文章核心观点 - 中国电信天翼AI发布星辰超级智能体 在DBC德本咨询2025企业级AI Agent榜单中位列央企第一 [1] - 智能体是当前人工智能发展的重点方向 国务院首次将其列为重点发展领域 [4] - 星辰超级智能体基于全栈国产化技术 具备多模态理解、复杂推理和增强记忆能力 定位为深入业务架构的数字化生产力单元 [9][12][13][16] - 智能体平台能直接产出应用 是大模型落地产业的主流模式和最佳模式 [8][20][65] 智能体技术架构与能力 - 星辰超级智能体支持全模态理解 包括语音、视觉、文本等模态 支持文生图、文生视频 [11] - 采用完全国产化技术栈 包括自研底层模型、国产算力和国产框架训练 [12] - 定向增强复杂推理和记忆能力 上下文可扩展到百万字级别 针对办公、客服、金融、工业等场景优化 [13] - 采用四模块架构：感知与理解、认知与决策、记忆与知识、行动与执行 [27] - 通过数据加密和容器化隔离保障安全 满足ToC和企业级用户安全要求 [14] 智能体发展路线与现状 - 行业存在三种智能体发展路线：自主规划智能体（全自动+简单任务）、工作流智能体（半自动+复杂任务）、超级智能体（全自动+复杂任务） [23] - 超级智能体具备动态调整能力 通过虚拟机环境自主修正错误 无需人工编排工作流 [25][26] - 当前超级智能体已达到70分水平 能为人类提供有效帮助 但执行时间可能长达几分钟至十几分钟 [8][30][32] - 能力上限取决于底层模型能力和系统嵌入程度 底层模型持续迭代中 [34] 产业落地与应用场景 - 智能体落地需要嵌入企业主业系统 中国电信江苏公司案例显示智能体可实现客服工单自动预处理 [36][37] - 优先落地场景包括客服、营销、办公软件和IT化程度高的行业 因业务流程清晰且与大模型适配度高 [52] - 在客服网络运维领域实际应用中 智能体使员工处理工单效率提升30%以上 [40] - 市场需求强烈 国外资本市场和科技企业大幅投入 国内推动AI+产业落地 [43] 市场竞争格局 - 市场存在四类玩家：大模型厂商、科技大厂、创业公司、央国企 [53] - 央国企优势在于内部海量落地场景、全国本地化服务团队和丰富产业经验 [54] - 中国电信2024年产业数字化收入达1466亿元 与中车、中物流、国能等国企有深度合作 [56] - 星辰智能体平台采用内部开源模式 允许省专公司二次开发以适应各种场景 [54] 研发背景与人才培养 - 中国电信2024年初开始布局智能体平台 提前卡位新兴趋势 [22] - 专职投入大模型算法研发团队约300人 与高校和科研机构合作攻关下一代技术 [59] - 获得工信部授权运营"智能体开发工程师"职业认证培训 培养专业人才 [50] - 通过应用创意挑战赛和方案实现赛挖掘企业核心落地场景 [44]

尽管越来越多中国企业对AI感兴趣，但对这项新兴技术的态度仍千差万别。业内人士估计约30%的中国 企业正尝试使用AI。对智能体投入最多的企业来自金融、软件和互联网以及制造业等行业。许多最热 衷采用AI的企业是运营更灵活的小公司。 中国政府制定了更远大的目标。8月下旬中国发布"推动人工智能与经济社会各行业各领域广泛深度融 合"的路线图，提出到2027年率先实现人工智能与六大重点领域广泛深度融合，新一代智能终端、智能 体等应用普及率超70%，到2030年普及率超90%。 智能体比聊天机器人更先进，可自动执行复杂任务，并在最低限度人类监督下实现目标。受访的业内人 士说，中国正稳步提升智能体应用普及率，预计2025年应用市场将达109亿元。成都某智能体开发公司 高管透露，今年市场对该公司产品的需求将增长30%至40%，"许多机构和企业正积极拥抱人工智能"。 来源：环球时报 新加坡《海峡时报》9月9日文章，原题：随着中国政府推动扩大智能体应用普及率，更多中国企业正在 拥抱人工智能从某种意义上来说，广东的一家软件开发公司正在发生一场革命。这家科技公司的首席人 工智能官表示，短短3个月，该公司就开发出约50套软件系统，而以往 ...

