先说结论
9 月 22 日下午的云栖大会「企业级Agent实践峰会」，是这场大会里离企业钱包最近的一场——七个小时、八组讲者（含圆桌）都在回答同一个矛盾：**当 Agent 从写周报的助手变成承接真实交易、参与投资决策、领工号上岗的「数字同事」之后，卡住企业的已经不是模型聪不聪明，而是工程、组织和账本这三样东西。**开场讲者、阿里云智能集团资深副总裁、公共云事业部总裁刘伟光给出的定调是：Agent 已经「不是我们今天所有做的工作的补充，而是帮我们完成我们做不到的事情」，未来评价一家企业是否真正拥抱 Agent，不看 Agent 本事多大，而看三件事——停掉它企业有没有影响、它能否独立闭环完成任务、企业有没有建设以 Agent 为核心的安全治理平台（以上为演讲观点）。满帮集团 AI 算法总监高艺铭用一句话补上了工程视角：生产级 Agent「上线仅仅是一个开始」——他「不太敢相信任何一个新上线的 Agent 能够打得超过二十分」。这并非厂商话术：阿里云 AIX 技术服务负责人施磊讲了一线组织故事（给公共云总裁做分身、两个月涌现六十多个数字员工），基元律动联合创始人兼 CTO 韩凯讲了 Harness 数据如何反哺模型（RSI 飞轮），贝壳首席算法科学家尹俊希与易方达基金首席信息官刘硕凌（转写「刘硕林」）分别代表了房产与金融这两个高确定性行业「保下限」的工程路径，压轴圆桌则直面「账怎么算、怎么管」。本文按回放时间轴（0—10381 秒）完整复盘全场，关键主张标注来源层级；演讲自报的效果数字未经第三方核验的均已注明。本场讲者所属公司与峰会本身经外部核验属实（量子位、观察者网对基元律动韩凯本场演讲的报道，2026 年 9 月 22 日；满帮高艺铭身份经中关村在线、时代财经核验）。
一、定调：Agent 时代的企业人机组织变革，以及「Agent Take the Cloud」
刘伟光的致辞值得完整记录，因为他把「为什么是现在」说清了。这是他的第十次云栖大会——2017 年他第一次登台讲容器化、分布式架构、云原生，如今自评「没有远见」：如果在 2017 年预测七年后会出现 ChatGPT、八年后出现通义、九年后出现世界模型，「可惜当年我没有那个 vision」。但他一步步见证了云、云原生、云和 AI 融合直到「AI is everything」的时代，并给出一个结构性判断：今天所有应用还是人编程写出来的，「我们会相信，在不久的将来，所有的应用，无论是 PC 端、手机端，都会由 AI coding 完成」——到那时云承载的就不只是既有老应用，而是全部 AI coding 出来的新应用，云因此成为 AI 的必备组成部分。他还引用了自己 2025 年 12 月 31 日媒体访谈中的预言：「2025 年所有公司在 AI 产生的收入，会低于 2026 年 AI 所有收入增量的百分之十」，并称这句话已经实现——今年全社会在 AI 上的消耗（无论 token 还是收入）远超 2025 年，「甚至说十倍到百倍」（嘉宾称，未找到原始访谈核验）。更关键的组织判断是：Agent 已从办公编程的补充，深入到千行百业的核心业务流程；阿里巴巴作为成立二十七年的公司，希望「用五到十年时间，把阿里巴巴所有业务……全部打造成一个以 AI native 为核心业务」的 AI native 组织——如果没有 Agent 深入办公、编程、研发流程，「这家企业是不足以称为 AI native 转型企业」。他还提醒 Agent 不是软件：软件不迭代就不会进化，而有效的 Agent 需要模型、harness 和数据三者共同演进，当前市场仍是同质化竞争，真正被认可的 Agent 一定「超越今天人类智慧工作的边界、能力的边界，或者是时间的边界」。
第二位讲者、阿里云公共云事业部副总裁、公共云解决方案总经理韩鸿源（转写「韩宏元/韩红元」）把这张大图落到企业需求侧。他的受众规模刻画是：国内约三千万程序员、约两亿白领，再加千行百业的生产系统（演讲自报口径）。三条应用主线各有各的「水面之下」：编程上，AI coding 的个人提效不等于企业提效，因为软件投产与研发全链路绑定，必须与 DevOps 流水线、CI/CD 有机结合，未来走向人介入越来越少的 AgentOps；办公上，他现场引用了前一晚（9 月 22 日）的美股行情——芯片股大涨，归因于 Meta 的 Muse 应用让大家看到 Agent 落地的扩散范围（经外部核验方向属实：Meta 于 2026 年 9 月 8 日发布个人 AI Agent 应用 Muse，Reuters、NYT 均有报道；9 月 22 日纳指创历史新高、存储芯片与 Muse 概念股联袂走强，见每日经济新闻 9 月 23 日市场观察；「CPU 股票」为演讲口误，应为泛指芯片股）；生产系统上，Agent 作为 interface 让「人适应软件」翻转为「自然语言指挥系统」。他抛出了本场第一个反直觉判断：当写代码变得容易，企业对技术架构的设计管控能力反而成为更重要的因素——「软件和程序是两件事情，程序是一次性写好了之后到处可以运行的」，而软件要经过持续检验，这个检验过程让 AI 实现起来比写代码难度更大。他同时给出阿里云的口号「Agent Take the Cloud」：云要从适应系统管理员和开发者，转变为适应 Agent 使用云。此提法并非孤立宣传——阿里云 2026 年 7 月 WAIC 期间即办过「Agentic Cloud：智能体时代的基础设施」论坛（经中关村在线、时代财经核验），本场多位讲者的基础设施叙述与之同源。
