企业级 AI 比拼的重点在发生变化。
文｜任晓渔
编｜徐鑫
企业级 AI 的竞争，正在从 " 有没有 " 转向 " 能不能进业务、进组织、进决策 "。
过去两年跑得最快的个人助理，本质仍是员工个体的能力外挂——人不在，能力就停摆。而组织更迫切需要的，其实是用一个持续运行的 Agent，来规避将企业的关键能力与特定个体的物理 " 在场 " 绑定。
7 月 10 日的一场实操演练活动现场，40 位企业管理者用 90 分钟基于 Qoder 构建了数字分身，在关乎公司战略的决策场景展现出了 Agent 的落地能力。
90 分钟造出一个能上场的分身，靠的是一套已经成熟的标准底座。阿里云数字分身 AI Native 组织解决方案，正构建一套从模型、Harness 到数据的三层技术栈和组织基座，帮助企业跨越 AI 落地鸿沟。
重落地不炫技，数字分身用标准底座加样板间陪跑的组合，帮助企业走通 Agent 落地的 " 最后十公里 "。7 月 27 日，阿里整合旗下三款智能体产品推出的 " 千问办公 " 已开启测试，数字分身的能力后续将在其中开放。
一场实战演练，传递两大信号
" 上半年先打粮，抢下来再说。数据摆着呢，增速就在这。"
" 地基没夯完，你打什么粮。这叫赌博，不叫增长。"
这是一家 AI Native SaaS 公司的钉钉群内，两名高管围绕着公司战略有不同判断而展开的对话。一边代表了市场团队的声音，希望快速抢市场，另一边更关心产品研发进程，主张磨刀不误砍柴工，双方来回有理有据地交锋了近二十个回合。
你可能想不到的是，两个发言者都不是真人，而是一群企业高管和技术 leader 用 90 分钟在实战演练活动中 " 手搓 " 出来的数字分身。
7 月 10 日，在阿里云举办 Agent Go · 营地工坊北京奥森站闭门活动上，40 名来自不同公司的企业管理者们分两个阵营，现场把管理者的个性、知识和判断，装进了数字分身。
这两个数字分身参与的工作不再是大家熟悉的订日程、写周报这类普通的 " 办事 " 场景，而进阶到了关乎公司战略发展的关键决策环节。
没有 PPT，没有宣讲，这场规模不大的实战演练里，企业决策者体验了数字分身从 " 手搓 " 到能力展示的全流程，感受到了阿里云在 Agent 的多角色协作推理、信息博弈与策略执行中的能力后，他们还留下了不少追问。
决策者们最关注数字分身什么时候能进入企业真实的业务场景。有人甚至已经开始提需求：能不能直接用语音和数字分身对话。
而来自需求一线的互动，正真实地传递出一些新动向和信号。
第一，企业级 Agent 能力，正在从单点提效 " 打杂 " 进阶到 " 决策 " 判断环节。
数字分身不只会表达自己的观点，还会像下棋一样提前推演对方的落子，主动展开有策略的对话，共同为了公司的发展献计献策。而几十名企业管理者们用 90 分钟就手搓出来能实操的数字分身，又意味着当下头部厂商的 Agent 落地能力，正在进入规模落地的新阶段。
第二，企业要的不只是新鲜感，而是要把 AI 真正用到业务场景来。能复制关键位置的判断力更是切中了不少管理者的痛点。
两大信号本身，也与当下企业级 Agent 市场现状及发展趋势相呼应。
过去两年多来，AI 在企业里早已不是少数人的尝鲜，正越来越成为一股新的生产力。
在海外，各大市场分析机构的报告显示，无论是市场规模还是实打实的预算规划，AI 在企业级市场的渗透都在加速。
Gartner 预测，2026 年 40% 的企业应用将内置面向具体任务的 AI Agent，而 2025 年这个比例还不到 5%。IDC 预计到 2030 年，全球活跃 AI Agent 将达到 22 亿，Agent 还被定义为 " 新数字劳动力 "；麦肯锡的调研则显示，88% 的企业已在至少一个业务职能中常态化使用 AI，62% 正在试验或使用 Agent。PwC 在 2025 年 5 月对三百多位美国企业高管的调研表明，79% 的公司已经在使用 AI Agent，88% 计划因此继续增加 AI 预算。
在国内市场，同样的趋势也在发生。IDC 今年年初的数据显示，2025 年中国企业级 AI 智能体市场规模已达 212 亿元，预计 2026 年跃升至 449 亿元，2029 年有望突破 3320 亿元，年复合增长率 107%。中国信通院则判断，AI 已经正式进入 " 智能体（L3）时代 "。
