数字员工元年来了。
文：张沉浮
分享：周明
上关风，下关月，中关村。
中关村是中国科技创新的重要策源地，被誉为 “中国硅谷”。
上周，我去了趟中关村，听一位AI科学家的闭门分享。
“我认为这就是AGI了。从‘小龙虾’到‘爱马仕’，整个发展过程从大模型到智能体，再到自主可信的AGI发展路线。编程可以自主，执行任务可以自主，人类只要提出想法，AI就会拆解任务，自己编写或调用第三方Skill。可以说，数字空间里的AGI基本上就完成了，而且还会渗透到国民经济的方方面面，甚至到毛细血管。”
这个AI科学家就是周明，澜舟科技的创始人，他带领团队以AI原生架构和智能体工程为核心，打造数字员工，推动企业智能化变革，是兼具学术积淀与产业实践的AI领军者。
他曾执掌微软亚洲研究院，主导研发微软中日文输入法、必应词典、微软小冰等重磅产品，是国际计算语言学会首位华人主席，发表200余篇学术论文，谷歌学术H指数超80。
前几天AI圈流传“字节花近亿元年薪挖了一位deepseek95后研究员”，这位AI天才郭达雅，以前就是周明的博士生。周明作为中国NLP奠基人之一，培养了一大批AI人才。
闭门会上，周明还表示：“2023年随着ChatGPT的发布，我们进入对话式AI元年。2024年推理技术大幅度发展，我们称之为推理式AI元年。2025年智能体开始落地，我们称之为智能体AI元年。而今年，由于小龙虾的爆火，我们认为真正进入到数字员工元年。”
让我记忆深刻的，是周明重点分享的三个事情：
1）AI原生范式
2）智能体工程
3）数字员工元年
我试着，将这位AI科学家的最新实践和前沿洞察，编辑出来：
01
AI原生范式
第一个事情呢，就是“AI原生”。
大家都知道，过去做软件，都是围绕客户需求设计，然后编码实现。过去二十多年，软件的付费体系基本就是：做完一套系统，客户付年费或者一次性付费，后期想修改，难度非常大。
现在有了人工智能，大家很自然想到一个方向：在原有软件上增加一些AI功能，我们把这个叫“+AI”。
还有一条路，就是用“AI原生”的方式，重新构造软件。谷歌CEO也说过，所有软件都值得被AI重新构造一遍。
AI原生的架构很清晰：底层是大模型，中间一层是智能体，再往上就是各种Skills，然后对接各类业务需求。
用AI原生来做，就是从底层到上层，从设计、开发、到运营、维护，全部用AI思路重构，让AI真正成为软件的灵魂。
周明认为：未来，大量应用软件会被AI原生替代，数据库这类基础软件，则会变成AI原生的调用接口。
可以说，没有AI原生，大概率就没有现在这波创业机会。AI原生带来了前所未有的机遇，关键就看我们怎么把握住。
跟大家拆解一下，AI原生软件和传统软件架构到底有什么不同？
传统软件，一般分四层：
它最大的问题是：软件编完，功能和流程就固化了。想改就得重新编码，找开发商又贵又慢，业务人员自己根本改不动。
而AI原生软件也是四层，但逻辑完全不一样：
AI原生软件的好处非常明显：想加新功能，不用改架构，只需要调整数据、优化提示词或者做简单微调就行。甚至企业业务人员自己，就能对智能体做各种调整，加数据、改提示词，就能实现新技能。
02
智能体工程
第二件事，就是怎么把这个“AI原生”真正落地，这就涉及到“智能体工程”。
所谓智能体工程，就是根据客户需求，基于AI原生体系——底层大模型、中间智能体、上层各类Skills，把它系统化、工程化地构建出来。
过去两年，大家都在关注大模型本身：参数多少、有没有推理能力、编程能力、多模态能力。这些发展的都非常好。
但从今年开始，大家更关心：有了这些能力，到底能干嘛？比拼的不再是模型有多强，而是落地能力。
