过去一年，人工智能正从技术概念加速落地。如果说大语言模型展现了“智能涌现”，那么智能体（Agent）则标志着AI实现了从“感知认知”到“决策执行”的关键跨越。它不再是等待指令的工具，而是能够自主理解目标、规划路径并完成闭环任务的生产力单元。

传统经济以“人”为核心组织生产，而智能体的普及，意味着一种可规模化复制的“数字劳动力”正在嵌入经济循环。它们通过将隐性的工作流与决策逻辑封装成可调度、可进化的服务，推动企业核心竞争力从管理“人力资源”转向运营“智能体资源”。

举一个最普适的例子，当传统办公软件陷入功能同质化困境时，当复杂任务处理效率受限于人力成本与能力天花板时，我们应该如何应对？

在2026节点增长大会上，昆仑万维的董事长兼CEO方汉为我们展示了，AI技术如何成为产业增长的普惠力量。

去年，昆仑万维面向全球推出天工超级智能体（Skywork Super Agents），以“AI版Office”的产品定位，正式宣告“AI Office智能体时代”的到来。

作为集成昆仑万维多年AI技术积累的核心成果，Skywork由一系列核心AI模型支撑，从技术迭代到市场落地，其始终践行拓展AI生产力边界的理念，并通过模块化功能设计，使文档智能体、PPT智能体、表格智能体、网页开发智能体、播客智能体等核心功能成为提升办公效率的关键支撑。

《节点财经》还观察到一个小插曲，由于产品一度爆火，在5月GAIA智能体榜上，位居全球APP指数第一。随之而来的是用户争相涌入，团队不得不采取限流措施。

这一市场热度不仅印证了智能体需求的爆发性增长，更让我们看到：一个由智能体驱动的生产力变革时代，已经真切地来到了我们面前。

在智能体这一历史新进程中，我们不禁要问：智能体将如何重新定义工作的本质？组织架构会因此发生怎样的演变？哪些产业会率先被重塑，又将催生怎样的新业态与新机遇？

在2026节点增长大会上，昆仑万维的董事长兼CEO方汉进一步和我们一起探讨了，智能体将如何从“替代重复”走向“赋能创造”，如何从“工具角色”演进为“生产单元”，并最终重塑组织的核心竞争力和产业的价值分配格局。

核心观点梳理：

1. 智能体的本质：Agent的本质是对“可验证过程”的自动化，大模型擅长数学和代码，是因为这些领域拥有大量可验证的过程数据。

2. 过程可学习的产业化：Agent普及的拐点来自于“过程数据”的重建，未来所有重复性工作（过程可验证）都将被Agent替代，而人类将成为新过程的发明者和架构师。

3. 渠道与船票：通用Agent的渠道仍掌握在操作系统、浏览器等老牌厂商手中，没有自有平台和渠道的应用厂商很难建立长期优势。

4. 开源的商业价值：开源是最好的销售线索收集器（代码不会说谎），同时能解决长尾需求（如特定风格的文生图），帮助商业产品加速迭代。

以下为方汉演讲精编：

今天，很荣幸能在此与各位分享我们对于人工智能技术如何赋能产业增长的一些思考与实践。

昆仑万维成立于2008年，于2015年登陆资本市场。多年来，我们始终致力于全球化业务的拓展与创新。截至目前，公司全球平均月活跃用户约4亿，业务覆盖超过100个国家和地区。2023年前三季度，公司实现营业收入58亿元，其中海外收入占比达93%，体现了我们深厚的全球化运营根基。

公司的发展历经两个重要阶段：

• 2008–2015年，我们以网游出海为核心，积累了丰富的国际化经验；

• 2015年上市后，我们通过收购Opera、Star Mark等平台，实现了从游戏公司向互联网平台企业的战略转型，逐步构建起覆盖浏览、内容、社交等多维业务的出海生态。

自2022年起，我们全力投入AGI（通用人工智能）与AIGC（人工智能生成内容）赛道，目前形成三大业务板块：AGI与AIGC、信息分发与元宇宙、战略投资。我们在2022年12月推出了中国首个开源130亿参数中文预训练大模型，并持续推进全栈AI布局，涵盖芯片算力、模型研发与应用落地。其中，我们的音乐生成大模型「Mureka」已跻身全球领先行列，成为中国第一、全球第二的音乐AI模型。

目前，我们的AI产品矩阵——包括AI对话、AI视频、AI音乐以及短剧平台等——已在海外市场实现规模化落地，并获得积极的市场回报。这进一步验证了AI技术在全球范围内具备巨大的应用潜力与商业价值。

接下来，我向大家重点介绍我们的核心AI产品之一——天工Super Agents。

这是一款面向办公场景的智能体产品，致力于将AI能力深度融入生产力工具。它能够在5分钟内生成结构完整、数据翔实的30页PPT，也支持生成Excel、Word、播客脚本等多种格式内容。突出特点在于：