一家企业级 Agent 公司创始人告诉数智前线，他们观察到，今年 Agent 在企业级市场的渗透比想象中来得更快。年初龙虾热潮教育了市场，许多客户早已接受了 Agent 概念，带着问题来找解决方案。同时，他观察到营收超过 1 亿的电商商家里已经很少有企业不用 Agent。
与此同时，企业用智能体的方式也在发生变化。该创始人提到，今年大量的企业的需求不再是员工个人单点应用，而是希望能系统地将 Agent 管起来，并且企业也逐渐探索在一些更核心的流程和业务场景里使用 Agent。
可以说，市场的水温已经变了——企业级 Agent 的竞争，正在从 " 有没有 "，转向 " 能不能进业务、进组织、进决策 "。
企业级数字分身，推动组织 AI Native 转型
随着企业级 Agent 落地从 " 要不要 " 向 " 怎么用 " 阶段转变，业界观察到，企业级 AI 比拼的重点也在发生变化。
实际上，过去两年，Agent 落地最快的形态是个人 AI 助理。它能搜资料、整理纪要、写报告、分析数据……对熟练使用的人来说，这些单点的应用带来的效率提升肉眼可见。
但不得不说，个人助理的工作方式始终是 "AI 协助某一个员工 " 的单点应用，它运行在某个员工的电脑上，任务由其发起，数据由其授权，结果返回给个人，更像个人能力的外挂，而不是组织里一个可以独立存在的角色。
一家 AI 零售领域服务商此前就告诉数智前线，单点用 AI 的方式还处在把 AI 当工具的阶段，AI 没有真正介入企业的业务和经营流程，自然也形不成数据与智能的飞轮，很难带来企业级的 AI 变革。
除了应用深度，个人类的 AI 助手应用到企业级场景，也有明显的局限性。比如员工休假，他的 Agent 就停摆；其他员工无法像找一位同事那样找到它、把事情托付给它；员工调岗或离职，它积累的知识、判断和工作上下文，无法被组织安全地继承。
这意味着，真正的企业级 AI 应该克服这些局限性。它不仅要会回答问题、调用工具、执行任务，还要了解组织关系、拥有连续记忆、支持自主协作，像一个数字分身一样，进入真实的组织关系网络中，持续接收任务、与同事合作完成工作并交付最终结果。
也是在这一理念下，阿里云的 AI Native 组织解决方案数字分身应运而生。
数字分身是按 " 组织成员 " 的标准造出来的，它懂得像关键位置角色那样理解问题，用知识，做判断。在企业的通讯录里，它有独立的身份、明确的组织位置、写清楚的负责人；权限按岗位授予、最小可用，行为全程可审计。
也正因为如此，它面向的核心场景，恰恰是一般的个人助手够不着的地方。
最典型的是复盘场景。一位高管每天能做的深度沟通存在物理上限，高质量的一对一，一天大约十人已是极限。而他的数字分身可以同时对员工做一对一复盘。判断框架与他一致，表达分寸与他一致，二十四小时在线，而且不会因疲劳、情绪等降低标准。这将使得深度沟通第一次摆脱了高层管理者的注意力上限，变成可规模化的管理行为。
再比如辅助决策场景，重要会议之前，数字分身按目标角色的战略框架可把背景资料、数据对比、历史案例备齐，让角色带着完整的决策素材走进会议室。它还能扮演团队大脑的角色，团队扩张之后，管理标准经过两三层转述就会走形，分身可以让标准无损地穿透到组织末端。它做过的每一次判断又沉淀为可检索的知识，新人入职、业务交接时不再依赖口口相传。
在服务客户过程中阿里云观察到，目前有三类企业对数字分身需求明显。
一类是最高管理者的精力成为组织瓶颈的成长型企业，管理者是公司最强的判断力来源，他们希望这种判断力能够复制。门店和区域快速扩张的连锁组织也有需求，它们经常随着组织的扩张而出现总部的标准层层衰减的情况，" 标准无损传递到每个末端 " 对企业有很强的吸引力。第三类则是知识高度依赖关键个人的专业型组织，咨询、律所、投研、技术团队，核心资产是少数专家的经验判断，一旦人员流动就面临断层，" 把专家的判断沉淀为组织资产 " 是这类组织提升核心能力的重要抓手。
这些场景和需求指向非常明显——组织 AI Native 转型的关键，不是给每个人发一个更聪明的助手，而是让关键能力不再绑定在特定个体的 " 在场 " 上。而数字分身从第一天起就按组织成员来设计，核心的理念也是让人的能力不被物理 " 在场 " 绑定，把 " 一个人的能力 " 构建成一个可运行的 Agent，推动组织在 AI 时代的能力跃迁。
同时，数字分身的能力也正在向更广的入口延伸。
7 月 27 日，阿里整合 QoderWork、悟空、MuleRun 三款智能体产品推出 " 千问办公 "，数字分身的能力后续将在其中开放。分身的能力正从一号位走向 " 每一位 " ——不被 " 在场 " 绑定的能力，将出现在更多人的日常办公入口里。