二、满帮：让 Agent 进入真实交易，先造一层「桥」
高艺铭（转写「高一鸣」）的分享是全场压力测试最实的一段，因为他站在交易真金白银的一侧。满帮是车货匹配的干线物流平台（经官网核验，满帮定位「中国干线运力的基础设施」，做「车找货、货找车」的智能化），几百万货主、几百万司机在上面找货发货。这个场景的两个特点决定了 Agent 化的难度：任务时间极长——司机除开车外一天要用三小时找货，货主委托一票货从发货、找车到跟单要一到五天；决策 stakes 极高——运费动辄几千上万块。他对「委托」的本质定义是全场被引用最多的概念之一：委托就是目标、约束和优先级，且随用户输入持续变化（「今天我要回南京，这票货可以接，但价格要一千五百块以上」）。他的行业史叙事把 Agent 的位置讲得很清楚：物流从线下（电话、物流园区小黑板）到互联网（信息上网）再到满帮过去十年的平台化（规模化供需、信用体系、在线交易、履约），但「用户在这个平台上最长时间的问题是怎么去做决策，而 Agent 第一次使得软件系统有可能承接帮助用户做决策这件事」。
他的核心论点是：生产级 Agent 没有定论，满帮的公式是「业务目标 × context × harness × runtime + evaluation loop」——「不能只看一个基座加 harness 就认为是 agent」，因为对企业最重要的是业务目标和自己的上下文；harness 解决弱模型解决不了的问题，runtime 解决大规模扩展，evaluation loop 解决二十分的产品怎么进化到八九十分。四个难题逐一展开。难题一是意图与知识：物流对话高度异步（用户连续补充、反悔、加条件），他们踩过的第一个坑是设计意图识别模块让主 Agent 下发单意图子任务——真实企业场景「根本不存在非常纯粹的单意图」，用户一句话往往绑定问答、执行和议价；知识上两个极端都走不通——纯靠基模不行（司机说「标箱」，大模型都答「厢式货车」，实际是拉标准箱的平板车，因为司机货主不写 wiki、攻略根本不联网），无节制注入也不行（内部文档里竟有教司机货主用心理学议价的，「我不觉得我们同学的心理学能力能够比大模型要强」，这类知识进入上下文整个系统劣化），答案是「很节制地生成真正模型不懂的知识」。难题二是规模化：第一次扩量到两千个 Agent，就把扛得住几百万用户的生产系统打崩了——Agent 的请求速度远超真实用户、二十四小时运行、大量调用工具接口，造成「请求海啸」；他的结论是「大规模商业化的 Agent 本质是一个高并发的系统，跟以前云时代的高并发非常近似」，状态持久化、按需唤醒、事件压缩、排队都要设计。架构答案不是重写旧系统，而是「两个生产系统、一层桥连」：传统系统保证确定性（货源发布、撮合、下单），Agent 系统处理不确定性（编排、A2A、human in the loop、统一记忆——司机货主的记忆必须全平台统一，「否则 A 优化了 B 没有得到任何收益」）；桥接层存在的理由有三个——鉴权、高风险行为管控（运费几千上万，出错即用户损失）、语义翻译（传统系统返回「二一九」错误 Agent 读不懂，应返回「缺少车长，并根据当前吨方建议十三米或十七米五」）。难题三是上线只是开始：以前 App 功能上线约等于完成百分之八十，Agent 上线才是种下一颗种子；每天几千个 bad case，一天上线几百个改动，「很快就会劣化成一个无法进化的系统」——他们的司机 Agent benchmark 涨到六十七分后再也上不去，就是因为系统债太多。他们的解法是双循环：外循环做业务指标与技术指标的对齐拆解（业务指标是留存时，优化指标是回复与执行正确率——但正确率从 20% 涨到 70% 时留存一直涨，过了 70%—80% 后正确率不再影响留存，此时必须重新对齐，否则优化方向完全错误）；内循环看过程不只看回复（有没有真的调工具、参数传没传对）、归因（能力、策略还是工程问题）、bad case 加 good case 形成 golden set 做全量离线回归，再灰度——而准入红线是加价、成交、电话「绝对不能出错」，因为「错误一次，用几百次的正确都无法挽回」。