作者毛爍大模型在企業(yè)中的應(yīng)用正在進(jìn)入價(jià)值驗(yàn)證階段。MIT NANDA發(fā)布的《The GenAI Divide》報(bào)告顯示在被調(diào)查的企業(yè)級(jí)生成式AI項(xiàng)目中、約95%的企業(yè)級(jí)GenAI試點(diǎn)尚未形成可衡量的損益影響只有約5%的集成式AI試點(diǎn)跨過試點(diǎn)階段并產(chǎn)生了可衡量的業(yè)務(wù)價(jià)值。MIT NANDA-《The GenAI Divide》麥肯錫同年發(fā)布的全球調(diào)查《The State of AI in 2025》也指出雖然AI使用率持續(xù)提升但多數(shù)企業(yè)仍停留在試點(diǎn)或有限部署階段距離規(guī)?；尫派虡I(yè)價(jià)值仍有較大距離?！禩he State of AI in 2025》在企業(yè)整體部署階段上接近三分之二仍處于實(shí)驗(yàn)或試點(diǎn)階段約三分之一開始規(guī)?；茝V事實(shí)上從實(shí)際落地情況來看許多企業(yè)投入數(shù)百萬元乃至數(shù)千萬元甚至啟動(dòng)了覆蓋集團(tuán)范圍的AI部署項(xiàng)目但最終效果并未達(dá)到預(yù)期。原因在于大多是大模型的只是被嵌入原有業(yè)務(wù)流程成為提升單點(diǎn)效率的工具應(yīng)用仍集中在文案生成、會(huì)議紀(jì)要整理等輔助場景或智能客服等相對(duì)獨(dú)立的業(yè)務(wù)環(huán)節(jié)。對(duì)于涉及多個(gè)系統(tǒng)、多個(gè)角色以及復(fù)雜決策過程的核心業(yè)務(wù)AI仍然難以真正參與其中。而企業(yè)AI應(yīng)用的價(jià)值釋放卻更多取決于AI是否能夠進(jìn)入業(yè)務(wù)流程并承擔(dān)實(shí)際任務(wù)。相比簡單調(diào)用模型接口企業(yè)需要重新設(shè)計(jì)業(yè)務(wù)流程讓AI具備連接系統(tǒng)、調(diào)用工具和持續(xù)執(zhí)行任務(wù)的能力從而將模型能力轉(zhuǎn)化為可衡量、可管理、可復(fù)制的業(yè)務(wù)成果。聯(lián)想樂享企業(yè)超級(jí)智能體的實(shí)踐正體現(xiàn)了這種變化。截至2026年6月底聯(lián)想披露樂享企業(yè)超級(jí)智能體月活用戶達(dá)到700萬日均支持超過100萬次交互請求累計(jì)拉動(dòng)銷售額突破50億元。在上一財(cái)年樂享聯(lián)合46個(gè)垂直場景智能體組成“智能體軍團(tuán)”推動(dòng)聯(lián)想中國區(qū)客戶直營營業(yè)額同比增長33%。一系列業(yè)務(wù)結(jié)果的背后是聯(lián)想對(duì)企業(yè)級(jí)智能體基礎(chǔ)設(shè)施和組織體系的系統(tǒng)性建設(shè)。圍繞智能體規(guī)?；瘧?yīng)用聯(lián)想在技術(shù)層建立了運(yùn)行與治理體系保障不同場景下的智能體協(xié)同運(yùn)行。同時(shí)在業(yè)務(wù)層重新梳理了數(shù)百個(gè)工作流并推動(dòng)人才能力、績效評(píng)價(jià)和組織協(xié)作方式同步調(diào)整使智能體從單一應(yīng)用走向覆蓋銷售、零售、服務(wù)、研發(fā)和內(nèi)部管理等多類業(yè)務(wù)場景。01 聯(lián)想的AI“進(jìn)化論”從結(jié)果來看企業(yè)級(jí)AI并非只是增加一兩新個(gè)應(yīng)用入口這么簡單。