式。Zenlayer AI Gateway服務支持對異構模型的統一接入與全球網絡加速，顯著提升模型調用的穩定性與響應速度。同時，依托其100％純凈鏈路，能夠有效保障研發質量閉環，確保實驗數據與代碼產出穩定、可靠。
朱金華建議，在應用初期，企業不宜過早涉足復雜、開放的Agent場景，應優先將Agent落地于高頻、場景明確且具備清晰驗收標準的業務環節，以實現平穩過渡與價值驗證。
▲Zenlayer AI事業部研發總監朱金華
4、深信服廖俊峰：Agent需要統一存儲架構
深信服科技首席專家廖俊峰分享說，在Agent場景中，數據會貫穿元數據清洗、模型訓練、RAG知識庫、數據回流等全流程，傳統分散式存儲會帶來數據反復拷貝、版本混亂、GPU等待數據、容量冗余和流轉難追蹤等問題。
現有存儲架構中，對象存儲具備強橫向擴展能力，但缺乏文件語義；文件存儲支持豐富語義，但在海量小文件場景下元數據處理存在性能瓶頸。因此，企業需要面向Agent的統一存儲底座，兼顧高性能、統一治理和彈性擴展。
深信服通過統一文件與對象存儲、冷熱數據池、數據版本管理、RAG數據血緣與權限映射等能力，提升數據可用性與可信度。其高性能存儲池單節點可實現小文件40萬IOPS、大文件讀取帶寬120GB，并支持線性擴展。
▲深信服科技首席專家廖俊峰
5、阿里通義李晨亮：文檔解析能力會影響大模型體驗
阿里巴巴通義實驗室算法專家李晨亮聚焦文檔智能方向，談到大模型在圖文或文字密度高的場景下，理解能力存在不足。文檔解析質量、速度都會影響大模型效果。
對此，其團隊構建了“解析-理解-生成”三層技術體系，采用大小模型協同策略，小模型處理基礎內容識別，大模型專注復雜元素，優化長文檔推理和記憶壓縮能力，對超長文本采用“漸進式強化學習+Memory Agent”策略，能實現150頁文檔解析平均耗時低于0.5秒/頁，整體準確率超過95%。
針對PPT生成中的文字失真、多頁風格不一致等問題，他們與通義萬相團隊合作，結合文本理解與圖像生成能力進行優化。通義萬相PPT功能已灰度上線（體驗地址：https://create.wan.video/lab/ppt）。
▲阿里巴巴通義實驗室算法專家李晨亮
6、未來式智能鄒陽：不要高估Agent當下的能力
未來式智能聯合創始人兼COO鄒陽觀察到，現階段國內基本沒有能利用Agent在核心業務上實現大規模降本增效的企業，原因包括企業隱性知識難以利用、系統孤立形成數據孤島、生產資料歸屬混亂以及應用方向存在分歧等。
為解決上述挑戰，未來式智能打造了云端一體的Agent平臺：知識中心沉淀隱性經驗，工具中心將企業內部系統轉變為Agent可調用的接口，模型引擎針對復雜任務微調以提升準確率。
“千萬不要高估大模型和Agent當下的能力，但也不要低估它的長遠潛力。鄒陽建議企業“兩條腿”走路，先讓個人把Agent用起來，實現提效并采集經驗，再自下而上沉淀為企業可復用能力。
▲未來式智能聯合創始人兼COO鄒陽
7、記憶張量薛燊：Agent需要獨立的記憶系統
記憶已成為大模型研究的焦點。記憶張量MemTensor解決方案負責人/架構師薛燊認為，記憶必須獨立于Agent存在，這種設計本質上是在保護用戶數據資產，避免記憶被特定技術框架綁架。
記憶張量設計了一個MemOS Agent記憶五層架構，以向量與圖數據庫為底座，把記憶封裝并分類存儲，再通過專屬小模型解決記憶抽取，記憶沖突解決的幻覺難題，提高Agent的記憶準確度。
同時，其團隊通過跟蹤Agent執行過程疊加專業人員使用Agent的相關反饋，把Agent的經驗、關鍵步驟等沉淀為結構化的記憶，推動Agent的能力基于記憶完成自進化。
MemOS提供了OpenClaw、Hermes適配插件并已開源。經實測，OpenClaw接入MemOS框架后，回答質量提升18%，總token消耗降低達49.1%。
▲記憶張量MemTensor解決方案負責人/架構師薛燊
結語：從全民試水到產業落地，熱潮退去，Agent產業開啟全棧進化
年初席卷科技圈的“養龍蝦”熱潮，是大眾與企業初次體驗OpenClaw這類智能體框架的全民試水階段，Harness則是承接這一波智能體熱潮，讓其走向落地的核心底座。
如今，靠簡單搭Agent、跑輕量化框架收割熱度的時代已然落幕，產業競爭重心正逐步轉向圍繞智能體配套的軟硬一體化能力，包括專用Agentic算力、AI Infra 底層供給、自動化軟件工程系統、全生命周期迭代飛輪，企業級智能體正朝著多智能體協同運轉、適配千行百業私域場景的規模化原生系統發展。
添可洗地新物種！自動上下水 380℃蒸汽源，洗地從此免伺候！
這場智能體大會完整勾勒出智能體全產業鏈的演進脈絡，從底層訓練框架、專用算力芯片、AI基礎設施，到軟件工程生產體系、垂直行業閉環落地，各路廠商已形成清晰共識：單一模型、零散工具、通用算力均不足以支撐智能體規模化商用，產業競爭正全面轉向軟硬一體、全鏈路自進化、多智能體協同的綜合體系比拼。
面向更遠的發展周期，隨著Agentic專用硬件、智能體自進化、標準化協同協議持續成熟，AI智能體將不再是獨立的功能工具，而是深度嵌入芯片研發、軟件交付、文旅交易等千行百業的“原生操作系統”，底層算力底座與上層智能應用雙向反哺的格局會持續加深。
2026年，智能體已邁過全民科普試水的早期階段，奔赴規模化商業落地的全新階段。