难题四是经济性：架构必须支持「水涨船高」——能轻松更换 harness 和推理模型，「每三个月 harness、基座模型都在发生巨大变化」；他们上半年换过一次基模，做得好的几个 Agent 直接成本降到原来的四分之一，做得不好的成本没降、准确率还下降——打满补丁的系统「再聪明也跑不起来」。满帮整体架在阿里云 Agentic Cloud 上（转写「Gentry Cloud」），用模型服务、算力、统一记忆与可观测设施；底层大量使用阿里云 Qoder（转写「Coder」，产品存在性经阿里云官方博客核验）解决数据安全与知识共享。最有余味的是他对护城河的回答：基模和 harness 只决定天花板，「数据本身都不是壁垒，经验本身也不是壁垒，而是能不能将数据和经验转化成自己真正的 Context」，形成自己的规则、Tools 和 Evaluation Loop；而产品心智也从平台时代「让用户多停留」翻转为「少刷货、少空驶、少电话、少熬夜」，「用户愿意下一次、再下一次把事情继续委托给我们，这才是我们真正的护城河」。
第一条机制链由此成立：Agent 第一次能承接「帮用户做决策」（而非信息撮合）→ 但决策意味着真金白银与高并发，请求海啸与语义鸿沟使 Agent 不能直接怼上传统生产系统 → 出现「两套生产系统一层桥连」的架构范式（Agent 管不确定性、工程管确定性）→ 二阶影响：企业竞争力从基模/harness 选型（只决定天花板）转移到把数据与经验转化为高质量 Context、golden set 与准入红线的能力 → 对读者的启发：让 Agent 进核心业务前，先建三样东西——桥接层（鉴权+语义翻译+沙箱）、全量回归的 golden set、明确到具体动作的准入红线；评估采购方案时问「你的评测闭环长什么样」，而不是只看模型跑分。（机制为嘉宾观点，架构细节演讲自报）
三、给 Agent 一个工号：数字员工的组织学
施磊的分享从今年六月讲起：他给阿里公共云总裁刘伟光（英文名 Patrick，公司里鲜有人知道）做了一个「领导力分身」Patrick。发布会视频里，Patrick 清晨把经营看板整理成早报送到管理者桌前，遇到数据波动一句指令就「自主找人调研、追问到底」，一句「落实」把任务与待办同步至执行人，周五结果回传形成闭环，每晚把实战经验沉淀进知识库自我迭代——「把一号位的领导力升级成整个组织的领导力。当一号位率先把自己数字化了，组织的变革就不再是喊口号动员，而是变成了大家的本能」。这段演讲的技术含量在 harness 三件事。第一是「像」：分身对话体验取决于像不像背后那个人——语义风格上像（钉钉听记加内外部发言新闻稿共一千多条语料，用大模型提取讲话风格、惯用表达、口头禅，写进 Agent MD、SO MD、Profile MD 等 Markdown 人格设定文件），业务判断上像（把管理者过往业务决策做成 few-shot，且要时常更新）。第二是自进化：长期记忆分三层——情景记忆（每天谁来找 Patrick 聊了什么）、语义记忆（事实与偏好，如最新产品特性）、社交记忆（对人和事物的画像提取，决定分身的判断），每晚自我反思、从当天对话做定向提取更新。第三是安全：Patrick 必须有自己的工号、作为独立权限个体存在——若与总裁本人共用账号，权限过大的隐患不可控；调用 MCP 工具采取零信任策略，所有调用做身份鉴权、身份信息贯穿链路，确保最终调用用的是「实际跟他对话的那个人」的身份而非公共账号。
但这场演讲真正的主题是组织而非技术。Patrick 六月上线，两三个月内在公共云事业部掀起了「数字员工」风潮——系统里有工号的 Agent 已有六十几个（自报）；他们把「有独立工号、有明确职责、能端到端完成任务」的 Agent 定义为数字员工。组织侧的三个管理实践比技术细节更有信息量：上岗审批——曾发生两个团队重复建设相似能力，若放任下去「单个数字员工越来越臃肿……最终只会得到一个个数据孤岛」，所以所有数字员工上岗需写清职责，由业务 TL 和 HR 共同审批；协作机制——通过 AI 网关把所有数字员工连起来，每个维护一份自然语言的「岗位职责说明」（像人的 JD），数字员工 A 遇到超出知识边界的复杂任务时，通过网络找到 JD 最匹配的 B 求助；复利效应——数字员工工作中产生的上下文包含企业最新信息，写回知识库，「参与的工作越多、回流的知识越多，这些知识又帮助数字员工工作得更好」。外部客户侧他也给出了路径观察：一号位率先拥抱 AI 会形成自上而下的示范效应；落地从后往前做——法务、财务、运营这类中后台岗位 SOP 全、文档多、收益明确；他举了一个零售客户的销售陪练案例，两步走：先把陪练 AI 化（产品信息生成陪练脚本、与多模态大模型语音对练、AI 打分），再封装成钉钉里有账号的数字员工，小组长一句任务指令，陪练专家顺着通讯录找到团队里需要陪练的员工开展对练、结果回传。收尾的三阶段模型与刘伟光的 AI native 组织呼应：第一阶段 AI 工具/copilot（所有输入输出经过人，人是效率瓶颈）→ 第二阶段数字员工（人变成数字员工背后的经营者与监督者）→ 第三阶段 human-agent 人机共生网络（从静态岗位分工转向围绕业务目标、按人与数字员工各自知识技能动态协作）。
