开源模型加速智能体演进，企业AI落地仍需跨越“最后一公里”

摘要：随着Kimi K3等开源模型快速发展，开源基座与成品智能体之间的关系成为行业关注焦点。在产联社举办的交流会上，多位业内人士认为，开源模型不会简单替代成品智能体，未来竞争重点将从模型能力转向业务价值创造。

产联社编辑 卓玛

图片由AI生成

【产联社】“开源模型与成品智能体可以互补来用，但产业自己的智能体，还是要继续研发，完成最后一公里。”8月7日，在产联社举办的“开元浪潮来袭 开源基座VS成品智能体 企业如何低成本用好AI工具”交流会上，万联易达AI全栈高级工程师、前蚂蚁集团数字金融搜索算法负责人曾冠奇表示。

人工智能产业正在从“大模型竞赛”进入“智能体落地阶段”。随着Kimi K3等开源模型不断降低模型使用门槛，企业开始重新思考：未来是选择基于开源模型自主构建智能体，还是采购成熟的成品智能体？

在产联社举办的交流会上，多位来自AI企业、研究机构和产业服务领域的专家围绕开源模型与成品智能体的关系、企业智能体建设路径等问题展开讨论。与会嘉宾普遍认为，当前智能体产业仍处于探索期，模型能力只是基础，真正决定商业价值的是能否深入业务流程，解决企业实际问题。

开源模型与成品智能体可互补

随着大模型能力快速迭代，Kimi K3等开源模型发展是否会冲击成品智能体成为产业关注焦点。

对此，曾冠奇提出，企业距离真正可用的智能体仍有“最后一公里”。他以非标大宗商品交易为例：同一种商品可能因品牌、规格、品质和议价方式不同形成不同业务规则，通用模型或桌面智能体能够辅助写代码、写文档，却难以直接承担复杂的产业交易任务。“开源模型与成品智能体可以互补来用，但产业自己的智能体，还是要继续研发，完成最后一公里。”曾冠奇说。

腾讯云WorkBuddy高级产品专家苏磊认为，开源模型是否会冲击成品智能体，关键要看产品有没有搭建模型与业务之间的桥梁。

苏磊表示，面对持续迭代的新模型，成品智能体可以通过接入和编排，把不同模型能力分配到不同任务中。企业则要算清“经济账”：复杂推理可以选择能力更强的模型，简历筛选、材料整理等标准化任务未必需要最高规格的底座。任务拆得越细，模型选择和成本控制就越有针对性。

中国互联网络信息中心AI专家商钰滢认为，开源带来的直接冲击，更多落在智能体开发者和厂商一侧；未来竞争重点可能“从谁拥有一个更强的模型，转化成谁能够把一次业务完成得更好”，并把模型调用转化为真实业务价值。

中国移动聚智智能体平台技术负责人、项目总监朱永北则认为，开源对成品智能体的影响要分短期和长期看。短期内，更多开源模型和开源智能体会改变成品产品原有的词元调用和商业经营方式；长期看，成熟的开源模型、框架和工具又会被成品智能体吸收，反过来推动产品迭代。他同时提醒，智能体行业仍处于起步期，当前最基础也最困难的任务之一，是把多个成熟软件稳定连接起来，形成可在生产环境中运行的AI工作流。

企业智能体自建还是采购，关键在场景、人才与成本

针对企业应该自建智能体还是采购成品智能体的问题，多位嘉宾认为，企业规模并不是决定因素。

朱永北认为，企业决定自建或采购更重要的是看企业有没有一个成熟、稳定、可以验证价值的场景，以及有没有懂AI又懂业务的人才。

苏磊把企业落地路径概括为需求、角色、流程和投入产出四个环节。他表示，企业首先要足够了解自身业务，明确瓶颈究竟在费用、营销、行业研究还是其他环节；随后把问题拆解到具体角色，与产业、财务等部门对齐规则，再为项目设定时间窗口和验收标准。最终还要回答一个现实问题：消耗的词元和算力，究竟节约了多少人力、创造了多少价值。只有把ROI算清，智能体项目才可能形成持续迭代的良性循环。

曾冠奇则把视角投向数量庞大的细分产业。他表示，通用智能体可以提高办公和编程效率，但小行业中的企业往往需要一个真正理解上下游、供应商、产品规格和区域产业链的垂直智能体。这类需求可能没有现成产品可买，单个企业又未必具备完整研发能力，因此产业服务方围绕行业知识进行定制，仍有不可替代的空间。

从模型安全和治理角度看，商钰滢提出，企业是否自建应至少考察四个变量：数据是否敏感、是否有专业团队承担后续维护升级、业务是否具有通用产品无法覆盖的差异化，以及自建成本能否被调用规模摊薄。她同时强调，私有部署并不天然意味着更安全。上线前安全测试、运行日志留存、权限管理、风险修复和后续审计都需要专业团队支撑；如果企业只有部署能力而缺少持续治理能力，私有环境中的问题同样可能带来严重后果。

企业如何自建：先验证，再共创，最终形成内生能力

哪些业务场景值得企业投入自建智能体，哪些情况下没有必要重复造“轮子”，企业如何自建智能体？

苏磊建议，企业可以先借助成品智能体梳理自身类型、规模、数据量和核心业务场景，形成知识库或业务流程建设的第一版方案，再通过多轮交互不断调优。关键是企业不能把工具给出的第一版结果当作最终答案，仍要判断其是否符合自身风格、业务逻辑和合规要求。

商钰滢认为，没有专业技术团队的企业，可以先在通用业务中使用成品智能体提升效率；对于与自身业务强关联的需求，则可调用开源模型，构建自有知识库和可复用工具，待场景和能力进一步成熟后，再接入企业接口完成更深层部署。

朱永北给出的判断是，短期应由工具提供方与企业共同梳理业务流程、矛盾点和真实问题，先跑通一两个有价值的场景；长期看，每家企业都需要培养自己的AI人才，并与专业领域深度绑定。工具提供方也不能停留在交付软件，而应与客户共同把产品用好。

曾冠奇则提出三阶段路径：第一步，用成品智能体试验若干业务场景，判断能否提效；第二步，围绕企业自身知识结构建设知识库和专属智能体；第三步，当内部智能体足够成熟后，再探索与外部网络和商业流程连接，为企业带来沟通、品牌和业务收益。

商务合作/报料请联系微信号：18801065284