最后十公里，能落地见效才是真门槛
当企业级 AI 的战场从单点效率走向决策判断中心，能够在企业落地的数字分身，实际也对 Agent 服务商的能力提出了新的要求。
MIT 的一份报告显示，约 95% 的企业生成式 AI 试点，没有产生可衡量的损益影响，归因不再是模型能力，而在于 " 落地与学习的鸿沟 "。
为解决企业 AI 落地的挑战，阿里云数字分身解决方案构建了从模型、Harness 和数据的三层技术栈和组织基座，形成了一套完整的 Agent 落地底座，以样板间超市 + 陪跑模式，能让企业更快用上数字分身，同时确保数字分身能持续稳定地在企业内工作。
模型是数字分身的推理引擎，阿里云的数字分身解决方案可基于企业的需求和偏好，接入市面上的主流模型，满足不同企业在不同任务场景里的需求。
有了推理引擎之后，数字分身能否持续稳定工作，Harness 工程是确保它在具体业务场景中扮演一个可信、可追责、可协作的角色的重要一环。
比如，数字分身需要理解不同的角色的业务意图，当市场总监说 " 帮我看看这份方案 " 时，数字分身需要基于历史记忆、数据和组织的知识，明确界定到市场总监的岗位和职责，了解项目背景和任务目标的关键指标，才能完成完整的评审任务。
目前阿里云做了大量的工程工作，围绕着工具调用、记忆与上下文管理、任务编排及多 Agent 协作、约束与安全等构建了一个完整的 Harness 框架，确保模型在组织内按照企业的需求运转。
以记忆与上下文管理为例，模型的单次上下文窗口有限，在真实的业务场景里，数字分身需要记住三个月前与某位员工的互动，因此工程层面数字分身产研团队做了专门的工作来管理短期工作记忆与长期经验记忆的存取调度，确保数字分身在跨轮次、跨天、跨场景的行为一致性。
有了模型和 Harness，Agent 能化身为一个可靠的助手，数据层的能力则给数字分身注入了特定角色的 " 味道 "，让数字分身更有灵魂。
传统的人格刻画环节，数据注入过程需要采集数千条语料并进行微调，成本高、周期长。而数字分身团队转向了转向结构化的偏好刻画，通过一组精心设计的问题用结构化先验替代大规模拟合，极大降低了冷启动成本。
数字分身还需要具备专业能力才能真正处理专业场景任务，这就需要给数字分身注入特定角色所依赖的知识体系，比如产品文档、市场报告、财务模型、竞品分析、客户反馈、历史决策记录等多维度企业及个人数据等。
而依托于阿里云在数据层面多年的能力和积累，目前数字分身解决方案已经形成了一条完整的数据处理链路。
具体来说，原始材料经过切分与语义向量化后，存入向量数据库，形成可高效语义检索的知识库。当分身需要回答问题或做出判断时，系统先从知识库中检索最相关的材料片段，再结合模型的推理能力给出回应。
这个过程里，一方面阿里云 AnalyticDB PostgreSQL 向量引擎、DashVector 全托管云原生向量数据库服务等在向量数据处理上有强大的产品积累，能帮助更高效管理和检索高维向量数据。
同时，阿里云强大的工具链还提供了对象存储 OSS 作为底层文档仓库、阿里云百炼平台的知识库管理能力，能帮助分身的知识供给侧做到 " 存得进、找得到、用得上、能更新 "。
除了模型、Harness、数据三层技术栈，阿里云还为数字分身提供了一个完整的组织底座，让企业能管理数字分身的完整生命周期。它在通讯录中有独立身份，进入组织后企业可以按岗位和任务对数字分身授权。
可以看到，做好一个企业级数字分身，关键已经不在单点的技术炫技。
阿里云正把工程能力、数据以及组织底座做成了一套标准的能力，实现了数据、模型、IM 渠道、工程框架一体化，无需拼接多个外部厂商。对客户而言，这意味着更低的集成成本、更强的数据安全掌控、更稳定的长期演进保障。
值得一提的是，Agent 落地，阿里云还有一支有战斗力的技术服务团队，扮演从基模到客户现场之间 " 最后十公里 " 的陪跑角色，通过样板间打磨而非交钥匙的方式，带着企业一起跑通场景，跨越 Agent 落地与学习鸿沟。
正如信通院在一份报告中所言，接下来企业 AI 的竞争，已不再只是比模型有多聪明，而是比谁能把模型、企业知识、业务工具和管理流程组织成一套稳定运行的生产系统。
© 本文为数智前线（szqx1991）原创内容
未经授权，禁止转载
进群、转载或商务合作联系后台
文章精选
当 AI 成为生产力，蚂蚁数科建了一座 " 智能体超级工厂 "
高质量 Token 为何紧缺？AI 基础设施建设有三个新信号
登录后才可以发布评论哦
打开小程序可以发布评论哦