当 70% 的人将拥有智能体，谁来给 AI 建底座？澜舟科技周明：大模型落地的最后一道墙是“可信 AI”
作者 | 王启隆
出品丨AI 科技大本营（ID：rgznai100）
企业级 Agent 这件事，已经越来越不像前两年的那种热闹了。
那时候大家比的是模型，谁更聪明，谁参数更大，谁在 benchmark 上跑得更高。到了今年，问题突然往下沉了一层。模型好不好当然还是重要，但企业真正开始掏预算时，盯着看的已经不是那张成绩单了，而是另一套更硬的东西，这个系统能不能接进业务，能不能接进组织，能不能被审计，能不能过安全和合规，出了错谁来兜底，跑起来之后成本怎么控。
4 月 16 日，澜舟科技 2026 春季媒体闭门沟通会在北京中关村公司总部举行。新智元、腾讯科技、第一财经、钛媒体、甲子光年、网易科技、创业邦、创业黑马、财联社、CSDN、新浪财经、搜狐、智能纪元 AGI、TechWeb、DoNews 等近 20 家媒体机构参会。创始人周明博士在这场沟通会上围绕一个主题展开分享，从智能体到数字员工的演进，可信 AI 技术如何重塑企业服务软件。
这场沟通会里，澜舟一次摆出来的东西不少，可信 AI 全栈技术体系，自研企业智能体 OS LangClaw，升级后的「三智」产品矩阵，以及一整套围绕企业级落地展开的方法、客户和商业路径。把这些内容放在一起看，会更容易理解这家公司这次真正想抢的是什么，不只是某个 Agent 产品位，而是企业把智能体真正接进业务系统之后，底下那套运行底座、治理框架和交付逻辑。
从模型竞赛走到 AI 原生，企业级市场的问题开始变了
周明博士在会上先把行业背景重新摆了一遍。按照他的判断，人工智能已经从前一阶段的大模型技术竞赛，进入 AI 原生应用落地的新阶段。政策层面，国家「人工智能 +」行动与「十五五」规划，继续把 AI 放在新质生产力的核心位置上。会上援引的一个判断是，到 2027 年，智能体普及率预计将超过 70%，到 2030 年达到 90%。
市场侧的数据也被放进了这套判断里。IDC 预计，到 2029 年，中国生成式 AI 市场规模将达到 450 亿美元，五年复合增长率为 48.0%。其中，金融智能体市场的年复合增长率将达到 82.6%。
这些数据背后对应的，其实不是一轮单纯的模型红利，而是企业服务软件正在被重新组织的可能。澜舟在会上反复区分了传统「AI+」和 AI 原生。前者更多是在既有软件外面叠加一层能力，和业务流程之间仍然容易出现脱节。后者则是以 LLM 和智能体作为底层架构，从设计、开发到运营重构整个系统，让 AI 真正进入自主决策、流程自动化和业务深度协同。
这也直接对应到企业级 AI 在 2026 年之后最现实的门槛。
2024 到 2025 年，行业还在更集中地比较模型参数和通用能力。到了 2026 年，模型是否能落到真实业务场景、是否能稳定运行、是否能被管控、是否能满足合规和安全要求，开始变成企业客户更直接的判断标准。
也正因为这样，可信 AI 和智能体工程成了澜舟整场沟通会里最重要的两个关键词。
可信 AI 对应的是一套企业级标准，在组织、业务、合规和安全边界内，让系统做到行为可预测、结果可解释、风险可控。智能体工程则被澜舟总结为把 AI 能力转成业务价值的工程方法，并拆成三部分，提示词工程、上下文工程、驾驭工程。前两部分解决的是意图理解和信息补充，第三部分「驾驭工程」（Harness Engineering）则被单独提到台前。
周明博士认为，驾驭工程更像智能体的控制中枢，围绕感知控制、能力边界、行为规则、错误恢复四个机制展开，处理的是企业在长程任务、多智能体协同和行为管控场景里最关心的可靠性问题。澜舟希望用这部分能力，把 AI 从「聪明」继续往「靠谱」推进。