更多的是取決于AI能否從輔助工具進(jìn)一步深入業(yè)務(wù)流程。隨著AI能力不斷演進(jìn)企業(yè)關(guān)注的重點(diǎn)也正在從提升單點(diǎn)效率轉(zhuǎn)向讓AI理解業(yè)務(wù)目標(biāo)、執(zhí)行復(fù)雜任務(wù)并參與完整業(yè)務(wù)鏈路的運(yùn)行。聯(lián)想中國區(qū)智能化轉(zhuǎn)型總監(jiān)周鑠將企業(yè)AI的發(fā)展概括為三個(gè)階段。聯(lián)想中國區(qū)智能化轉(zhuǎn)型總監(jiān) 周鑠第一階段是判別式AI主要承擔(dān)風(fēng)控、識(shí)別、推薦等局部任務(wù)通過模型判斷幫助企業(yè)優(yōu)化單一環(huán)節(jié)。第二階段是生成式AI能夠完成文案生成、代碼編寫等內(nèi)容生產(chǎn)任務(wù)提高特定環(huán)節(jié)的工作效率但應(yīng)用范圍仍主要集中在輔助場景。第三階段則進(jìn)入了智能體階段AI開始具備理解用戶意圖、拆解復(fù)雜任務(wù)、制定執(zhí)行計(jì)劃以及調(diào)用外部工具的能力能夠參與一條完整業(yè)務(wù)鏈路的執(zhí)行。聯(lián)想樂享企業(yè)超級(jí)智能體在OMO線上線下融合零售場景中的應(yīng)用展示了智能體如何進(jìn)入具體業(yè)務(wù)流程。以拯救者Y900平板銷售場景為例樂享智能體通過連接用戶咨詢、產(chǎn)品推薦、權(quán)益匹配、庫存查詢、訂單履約以及售后服務(wù)等多個(gè)環(huán)節(jié)推動(dòng)原了本分散的業(yè)務(wù)流程形成連續(xù)鏈路以往商品信息、庫存狀態(tài)、優(yōu)惠政策、用戶權(quán)益以及履約信息往往分散在不同系統(tǒng)中許多步驟依賴人工查詢、判斷和傳遞。對(duì)于用戶而言較長的等待過程可能影響購買決策甚至造成用戶流失。智能體介入后這條業(yè)務(wù)鏈路開始被重新組織?；谄髽I(yè)內(nèi)部已經(jīng)沉淀并經(jīng)過合規(guī)使用的數(shù)據(jù)智能體能夠理解用戶需求和偏好并能提供更有針對(duì)性的產(chǎn)品建議同時(shí)其還可以判斷用戶是否享受國補(bǔ)、學(xué)生認(rèn)證等相關(guān)權(quán)益并主動(dòng)提醒用戶完成領(lǐng)取或認(rèn)證流程。截取自聯(lián)想樂享在成交階段智能體還能夠連接庫存系統(tǒng)、物流系統(tǒng)以及線下門店網(wǎng)絡(luò)根據(jù)實(shí)時(shí)狀態(tài)幫助用戶選擇更合適的履約方式例如選擇附近門店提貨。訂單完成后系統(tǒng)還可以結(jié)合產(chǎn)品生命周期持續(xù)推送適用的服務(wù)內(nèi)容和售后信息。在這一過程中智能體承擔(dān)的任務(wù)已經(jīng)超越了傳統(tǒng)問答不僅可以理解用戶意圖訪問多個(gè)業(yè)務(wù)系統(tǒng)還能根據(jù)實(shí)時(shí)條件進(jìn)行判斷并推動(dòng)訂單、服務(wù)等流程持續(xù)向前。聯(lián)想公開披露的數(shù)據(jù)顯示過去客服團(tuán)隊(duì)約60%的時(shí)間用于回答優(yōu)惠、分期、庫存、配送時(shí)間等重復(fù)性問題。樂享上線后重復(fù)問題回答準(zhǔn)確率超過95%轉(zhuǎn)人工率降低了33%。隨著大量重復(fù)問題由智能體處理人工客服能夠?qū)⒏嗑ν度霃?fù)雜問題解決、客訴處理以及用戶情緒溝通從而承擔(dān)更加偏向關(guān)系維護(hù)和服務(wù)體驗(yàn)提升的角色。