2026 年已过半AI 这半年发展最大的感触是Agent 已经改变了每个人的工作甚至改变了企业的协同方式和组织架构。上图选自火山引擎前两天的发布会我听了他们技术副总洪定坤分享的字节内部是怎么用 Agent 感触很深又顺着去搜了更多字节内部对企业 Agent 的判断汇总了 9 个非共识也就有了这篇文章。观察我身边的朋友几乎每家企业都在同时做三家事把自家的产品融入 AI 的能力鼓励并培训员工使用 AI 提效加入 Agent 工作流改变员工协同方式。在企业使用 Agent 这件事上最后还是要看模型和云服务厂商给的解决方案。火山引擎在模型侧有豆包、seedance、seedream 以及全线开源模型。在产品侧有扣子、TRAE、HiAgent、AgentSphere 一整套 Agent 产品矩阵。他们还有大量真实跑着 Agent 的数据样本谁在用、用得怎么样、烧了多少钱、效果如何。圈里多数声音都来自个人开发者但企业级 Agent 的数据全行业能拿到的就那么几家云厂商。看完两篇专访加发布会我提炼了几个企业结合 Agent 发展的非共识观点。先看一组数据。中等以上规模、较早做 Agent 的企业内部平均跑着 300 个 Agent。但这 300 个里到底是谁在用、烧了多少 Token、效果如何几乎没有企业能说清楚。总结几个关键词就是家底不清、成本黑洞、缺乏度量。还有一种现象叫日抛型 Agent搭出来的 Agent 的 DAU 小于等于 1。按 IDC 数据Agent 开发平台市场 2024 年 4-5 亿2025 年到了 20 亿张鑫预测 2026 年底到 2027 年会到 500-1000 亿规模。下面是他的几个观点和详解一、Agent 平台的主战场已经从开发转移到用人过去一年所有 Agent 平台都在卷开发零代码搭建、Vibe Coding、工作流编排、Skills、Agentic Loop。看起来谁都能造 Agent。张鑫的判断很直接能造和造好之间隔着一道巨大的鸿沟。他把 Agent 的全生命周期拆成四个域开发域、运行域、消费域、管理域。开发域是搭 Agent运行域通过 Harness 让 Agent 跑得更好记忆、知识融合、上下文管理、Multi-Agent 编排、意图识别消费域是好的交互和人机协同方式管理域是像管员工一样管 Agent做绩效考评、度量价值。很多公司只在开发域里卷实际上壁垒早就移到后三个域了。二、端到端流程才是真正的卡点这是张鑫给为什么 Agent 落地没想象中快的最直接解释。大部分企业已经能做到局部提效。代码生成环节接一个 TRAE 或 Claude Code从一小时降到 5 分钟。听起来很爽。但企业的端到端流程里可能有十几个步骤上下游的测试、发布、运维还是人工处理。如果只解决其中一个 AI 步骤上游下游还是卡着中间缩短的那 1 小时没有任何意义。这些端到端的系统集成看起来是脏活累活跟底层模型迭代相比没那么令人兴奋。但这才是真正做到大企业深水区Agent 落地绕不过的门槛。我看到这里特别有共鸣。身边好几个朋友的公司都在做AI 卷王那一个环节但整条链没动整体效率自然提不上去。三、Harness 不会被模型吃掉这件事行业里争论很多。乐观派认为模型一强所有中间层都会消失最后只剩模型加自然语言。张鑫的判断完全相反Harness 不会被吃掉。理由是 Harness 要解决六件事可控、可靠、可审计、可规模化、全生命周期管理、价值可度量。以当前 Next Token Prediction 的技术架构模型永远需要外部的交叉验证和行业知识。模型决定智力的天花板Harness 决定这个智力能不能在生产环境里安全、可控、可度量地发挥出来。从 Control 转向 Context Not Control。一步步控制 Agent 怎么走的机制会被模型逐渐吸收但那六个维度不会被替代。这个判断对企业的产品策略影响很大。信模型一强中间层就消失的今天就不该投入做 Harness。认同张鑫这套判断的Harness 反而是越早投入越好。四、Workflow 不会死会和 Agentic Loop 互相转化过去半年 Agentic Loop 火起来之后Workflow 已死的声音越来越多。张鑫认为两者会长期共存。理由是企业内部有敏态和稳态之分。强管控的任务用 Workflow 保证可靠性更发散的场景用 Agentic Loop 探索。更妙的是两者能互相转化一开始用 Agentic Loop 探索一个新场景跑出最佳路径后沉淀成 Workflow效率更高、Token 消耗更少。这一段我看完想了很久。它点破了一件事企业里真正能跑稳的是新老范式之间的转换桥梁单一范式都不够。五、软件不会被日抛CLI 化只改变入口最近圈里有种声音叫软件日抛论AI 一强软件就该重写老软件都该淘汰。张鑫认为软件日抛论有点脱离实际。企业 Token 成本在不断飙升已有工具不去利用还要重新搞一套非常不现实。他给的判断是 CLI 化不会吃掉软件但会改变软件的交互入口从给人用变成给 Agent 用。软件背后的逻辑和数据不变只是调用方式变了。这个对所有 SaaS 厂商都重要。你不需要被 AI 逼着重写一切但需要重新设计被 AI 调用的接口。