一套可信 AI 技术体系，被拆成四层企业能力
围绕这套方法，澜舟把自己的可信 AI 技术体系拆成了四层。
第一层是企业智能体 OS，也就是 LangClaw。它被定义为数字员工的统一运行底座，支持自然语言转任务、跨系统操作、多数字员工协同、安全沙箱执行和全链路审计。
第二层是企业数字员工，对应 7×24 小时自主执行业务职责，形成「人 + 数字员工」协同的新模式。
第三层是企业大脑，核心放在知识管理、任务编排、记忆进化和安全管控上，用来支撑企业智能决策。
第四层是底层可信能力，覆盖数据全生命周期治理、低幻觉生成、四级量化评测和全链路安全架构，用来满足金融、央国企等高合规行业的要求。
在这四层结构里，LangClaw 是整场沟通会里被反复提到的核心产品。澜舟对它的定义不是一个泛化的 Agent 平台，而是企业智能体 OS，也就是企业内部数字员工的运行底座。它要解决的不是单个助手能不能回答问题，而是数字员工怎么被创建、怎么运行、怎么协同、怎么被审计，以及怎么在组织内部持续积累上下文和经验。
围绕这一层，澜舟在现场给出了比较完整的能力清单。
先是创建门槛。按照其表述，3 秒就可以生成一个专属数字员工，不需要安装，也不需要单独申请云容器，尽量降低企业开始使用时的动作成本。
再是运行形态。LangClaw 支持云端 7×24 小时稳定运行，也可以无缝接入飞书、钉钉、企业微信等主流办公平台，让数字员工直接进入企业已有的工作入口。
协同能力也是这套系统的重点之一。它支持从个人助手到团队协同的全场景赋能，也支持自动创建子智能体，通过自然语言调度多个智能体拆解并执行复杂任务。
记忆体系被设计成四层，平台层、员工层、任务层、用户层。澜舟想用这套结构解决的是数字员工如何在组织中持续进化，而不是每一次执行任务都重新开始。
安全和治理则是 LangClaw 另一条很重的线。现场提到的能力包括云端沙箱运行、密码泄漏防护机制、专属密码代理服务，以及细粒度执行审计。对于用户、渠道、任务、执行，全链路 Token 消耗统计和运行详情都可以被可视化。
技能（Skill）层面，LangClaw 预置了私有知识库、数据库查询、浏览器抓取等全链路能力，希望把企业内部数据、外部网页环境和实际任务流程连到一起。
「三智」矩阵，会议、知识和搭建三条线铺开
除了 LangClaw，澜舟这次也把「三智」产品矩阵重新摆到了台前，分别是智会、智库和智搭。
澜舟智会这条线，这次和影石 Insta360 联合推出了基于影石 AI 录音会议全向麦克风 Wave 的软硬一体化方案，覆盖从高保真拾音、录音到智能分析的完整流程。按照现场披露的数据，升级后的 ASR 平均准确率达到 97% 以上，声纹识别平均准确率达到 95% 以上，发言人识别也被作为卖点之一放在现场展示。围绕 AI 会议纪要，智会支持规范格式、要点提炼、逻辑重构和发言人总结。处理长音频时，1 小时会议文件大约 5 分钟可以完成。部署上，智会支持全流程私有化，后续规划里还包括专业词库管理和开放 skill。
澜舟智库对应的是企业知识管理。澜舟在会上把它描述为一套覆盖知识采集、知识治理、知识应用、知识运营全生命周期的能力，用来支撑低幻觉企业知识中台和企业个性化智能体应用。这次升级首先落在多源数据接入，覆盖文档、问答对、数据库、知识图谱和多模态数据。其次是知识标签能力，自动标签会覆盖业务类型、合规等级、风险类别、数据来源等维度，用来辅助更精准的知识分类。再往下是知识理解能力升级，围绕文本、复杂表格、图片、语音等多类型数据做深度解析和融合。围绕智能问数，智库支持 Excel 表格和结构化数据库的多表精准查询，现场给出的数据是金融理财测试集准确率达到 95.3%。围绕这条产品线，澜舟后续还提到开放智库 skill、智能校对、智能审核等规划。
