技术进步不可逆，恐惧与抵制无法阻止AI融入社会。
Scaling Law（预训练缩放定律）以及Test-time Scaling（推理阶段缩放定律）的相互叠加，正使得AI能力每三个月就翻一番。
技术在通往AGI的道路上狂奔。2025年，生成式AI技术进入L3智能体阶段已是既定事实。不仅能思考、能规划，还能采取行动的智能体，将给企业智能带来巨大的重构力量。
3月31日，联想集团董事长兼CEO杨元庆在描绘联想集团未来10年的“第五次创业”时，用“企业智能双胞胎”作为企业智能路线图的终点，这可以理解为AGI的终点：企业自身变成AI，完成所有自主决策，甚至超越人类的能力。
当日，联想集团发布了全球首个“超级智能体”——联想乐享。在麦肯锡报告引用的《超级智能体：我们的人工智能未来可能会怎样》一书中这样定义“超级智能体”：智力远超最聪明、最有天赋的人类思想，它不仅在认知表现上超越人类，还能够在几乎所有领域展现出卓越的能力。
联想集团正试图帮助企业实现超级智能体的能力，为企业构建智能体提供了“混合式人工智能优势集”，包括：混合式基础设施、企业数据和知识库、模型工厂、智能体平台、人工智能服务等等。在实践中，超级智能体像大脑一样，可以调用企业内部任一垂直领域智能体，完成智能体与智能体之间的协同工作。
联想集团董事长、CEO杨元庆介绍联想混合式人工智能优势集
杨元庆希望，即使那些没有直接接触人工智能的人，也能从人工智能对知识、效率和创新的广泛影响中受益。智能体，让AI有了“智能双胞胎”的雏形。
根据Gartner 的预测，未来3年内，80%的数字化项目将围绕智能体展开。与联想集团一样，微软、SAP、甲骨文、SalesForce、阿里、百度等等一线技术大厂，都在奔赴这场大潮。他们以智能体为入口，重构AI系统架构，最终形成破壁之势，推动企业智能跨越式升级，引爆新产业革命。
企业智能的“三座大山”
生成式AI虽然已经发展了3个年头，但过去一年真正完成部署的企业依然很少。
根据安永最新发布的《重塑行业未来2025研究报告》显示，尽管企业在技术投资上持续增长，但从试点项目到广泛部署的过渡却遇到了重重困难。47%的企业正在投资生成式AI，比去年增加了4%，仅有1%的企业实现了实际部署，即将AI融入工作流。
其中，60%的受访者认为他们的组织拥有过多的“单点解决方案”，这些解决方案通常是针对某个特定业务场景的短期应急方案。这种解决方案的泛滥，也可以说是场景过于碎片化，不仅加大了整合的复杂性，还阻碍了组织范围内的全面部署。因此导致，企业智能面临技术兼容性问题和系统整合难度。
该报告显示，48%的企业认为现有系统整合是最大障碍。企业会经常面临两个整合难点：一是，生成式AI技术融入现有系统时，遇到的兼容性问题，尤其是遗留系统会大大限制生成式AI技术的能力发挥；二是，不同场景智能调用的大模型API接口不同，导致多个大模型之间的整合、协同存在问题。
此外，数据是智能化的基础，但企业常常面临两种数据窘态：一是，数据质量差、不一致、冗余等问题，影响数据分析的准确性和决策的可靠性；二是，数据孤岛、数据获取受限等问题，影响AI模型的训练效果和应用价值。
图片由chatGPT4o生产
当然，企业还会面临GPU算力成本以及大模型API接入成本问题，但DeepSeek R1开源发布之后，企业将大幅减少对高端GPU算力的依赖。故而，之前实现企业智能的成本限制问题，今年或将不复存在。
不过，智能场景碎片化、系统整合障碍、数据问题，依然是压在企业智能头顶的“三座大山”。如果不能将这三座大山推翻，企业智能的结论必然是：“旧组织+新技术=昂贵的旧组织”。
中欧国际工商学院、AI与管理创新研究中心主任认为，中国不少企业曾是互联网时代的颠覆者，但AI正在重构互联网时代形成的商业模式和竞争逻辑。若无法跟上AI引发的结构性变化，这些企业可能在未来几年沦为“传统企业”。
AI究竟引发了什么样的结构性变化呢？
2024年，智能体这一概念初露锋芒。智能体被看作是一种能够自主执行任务、进行复杂决策并适应多种环境的高级人工智能系统。能够响应用户指令，主动规划和执行任务而无需频繁的人类干预。这种系统通常基于多个大型语言模型（LLM）和其他独立运行的软件组件，以实现更广泛的任务处理能力。
智能体能力得以实现的前提便是一个新架构的形成：多个AI系统统一调度，统一的数据库/知识库，垂直领域的多场景保持一致智能。这就完全铲除了企业智能的“三座大山”。
基于全新的企业智能化架构，智能体还在不断进步。
智能体重构企业智能
宜昌市政府可能从未想到，一个“城市超级智能体”就能助其一步跨入智慧城市4.0阶段。