第二条机制链：给 Agent 一个工号，本质是把「组织接口」而不是「技术功能」发给它——工号意味着独立权限个体、可被拉群、可被艾特、参与讨论并留下管理痕迹 → 个人提效不等于组织提效的症结在人这个瓶颈节点，数字员工绕过它 → 二阶影响：Agent 落地从技术问题变成管理问题——上岗要审批（业务+HR）、协作要 JD、知识要回流，否则重复建设出数据孤岛；一号位率先数字化自己成为组织变革的开关 → 启发：企业上数字员工前先补三份「组织文件」——数字员工岗位职责说明、上岗审批流、知识回流机制；先从 SOP 完整的中后台岗位做起，而不是从最炫的前台场景做起。（案例与数字均为演讲自报）
四、从 Harness 到 RSI 飞轮：轨迹数据成为模型进化的燃料
韩凯（公司名转写「机缘律动」，经核验为基元律动，2026 年 4 月成立的 AI 基础设施公司，8 月完成数千万美元融资，产品 TokenRhythm API 对标 OpenRouter）的分享把话题从「用好模型」推进到「喂强模型」。他的起点是业界共识公式 Agent = models + harness：模型决定智能上限，harness（上下文管理、工具调用、记忆、安全）保障端到端交付——「做一个 harness 有 AI coding 很简单，做一个好用的 harness 却很困难」，现有 harness 的三不足是上下文失控（主流 context window 约百万级，长任务溢出）、执行不可靠（工具调用报错如何校验修正）、成本不可控。基元律动的答案是开源微内核 harness OpenSquilla（转写「OpenSula/OpenSquila」，经 GitHub 核验：opensquilla/opensquilla 仓库，约 6700 星，Apache 2.0，2026 年 5 月创建）——极简核心 agent loop（react/planning 模式）保证稳定，上下文、工具、记忆、skills 全部插件化，配三级安全策略；四个特性是省（模型切换+上下文压缩+思维链分级）、多模型协同、Meta Skills 协议（在海量 Skills 之上加一层组织调度）、类人四层记忆（工作/情景/语义/原始，按需加载）。效果数字（自报）：在 PinchBench（转写「Pin Bench」，经第三方技术博客核验为 PinchBench，测发邮件、写文等办公任务）上成本降低 88.9%；在深度研究测评 DRACO（转写「DuraCo」，经 arXiv 论文 2602.11685 核验为 DRACO benchmark；演讲称其为「海外 Perplexity 推出」，与论文的学术 benchmark 属性有出入，待核）上千问 3.8 Max 接入 OpenSquilla 后超过海外顶尖模型（转写「OPPOs 4.8」疑为 Opus 4.8），最新组合拿到 63.1 分、比海外旗舰（转写「飞波五」，名称待核）高三个多点，而成本只有对方的三分之一。
下半场的 RSI（recursive self improvement，递归自我改进）飞轮是这场演讲的核心，也是满帮、贝壳、易方达三条线索的合流点。他的论证是：通用模型在企业级场景不是最优，原因有三——能力错位（通用语料训练，天然缺失交错式推理、长程任务链和环境反馈信号）、信号稀疏（高质量 Agent 轨迹难获取，人工标注难覆盖真实多样性）、飞轮缺失（模型不知道自己的问题出在哪里，「只有和 harness 结合、在真实的环境中运行，模型的能力才有真实体现，从而帮助模型本身继续改进」）。飞轮四步闭环：在阿里云 ECS 上批量构建隔离环境的 harness 与用户环境、规模化合成真实任务轨迹（信号产生）→ 结构化校验加六维语义评估筛选高质量轨迹（数据准入）→ 基于千问 3.5 的 4B/9B 做后训练（模型训练）→ 新模型放回 harness 在真实环境运行评估（回放）——四步循环迭代。算法侧做了三项 agentic post-training 创新：交错思考监督（不以单次 LM call 而以整个用户轮为训练样本，把轨迹内多次 LM call 加最后一轮思维链纳入监督）、三阶段课程学习（利用 harness 拿到任务难易度，从易到难）、路由引导的 OPD 蒸馏（teacher 对当前模型输出做 token 级监督）。效果（自报）：十项 Agent 任务上，NeoHorse-1 4B 比千问 3.5 4B 提升 5—6 个点，9B 提升 3—4 个点。这个模型经外部核验确有其物：科技日报 2026 年 9 月 9 日报道，基元律动联合无问芯穹与清华、北大、阿里等机构于 9 月 8 日推出首个 Agent-Native 模型 NeoHorse-1（4B/9B 两版本），定位正是「将 Agent 使用工具、接收反馈和修正错误的经验系统性转化为模型自身能力」；而演讲结尾预告的与阿里云持续合作也已被落地——据网易科技报道，9 月 23 日基元律动与阿里云在杭州签署战略合作，围绕 Qwen 模型与 Agent 应用的协同优化，探索「模型供给—场景评测—能力适配—迭代优化」协作链路。
