周红伟：Token出海，Agent进场：AI智能体管理元年，他们在复旦管院拆解企业级Agent实战

从“聊天”到“执行”AI只用了不到一年。以OpenClaw为代表的开源Agent浪潮正在把AI智能体从“极客玩具”推向真实世界。大模型竞赛的终点转向谁能率先让Agent嵌入供应链、融入决策流程、深入客户交互把技术变量真正转化为增长常量。AI智能体时代已至窗口期不等待共识。当Agent开始替人“做事”你是要做旁观者还是成为定义规则的人近日以“从OpenClaw到企业超级智能”为主题的交流活动在复旦管院政立院区举办信息管理与商业智能系张诚教授与拾象AIResearchLead、前字节大模型与前沿算法研发人员、AI产业链知名投资人钟凯祺从技术演进与产业落地两端切入聚焦企业级Agent从部署到协同的全链路实战拆解AI如何真正进入业务现场。企业级AI弃用率高达95%易用性才是Agent落地的“最后一公里”复旦管院信息管理与商业智能系教授张诚最近爆火的“养龙虾”让AI智能体从小众的“极客圈”真正走向了大众普及。信息系统领域美国学者FredDavis曾提出用户是否愿意采用新技术不仅取决于技术本身的性能更在于好不好用、能不能用。“龙虾现象”的真正价值在于它让大众第一次真正意识到AI智能体不是遥远的概念而是可以在日常生活、工作中直接调用的工具。过去一年学界与业界对AI落地应用进展普遍悲观多个研究报告调研指出当前企业级AI应用的失败率或弃用率为30%-95%。MIT研究显示企业AI项目失败多源于组织问题而非技术例如员工宁愿使用免费消费级AI工具也不愿用企业定制系统核心原因是易用性差距。而OpenClaw之所以引发广泛关注恰恰在于它在一定程度上弥合了这道鸿沟。它让用户以最低门槛体验到“AI可以替我做事”让原来大众只能隔岸观花的东西变成了足够简单、可本地运行、易操作人人都愿意尝试的工具。因此如果说2025年是智能体技术元年那么2026年就是智能体管理元年技术成熟度与低成本普及让管理落地成为核心命题。从技术发展来看Agent并非横空出世而是由几个阶段逐步演进而来从对话与问答到调用工具再到组合流程最终发展为多智能体协作系统。与早期AI主要替代重复性劳动不同Agent的能力在于理解任务、调用工具、做出判断并执行流程。这对应的正是许多中层岗位的核心职能。这也意味着一个新的管理问题正在浮现。当组织中出现大量具备一定自主决策能力的Agent时人类该如何重新设计分工、流程与权责边界。管理不再只是“人管人”而逐渐演变成“人Agent”的协作系统。同时商业环境也在发生结构性变化。首先内容与信息的价值正在被重构。随着越来越多用户直接通过大模型获取“答案”传统的信息入口如搜索引擎、内容平台等被绕过原始内容的生产者可能得不到应有回报这会削弱优质内容的供给激励长期可能导致信息质量下降。其次渠道正在重新集中。大模型正在成为新的流量入口与分发中枢这意味着新的平台型垄断力量可能出现。企业需要重新思考在Agent作为入口的世界中如何被调用、被选择而不是仅仅被搜索到。最后信任将成为更加稀缺的资源。当AI能够规模化生成内容、甚至被用于操纵信息时用户对信息真实性的判断成本上升可信来源与品牌的重要性反而被放大同时也催生出新的灰色空间例如通过“AI投毒”影响模型输出。这类行为如果失控将动摇整个信息生态的基础。从更宏观的角度看AI并不会自动让世界变得更好它只是重构了生产方式与激励机制。它既可能提升效率、创造新的商业模式也可能降低信息质量、放大不确定性。最终走向何处取决于企业如何应用它、社会如何约束它以及我们如何在效率与信任之间重新建立平衡。Token出海全球热卖AI时代的“通用商品”正在诞生拾象AIResearchLead、前字节大模型与前沿算法研发人员、AI产业链知名投资人钟凯祺中国大模型正在以“Token出海”的方式参与全球竞争。受模型能力持续迭代升级等因素驱动过去数月间各类大模型的Token消耗量呈现急剧增长态势。2026年第一季度行业整体Token消耗规模已接近此前一整年的总量。在这样的背景下中国开源模型展现出显著的领先优势。其中DeepSeek自研能力突出、技术布局完整其新版本大模型也即将迎来关键迭代阿里通义千问作为此前头部开源模型当前正着力构建面向C端用户的应用生态逐步推出外卖服务等生活化功能拓展模型的应用边界相比之下Kimi、MiniMax、GLM等模型的Token消耗主要集中于两大场景一是Coding代码生成该场景不仅Token消耗体量巨大且任务结果具备高度可验证性反馈信号密集能够为模型能力迭代提供高效支撑二是处理高价值任务普通模型以完成高难度任务为目标而顶尖模型则致力于以更低的Token消耗实现高价值任务的高效解决。目前行业整体正朝着任务价值持续提升的方向发展。从硅谷一线的行业动态来看AI领域留给年轻从业者的市场空间正在持续收窄。资深开发者普遍认可AI编码工具的工作效率已远超普通年轻程序员其部分能力甚至超越传统技术管理者。Coding已成为AGI发展的核心加速引擎Coding Agent彻底重构了程序员工作流程。行业从业者自主编写代码的占比从60%-80%降至1%-5%AI任务完成效率与成功率大幅提升。而在投资研究等知识密集型工作中AI带来的效率提升可达数十倍。中国模型的Token出海本质上是沿着海外顶尖模型的技术路径推进国内模型一方面持续开展自主迭代优化另一方面对标吸收海外前沿模型技术同时中国AI产业正致力于将电力与基建资源优势转化为核心竞争优势。尽管当前算力瓶颈问题仍较为突出但从中长期看五年之后中国模型在Token应用与消耗层面有望实现全球领先。围绕Agent的运行还会形成一套新的“管理范式”。智能体体系核心包含基础大模型与管控调度能力后者即近期备受关注的“Harness”概念。该词源自马术意指驾驭。在智能体语境下Harness指向如何有效调度多个智能体使其在已知环境中自主完成任务、评估自身表现并在此基础上实现多智能体协同。多智能体协同借鉴现代企业组织管理逻辑通过目标函数差异化的智能体相互制衡实现整体价值最大化同时提升单位时间计算资源利用率这是管控调度的核心价值。从更宏观的角度来看AI正在开启新的增量市场而不仅仅是对现有岗位的替代。在医疗、金融等领域AI能够承担以往因人力成本或能力限制而未能充分覆盖的工作例如持续健康跟踪、个性化服务推荐等从而扩展服务边界。这意味着未来的竞争不仅在于效率提升更在于谁能够率先定义新的需求与场景。