宜昌市采用了联想集团提供的"1×N智能体方案"，即以一个超级智能体为核心中枢，协同多个领域智能体执行单元。“超级智能体”通过宏观层面的计算与资源调度能力，统筹管理政务、交通、能源等领域的智能体运作；“领域智能体”则专注于垂直场景的任务执行，二者形成“全局统筹+专业执行”的协作体系。
以城市交通与商业领域为例，交通领域智能体负责实时监测道路拥堵状况、公共交通的运行动态等信息。商业领域智能体则聚焦于商场、店铺的客流量、销售数据以及消费者偏好等。通过超级智能体的协调，交通与商业领域智能体协同运作，不仅保障了活动期间交通的顺畅，还提升了商业运营的效率与效益，为城市居民和游客提供了更加便捷、优质的服务体验。
宜昌市城市超级智能体，充分展现了生成式AI技术及智能体的又一次突破。它所表现出来的整合与统筹能力，同样体现在企业运营中。
企业运营中，超级智能体实时收集、分析来自供应链、采购、营销、产品设计等各个智能体的数据信息，将分散的信息孤岛整合成全面、系统的企业运营全景图。在面对复杂的企业决策时，超级智能体能综合考虑各方面因素，协调各智能体的行动，制定出最优决策方案。
2025年超级智能体的出现，将企业智能水平直接推向了L3水平，而不论此前是L0还是L1。
联想集团执行副总裁、中国区总裁刘军，将智能体比喻成“硅基战队”，并表示，联想的“硅基战队”今年在中国将快速升级到，碳基和硅基协作自治的L3水平。智能体可自主拆解及分配任务，闭环执行。
据凯捷公司报告，目前仅约10%的企业使用智能体，但82%的企业计划在未来三年内将其整合进工作流。SAP预测，智能体未来可以支持企业中高达 80%的常规任务。
智能体为何得以迎来突破式进步？正如前文所言，智能体基于新的技术架构形成了新的能力效果，而这一架构实际上内含了四个关键因素：
第一， 大语言模型尤其是推理大模型的突破式发展，带动了智能体推理、规划、执行能力的跨越式提升，解决了“做不到的能做了”的行业难题。
第二， Manus的横空出世，彻底点燃各方开发智能体的工程架构灵感。很多开发者利用开源大模型+MCP架构，做出了类似Manus的智能体。无论是Manus自身的多智能体系统（规划和执行分离，让AI自己写代码走工作流），还是Anthropic的MCP协议，都在证明智能体能干的事情与日俱进。
MCP协议，即提供一个“通用接口”，在AI系统与数据源之间架起一座桥梁，允许开发者在数据源和AI工具之间建立双向连接。有了这个接口，任何智能体都可以从业务工具、软件、数据库以及应用开发环境等来源中获取数据完成任务。
MCP将大大降低智能体接入工具的门槛。越来越多的企业加入MCP协议，连OpenAI也已表示ChatGPT的智能体SDK接受MCP协议，这意味着任一智能体能可自由使用各种工具，想象空间巨大。这就好像一个人18般武艺样样精通。
第三， 过去1年，智能体服务厂商如联想集团、微软、SAP等，在企业客户中进行了多次智能体“实验”，已然积累了丰富的经验，特别是多个垂直领域里的工作流梳理与创新均颇为深入。
以联想智慧公文AI一体机为例，便将公文相关的工作流和Know-how做了精准的嵌入。它囊括了：素材查询、公文辅助写作、公文辅助审校、公文辅助排版全方位功能，支持15种法定公文种类及多种常见事务文书的写作与修改，并可根据国家标准的公文格式要求，实现对公文格式的自动排版。还可校对包含6大类35小类的细分错误。
Manus首席科学家季逸超曾说，智能体就是在模拟一个能干事的人、一个实习生是怎么工作的。智慧公文AI一体机，俨然就是一个专门写公文的AI员工。
第四， 也可能是最关键的一点，混合式人工智能的逐渐完善，为智能体的生长提供了源源不断的养分。基于混合式人工智能架构，智能体可以获取：安全高效稳定的混合算力、企业数据和知识库、多种大模型能力、智能体编排技术及平台架构等等。
甲骨文AI集团副总裁Miranda Nash表示，甲骨文已经看到智能体的需求不断上升，并称这是他见过的新功能普及速度最快的一次。
因此，与其说是智能体重构了企业智能，不如说智能体内含的这四点因素让企业智能跨越至全新阶段。其中，混合式人工智能，还在不断加速智能体的升级，将其推向“质变时刻”。
混合式人工智能
引爆智能体“质变”
在《华尔街日报》上个月举行的首席信息官网络峰会上，网络安全和数据隐私成为业内对智能体的主要担忧，而缺乏可靠性也被认为是一个紧迫的问题。特别是智能体对数据源的随时调用，以及智能体之间的开放协同，都存在很大的安全隐患。
北京智源人工智能研究院副院长兼总工程师林咏华也表示，开源大模型确实在安全和数据隐私上存在更大的问题。企业在部署开源大模型和智能体时，一定要注意安全和隐私问题。