第三条机制链：Agent 大规模运行后，harness 里沉淀的轨迹（含环境反馈与错误修正）成为稀缺训练信号 → 出现「合成轨迹→准入筛选→后训练→回真实环境评估」的 RSI 闭环，小模型（4B/9B）也能在 Agent 任务上大幅超越自己的基座 → 二阶影响：应用企业与模型厂商的关系被改写——贝壳把房产认知数据反哺千问、基元律动与阿里云共创，数据不再只是燃料，还是谈判筹码；「数据本身不是壁垒，能转化为 Context 与高质量轨迹才是」（高艺铭语）→ 启发：企业从第一天就该把 Agent 轨迹当资产管理——清洗、打标、沉淀为 golden set；这既是回归测试的尺，也是未来与模型厂商换能力的筹码。（数字为自报，模型存在性已外部核验）
五、贝壳与易方达：高确定性行业的「下限工程」
下半场两位讲者分别代表房产与金融——两个错不起的行业，他们的实践共同构成了对「上限叙事」的纠偏。尹俊希（转写「尹俊熙」；议程头衔首席算法科学家，LinkedIn 显示其为贝壳 Director of AI & Chief Architect）的开场提问是全场最有共鸣的一刻：「在座的有多少人，无论买房、卖房或者租房，没有被坑过的，请保持安静」——全场安静。他把这个体感拆成机制：信息不透明（贝壳平台化多年解决的就是这个）、决策空间海量、房子高度非标（刷房源列表很难找到数值最匹配的那套）、更难的是用户自己的需求——买房影响两代人，学区房决定孩子今天和一个家庭的明天，「选海淀和选朝阳完全不同的两种生活路径，甚至可能是人生未来不同的走向」。由此贝壳的命题是「不再是搜索，而是决策的智能」：理解人（需求画像 = hard constraint + soft preference + 随买房周期演化的心智变化）与理解房（知识图谱壁垒极深——「买中关村一小的房子，买的是哪所学校的入场券；住万柳代表什么圈层、孩子未来选择是什么」），方法是本体论（ontology）：回答「业务图谱本来应该长成什么样、房与房什么关系、什么人喜欢什么房、人房发生关系时什么因素导致决策」。他借最强模型（转写「Fable、Astra」，疑指海外顶尖 Agent 模型，待核）的体感说明智能的来源——「模型好懂你，是因为它在你之前见了大量的人……懂你的困惑，知道你在什么地方、接下来往哪走、会问什么问题」，把这种「引导和决策空间」抽象出来融入业务。工程侧的关键词是轨迹白盒化：买房是长周期决策链路，必须能回答「究竟做对了什么导致用户做了这个决策」——用户在任何场景的交互行为都作为自进化反馈信号，而轨迹中每一步「模型一定要 follow 检索的数据、知识可控、决策路径可控、guardrail 控制输出」；有了高质量轨迹才能做 post training（SFT/RL），而 RL 的经验之谈是「环境反馈往往是最重要的东西，构建业务场景下的反馈环境并不容易」——RL 已是系统性问题，不再只是 GRPO/PPO 范式的更新。他也回应了所有企业都逃不掉的成本问题：从千问最小参数模型到 Max/Flash 组成高效模型矩阵，分场景微调。值得记录的还有他对能力与约束的态度：「能力就应该野蛮生长，模型就应该不断发展边界」，但业务 harness 要保证精准需求理解与性能稳定——「帮用户做出反事实、反常识、略带惊喜的选择，同时保住下限，让用户产生足够的信赖」。
易方达基金首席信息官刘硕凌（转写「刘硕林」）的分享是全场最坦诚的一段，金句密度也最高。开场即自嘲：这是他第一次以嘉宾身份参加云栖，「连主持人都没有了，是 AI 叫我上来的」；材料很多是 AI 写的所以「内容都比较像」，到压轴讲技术「我的 agent 就变得比较弱了，小参数……做个 flash」。他先给出机构底色（嘉宾称）：易方达管理超四万亿人民币资产、近两亿客户（规模口径未核验到精确数字；公开数据显示易方达位列公募非货规模前三，2025 年末全行业 37.64 万亿元，新浪财经 2026 年 1 月）。他的四阶段用户观察极有参考价值：2023 年研究员把大模型当搜索框——那时很多人说元宝好用，但 benchmark 与内部判断不一致，后来发现「最重要的不是模型聪不聪明，而是数据源靠不靠谱」（老板发公众号文章让你评论，转给哪个模型方便、信源准，比模型聪明更重要）；第二阶段做深度研究报告，PDF 七八十页塞不进去；第三阶段 Agent/harness 出现后选择多了——他听过最好的用例是有研究员「镜像了一个自己的投资哲学」，在决策分歧或犹豫时跟自己对话、被自己反驳，「提升了一个境界」；呼应施磊，他做 CIO 第一件事也是做了自己的分身「数字 CIO」，想象大家会问 IT 项目进度、部门 budget，结果「问最多的问题是刘硕凌在哪儿」，为此开放了考勤数据。第四阶段（AI 驱动的研究体系）他明确说还没到——全球皆然，海外调研发现金融行业这轮不像过去那么快拥抱技术：一波激进投资 AI 企业，另一波谨慎认为 AI 带来隐患，「本质是 AI 技术在理性思考上有两面性」。他还主动碰了全场都绕着走的问题：算账——「作为金融企业是不可能不算账的」，AI infra 的投入到底给收入带来了什么变化？今年没有，明年会不会有？持续没有的话，「是不是又会是一次 AI 泡沫的破裂？」
