WAIC 深度觀察｜Agent 時代的初步曙光與現實距離

導言｜從「模型炫技」到「把事做完」
過去一年，產業敘事從「模型有多強」悄然轉向「智能體能否把事做完」。2025 年的世界人工智能大會（WAIC）尤為典型：舞台不再只聚焦參數與榜單，而是圍繞能否將 Agent 嵌進真實流程、對接既有系統、在可觀測與可治理的框架下產生持續的商業回報。這種敘事漂移，迫使企業把注意力從「單點工具採購」轉為「流程中台與治理體系建設」。簡言之，AI 不再只是疊在螢幕上的一層效果，而是深入財務、營運與法遵的骨節位置；不再是炫技的即興演出，而是要經得起產線、SLA 與審計的長期考驗。

NO° 01｜智能體熱潮興起，但真正被驗收的是「可運營」

今年的會場能明顯感受到一個共識：Agent 要在企業內落地，關鍵不是「能不能做」，而是「能不能連續做」。這使供應與需求兩端都把重心從功能清單轉向運營能力。供應端開始用「意圖鏈、資料契約、權限票據、回滾與審計」作為方案說明的標配，因為沒有這些就談不上長期運行；需求端也從一次性 License 採購，轉向平台與治理服務的組合型合約，並且將延遲、一解率、攔截率、引用覆蓋、回寫完整性等指標寫進 KPI，讓「好不好用」變成「算不算數」。

這種轉變正在改寫企業內的流程觀。以往我們用流程圖訓練人去遵循 SOP，如今更像在訓練一個「工作模型」：同一條意圖鏈可以被 A/B、可以做回歸測試、可以因異常而提升人工介入等級。當流程具備了數據化與可重放性，管理就不再依賴「誰拍板」，而是讓證據自動疏導決策。而在採購層面，平台化的供給開始抬頭，企業可以在商用產品與開源底座之間做靈活組裝，避開黑箱與鎖定風險。這直接催生三種新型角色：把業務問題翻成可執行意圖鏈的意圖架構師，負責口徑與語義一致性的治理官，以及負責日誌、版本、權限與回滾的 Agent 運維人員。當這些角色被制度化，智能體才有可能在企業裡「長出年輪」。

對商業環境的深層影響，是決策邏輯從「一次性上馬」變為「持續運營」。企業會更傾向從兩三個跨部門痛點切入，用一季的時間驗證人機分工、權限治理與回寫閉環的可行性；若成效可證，即擴展到相鄰場景。這種「小場快跑、以指標說話」的節奏，取代了過往巨額投資、一次性重構的風險工程，也讓高層能將 AI 投資更自然地納入 P&L 與現金流的治理框架。

NO° 02｜WPS AI：原生型辦公智能體如何改寫「文件經濟學」

在辦公場景，原生型智能體的價值不在於多會寫，而在於多會接。當寫作、閱讀、表格分析與簡報設計被串成對話式工作流，且與企業知識庫、圖庫、資料源與 API 相互連動，「做文件」這件事的交易成本會大幅下降。會議前，系統基於會前材料自動生成待審摘要；會議中，逐段歸檔與標註決議；會後，追蹤動作項與責任人，並將引用回寫至知識庫。從管理的角度看，週報與月報被還原為「證據與洞察的載體」，而不是版面與排版的體力工程；從財務與人力角度看，低價值文書工作被模型承接，人力資源轉向決策與協同，時間被釋放到真正具增量價值的任務上。

這類產品對企業的深層影響有三。首先，知識不再是靜態文件，而是以語義檢索的方式被「服務化」。新人上手周期縮短，跨部門問答通過引用與溯源自動完成，減少「找人問」的隱性成本。其次，合規工作被迫前置化：品牌語氣、敏感詞與外發規範被制度化，並以規則的形式提供給生成模組，將「踩雷」概率降到可接受範圍。最後，管理文化被悄然校準：會議與報告不再比美，而是比引用、比口徑一致、比洞察有效性。這也使績效評估從「件數與頁數」回到「決策的質量與速度」。

當然，現實邊界仍在。長上下文推理、跨檔一致性與品牌細節的拿捏，短期仍需人工二審；私有化與權限改造需要前置預算與跨部門協同；推動全員學會對話式辦公也有學習曲線。可行的做法，是先用低風險高頻任務建立信心，如會議紀要、彙報初稿、PPT 初版，同步建立「生成必引用」「高風險必二審」的兩道關卡。當度量指標（文件完成時延、一次通過率、引用覆蓋）逐月改善，企業自然會把更多流程遞交給智能體接續完成。