图片由chatGPT4o生产
混合式人工智能的用意之一便是，解决网络安全和数据隐私问题。
杨元庆这样解释混合式人工智能：
仅有公共智能，是无法满足无论是个人还是企业的需求的。只有将基于个人数据和知识，能够熟悉用户使用习惯、感知用户环境和状态、理解用户意图和保护用户隐私的个人智能，与基于企业的私有数据和知识库，部署在企业私有云或本地数据中心，与企业的各种数字化系统无缝融合，进行智能化运营和决策的企业智能，与公共智能相结合，共存互补，混合并用，才是人工智能普及普惠的必由之路。
混合式人工智能的前提就是，区分了公共数据与私有数据、公有云与私有云，而且算法也就是智能体或解决方案，在处理公共与私有时也会设有绝对的屏障。这就保证了安全。
回看过去10年，联想集团在AI布局上确实具有独到的前瞻性，在每一个关键节点，都提前布局半年以上，在技术积淀成熟的时候精准地踏上市场引爆点，智能方案服务如此，AI PC如此，智能体亦如此。
但罗马不是一天建成的。杨元庆在多个场合强调，联想打造企业智能的第一步是构建部署混合式基础设施，即端-边-网-云，其中云包括公有云与私有云。混合式基础设施支持数据的采集、存储与处理，并将其传输至混合云，用于企业人工智能模型的训练。模型训练成熟后，即可在边缘侧或个人设备侧进行推理运算。
然后，再基于企业数据和知识库，通过模型工厂和智能体平台，使用不同的模型和工具来开发通用及垂直行业解决方案，构建人工智能解决方案的应用库或“图书馆”，从而释放联想混合式人工智能优势集的潜力，最终实现企业智能双胞胎的愿景。
现在正是混合式人工智能优势集散发魅力的时候，而远不止于解决“安全问题”。
联想集团执行副总裁、方案服务业务集团(SSG)总裁黄建恒称，联想混合式人工智能优势集，涵盖了企业部署和应用AI所需的一切，可帮助企业模块化、客制化地打造通用领域和垂直行业解决方案，比如Marketing（市场）、Legal（法务）等领域智能体，智慧物流、智能制造等AI解决方案。
在联想看来，智能体是一整套的企业智能解决方案。Gartner智能体趋势研究主笔人 Thomas Heston也认为：“智能体不是工具，而是企业的‘认知操作系统’。”
混合式人工智能的开放生态架构，令企业智能解决方案的可延展性更强，也能始终保持领先。
联想集团CTO Tolga说：“未来以用户为中心的AI不会局限于单一模型、芯片，设备，或者形态，而是多种模型和多种智能体的协作——包括端侧、云端，边缘等，它们融为一体，共同为用户提供无缝丝滑的服务。”
这与当下AI大模型呈现出来的“你方唱罢我登场”整体趋势，尤其契合。在此起彼伏的AI大模型竞争中，混合式人工智能更易获取最先进大模型的能力。
SalesForce正在考虑接入更多的大模型。联想集团则表示已经接入了豆包、DeepSeek，海外则接入了Llama等。微软更是号称接入了1000多个大模型，但它在西方却依然被人嘲笑为“OpenAI的经销商”。
那些试图靠单一大模型，为企业客户建立智能体的服务商或大模型厂商，将会面临技术发展的不确定性带来的巨大挑战。
此外，混合式人工智能建立的企业知识库，包含：通用大模型的通用知识库，以及企业私有数据、私有知识库。知识库的完整性，直接决定了智能体的准确性。这对于企业智能来说是至关重要的。数据的准确性直接影响决策质量，若使用不准确的数据或知识作为决策依据，可能会导致严重偏差，进而带来巨大的成本和代价，这是企业绝对无法承受的。
安全性、生态开放性、完整知识库带来的准确性，这些都预示着，混合式人工智能势必引爆一场又一场的智能体“质变”，而不只是一个“超级智能体”。它让一切有关“智能体”美好的设定，都会变成现实。
图片由chatGPT4o生产
与之相呼应的是，企业智能体正在表现出极强的企业智能效率。
杨元庆称：联想集团中国区率先运用AI武装自己，尝试营销智能体和销售智能体，深化客户直达模式，大幅提升了销售人效。据杨元庆介绍，联想中国区在基本盘PC业务市场年比年下降的逆境中，整体营收和贡献利润双双取得了年比年20%以上的增长，服务器营业额则达到上一财年的三倍。
比亚迪的供应链智能体，通过RPA采集物流、库存、市场订单等数据，再用LLM进行需求预测和供需匹配。2023年，凭借这一智能体系统，比亚迪将物流交付周期从30天缩短到21天，库存周转效率提升50%。
黄建恒说，联想的AI快速启动服务，可在90天或更短时间内，让客户快速落地AI，看到业务价值。
智能体在迎接自己的元年，企业智能也在蝶变
本文作者可以追加内容哦 !