AI编程工具在企业应用中的效率与挑战 - AI编程工具显著提升开发效率但带来新型挑战 首要挑战是安全性问题 AI生成代码可能包含新安全漏洞 [2] - "Vibe Coding"导致大量低质代码涌现 API数量激增使企业运维负担加重 [2] - "黑盒子"问题凸显 人类开发者难以理解AI生成代码的内在逻辑 使调试和漏洞排查变得复杂耗时 [2] 企业应用安全现状与WAAP采用 - 应用交付与安全防护环节成为性能制约因素 身份验证的便捷性与安全性需要平衡 [4] - WAAP成为AI默认保护标准 超过91%用户已应用WAAP保护AI/机器学习模型安全 [5] - 基于AI的应用交付成为最大红利 2025年利用大模型分析应用和API性能的比例达54% [7] AI在运维流程中的应用 - 57%运维人员使用AI生成脚本用于配置部署与调整 56%用AI生成自定义策略 55%用AI执行脚本实现全流程智能化 [7] - 可观测性成为AI驱动自动化关键支撑 65%受访者利用可观测性驱动自动化 Open Telemetry成为主流选择 [7] - 现代应用占比从2020年29%提升至2025年53% 传统应用从71%降至47% [7] 企业落地AI应用的三大难题 - 复杂IT架构 特殊安全需求与成本控制目标构成企业落地AI必须攻克的三大难题 [9] - AI基础设施投入巨大 仅8卡服务器成本就达百万级 支撑海量算力业务需要巨大前期投资 [12] - 到2028年80%企业将嵌入AI能力 其中94%AI应用部署在混合多云复杂架构环境中 [12] F5的ADSP平台转型与能力 - 从传统ADC进化为应用交付与安全平台(ADSP) 功能从WAF升级至WAAP 核心目标转向API保护 [11] - ADSP平台可无缝运行于本地数据中心高性能硬件 虚拟化与混合环境及云原生SaaS环境 实现跨环境一体化运维 [14] - 平台提供融合能力 既保证应用安全又保证应用交付快速 特别适合边缘AI控制延时性需求 [15] AI网关产品的技术创新 - AI网关具备基于抽象化和上下文的大语言模型路由能力 可将提示词精准匹配至合适的大模型 [16] - TBLB AI推理网关通过实时判断后台算力 将GPU算力调用率提升30-60% 某芯片制造厂推理服务成功率提升至少8% [16] - AI网关集成多个安全小模型 做智能调度 不断扩充大模型安全防护能力 应对新型攻击 [16] F5平台的全方位服务能力 - 为所有应用提供全面整合交付服务 包括负载均衡 DNS CDN 多云网络及API网关 [17] - WAAP平台与零信任 AI安全 网络防火墙深度协同 实现代理式安全运营 [17] - 解决方案具备前所未有的部署灵活性 可部署于本地数据中心 公有云 主权云 SaaS平台 边缘网络及AI工厂等环境 [17] 跨职能运维支持与AI助手 - 平台覆盖NetOps SecOps DevOps和平台运维 提供统一策略管理 深度安全分析 自动化与编排工具 [17] - 发布AI助手具备"解释 生成 优化"三大核心能力 可跨平台应用于全系列产品 [19]

伊利智能工厂运营效率 - 全自动产线每日处理鲜奶超过7000吨 每小时罐装40000包牛奶 为全球最快牛奶生产线[1] - 工厂实现"从一棵草到一头牛再到一杯奶"的全链数智化布局 自动化设备稳定运行且数据看板实时跳动[1] - 供应链控制塔系统覆盖5大环节15个关键节点 整合80余项供应指标与140余项广促品指标 显著降低原辅料临期积压与缺断货风险[1] 数智化技术应用 - 智慧牧场为每头奶牛配备数字身份证 每滴牛奶均带有数据指纹[2] - 深度运用人工智能与机器人技术实现自动化生产线高效运转[2] - 消费端小程序管理平台支持集团20多个小程序运营 实现购买售后新品共创与健康咨询一体化服务[1] 消费者数据管理 - 引入统一VOC智能挖掘管理平台 整合服务社交媒体与电商数据[1] - 将消费者反馈从"听得见声音"升级为"听得懂趋势做得到改变" 推动NPS与满意度提升[1] - 形成从发现问题到业务改善的闭环管理体系[1] 产业协同与政策环境 - 数智化建设展示全产业链布局 构建全周期全流程全渠道全链条全域运营的消费者数字化平台[2] - 人工智能+行动提出到2027年AI与6大重点领域深度融合 应用普及率超70% 2030年普及率超90%[2] - 智能体进入爆发周期 从单独技术转变为真正生产力 企业内部应用智能体已成为必选项[3] 技术合作与生态建设 - 联想与伊利合作打造智能体矩阵 为政企客户提供落地式长期服务 为中小企业和个人提供一站式服务[2] - 城市超级智能体已落户呼和浩特 基于混合式人工智能优势集[2] - AI发展需要跨行业跨领域全面合作 技术方与产业方共同推动融合发展[3]