NO° 03｜百度「慧播星」NOVA：數字人直播的供給曲線與信任悖論

數字人直播不是把人換成虛擬形象那麼簡單，而是把帶貨的供給曲線重新塑形。長時段、夜間與長尾 SKU 的內容供應，過去受制於真人主播的體力與檔期，如今可以在同等成本下獲得更穩定的覆蓋與節奏。背後的邏輯，是以大模型驅動腳本生成、以多智能體在直播間做互動節奏的即時決策，並且以高度仿真的聲畫把人設連貫起來。對零售與品牌來說，這意味著「內容」從稀缺資產變成可規模生產的工藝，運營中台的重要性隨之上升——真正可複製的，是商品知識庫、話術 FAQ、互動策略與危機處置 SOP，而不是人格本身。

但數字人也面臨信任悖論。頭部案例之所以成功，多半搭載了原本就存在的強人設與社會信任，這讓「代言」與「帶貨」的心理成本顯著降低。普通品牌若指望以數字人直接替代「人格資產」，往往會高估短期效果。更現實的策略，是先將數字人定位為「時段與品類補位」，讓其承接長尾與低毛利 SKU，在運營中台做好知識化沉澱與 A/B 測試，把腳本、表達與優惠節奏逐步優化，再選擇性地為品牌養成人格分身。這樣的路徑能使內容產能與信任沉澱同步積累，避免因「短期求爆」導致內容同質化與審美疲勞。

合規是另一條清晰邊界。虛擬代言的責任主體、廣告披露、數據用途、肖像與聲紋的權利與授權，必須在上線之前與平台與供應商明確約定，並把審計與回滾機制嵌入每場開播的流程。用經驗來看，一場好的數字人直播像是一台工廠：前段的資料層與策略層必須扎實，中段的互動與價格節奏要可監控與熱更新，後段的回寫與總結需反哺下一場。當這個閉環能穩定運行，數字人才有可能從「新鮮的噱頭」進化為「可擴張的產能」。

NO° 04｜京東雲 JoyAgent：開源多智能體重排「自研 vs. 採購」算盤

多智能體的開源底座，正在把企業的技術選型從二分法變成組裝題。當一套企業級的智能體框架以開源方式提供，包含端到端的任務編排、子智能體掛載、觀測與權限模組，企業就能以更低的試錯成本，把關鍵流程先跑起來，再視成熟度與風險偏好決定何處商用、何處自研、何處混合。這改變了議價權的結構：甲方不再被動接受黑箱產品，而可以用「開源底座＋私有能力」構成技術與供應的雙重備援，也迫使供應商把價值主張從「神奇效果」轉為「治理與運營服務」。

這樣的技術供給，也重塑了生態分工。系統整合商與顧問公司，能圍繞通用底座提供行業化封裝與治理配方，而非重新造輪子；企業內部的平台團隊與 DevRel 角色則需要理解多智能體框架與語義接口，從而把人、資料與工具接成一張可運營的能力網。值得警惕的是，開源不等於免維運。當企業把更多關鍵任務交給自建的智能體時，觀測、權限、版本、災備與例外升級等 AgentOps 能力就是必要投資。真正穩定的方案，往往不是「功能最多」，而是「當它出錯時，你知道它錯在哪裡、能回到哪裡」。

在舊系統的對接層面，最務實的方法不是大集成，而是先鋪一層「語義橋」。把文件、影像與表格向量化成可檢索語料，用權限票據與溯源機制控制調用與引用，再逐步拓展到即時讀寫。這樣可以在不推倒重建的情況下，讓智能體穿梭於舊系統之間，既降低初期風險，又保留迭代彈性。

NO° 05｜AICE ADGo：把「手工坊創意」重做成「產線＋手工精修」

行銷創意的難，不在產生點子，而在產生足夠多可執行、可評估且風格一致的好點子。多智能體協同把「研究—洞察—策略—腳本—視覺」切成並行模組之後，第一輪產能可以被非常顯著地擴張：同一 brief 能在短時間內得到多路策略草案、論據與可視化樣張，品牌與代理商的會議從「缺貨」變為「挑貨」。這種供應方式改變了創意產業的經濟學，讓中小企業第一次能以可承擔的成本取得「準 4A」水準的整案，決策時間也因為「多版本對照」而被壓縮。

