从“聊天”到“执行”，AI只用了不到一年。以OpenClaw为代表的开源Agent浪潮，正在把AI智能体从“极客玩具”推向真实世界。大模型竞赛的终点，转向谁能率先让Agent嵌入供应链、融入决策流程、深入客户交互，把技术变量真正转化为增长常量。
AI智能体时代已至，窗口期不等待共识。当Agent开始替人“做事”，你是要做旁观者，还是成为定义规则的人？近日，以“从OpenClaw到企业超级智能”为主题的交流活动在复旦管院政立院区举办，信息管理与商业智能系张诚教授，与拾象AIResearchLead、前字节大模型与前沿算法研发人员、AI产业链知名投资人钟凯祺，从技术演进与产业落地两端切入，聚焦企业级Agent从部署到协同的全链路实战，拆解AI如何真正进入业务现场。
企业级AI弃用率高达95%？
易用性才是Agent落地的“最后一公里”
复旦管院信息管理与商业智能系教授张诚：
最近爆火的“养龙虾”，让AI智能体从小众的“极客圈”真正走向了大众普及。信息系统领域美国学者FredDavis曾提出，用户是否愿意采用新技术不仅取决于技术本身的性能，更在于好不好用、能不能用。“龙虾现象”的真正价值在于，它让大众第一次真正意识到，AI智能体不是遥远的概念，而是可以在日常生活、工作中直接调用的工具。
过去一年，学界与业界对AI落地应用进展普遍悲观，多个研究报告调研指出，当前企业级AI应用的失败率或弃用率为30%-95%。MIT研究显示，企业AI项目失败多源于组织问题而非技术，例如员工宁愿使用免费消费级AI工具，也不愿用企业定制系统，核心原因是易用性差距。
而OpenClaw之所以引发广泛关注，恰恰在于它在一定程度上弥合了这道鸿沟。它让用户以最低门槛体验到“AI可以替我做事”，让原来大众只能隔岸观花的东西，变成了足够简单、可本地运行、易操作，人人都愿意尝试的工具。
因此，如果说2025年是智能体技术元年，那么2026年就是智能体管理元年，技术成熟度与低成本普及，让管理落地成为核心命题。
从技术发展来看，Agent并非横空出世，而是由几个阶段逐步演进而来：从对话与问答，到调用工具，再到组合流程，最终发展为多智能体协作系统。与早期AI主要替代重复性劳动不同，Agent的能力在于理解任务、调用工具、做出判断并执行流程。这对应的正是许多中层岗位的核心职能。
这也意味着，一个新的管理问题正在浮现。当组织中出现大量具备一定自主决策能力的Agent时，人类该如何重新设计分工、流程与权责边界。管理不再只是“人管人”，而逐渐演变成“人+Agent”的协作系统。
同时，商业环境也在发生结构性变化。
首先，内容与信息的价值正在被重构。随着越来越多用户直接通过大模型获取“答案”，传统的信息入口，如搜索引擎、内容平台等被绕过，原始内容的生产者可能得不到应有回报，这会削弱优质内容的供给激励，长期可能导致信息质量下降。
其次，渠道正在重新集中。大模型正在成为新的流量入口与分发中枢，这意味着新的平台型垄断力量可能出现。企业需要重新思考，在Agent作为入口的世界中，如何被调用、被选择，而不是仅仅被搜索到。
最后，信任将成为更加稀缺的资源。当AI能够规模化生成内容、甚至被用于操纵信息时，用户对信息真实性的判断成本上升，可信来源与品牌的重要性反而被放大，同时也催生出新的灰色空间，例如通过“AI投毒”影响模型输出。这类行为如果失控，将动摇整个信息生态的基础。
从更宏观的角度看，AI并不会自动让世界变得更好，它只是重构了生产方式与激励机制。它既可能提升效率、创造新的商业模式，也可能降低信息质量、放大不确定性。最终走向何处，取决于企业如何应用它、社会如何约束它，以及我们如何在效率与信任之间重新建立平衡。
Token出海，全球热卖？
AI时代的“通用商品”正在诞生
拾象AIResearchLead、前字节大模型与前沿算法研发人员、AI产业链知名投资人钟凯祺：
中国大模型正在以“Token出海”的方式参与全球竞争。受模型能力持续迭代升级等因素驱动，过去数月间，各类大模型的Token消耗量呈现急剧增长态势。2026年第一季度，行业整体Token消耗规模已接近此前一整年的总量。在这样的背景下，中国开源模型展现出显著的领先优势。
其中，DeepSeek自研能力突出、技术布局完整，其新版本大模型也即将迎来关键迭代；阿里通义千问作为此前头部开源模型，当前正着力构建面向C端用户的应用生态，逐步推出外卖服务等生活化功能，拓展模型的应用边界
相比之下，Kimi、MiniMax、GLM等模型的Token消耗主要集中于两大场景：一是Coding（代码生成），该场景不仅Token消耗体量巨大，且任务结果具备高度可验证性，反馈信号密集，能够为模型能力迭代提供高效支撑；二是处理高价值任务，普通模型以完成高难度任务为目标，而顶尖模型则致力于以更低的Token消耗实现高价值任务的高效解决。目前，行业整体正朝着任务价值持续提升的方向发展。
从硅谷一线的行业动态来看，AI领域留给年轻从业者的市场空间正在持续收窄。资深开发者普遍认可，AI编码工具的工作效率已远超普通年轻程序员，其部分能力甚至超越传统技术管理者。Coding已成为AGI发展的核心加速引擎，Coding Agent彻底重构了程序员工作流程。行业从业者自主编写代码的占比从60%-80%降至1%-5%，AI任务完成效率与成功率大幅提升。而在投资研究等知识密集型工作中，AI带来的效率提升可达数十倍。
中国模型的Token出海，本质上是沿着海外顶尖模型的技术路径推进，国内模型一方面持续开展自主迭代优化，另一方面对标吸收海外前沿模型技术，同时中国AI产业正致力于将电力与基建资源优势转化为核心竞争优势。尽管当前算力瓶颈问题仍较为突出，但从中长期看，五年之后，中国模型在Token应用与消耗层面有望实现全球领先。
围绕Agent的运行，还会形成一套新的“管理范式”。智能体体系核心包含基础大模型与管控调度能力，后者即近期备受关注的“Harness”概念。该词源自马术，意指驾驭。在智能体语境下，Harness指向如何有效调度多个智能体，使其在已知环境中自主完成任务、评估自身表现，并在此基础上实现多智能体协同。多智能体协同借鉴现代企业组织管理逻辑，通过目标函数差异化的智能体相互制衡，实现整体价值最大化，同时提升单位时间计算资源利用率，这是管控调度的核心价值。
从更宏观的角度来看，AI正在开启新的增量市场，而不仅仅是对现有岗位的替代。在医疗、金融等领域，AI能够承担以往因人力成本或能力限制而未能充分覆盖的工作，例如持续健康跟踪、个性化服务推荐等，从而扩展服务边界。这意味着，未来的竞争不仅在于效率提升，更在于谁能够率先定义新的需求与场景。