工程细节上，易方达的企业级平台 eWork 经外部核验确有其物（财联社 2026 年 9 月 6 日报道：eWork 平台上可公开安装调用的 Skill 覆盖投研、交易、运营、销售、市场、合规、IT 全部核心业务条线，网传「上千个 Skill」不准确）。刘硕凌透露 eWork 三四月份就开始做，「如果是现在，满机场都是某某 work、某某 body，我们就不能叫 eWork 了」——「上古时代的产品，居然是今年上半年的」。架构演进也说得直白：第一版基于 OpenClaw（转写「Open Cloud」，疑为 2026 年初爆火的开源 harness OpenClaw），后来全面升级到千问系开源框架（转写「千问泡」，名称待核）——因为发现 OpenClaw 很多 bug 且「我们发现的 bug 没办法 merge 进主分支」，而新框架社区健壮性好、harness bug 少了非常多。金融级的取舍标准是全场最锋利的一条：要求四个九（99.99%）稳定性，「金融选系统不仅看上限，更多是看下限——上限靠人类完成，系统和平台保住下限」，任何 bug 都是「真金白银的损失」。成本侧的 KV Cache 实践朴素而有效：数据分析发现 50% 的人问的问题基本是「今天金融市场怎么样、帮我收集金融早报」，缓存后延迟和成本都大幅下降；模型侧走大小模型协同（联邦学习理念，数据不出域、外部教师模型定期迁移），并基于千问 4B 后训练了金融版语义理解（他们为此发了 paper，例：「老百姓大药房」这类词，转写「百姓大药房」疑漏字，通用大模型未必理解是上市公司），4B 训练成本可控，让合规与不出域场景真正能用。组织侧的金句是「skill 层是管理问题不是技术问题」——易方达的 skill 绝大多数由业务部门而非 IT 开发，靠一把手自上而下宣贯（几次大的 skill 推广都是董事长、总裁级别才能推动），内部 AI 大赛决赛由总裁带队当评委，给年轻人「逆天改命的机会」。治理侧他已经把团队转型：算法工程师转成安全专家、评测专家和漏洞防护——「Gartner 会上说 CIO 也叫首席保安」；他过去的工作是推动 AI 使用，「今天怎么驾驭这套 AI 系统、让它真正达到金融级别，是我后面唯一重要的工作」。skill 的生死机制也值得抄：上线做记录，两三周跟踪使用量，没有科学提升就淘汰——「不能像 App Store 两三万个放在那儿，用户对话时根本不知道后面调了哪些 skill」。
第四条机制链：房产与金融的决策容错率极低（错一次赔真金白银/人生路径）→ Agent 工程的重心从「跑分上限」转向「下限工程」：轨迹白盒化、guardrail、四个九稳定性、可解释、人可接管 → 二阶影响：高合规行业反而成为 Agent 工程方法论的输出者——评测尺校准、数据治理以用促建、skill 优胜劣汰、安全团队建制，这些方法可被低合规行业直接借用；而「宁愿用上一代技术」的保守也划出了 AI 泡沫论的现实边界 → 启发：判断自家 Agent 该做到什么程度，先问「这个场景错一次的代价」；代价高的场景，把预算从更大的模型挪到评测、观测与兜底上。（贝壳、易方达细节均为演讲自报，eWork 已外部核验）
六、圆桌：打通最后一公里后，Agent 的账怎么算、怎么管
压轴圆桌由极客邦科技创始人兼 CEO 霍太稳（转写「霍泰文」，经百度百科核验公司为 InfoQ 中国/极客时间运营方）主持，嘉宾为众阳健康产品研发中心总经理郭龙领（转写「郭龙玲/郭龙岭」）、小红书质效&AI 应用总架构师孟洪进（现场自述用化名「飞鸿」）、阿里云资深技术专家孙廷韬（自述化名「龙雾」，做 Agent Loop 研发）。霍太稳的开场故事把成本焦虑具象化：一位朋友上个月的 AI 应用有个开关没关，token 一直算，原本一万块能 cover 的账单超了三万（嘉宾称）。