伊利与联想的数智化合作 - 公司联合打造全球智链生态圈 实现全链数智化布局 覆盖从牧草到牛奶的全产业链[1] - 合作内容包括供应链控制塔系统 覆盖5大环节15个关键节点 整合80余项供应指标与140余项广促品指标[2] - 通过统一VOC智能挖掘管理平台形成从发现问题到业务改善的闭环管理[2] 伊利数智化建设成果 - 全球最快牛奶生产线每日处理超7000吨鲜奶 每小时灌装40000包牛奶[1] - 智慧牧场为每头奶牛配备数字身份证 实现牛奶数据溯源[3] - 构建全周期全流程全渠道全链条全域运营的消费者数字化平台[3] - 小程序管理平台支持集团20多个小程序运营 实现购买售后新品共创与健康咨询一体化服务[2] 联想AI技术布局 - 发布面向个人企业和城市的超级智能体 通过AI终端AI基础设施与AI解决方案协同落地[3] - 打造智能体矩阵 为政企客户提供落地式持续性服务 为中小企业和个人提供一站式服务[4] - 城市超级智能体已落户呼和浩特[3] - 智能化咨询业务认为AI发展需要跨行业跨领域全面合作[5] 行业政策背景 - 国务院提出到2027年人工智能与6大重点领域深度融合 新一代智能终端智能体应用普及率超70%[4] - 到2030年相关应用普及率超90% 智能经济成为重要经济增长极[4] - 国家深入推进人工智能+行动 为经济高质量发展注入新动能[5] 合作意义与前景 - 合作成为中国制造业AI转型标杆 展示数智化全产业链布局[3][5] - 智能体进入爆发周期 从单独技术转变为真正生产力 企业应用智能体成为必选项[5] - AI+加速赋能产业变革 深度链接千行百业[3]

IBM中国AI战略发布 - 公司发布中国"AI深耕"计划 聚焦区域市场 伙伴生态及共创平台三方面 主攻民营企业数智化转型和全球化运营[2] - 公司坚持混合云+AI战略 定位为平台构建者 借助AI推动企业数智化转型 区别于自研大模型竞赛路径[2] 企业AI应用现状与认知误区 - 企业普遍存在认知误区：将AI完全等同于生成式AI 或认为AI无所不能[6] - 生成式AI在企业侧整体应用规模不大 真正提效的是"传统AI"如企业数据库管理与分类[7] - 许多企业数字化基座不扎实 未搭建知识库和数据库系统 制约AI应用效果 中小企业问题尤为普遍[7] 企业数字化转型趋势 - 未来20年将迎来企业数字化转型爆发期 大量民营企业进入"二代接班"节点[7] - AI技术作为核心引擎 契合新一代管理者对技术创新的关注焦点[7] - 公司软件业务营收占比显著提升 2024年软件业务营收占628亿美元总营收的45% 体现向软件业务转型决心[7] 智能体发展前景与布局 - 中国在机器人 AIGC领域发展迅速 但在数据存储与管理等基础环节仍有优化空间[8] - 国务院提出明确目标：2027年智能体应用普及率超70% 2030年超90% 智能经济成为重要增长极[10] - 公司围绕watsonx Orchestrate构建集成解决方案 提供预构建智能体 支持低代码开发 强化多智能体编排[10] - 已上线HR 销售 采购 客服及定制化智能体 覆盖多应用场景 预测2028年15%的企业日常决策将由AI智能体自动生成[10] 中国智能体竞争优势 - 中国拥有农业根基深厚 工业体系完备 消费生态活跃的复合型发展土壤 形成场景定义需求 需求驱动创新的闭环生态[11] - 智能体本质是AI应用 突破点在于学习 规划及复杂任务执行能力 中国在应用开发方面具备显著优势[11]