澜舟智搭则是一套低代码智能体搭建平台，用来帮助企业更快定制行业智能体，降低 AI 应用落地门槛。
三条产品线一起，基本把会议、知识、智能体搭建这些企业最容易率先出现刚需的场景都铺了进去。与此同时，澜舟在部署形态上反复强调，所有产品都支持云端 SaaS 与私有化灵活部署，数据不出域、权限可管控、全流程可审计，用来适配金融、运营商、央国企等对数据安全和合规要求更严的大中型企业。
在行业解决方案部分，澜舟给出的落地范围包括金融、运营商、物流、科技制造等行业，并列举了几家已经合作的企业。
-
北京银行，对应的是「京信妙笔」智能会议工具，用来实现会议全流程智能化分析。
-
中移在线，对应的是智能客服体系重构。
-
中国外运，对应的是招投标智能体平台。现场给出的数据是，文件解析效率提升了 70%，初稿生成时间从小时级压缩到分钟级。
-
联想集团，对应的是智能问数系统，用来实现设备兼容性信息精准查询，并降低跨部门沟通成本。
技术端是 AI 原生、智能体工程和可信 AI，产品端是 LangClaw OS 加上「三智」产品矩阵，交付端包括私有化部署、定制化开发和全周期运维，销售端则继续聚焦大中型企业和腰部成长型企业，重点行业落在金融、运营商、央国企等高价值市场。
企业级 AI 最现实的几道题
到了媒体问答环节，现场的问题开始更直接地碰到企业级 AI 这门生意的现实部分。
资本期待和客户需求之间怎么平衡，是被先抛出来的一道题。周明的回答是，资本关注估值和壁垒，客户关注场景适配和 ROI。澜舟会继续走「技术 + 应用」的双螺旋迭代路径，用解决实际问题的方式反哺技术发展。
另一个问题是，Agent 从单轮问答走向更完整的自主执行之后，Token 消耗会不会明显抬高。周明在现场的判断是，趋势会继续从单轮问答走向全链路自主 Agent，Token 消耗上升是客观结果，但可以通过大小模型混合编排，以及云边端配合，去压缩整体成本。
围绕国内企业级 AI 市场，现场也问到了更难的一面。周明提到的现实约束包括需求碎片化、大厂竞争压力、技术和业务脱节，以及人才短缺。与此同时，大模型能力提升和成本下降，也在给这类公司带来新的窗口。
问到 OPC，也就是一人公司创业潮时，周明的回答并不浪漫。他直接说，OPC 创业成功率低本来就是常态。澜舟想提供的支持方式，是销售、营销、招聘等数字员工 skill，帮助创业者把非核心业务接出去，把精力留给核心业务。
Skill 生态也是现场被反复追问的一块。周明的判断是，行业 know-how 会逐步沉淀成通用 skill，并朝开源和生态化方向演化。企业在实际使用 skill 时，除了功能本身，还要同时看安全、Token 消耗和能力等级。至于 Skill 的评测，澜舟给出的口径包括功能完整性、安全扫描、防供应链攻击、Token 消耗和水平等级，并通过场景化测试与安全检测去验证质量。
往回看这场沟通会，澜舟这次真正想推进的，不只是几个产品名，而是一整套企业级 AI 的组织方式。
模型之外，企业真正开始掂量的是另一套东西，系统能不能接流程，能不能进组织，能不能稳定跑，能不能被治理，能不能交付，能不能长期算得过账。围绕这一层，澜舟把可信 AI 技术体系、LangClaw 这套企业智能体 OS、「三智」产品矩阵、行业解决方案和私有化部署能力串成了一条线。
如果数字员工这套叙事接下来还要继续往前走，企业级 Agent 最终争的也不会只是前台那个入口，而是后台整套底座。
（投稿或寻求报道：zhanghy@csdn.net）
推荐阅读：
Agent 垂直技术社区，欢迎活跃、内容共建。
更多推荐
0
0- 0
已为社区贡献25条内容
所有评论(0)