观测先于优化。孙廷韬的回答层次清晰：企业要算清账，先要具备观测能力，「看得清楚，才能决定是否可以大规模使用」——第一层是基础指标（token 消耗、处理数据、延时），能看状态好坏但不能回答「是否真正解决了用户的问题」；第二层是轨迹信息，把 Agent 从黑盒变成可解释过程，token 消耗异常时能定位到环节，且轨迹经清洗、打标后「沉淀成企业的数字资产」；第三层要把观测与业务结果关联（Agent 说完成了，用户满不满意）。他特别强调「最基础的能力一开始就不能欠账」，高阶能力（Agent 自进化）可以后补——而阿里云产品已把观测做成开箱即用。评估的方法论更狠：过程指标比结果指标重要，因为「Agent 往往会撒谎，会取悦于人」——说帮你找到车了，实际根本没调 API；而评估的尺本身准不准需要校验：用轨迹沉淀的数据集校验，「与人类专家的评判标准达到 90% 以上一致性，才可以在生产环境使用」。他给出的跨行业结论是「有跨行业的方法，没有跨行业可以直接抄袭的答案，没有银弹」：标准各不相同（客服看问题解决与满意度、运维看稳定性、货运看车货匹配），但流程相通——观测→评估→归因分析→实验发布循环；三步骤是先定义成功标准与红线（「优化第一步不是降成本」）、再从线上真实数据找问题（优先高频、影响大、可衡量的任务；先干掉无效、循环、重复调用）、最后实验验证后逐步灰度。
成本治理的四个切面。孟洪进的分享是圆桌技术密度最高的部分。他先给了两个版本的架构目标——「人的版本」心酸：从「既要又要」变成「既要又要还要」（能力好、规模大、还要便宜）；「更有效的版本」是组织创新：面向经营单元的成本可观测——企业内 AI agent 项目多是技术团队发起、花的是技术预算，把这笔钱算清楚服务于哪个最小经营单元、该单元愿不愿意付钱、愿不愿意付更多，才能解决「钱从哪儿来」；有的业务团队愿意一个月付三百，成本在那个领域就不再是第一优先级。降本四切面：熔断策略（精细到人、天级甚至周级的 token 熔断，堵住非预期循环调用的纯浪费）；自研 Self GC——借鉴 JVM 堆对象管理理念，把 tool 调用与模型返回 message 当对象治理，判定某段资料在未来对话中被引用的概率，不大就隐藏、保留恢复指针，下次需要时 Agent 可恢复，「几乎效果无损」，线上小红书峰值 20% token 下降（自报）；LLM Router——每家企业大规模落地都该做自己的网关，按任务真实难度路由模型，「不要无脑用 SOTA 贵的模型」（他引新闻：Codex 的 Top Query 已经是「你说的太难了，帮我简化一下」），这一项 Auto 上线后约 69% 成本下降、用户反弹不大（自报）；自建算力利用率（敏感数据不出境的兜底）。他的三个月判断同样值得记录：团队已经没有真正手写代码、全部 AI 生成，但「质量不好，对架构的腐化非常严重……现在还没发生问题，一旦发生可能是无法想象的」，所以明确投入 verify 类 Agent 把控代码生成质量；而架构判断是「harness 不再有强门槛或壁垒」——年初 OpenClaw 是「token 时代的 iPhone 时刻」，加上 Codex 开源、DeepSeek harness，harness 未来不会成为瓶颈；应对是把 agent core 做成热切换、把周边（个人 memory、组织 memory、skill、tools proxy、LLM router）全部服务化云化，「业界有新变化，一周内完成全新 agent core 的平替上线」。霍太稳顺势追问：未来是不是再也不会出现《代码大全》那样谈优雅代码的书了？他答「理论上是这个目标」——但最终产出质量除 Agent 能力外，也取决于用它的人。
医疗的「不降本而降本」。郭龙领代表容错率最低的行业：医疗「不可能给你下错药、无缘无故开手术」，信号来自医生护士管理者主动要求智能体参与医院工作——从试点转为基础设施。他们的算账方式是把近千个应用拆解到每个场景（如门诊下诊断这条任务）：耗多少算力、输入输出是什么、哪些固定（国家指南、专科指南固化进参数）、哪些可减（按医患沟通语料筛掉不需要的信息）、输出提取哪些关键字段（诊断、医嘱、药品、耗材、检查检验）——「像每家都有一个电表，用了多少电能算清楚」。最生动的例子是人血白蛋白的用药规则：国家规定必须用于抢救/重症/癌症或肝癌、且白蛋白指标低于 30 克每升——但这个指标早上八点和下午两点在变，他们按疾病构建本体（概念、属性、调用方法）、把医生话语、护理话语和跨病种话语聚成针对单个患者的完整关系图，再用智能 loop 时刻监测指标变化（早八点低于 30 可用药、下午两点不满足就不用）。降本的前提是质量与合规：直接成本靠固定规则工具化、通用知识摘要缓存、任务按复杂度分流（复杂任务大模型推理、高风险医生接管）；间接成本的判据是「token 消耗高时医生的诊疗指标有没有降低」——降了就不能为降成本而降成本。未来十二个月的加减法也说得直白：加大投入的是患者生命相关、医生效率（让患者与医生沟通时间更长）、科研辅助与面向基层医疗资源不足的「数字医生」；要砍的是重复建设、尝试性 demo 和「不需要医生介入」的无人化方向——「前期喊无人化医疗机构的，现在很多都不喊了，因为对人的生命重要，都需要人的干预」。
