“员工用起来了，不等于企业用起来了。”这是不少企业应用AI的现实困境。
国务院国资委印发深化中央企业“AI+”专项行动以来，大批中央企业加快人工智能融入生产经营全流程，一大批AI试点项目快速上马，大模型的试用、单点场景验证遍地开花。
但企业级AI规模化落地却难以跨部门、跨子公司复制推广，AI停留在“盆景”阶段，无法演变为覆盖全集团的能力“森林”。
保利集团旗下中轻（雄安）工业互联网有限公司打造的飞桥数智云AI Agent平台，瞄准大型集团AI落地的现实堵点，构建“算力底座—知识资产—智能体生成”三层架构，走出一条自主可控、可复制、兼顾创新与安全合规的企业AI建设路径。
近日，中国工业报记者专访飞桥数智云副总经理曹昱，深度拆解这套面向大型集团的AI Agent建设方法论与落地实践。
员工用了AI，不等于企业用好AI
前两年企业普遍在讨论“要不要上AI”，现在预算已经到位，试点已经做完，大家真正焦虑的问题变成“上了AI之后，怎么真正把它用起来”。
曹昱分析，当下大型集团AI建设的真实现状，企业员工已经自发在工作中使用各类公有大模型，写材料、整理资料、生成简报已经成为日常。但员工用起来，不等于企业用起来。他认为，两者之间横亘着三道现实鸿沟：AI入口分散不可控、大模型不掌握企业私有业务知识、试点成果难以跨组织复制，这也是当前很多央企AI项目卡在局部试点的核心原因。
首先是入口分散带来的管控盲区。员工各自选用不同的大模型服务，企业IT部门无法掌握谁在调用模型、调用频次、输入哪些业务数据。合同文本、图纸、内部制度文档等敏感信息存在外泄风险，但简单一刀切禁止外部大模型，又会挫伤业务部门创新积极性，业务效率也会受到影响，企业陷入“一放就乱、一管就死”的两难局面。
其次，通用大模型缺少企业私有知识，输出结果实用性大打折扣。通用大模型拥有海量公开知识，但不了解一家集团内部制度流程、历史业务数据、行业专属经验，输出内容表面通顺，但落地到实际业务工作中往往脱离现实，存在“一本正经地胡说”的风险，工业、央企场景对事实准确性、可溯源性要求极高，直接使用通用大模型很难满足生产经营要求。
第三，试点项目的知识资产无法沉淀复用。很多试点项目的成功，高度依赖项目组人工整理、清洗业务数据，打磨业务提示词与工作流。当推广到另一个部门、下属子公司，整套数据治理工作又要全部重来。知识没有沉淀成为可复用的企业资产，试点经验无法复制，AI应用始终做不到规模化铺开。
中轻（雄安）工业互联网2020年成立，依托自研开源飞桥物联网边缘计算框架、数智云算力管理平台，AI业务同步起步，是国家云计算标委会成员单位，服务客户覆盖IT/3C、金融保险、汽车交通、政企等多个行业，在大型集团云边协同、异构算力调度、企业级AI智能体领域积累大量项目经验。
面对行业共性痛点，飞桥数智云的产品思路并非直接提供现成AI应用，而是做企业AI时代的“修路者”，搭建三层技术底座：底层Token统一管理平台管住AI出入口；中间知识底座把企业文档、制度、业务数据转化为大模型可调用的知识资产；上层Agent低代码生成平台，赋能业务部门自助搭建适配企业规范的AI智能体，路建好之后，上层业务AI应用由企业自主定义、自主生长。
算力与管控两手抓，守住企业AI的“总闸门”
在国家“十五五”规划中，多层次算力设施体系、企业智能体建设被摆在突出位置。
曹昱认为，国家层面算力建设聚焦数据中心、芯片、网络等基础设施，但对一家用AI的企业来说，算力最终的体现形式其实就是token。员工每问一次、Agent每跑一个任务，消耗的都是token。企业同时对接公有云、私有化部署多种模型，如果缺少统一调度，极易出现成本失控、厂商锁定等一系列问题，智能体规模化运行更是无从谈起。
企业的AI需求涨得非常快，今天对接一家模型，明天可能要接三家，如果没有统一调度，成本失控、供应商被锁定，都是很现实的问题。曹昱表示，“飞桥做的就是企业侧的这层调度：模型可以灵活切换、按需分配，业务不用关心底下接的是谁。国家把‘发电厂’和‘主干网’建好，我们帮企业把‘最后一公里’接好、管好。智能体要规模化，前提也是这个——几百上千个Agent同时在跑，没有一个统一的算力入口是撑不住的。我们会针对每个企业的真实管理需求和数据基础来为企业定制专属路由模型，路由模型更懂企业的每一次 token 交互适合调用哪些算力集群，适配于哪些模型。让大模型的每一次调用都有规范可依”