02 從“會(huì)說”到“會(huì)干”的背后從業(yè)務(wù)流程中的單點(diǎn)應(yīng)用走向規(guī)?；\(yùn)行企業(yè)智能體還需要解決一系列工程問題。企業(yè)級(jí)智能體需要處理更長的任務(wù)鏈路連接更多業(yè)務(wù)系統(tǒng)并在復(fù)雜環(huán)境中保持執(zhí)行的準(zhǔn)確性和穩(wěn)定性。聯(lián)想研究院AI實(shí)驗(yàn)室Agentic AI研發(fā)總監(jiān)何明指出企業(yè)智能體需要處理大量“長程任務(wù)”。這類任務(wù)持續(xù)時(shí)間更長需要連接更多系統(tǒng)中間任何一個(gè)步驟出現(xiàn)錯(cuò)誤都可能影響最終結(jié)果。聯(lián)想研究院AI實(shí)驗(yàn)室Agentic AI研發(fā)總監(jiān) 何明比如智能體需要用MCP接入街景地圖搜索目標(biāo)區(qū)域判斷行進(jìn)方向和觀察角度遇到遮擋或分辨率不足時(shí)還要調(diào)整位置、裁剪圖片并調(diào)用視覺工具最后識(shí)別招牌上的信息。對(duì)人來說可以憑借常識(shí)自然完成這些動(dòng)作但智能體則必須把每一個(gè)動(dòng)作轉(zhuǎn)換成明確的工具調(diào)用和狀態(tài)判斷。企業(yè)內(nèi)部的任務(wù)鏈路則更加復(fù)雜智能體需要連接客戶系統(tǒng)、庫存系統(tǒng)、訂單系統(tǒng)、財(cái)務(wù)系統(tǒng)以及知識(shí)庫等多類業(yè)務(wù)。但系統(tǒng)調(diào)用范圍擴(kuò)大后對(duì)準(zhǔn)確性、安全性和權(quán)限控制的要求也隨之提高。一旦出現(xiàn)模型幻覺、權(quán)限越界或錯(cuò)誤操作影響范圍就會(huì)涉及客戶體驗(yàn)、品牌聲譽(yù)、資金安全以及數(shù)據(jù)合規(guī)。面對(duì)這類問題聯(lián)想在樂享4.0中引入了自研Harness運(yùn)行層并進(jìn)一步提出Agent OS體系用于統(tǒng)一組織、調(diào)度、治理和評(píng)測分散的智能體能力。聯(lián)想中國區(qū)B2C銷售體系技術(shù)交付總監(jiān)潘雷將其概括為“業(yè)務(wù)IT雙輪驅(qū)動(dòng)”的智能體運(yùn)行與治理底座。聯(lián)想中國區(qū)B2C銷售體系技術(shù)交付總監(jiān) 潘雷這套全面更新后的智能體架構(gòu)可以從業(yè)務(wù)應(yīng)用、智能體運(yùn)行以及基礎(chǔ)設(shè)施三個(gè)層次理解最上層是樂享4.0負(fù)責(zé)連接業(yè)務(wù)場景是智能體能力進(jìn)入企業(yè)流程的入口。面向客戶、員工和合作伙伴樂享4.0承接真實(shí)業(yè)務(wù)需求并通過智能體完成交互。在客戶側(cè)其覆蓋咨詢、產(chǎn)品推薦、交易轉(zhuǎn)化和售后服務(wù)等環(huán)節(jié)在員工側(cè)連接企業(yè)知識(shí)、業(yè)務(wù)系統(tǒng)和專業(yè)技能幫助員工完成信息查詢、流程辦理和任務(wù)執(zhí)行在合作伙伴側(cè)則提供業(yè)務(wù)協(xié)同支持。通過這一層智能體得以進(jìn)入銷售、零售、服務(wù)以及內(nèi)部管理等實(shí)際業(yè)務(wù)流程。中間層是Agent OS是智能體體系的運(yùn)行和治理中樞。企業(yè)內(nèi)部不同業(yè)務(wù)需要不同專業(yè)能力銷售需要產(chǎn)品推薦和權(quán)益判斷服務(wù)需要故障診斷和知識(shí)檢索供應(yīng)鏈需要庫存和履約協(xié)同。