第五条机制链：Agent 从试点走向规模化部署 → token 账单从「技术预算」变成「经营成本」，倒逼出观测-评估-优化闭环与四切面降本（熔断、无损上下文裁剪、难度路由、算力利用率）→ 二阶影响：预算主体转移（经营单元付费取代技术团队报销式投入）与治理主体转移（HR 参与数字员工上岗、skill 使用量决定生死、无人化叙事在高风险行业退潮）→ 启发：先建观测和评估这把尺（校准到与人类专家 90% 一致再上生产），再谈降本；降本顺序是先杀无效循环调用、再上下文裁剪与路由，而不是先换便宜模型；账要算到经营单元头上，让用的人付钱。（圆桌数字均为嘉宾自报）
结语：模型之后，拼的是桥、工号和电表
把八组讲者串起来看，这场峰会讲的其实是同一条产业链的三个层次：底层是模型与 harness 的 RSI 飞轮（韩凯的轨迹闭环、贝壳的轨迹白盒化、千问生态的反哺），中层是工程与组织（满帮的桥接层与双循环、施磊的工号与上岗审批、易方达的四个九与 skill 治理），上层是账本（圆桌的经营单元成本观测与四切面降本）。全场最一致的共识藏在意想不到的地方：没有一个人把赌注押在「更大的模型」上。满帮说基模和 harness 只决定天花板，贝壳说 RL 里环境反馈比算法范式重要，易方达说上限靠人类、系统保下限，小红书说 harness 不再是壁垒、要为一周内换掉 agent core 做准备——所有人的精力都投向了桥接层、评测尺、golden set、观测轨迹、组织制度这些「不性感」的资产。这大概就是「打通最后一公里」之后真正的行业状态：演示已经不缺了，缺的是让 Agent 在真实业务里持续待下去的工程与管理。接下来值得盯四个指标：数字员工会不会长出跨企业的管理标准（上岗审批、JD 协作是否产品化）；RSI 飞轮能否出现第三方可验证的公开基准（那是「轨迹资产」定价的开始）；LLM Router 与上下文 GC 这类降本技术会不会成为云厂商标配；以及高合规行业（金融、医疗）的 Agent 是否始终停留在沙盒——如果易方达们始终不敢把核心业务切出沙盒，而低合规行业又困在成本账本上，Agent 的「四万亿时刻」就还得再等等。用刘伟光的标准收尾最合适：判断一家企业有没有真正拥抱 Agent，别看它发布了多少智能体，看它敢不敢停掉一个、能不能闭环一件事、有没有建起治理一套的平台。
转写与核验说明：本文基于 260 段、0—10381 秒官方回放的完整本地转写（全文覆盖无缺段），讲者按议程时间对位校正。ASR 疑似错误已按议程与上下文校正：韩宏元/韩红元→韩鸿源、高一鸣→高艺铭、机缘律动→基元律动、尹俊熙→尹俊希、刘硕林→刘硕凌、霍泰文→霍太稳、郭龙玲/郭龙岭→郭龙领；圆桌孟洪进、孙廷韬现场自述使用化名「飞鸿」「龙雾」，本文按议程归属。经外部核验的关键主张：峰会与基元律动韩凯演讲《从 Harness 到 RSI 飞轮》（量子位、观察者网，2026 年 9 月 22 日）；OpenSquilla 开源项目与规模（GitHub，约 6700 星）、NeoHorse-1 模型 4B/9B 与无问芯穹等联合发布（科技日报，2026 年 9 月 9 日）、基元律动与阿里云 9 月 23 日战略合作（网易科技）；PinchBench、DRACO benchmark（arXiv 2602.11685）；满帮车货匹配平台定位与高艺铭身份（满帮官网、中关村在线、时代财经，2026 年 7 月 WAIC）；阿里云 Agentic Cloud 提法（WAIC 2026 同名论坛）；Meta Muse 发布于 2026 年 9 月 8 日（Meta 官方、Reuters、NYT）及 9 月 22 日 Muse 概念与芯片股行情（每日经济新闻，9 月 23 日）；千问 3.8-Max 云栖发布（量子位）；易方达 eWork 平台与 Skill 覆盖（财联社，2026 年 9 月 6 日）；众阳健康 27 年医疗信息化、服务 2000 余家医疗机构（齐鲁网）；极客邦科技与 InfoQ 中国（百度百科）。存疑与待核项：刘伟光 2025 年 12 月 31 日访谈预言未找到原始出处；易方达「超四万亿资产、近两亿客户」为嘉宾口径（公开可证其为公募非货前三）；PinchBench 成本降低 88.9%、DRACO 63.1 分、满帮换基模成本降至四分之一、Patrick 语料一千余条与六十余个数字员工、Self GC 峰值降 20%、LLM Router 降 69%、圆桌「一万超三万」等效果数字均未经第三方核验；转写「千问泡」（易方达现用框架）、「飞波五」「Fable/Astra」（海外模型名）、「A 算 Loop/Agent Loop」（阿里云评估观测产品名）、「DuraCo 系 Perplexity 推出」等名称或归属待核；「老百姓大药房」按转写「百姓大药房」疑漏字处理；众阳健康用药规则（人血白蛋白 30 克每升）为圆桌口述，未对照药典核验。