2026年的AI叙事，正在被一个词彻底改写——Agent。

从Devin、Manus到Claude Code，AI用半年时间完成了一次身份切换：它不再只是“会聊天的助手”，而是开始以“能交付的同事”姿态走进生产流程。当Agentic成为新一轮行业共识，所有从业者面前都摆着同一道题——个体如何与Agent共生，组织如何被Agent重写？

6月24日，MWC上海现场，阿里云“AI生产力LIVE”直播请来三位站在AI最前线的青年专家——上海人工智能实验室青年领军科学家、大模型中心负责人陈恺，悟空团队负责人束骏亮，Qoder产品解决方案总监刘欣——分别从科学大模型、智能体协作、生产力工具三个维度，把答案摆上桌面。

下一个五年，AI最大的跃迁是“更自主”——自主交互、自主进化、自主设计下一代AI。

陈恺表示，国外团队不太在意算力利用率，国内团队却被算力约束倒逼着从架构与训练算法层面追求效率最优——用更少的算力，逼出同等的智能产出。这是中国大模型团队共同的破局逻辑。

在演进路径上，他不押注单一方向。Scaling Law远未见顶，但他更看好通专融合：以科学数据的高密度提纯，让模型尽快在化学、生命、材料等领域形成数据闭环。慢思考模型则呈现出一条反直觉曲线——“从短到长，再到短”：先把推理过程做长以提高上限，再把推理算力压回去，让智能水平与运行成本同时优化。

谈到Agent落地，他点破了行业最大的认知错位——Demo与生产之间，隔着一道鸿沟。Demo三次成功一次就够炫酷，企业级Agent三次失败一次就不可接受。即便是GPT、Claude在Agent Benchmark上也只有五六十分，可以做演示，却不敢托付严肃生产。突破口在两条腿走路：模型本身具备稳定的长程任务执行能力，工程化手段同步对不确定性兜底。

编程Agent率先突围，是因为同时占齐了三张牌——海量冷启动数据、完美反馈验证、用户轨迹回流。这套范式能否复制到其他领域，是AI for Science产业化的关键追问。

面向未来五年，陈恺只用了一个词概括判断——自主。AI将真正学会与环境自主交互，并最终走向自进化，由AI设计与训练下一代AI。而“书生”要做的，是在通专融合的路径上，长成科学家桌上的“科研基础设施”。

Agent的下一步不是“更能干”，而是“更会协作”。

束骏亮的产品哲学，可以压缩成一句话——面向六个月以后的AI能力，去构造今天的产品。

传统软件按稳态功能规划，智能体产品却必须预判模型演进的速度。今天精心打磨的形态，半年后很可能被新一代模型能力直接颠覆。MuleRun团队从去年5月组建至今，赌对了两件事：不做拖拽式Workflow，以及笃定Coding Agent是一个非常好的General Agent底座。

由此延伸出的设计准则是“从场景出发，而不是从功能出发”。AI时代不能给Agent乱加功能，要给它足够的自由度去自主完成长链路任务；同时在底层加护栏——检查交互中的敏感信息，识别Plan中的不可逆操作，提前征求用户同意。“自由度 + 护栏”，正是用户从“好用”到“敢用”的信任跨越。

他分享了一个极具张力的案例：平台某日用量激增，溯源发现是同一个人控制了约2000个账号。这位用户不懂技术，却凭MuleRun的Coding能力搭出了一整套自动化平台——账号注册、群控、任务分发、结果回收，甚至带有完整的Memory系统。这个故事的张力恰在两面：Agent释放给普通人的能力上限，远比想象中高；产品的安全对抗，也比想象中复杂。

他把Agent演进切成三层：最早是Copilot，人主动求助；之后是Super Agent，端到端完成任务；下一步是协作：人与Agent协作，Agent与Agent协作。

在他看来，个体提效已不再是瓶颈，研发与流程的协同才是新的瓶颈。6月1号发布的Message功能正是为协作而生：同事写完代码不必再找到你，直接跟你的Agent说一句“帮我Review并发上线”。当企业流程能靠Agent转起来，7×24不休息、效率是人的成百上千倍的超级组织才真正成立。

协作时代的最大难题不在模型，而在启动。“飞轮惯性很大，第一推动力最困难。”悟空的优势在于长在钉钉这个协作平台上，已经握住了那把启动钥匙。他在直播间正式预告——七月，MuleRun与悟空两大产品能力合二为一，协作的Agent时代正式开幕。

AI落地的第一推动力，是“每天30分钟”使用AI养成的新习惯。

刘欣开场就把QoderWork与聊天类产品的边界划清楚——Chat跟你聊天，Work帮你干活，这正是AI从“对话助手”跃迁到“数字同事”的产品分水岭。

他用一份企业618大促复盘报告拆解了QoderWork的“专家套件”三层架构。底层是工具层，承担数据抽取与治理；中间是知识层，承载企业自己的指标口径与术语体系，让AI说“企业自己的语言”；上层是方法论层，内置杜邦分析、漏斗分析、归因分析等分析框架。

一句话总结这套关系——“Skill是一把螺丝刀，专家套件是一整套工具箱”。

针对企业最焦虑的大模型幻觉，他的解法不是让模型“更聪明”，而是用结构化机制替代幻觉。以法律诉讼专家套件为例，底层接入权威法律数据库与企业信息平台，中层沉淀行业方法论，上层用场景化Skill完成交付。靠机制，不靠运气——这正是企业级AI从“能用”走向“敢用、可托付”的关键。

更值得品味的，是他的企业落地三步法。他直言技术从来不是企业推广AI的最大障碍，习惯才是。第一步，让所有员工每天花30分钟在QoderWork上完成一个具体任务，不限Token，先把使用习惯立起来；第二步，让岗位上的优秀个体把工作流程沉淀为Skill，变成公司资产；第三步，攻坚高价值场景——那些过去依赖外包人力的重复工作，交给Agent立竿见影。

落到产品终局，刘欣给出八字定位——“成就超级个体，打造超级组织”。一个人带着五个、十个Agent干活，产出是过去的二十倍，专业分工的边界会被击穿；人与Agent构成的"碳硅共生组织"，才是真正意义上的超级组织。

当前，人工智能已经从通用对话迈向智能体自主执行的全新范式。全栈技术体系与产业级落地能力，正成为衡量一国AI竞争力的核心标尺。面向Agentic时代，阿里云将继续夯实技术底座，为开发者与企业客户提供从模型、Skill到Agent的基础设施，加快推动智能体走向“可托付的生产力”，让中国AI创新之路走得更稳、更远。

免责声明：市场有风险，选择需谨慎！此文仅供参考，不作买卖依据。

责任编辑：kj015

文章投诉热线:157 3889 8464  投诉邮箱:7983347 16@qq.com