DeepSeek新模型开发计划 - 公司正在开发具有更强大AI Agent能力的新模型 预计在今年年底推出[3] - 新模型仅需少量提示就能帮用户执行复杂操作 并能根据历史操作自我进化和学习[7] - 模型将在今年最后一个季度面世[8] DeepSeek-V3.1性能升级 - DeepSeek-V3.1具备更强的Agent能力 通过Post-Training优化在工具使用与智能体任务中有较大提升[5] - 编程智能体方面 SWE-bench测试得分从V3-0324的45.4提升至66.0 SWE-bench Multilingual从29.3提升至54.5 Terminal-Bench从13.3提升至31.3[11][12] - 搜索智能体方面 Browsecomp从8.9提升至30.0 Browsecomp zh从35.7提升至49.2 HLE从24.8提升至29.8 xbench-DeepSearch从55.0提升至71.2 Seal0从29.7提升至42.6[14] 行业发展趋势 - 智能体概念成为行业焦点 2025年下半年几乎没有大模型产品不谈智能体[16] - 并行智能体正在成为提升AI能力的新方向[16] - 行业预计智能体价格门槛可能被降低[19] 技术架构创新 - 新模型采用混合推理架构 集成思考模式和非思考模式[13] - 实现更高的思考效率 比DeepSeek-R1想得更快[13] - 在工具使用与智能体任务中表现有较大提升[13] 产品发布节奏 - 从去年12月到今年8月 DeepSeek V系列版本号从V3升级至V3.1[9] - 业内原本预期会先推出新一代V系列基础模型 再发布被期待已久的R2[8] - 小版本改进暗藏玄机 实际性能提升显著[10]

公司背景与创始人经历 - 创始人杨劲松拥有北京大学计算机专业背景及康奈尔大学MBA学位 曾在埃森哲、亚马逊AWS、飞书和阿里达摩院担任重要职位 具备技术、商业与战略复合能力 [10] - 在亚马逊AWS期间负责Elastic Beanstalk产品 实现年收入2亿美元规模 在飞书主导AI搜索与用户增长模块 在阿里达摩院推动千亿参数大模型落地行业应用 [11][12][14] - 2023年6月创立未来式智能 定位智能体赛道 成为国内首批深耕Agent领域的企业 并参与工信部智能体平台行业标准制定 [20] 行业机遇与市场定位 - 2022年底识别企业级智能体机遇 当时中国亲手训练大模型者不足100人 能应用于生产环境者不足1000人 与企业普适性需求形成巨大鸿沟 [1][15][16] - 公司愿景是让全球10亿知识工作者提升10倍效率 通过智能体重构工作流消除机械性任务 [2][31] - 优先切入能源（如电网）和金融行业 因需求刚性、付费能力强且业务复杂度高 电力行业在阿里云18个行业中收入体量最大 [5][34][35] 技术实现与落地案例 - 智能体通过"流水线"模式重构知识工作流程：AI处理标准化任务 人类聚焦关键决策 实现效率指数级提升 [6][37][38] - 体育内容案例：AI自动抓取海外赛事→翻译打标签→生成多版本内容→人工审核 将生产时间从数小时缩短至分钟级 [7][43][48] - 工程审计案例：与青矩技术合作 通过数字审计团队实现全量检查 将6人月项目压缩至2人周 且覆盖率远超人工抽检 [51][56][58] 商业模式与平台战略 - 避免软件付费陷阱 采用按效果/结果付费模式 如按处理文件量或审计报告数量收费 实现与客户利益绑定 [8][68][70] - 打造"灵搭"智能体平台 降低构建门槛 让行业专家无需编程即可复刻知识为数字员工 形成双边市场生态 [62][63][65] - 远期目标为平台化生态 通过专家能力复刻实现规模变现 如顶尖律师可通过数字员工服务成千上万客户 [66][67] 技术挑战与未来方向 - 2023年面临底层大模型推理能力不足 通过垂直场景工程化弥补 2024年下半年GPT-o1和DeepSeek R1使推理能力达及格水平（60分以上） [22][24][25] - 当前核心攻关方向为Agent长期记忆能力 以及基于强化学习的后训练 使智能体持续进化超越人类专家 [80][81] - 算力封锁是严峻挑战 海外集群达20万张GPU 国内仅数万卡规模 需通过算法和数据努力弥补差距 [75][76][77]