Agent OS負(fù)責(zé)將不同領(lǐng)域的Agent、Skill、工具以及業(yè)務(wù)流程統(tǒng)一組織并完成調(diào)度、治理和評(píng)測。面對(duì)復(fù)雜任務(wù)總控Agent可以識(shí)別用戶意圖將目標(biāo)拆解為多個(gè)可執(zhí)行子任務(wù)再調(diào)用對(duì)應(yīng)專業(yè)Agent完成執(zhí)行。例如用戶上傳設(shè)備故障圖片后總控Agent可以同時(shí)啟動(dòng)故障識(shí)別、保修政策查詢以及替代產(chǎn)品推薦等任務(wù)。不同專業(yè)Agent分別連接售后知識(shí)庫、服務(wù)系統(tǒng)和商品系統(tǒng)完成對(duì)應(yīng)工作最終由總控Agent匯總結(jié)果并推動(dòng)下一步操作。基礎(chǔ)層則是擎天5.0引擎為這套企業(yè)級(jí)智能體架構(gòu)提供算力、模型和數(shù)據(jù)能力支撐。其實(shí)在聯(lián)想擎天的架構(gòu)演進(jìn)過程中1.0以云原生和中臺(tái)化為主要特征2.0嵌入AI功能3.0引入生成式AI4.0加入智能體AI。到了5.0階段擎天進(jìn)一步升級(jí)為AI原生技術(shù)平臺(tái)為算力調(diào)度、模型編排、數(shù)據(jù)與知識(shí)治理以及智能體開發(fā)運(yùn)行提供支撐。周鑠表示過去的架構(gòu)更多解決的是局部業(yè)務(wù)需求而擎天5.0希望打通算力、模型以及知識(shí)、數(shù)據(jù)之間的連接。從底層能力來看擎天5.0依托xCloud聯(lián)想智能云提供混合算力和資源調(diào)度能力在AI開發(fā)與運(yùn)營層AI Foundry負(fù)責(zé)模型編排、數(shù)據(jù)與知識(shí)治理以及智能體開發(fā)運(yùn)行。其中Token Hub詞元中樞是擎天5.0支撐企業(yè)AI規(guī)?；瘧?yīng)用的重要組件。隨著企業(yè)內(nèi)部大模型調(diào)用規(guī)模增加推理成本成為影響智能體普及的重要因素。Token Hub通過“模算一體”架構(gòu)適配復(fù)雜的異構(gòu)GPU生態(tài)對(duì)模型和計(jì)算資源進(jìn)行統(tǒng)一管理并通過模型路由、資源調(diào)度和成本優(yōu)化為不同任務(wù)匹配合適的模型。目前Token Hub將模型接入效率提升80%私有化部署場景下Token成本最低可降至0.5元/百萬Token。除了算力和成本優(yōu)化擎天5.0也改變了企業(yè)AI應(yīng)用開發(fā)方式。不同于傳統(tǒng)“需求—設(shè)計(jì)—開發(fā)—測試驗(yàn)收—上線”的軟件開發(fā)流程而在AI原生架構(gòu)下業(yè)務(wù)專家可以先提出業(yè)務(wù)Ideal構(gòu)想系統(tǒng)進(jìn)行業(yè)務(wù)仿真和驗(yàn)證當(dāng)場景價(jià)值確認(rèn)后再進(jìn)入工程化開發(fā)和落地。此外為了讓智能體具備持續(xù)優(yōu)化能力聯(lián)想還引入了記憶檢索和Skill演化機(jī)制。QueryLink負(fù)責(zé)從歷史數(shù)據(jù)和知識(shí)中檢索與當(dāng)前任務(wù)最相關(guān)的信息Lemon Agent則通過任務(wù)軌跡、執(zhí)行結(jié)果以及反饋信息提取可復(fù)用經(jīng)驗(yàn)并沉淀為新的Skill。