落地的核心，就是把智能体和企业业务真正联动起来，形成真正的业务架构。怎么做数据、怎么做上下文、怎么做提示词、怎么做驾驭工程，整体形成一套工程体系，实现可控、可信、可靠。
周明认为，这是大模型落地最重要的能力，也是企业真正的护城河。
由AI原生构建出来的智能体，已经成为一个全新的“生产力单元”。
一方面，它可以和人类员工并肩工作；另一方面，它自己就能独立完成一整套任务。你给它一个任务，它会自动拆解、定时执行、完成后汇总，就像一个真正的员工。
而且它是一个完整闭环：任务来了→拆解→执行→汇总→输出，下一个任务继续循环。你觉得结果不好，可以随时干预，给新指令、加限制，它下一次就会做得更好。
智能体工程并不是无中生有，它是一步步演进过来的：
1）最早是“提示词工程”，通过写提示词、设定角色、给出示例，让需求表达更清晰。
2）再往上是“上下文工程”，引入RAG企业知识库、叠加用户记忆、偏好画像，让模型决策更有依据。
3）更核心的一层，是“驾驭工程”。Agent ＝ Model + Harness ；Harness ＝ Agent - Model
驾驭工程，简单理解就是：“智能体 = 模型 + 驾驭”。
模型之外的所有控制部分，都叫驾驭。它主要解决几件事：感知控制：规定模型能看什么、不能看什么；能力控制：规定能用什么工具、不能做什么操作；行为规则：遵循业务逻辑和安全规范；错误恢复：出错时如何回滚、纠偏。
驾驭工程相当于给大模型戴上“缰绳”，解决它天马行空、容易跑偏的问题，让输出更靠谱、更稳定。还可以把它延伸到模型选择、技能选择、路由调度、省Token、保障安全可信，这一整套都属于驾驭工程。
03
数字员工元年
周明提到：“2023年随着ChatGPT的发布，我们进入对话式AI时代。2024年我们看到推理技术大幅度的发展，我们称之为推理元年。2025年智能体开始落地，我们称之为智能体AI元年。而今年，由于小龙虾的爆火，我们认为真正进入到数字员工元年。”
那么，究竟如何打造出一个企业能用的“数字员工”？
周明分享了一张图，并表示，这张图可以基本概括澜舟做可信智能体的全部努力。
根据周明的分享，从下往上看，一共是几层架构：
最底层是“基础层”，包括各类算力，支持私有化部署、公有云，也支持一体机方案。
再往上是“数据层”，包含企业数据、行业数据、互联网数据，结构化、非结构化、知识图谱，全部统一纳入。
再往上是“模型层”，有自研的模型，也有开源的模型，支持API调用，也兼容企业自有模型。
再往上是“工具层”，提供了一整套搭建智能体的能力：比如，“智搭”平台，让业务人员快速搭建智能体；大模型训推优化，包括微调、强化学习、推理加速，节省GPU资源；
还有提示词工程、记忆、RAG、OCR、ASR等一系列核心能力。
从“小龙虾”OpenClaw到“爱马仕”Hermes，最近一段时间，大家可以很明显地感觉到，自主式智能体正在带来变革性影响。
本质上，它改变了人和AI的关系：从以前把AI当成“工具”，变成现在把AI当成“伙伴”，这是从工具到“员工”的本质转变。这也不仅仅是个人助手，而是真正服务于企业，能够帮企业提升效率、解决实际经营问题。
想想一下：
这个数字员工的任务泛化能力不断增强。不再是简单问答，而是能交付最终结果。同时，能够打破时间和空间限制。他可以24小时干活，你在任何时间给它分发任务，都能收到他交付的结果。
未来企业里，“人类员工+数字员工”搭配协作，既改变了生产力，也改变了生产关系。
结 语
在现场，我向周明提问：“现在AI创投圈都在比融资/估值/市值。澜舟科技，面对资本的期待，和面对客户的需求，这两者哪一个更让您头疼？现在资本方更关注的是什么？客户方更关注的什么？以及是否担心过，过于追求应用落地/客户需求而牺牲了技术的想象空间？”
匿名用户