活动概况 - 星连资本与智谱Z计划于8月31日在中关村举办Z DemoDay活动 展示24个早期AI项目 覆盖Agent、多模态、AI陪伴、生产力工具、AI4S、具身智能等赛道[2][3][6] - 活动吸引450位投资人参与 路演项目聚焦金融、法律、具身智能、教育、动漫、效率工具六大核心赛道 所有项目均具备AI Native基因[6] 项目融资阶段分布 - 24个项目中 天使轮阶段项目占比最高 包括阿米奥机器人、LATIOS.AI、Fortunetell AI等[38][43][52] - 部分项目已进入Pre-A轮及B轮 如奇点灵智(Pre-A轮)、6Estates(B轮) 显示不同发展阶段企业的共同参与[70][85] 技术领域创新 - 具身智能领域涌现突破性方案 阿米奥机器人专注工业场景柔性生产需求 BeingBeyond研发通用具身智能大模型 其Being-Dex系统降低90%真机数据采集成本[36][79][80] - AI4S(科学智能)应用深化 鑫研微末开发冷冻电镜+AI技术平台 深原质药利用AI算法开发生物大分子药物 部分项目进入临床阶段[38][98] 跨行业解决方案 - 法律科技公司幂律智能联合智谱打造法律大模型PowerLawGLM 服务数百家央国企及头部企业 获数亿元融资[61] - 教育领域创新密集 iOffer提供AI驱动的留学申请助手 奇点灵智推出AI英语伴学机器人 内测显示儿童用户高频次使用[53][68][69] 团队背景特征 - 多个项目由顶尖学术机构孵化 境瞳科技为中国人民大学信息学院首个孵化项目 趋境科技团队出身清华计算机系高性能研究所[56][73] - 国际化团队成为趋势 LATIOS.AI团队全部为海外大厂与名校背景 6Estates核心团队扎根东南亚市场十多年[42][84] 商业化进展 - 部分项目已实现显著用户增长 AiPPT.com全球拥有超2000万用户 国内垂直赛道排名第一[15] - 效率工具类产品降低用户使用成本 LemonAI将单任务成本降至竞品的1/10 星魄云渺将漫画产能从1周50张提升至500张[77][85] 技术架构突破 - 趋境科技首创"以存换算"技术架构 将大模型推理门槛降低10倍 解决方案性能超越同类4-20倍[71][72] - 天大智图构建440万实体的中医药知识图谱 显著提升问答准确率 项目已在药企、医院和科研院所落地[74][75]

产品核心特性 - 腾讯推出智能体框架youtu-agent，采用YAML配置替代代码编写的极简范式，大幅降低开发门槛，以前需要数百行Python代码实现的功能现在仅需几行YAML配置即可完成[1] - 框架基于开源模型和轻量级工具构建，在深度搜索与工具使用基准测试中表现优异，其中WebWalkerQA测试使用DeepSeek-V3.1达到71.47%准确率（新SOTA），GAIA纯文本验证子集使用DeepSeek-V3-0324达到72.8% pass@1[4] - 具备全异步特性并集成追踪与分析系统，支持自动化生成智能体，基于YAML配置可实现工具生成与优化，应用场景包括深度广度研究、网页生成及轨迹收集[9] 技术实现与性能 - 项目在GitHub平台获得超过2000个Star，关注度显著提升[8] - 框架搭建在OpenAI Agents之上，支持通过简单配置快速创建个性化AI智能体[2] - 提供预构建工具包和可视化功能，例如svg_generator示例可基于研究主题自动生成SVG信息图，展示强大的自动化处理能力[30][34] 开发与部署 - 运行环境要求Python 3.12+版本，推荐使用uv工具进行依赖管理[13] - 部署流程包括克隆仓库、配置国内镜像加速安装、设置API密钥等步骤，支持交互式CLI聊天机器人和Web界面两种操作方式[16][24][32] - 提供完整的API密钥申请通道和详细文档支持，开发者可通过官方GitHub仓库和文档站点获取技术资源[12][26]