然而，真正的差異性仍需人來定義。AI 擅長整合資料與總結套路，卻較難主動越過慣性；品牌語氣、文化細節、反常識的幽默與風格轉折，必須由人去劃出界線。因此，真正有效的工作方式不是討論「哪個點子好」，而是討論「我們要在哪些維度上偏離平均」。在這樣的結構下，AI 的角色是把產能拉滿、把證據備齊、把版本鋪開，而人類的角色是做出那些帶風格的取捨。當投放與回寫機制健全，優勝版本的市場表現會反饋到知識庫，下一輪生成就會帶著真實的市場記憶，而不是單靠模型的語料直覺。

資料與版權治理是此類平台能否進入核心專案的前提。品牌素材、歷史銷售資料與使用者語料，必須在明確條款下被使用，必要時採私有化或隔離部署；同時，所有輸出都應附帶引用與版本資訊，確保可溯源與可追責。當資料與治理到位，人機協同的創意產線才能穩定地把可行方案輸送到市場端。

NO° 06｜商湯「辦公小浣熊」：讓非技術崗位擁有「自助分析權」

對多數大型組織而言，資料與知識分散在無數文件夾、報表與系統中，最昂貴的並非儲存，而是取得。以對話方式承接「任務規劃、資料上傳、清洗、分析、可視化與問答」的知識型 Agent，正在把非技術崗位從「等報表、找同事」的被動中解放出來。計劃、採購與營運可以用自然語言就「哪個品類的毛利在變」「哪個區域的退貨率異常」發問並自助得到可視化的答案，資料團隊的角色因此升維到治理與洞察，而不是重複性的出圖工廠。

這種工具化的轉向，會在組織內產生幾個顯著效應。首先，知識回收站被清空：SOP、制度與歷史結案報告向量化後，能被語義檢索召回，並以引用方式附著在輸出之中，形成「邊用邊沉澱」的正循環。其次，決策節奏被拉快，但也更需要設計緩衝帶。AI 給出的是「先看」的洞察，人仍需對因果關係與策略後果負責，因此在高風險決策場景，雙軌流程（AI 建議與專家審議並行）是必要的安全閥。最後，安全與隱私治理要前置完成，包括資料盤點、脫敏規則、基於角色的權限控管與查詢審計，否則「好用」很快會與「可用」分道揚鑣。

從商業價值的角度看，自助分析權下放會提升整體決策密度與速度，讓更多微決策在一線即地完成，減少中間層的交通成本；同時也會提高對資料素養的要求。當更多人可以問數據，企業就必須教會大家讀數據、懷疑數據與修正數據，否則「盲信 AI」會導致新的決策偏誤。

NO° 07｜跨模塊的共同法則：可運營、可觀測、可治理

把不同展區的方案攤開看，最終匯流為三個共同法則。第一是可運營：企業要把工作視為意圖鏈，而非靜態流程，為每條意圖鏈定義目標、資料契約、人機邊界與回寫規則，讓它能累積「學會做事」的能力。第二是可觀測：沒有度量，一切皆為感覺。引用可靠度、意圖到結果的時延、人為攔截的比例、一次解決率與自動完成的步數比例，這些指標讓管理討論回到事實。第三是可治理：權限分級、審計可追與版本回滾，是把「能跑」升級為「能放心地跑」的底層工；一旦出錯，系統知道該如何降級與回退，團隊才有勇氣把更多任務交給機器。

結語｜曙光已現，但真正照進 P&L 的是治理力

WAIC 的熱鬧只是一時，企業的運營是一世。無論是原生辦公智能體、數字人直播、開源多智能體底座、創意產線改造，還是知識到決策的自助分析，本質上都在測試同一件事：我們是否擁有把 AI 變成「第二工作隊列」的治理能力。當意圖能落地、資料可引用、鏈路可觀測、風險可治理，AI 才會從展台上的 Demo 變成財報上的曲線。與其追逐下一個華麗的功能，不如先把一條意圖鏈跑穩，把一套度量面板立起，把一個例外升級流程磨順。當這三件事變成了肌肉記憶，Agent 時代的初步曙光，便會自然照進企業的 P&L。

Keywords

WAIC 2025、AI 智能體、Agent 平台、意圖鏈、RAG 檢索、AgentOps、私有化部署、數字人直播、WPS AI、百度 NOVA、JoyAgent、ADGo、商湯日日新、企業數據治理、AI 轉型 ROI