為了驗(yàn)證智能體持續(xù)學(xué)習(xí)和能力演進(jìn)機(jī)制的有效性聯(lián)想也通過內(nèi)部測試和公開基準(zhǔn)對(duì)其性能進(jìn)行了評(píng)估。QueryLink在聯(lián)想內(nèi)部測試中語義相似度提升15.4%推理準(zhǔn)確率提升7%Lemon Agent相關(guān)技術(shù)使任務(wù)成功率提升30%泛化能力提升20%。在公開基準(zhǔn)測試中Lemon Agent的長鏈路任務(wù)處理能力也得到進(jìn)一步驗(yàn)證。截至2026年2月6日Lemon Agent在GAIA基準(zhǔn)測試中的總體準(zhǔn)確率達(dá)到91.36%Terminal-Bench 2.0當(dāng)前公開榜單顯示聯(lián)想研究院AI實(shí)驗(yàn)室提交的LemonHarness以84.5%的準(zhǔn)確率位列第二。這些測試結(jié)果能夠反映智能體在復(fù)雜任務(wù)拆解、工具調(diào)用、持續(xù)執(zhí)行以及能力泛化方面的工程能力。03 “硅碳共生”的內(nèi)生變革技術(shù)體系的變化最終會(huì)傳導(dǎo)到組織內(nèi)部。隨著越來越多業(yè)務(wù)環(huán)節(jié)由智能體參與執(zhí)行企業(yè)需要審視幾個(gè)問題哪些任務(wù)應(yīng)該交由機(jī)器完成哪些判斷必須由人承擔(dān)員工價(jià)值應(yīng)該如何重新衡量事實(shí)上AI對(duì)企業(yè)組織的影響會(huì)逐步深入運(yùn)行機(jī)制。北京大學(xué)國家發(fā)展研究院管理創(chuàng)新實(shí)驗(yàn)室副主任朱麗認(rèn)為早期階段AI主要體現(xiàn)為單點(diǎn)效率提升隨著部分判斷和執(zhí)行任務(wù)由AI承擔(dān)人與機(jī)器之間的職責(zé)邊界開始調(diào)整當(dāng)AI進(jìn)一步參與企業(yè)核心價(jià)值鏈后組織制度和協(xié)作方式也需要隨之變化。北京大學(xué)國家發(fā)展研究院管理創(chuàng)新實(shí)驗(yàn)室副主任 朱麗這樣的變革往往從企業(yè)最基層、最具體的業(yè)務(wù)環(huán)節(jié)開始。面對(duì)智能體進(jìn)入組織流程聯(lián)想對(duì)內(nèi)部業(yè)務(wù)流程進(jìn)行了系統(tǒng)性重構(gòu)將692 個(gè)L4及以上的業(yè)務(wù)流程全部拆解、梳理逐一識(shí)別其中哪些環(huán)節(jié)適合由 AI 承擔(dān)哪些環(huán)節(jié)仍需要人工決策。所謂L4 流程指的是已經(jīng)拆解到具體業(yè)務(wù)執(zhí)行步驟的顆粒度。以退貨場景為例一個(gè)完整的“退貨處理流程”會(huì)進(jìn)一步拆分為“核驗(yàn)訂單信息”“判斷退貨條件”“生成退款工單”“通知客戶處理結(jié)果”等可被系統(tǒng)識(shí)別和執(zhí)行的環(huán)節(jié)。為什么要拆到 L4 級(jí)別因?yàn)橹悄荏w并不能直接理解“提升客戶滿意度”“優(yōu)化供應(yīng)鏈效率”這樣的宏觀目標(biāo)其需要被嵌入到明確的任務(wù)節(jié)點(diǎn)中。