所有输出均附带可追溯的参考文献，从根本上缓解了“AI幻觉”问题；

支持多模态输出与个人知识库构建，可灵活适配不同行业与场景需求。

天工Super Agents自2025年5月发布以来持续快速迭代。目前，其海外版本已获得大量企业用户订阅，展现出强大的市场吸引力。

在研发天工Super Agents的过程中，我们逐渐形成一系列对AI智能体（Agent）的技术认知与行业判断。

首先，我们认为当前AI智能体的本质是“可验证过程的自动化”，而非真正意义上的通用人工智能。这一点从大模型的评测趋势中可见一斑：目前各类评测仍高度集中于编程、数学、奥赛等题型，正是因为这些任务具备“过程可验证”的特性——数学需要解题步骤，代码需要版本迭代记录。大模型通过学习这些过程数据，实现了一定程度的泛化能力。

然而，这种能力仍有明显边界。从ChatGPT到GPT-4，大模型经历了从“背答案”到“背过程”的演进，但其创新与突破能力依然有限。例如，面对全新的奥赛题型，大模型往往难以自主生成解题路径。其根本原因在于，当前技术仍依赖于对已有过程数据的学习，而无法真正“发明”新过程。那么，AI智能体何时能实现大规模产业化落地？我们认为关键转折点在于 “过程可学习的产业化”。

如今，不仅开发者能用AI辅助编程，越来越多的创作者也开始用AI工具辅助写作、编剧、设计等任务。这意味着，各行各业中那些原本依赖人类经验的过程，正逐步被结构化、数据化，进而被AI学习与复现。

就落地场景而言，我们认为两大方向尤为值得关注：

第一，AI Office。Office工具作为各行业通用基础软件，具有流程稳定、跨行业适用、结果可验证的特点，是AI智能体落地的天然场景。以天工 Super Agents 为例：当你输入一个议题，它便能像专业研究员一样，自动完成分解、检索、归纳与整合，最终输出为结构清晰的 PPT、Excel、Word 或播客脚本等多模态成果。

第二，垂直行业场景。医疗、金融、法律、制造等行业虽然需求迫切，但面临“过程数据稀缺”的挑战。以医疗为例，诊断决策背后的推理过程往往未被系统化记录，导致AI难以学习。因此，构建高质量、可泛化的行业过程数据集，将成为这些领域AI应用的关键前提。

回顾移动互联网时代，我们常将把握关键生态位比喻为“拿到船票”。如今看来，真正掌握入口的仍是拥有操作系统与硬件融合能力的厂商，如苹果的App Store、谷歌的Google Play等。进入智能体时代，我们认为通用智能体的核心渠道依然高度集中：

首先是操作系统，而这在国内往往与硬件厂商深度绑定；

其次是浏览器这一跨平台通用入口；再者是办公与通讯软件这类高频生产力场景；

而搜索引擎正面临ChatBot类(聊天机器人)产品的强烈冲击，未来两者很可能融合为同一形态的产品。这就是当前通用智能体的“渠道之争”。

若企业未能建立自有平台或渠道，仅作为应用提供方参与竞争，将难以构建长期的护城河。

与此同时，我们也观察到普遍存在的焦虑：AI是否将大规模替代人力？常有人以“马车夫面对汽车”作比，认为不适者终将淘汰。但我们认为这一视角过于简单。智能体的出现，更深刻地指向组织形态的重构。组织本为解决生产问题而存在，当工作流逐步转化为可验证、可结构化的数据时，每个岗位实质上成为智能体执行的“上下文”——正如现实中任务从分配、拆解、执行到验证汇报的链条，与智能体的工作流程高度相似。

因此，岗位正演变为智能体的执行上下文，而人才将转向成为新过程的发明者。大模型虽能泛化已知过程，但在可预见的未来，仍难以自主创造全新过程。人类的作用正体现在这里：我们将成为“过程的架构师”，持续创造可验证的过程数据，从而赋能各行业通过智能体实现降本增效。

关于岗位迁移，我曾认为所有可在电脑上完成闭环的工作都将消失，如今我的观点更加明确：所有重复性岗位终将被替代，因其过程可被验证、学习与复现；而涉及新过程创造的岗位将持续兴起，这正是当前AI尚未突破的领域。人类需承担起“教练”与“架构师”的角色，引导AI学习解决新问题的方法。

以AI编程为例，它并未取代程序员，而是将其转化为“AI编程教练”——不断指导模型如何编写、调试与优化代码。本质上，这是人类在帮助AI学习新的编程过程。由此推而广之，人类将在各行各业中扮演“过程架构师”的角色，推动智能体向更高阶的认知与执行能力演进。

以上，是我对AI智能体在实际应用中的一些思考与展望，与大家分享，谢谢。