六、别按职能给 Agent 分岗企业搭 Agent 的本能是按职能分营销 Agent、客服 Agent、HR Agent照搬人类组织的分工。张鑫管这种做法叫每个萝卜都拆一个坑。他认为这只是用提示词去约束模型能力结果是拆出了一大堆功能重叠的 Agent。他的判断是“组织去适配新的 AI 能力而不是 AI 适配现有组织。”他用自己 TRAE 团队的变化做例子。原来研发按前端、后端、SRE、QA、架构师、产品经理划分岗位。现在围绕一个产品用一个不大的团队、借助 Agent 端到端完成所有环节。TRAE 团队 94% 的代码已经由 AI 生成。横向职能在收敛纵向深度在增加。这件事如果成立意味着所有按职能切的 Agent 矩阵未来都要重新长一遍。七、超级个体不是终态知识必须沉淀到组织这一段我觉得最值得做企业的人想想。AI 让一个人能干过去十个人的事超级个体成了一个很性感的词。但张鑫的看法是超级个体只是短期形态长期不可持续。他给的理由是员工的流动和流失会把业务的上下文一起带走。知识跟着人走不跟着组织走这家企业就永远在重新学习。微软纳德拉前几天有句话其实讲的是一回事“你可以外包一项任务、一份工作但永远不能外包你的学习。”人贡献经验形成 SkillsAgent 基于 Skills 产出价值价值再追溯到人。人从执行者升级为 Agent 的优化者和管理者。把超级个体的知识转化成组织资产这是数字员工和个人助手的核心差别。八、监控员工训练 AI 是错的方向最近 Meta 干了件让员工炸锅的事给美国员工电脑装追踪软件记录键盘、鼠标、屏幕截图来训练 AI。1500 多个员工签名抗议CTO 自己也承认员工士气接近 20 年来最差。这事的心理学机制其实很简单。员工心里都有个问号我贡献的知识会不会被拿去取代我德鲁克 1959 年提知识工人概念时就说了体力劳动者可以靠计件和监控管理知识工人只能靠设定目标和给自主性来激发。监控键盘敲击和在流水线上计件是同一种思维。张鑫的落地心得跟德鲁克方向一致。第一先用现有 Agent 帮员工干掉重复琐碎的活让他先尝到甜头。第二让知识贡献和个人回报可见可衡量。你孵化出四个数字员工它们产出越多归因到你身上的也越多。他用一句话总结“企业主和员工要互相给安全感。”我觉得这句话讲得特别到位。技术问题反而不难难的是怎么让员工愿意主动交出自己的隐性知识。九、未来商业模式会从按 Token 走向按业务效果过去一年 Agent 平台讲的故事基本都是我们调用量翻了多少倍、“日均 Token 多少万亿”。这些数字 CEO 听不懂也不在意。CEO 真正关心的是“我今年投了 100 万做 Agent 项目到底带来了多少业务收益”张鑫提出的概念叫从 Agent 管理上升到数字员工经营。把数字员工的生命周期拆成招聘、上岗、进化、退岗四个阶段配上四张看板全局概览、业务产出、产物评分、投入成本。更远一点的判断是商业模式本身的演化。Agent 收费会经过三层按资源GPU 卡时、按 Token、按业务效果。现在大家都在第二层。但按 Token 收费有个盲区同样 100 万 Token用来闲聊和用来做芯片设计业务价值天差地别。未来一定走向第三层按产出了多少可用代码、多少可用视频时长、节省了多少人力工时收费。更前沿的一批企业已经在做了把 Agent 从软件预算转向人力预算。这件事如果普及是企业 AI 整个商业模式的重构。所有今天还在卷调用量的厂商未来都得重新讲故事。最后企业用 Agent 这件事已经从工具好不好进入组织行不行的阶段。去年大家拼模型、拼框架今年开始拼经营、拼组织、拼 Harness。至于个人和中小团队我自己的体感是不能只盯着新模型新工具。先想清楚两件事你搭的 Agent 产出是否可衡量、有没有沉淀到组织里。这两件事做不到AI 工具用得再多最后也只是给自己一个心理安慰。学AI大模型的正确顺序千万不要搞错了2026年AI风口已来各行各业的AI渗透肉眼可见超多公司要么转型做AI相关产品要么高薪挖AI技术人才机遇直接摆在眼前有往AI方向发展或者本身有后端编程基础的朋友直接冲AI大模型应用开发转岗超合适就算暂时不打算转岗了解大模型、RAG、Prompt、Agent这些热门概念能上手做简单项目也绝对是求职加分王给大家整理了超全最新的AI大模型应用开发学习清单和资料手把手帮你快速入门学习路线:✅大模型基础认知—大模型核心原理、发展历程、主流模型GPT、文心一言等特点解析✅核心技术模块—RAG检索增强生成、Prompt工程实战、Agent智能体开发逻辑✅开发基础能力—Python进阶、API接口调用、大模型开发框架LangChain等实操✅应用场景开发—智能问答系统、企业知识库、AIGC内容生成工具、行业定制化大模型应用✅项目落地流程—需求拆解、技术选型、模型调优、测试上线、运维迭代✅面试求职冲刺—岗位JD解析、简历AI项目包装、高频面试题汇总、模拟面经以上6大模块看似清晰好上手实则每个部分都有扎实的核心内容需要吃透我把大模型的学习全流程已经整理好了抓住AI时代风口轻松解锁职业新可能希望大家都能把握机遇实现薪资/职业跃迁这份完整版的大模型 AI 学习资料已经上传CSDN朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】