因此企業(yè)必須重新定義每一個(gè)流程節(jié)點(diǎn)中的人機(jī)邊界哪些數(shù)據(jù)可以開放給智能體訪問智能體能夠自主執(zhí)行到哪一步哪些異常情況必須觸發(fā)人工審核執(zhí)行結(jié)果由誰確認(rèn)出現(xiàn)錯(cuò)誤后責(zé)任如何追溯聯(lián)想中國人力資源戰(zhàn)略設(shè)計(jì)總監(jiān)孫海寧將這種全新的人機(jī)分工邏輯概括為“碳硅各展所長”硅基系統(tǒng)AI承擔(dān)高并發(fā)、重復(fù)性、標(biāo)準(zhǔn)化的數(shù)據(jù)處理和流程執(zhí)行而碳基員工人類則從傳統(tǒng)執(zhí)行環(huán)節(jié)中釋放出來將更多精力投入復(fù)雜決策、戰(zhàn)略規(guī)劃以及需要情感判斷和協(xié)作能力的工作。聯(lián)想中國人力資源戰(zhàn)略設(shè)計(jì)總監(jiān) 孫海寧在聯(lián)想內(nèi)部這一變化首先體現(xiàn)在人才標(biāo)準(zhǔn)上。在招聘環(huán)節(jié)聯(lián)想系統(tǒng)性吸納具備AI能力的人才。聯(lián)想中國市場推廣人力資源總監(jiān)張書透露過去一年聯(lián)想中國區(qū)市場部招聘的AI專家崗位占比已接近40%同時(shí)幾乎所有崗位面試都會(huì)考察候選人的AI思維和“AI力”。聯(lián)想中國市場推廣人力資源總監(jiān) 張書與此同時(shí)聯(lián)想的績效評(píng)價(jià)體系也進(jìn)行了調(diào)整。聯(lián)想設(shè)置了“AI先鋒”激勵(lì)機(jī)制對(duì)能夠借助AI提升團(tuán)隊(duì)效率、改善業(yè)務(wù)結(jié)果的員工給予激勵(lì)。讓員工的工作重點(diǎn)更側(cè)重目標(biāo)定義、資源配置、結(jié)果判斷和責(zé)任承擔(dān)。當(dāng)人才標(biāo)準(zhǔn)和評(píng)價(jià)體系發(fā)生變化后企業(yè)的運(yùn)行方式也將隨之調(diào)整。在智能體逐步參與業(yè)務(wù)執(zhí)行后部分工作可以由AI在不同系統(tǒng)和流程之間完成連接組織協(xié)作就需要圍繞具體任務(wù)進(jìn)行重新組合。這意味著未來企業(yè)需要更多能夠連接業(yè)務(wù)與技術(shù)的復(fù)合型人才。他們不僅需要理解業(yè)務(wù)目標(biāo)還需要知道如何拆解任務(wù)、配置智能體能力并推動(dòng)不同角色協(xié)同交付結(jié)果。與此同時(shí)個(gè)人在企業(yè)中長期積累的經(jīng)驗(yàn)和方法論也將轉(zhuǎn)變?yōu)榻M織資產(chǎn)。這些經(jīng)驗(yàn)可以通過知識(shí)庫、流程模板和 Skill機(jī)制進(jìn)行沉淀并被智能體調(diào)用。當(dāng)然這并不意味著人的功能會(huì)消失。專業(yè)的員工仍然需要承擔(dān)治理、風(fēng)險(xiǎn)控制、專業(yè)判斷和責(zé)任界定等職責(zé)。04 寫在最后聯(lián)想“內(nèi)生外化”的路徑重構(gòu)算力底座、搭建 Agent OS、重塑業(yè)務(wù)流程、將“AI力”納入人才體系這背后是聯(lián)想“內(nèi)生外化”的路徑。所謂“內(nèi)生”是讓變革首先發(fā)生在企業(yè)自身。聯(lián)想將其多年積累的經(jīng)驗(yàn)、供應(yīng)鏈能力和行業(yè)理解與AI結(jié)合起來讓技術(shù)融入企業(yè)的肌理。而“外化”則是在內(nèi)部實(shí)踐基礎(chǔ)上將這些能力進(jìn)一步開放出去。通過天禧、擎天等應(yīng)用和底座將內(nèi)部驗(yàn)證過的能力交付給更多個(gè)人用戶和企業(yè)客戶。從內(nèi)部變革到能力外化再到產(chǎn)業(yè)服務(wù)聯(lián)想跑通了“閉環(huán)”