算力之上，Token统一管理平台充当企业AI的“总闸门”，集团内部所有大模型交互请求全部收敛至统一入口，带来三重价值：第一，实现用量可视，哪些部门、哪些应用消耗多少Token资源一目了然；第二，全链路审计追溯，每一次调用都留存完整日志，敏感数据在请求发出前识别拦截；第三，从调用数据反向挖掘高频AI场景，找到业务真实需求，它不仅是管控工具，也是企业发现AI创新机会的“雷达”。
平台的量化效益数据显示，对比传统建设模式，飞桥一体化智算方案可实现资源利用率提升60%，AI应用上线周期缩短70%，运维人力投入降低50%，安全等级达到95%，兼顾降本增效与安全保障。
同时平台具备完整链路追踪能力，通过Trace ID完成从API网关、大模型桥接层、MCP工具函数调用全链路观测，记录Agent每一步工具调用、token消耗、时延指标，所有日志支持导出用于性能调优和安全核查，解决企业看不见Agent内部执行过程的难题，真正做到每一条AI输出结论都可以溯源查证，让工业企业敢用AI、放心用AI。
“管控做得越好，创新才放得开。”曹昱认为，安全合规与业务创新并不是对立矛盾。
飞桥平台内置企业级的约束体系，相当于给Agent装上“缰绳”，集团的管理制度、审批流程可以原生植入平台，业务部门自助创建出来的智能体，天然遵循企业内部规则，不需要每一个AI应用重复开发合规逻辑。集团守住安全底线，业务部门获得AI创新自由度，实现管控与创新平衡。
让大模型读懂企业，实现知识“一次治理，多处复用”
通用大模型“幻觉:”问题，是工业和央企场景落地的重大阻碍。飞桥的应对思路十分清晰：创造力交给大模型，事实交给企业自己的数据。
企业沉淀的制度文件、年报、科研报告、生产工艺文档、历史经营材料，是企业独有的核心资产。飞桥数智云AI知识库以一整套动态生成知识引擎为核心，用户上传Word、PDF、PPT等各类企业文档，平台自动完成文本解析、知识抽取、切片、向量化，经过提示词配置、召回测试、权限设置，最快10分钟即可搭建企业专属问答机器人。
这套知识底座的核心价值，是实现知识资产化治理。很多AI试点项目失败的根源，就是每次新建Agent都要重新处理一遍企业数据，业务部门也会顾虑数据上交之后权限不可控，不愿开放内部资料。飞桥平台把治理完成的知识库作为共享资产，一次治理，多处复用。第一个智能体使用的企业知识，第一百个新建Agent同样可以直接调用；同时知识库权限完全对齐集团组织权限体系，严格控制谁能够查看、调用对应知识，打消业务部门数据安全顾虑，推动内部数据开放共享。
平台同时具备完整的模型全生命周期管理能力，搭建“基础大模型—轻量小模型—垂直专业模型”金字塔模型体系，兼容DeepSeek、Qwen等主流开源模型，支持模型导入、测试、A/B灰度发布、退役归档全流程。企业可以基于自有数据集开展模型微调，对基础大模型做垂直领域能力增强，进一步提升垂直业务任务的准确性，同时节约算力投入。
把AI开发还给业务人员，重构企业人机协作模式
传统数字化项目模式，业务提出需求，IT团队排期开发，周期长达数月。AI Agent技术带来组织模式的重大变革：制作AI应用不再仅仅是IT部门的工作，业务部门人员也可以自主完成。
曹昱介绍，飞桥数智云提供低代码智能体工厂，业务人员不需要深厚AI、编程功底，依托知识库、工具市场、工作流引擎，快速搭建面向自身业务场景的专属Agent。IT部门角色发生转变，从“开发应用”转型为“搭建平台、制定规则、维护底座”，把创新能力释放到业务一线岗位。
从已经落地的真实案例可以直观看到平台的落地价值。在某大型集团企业内部，依托飞桥数智云，仅4周就无代码配置上线8个集团AI办公智能体。OA办公AI助手实现集团制度查询、采购业务咨询、文档解读、表格处理、图片识别提取，还可对接行业资讯周报生成，服务集团内部办公人员，大幅降低行政办公类工作负担。
面向科研行业，基于飞桥平台由中轻集团制浆造纸研究院有限公司团队搭建的纸材AI资讯服务平台，完成外文行业资讯自动翻译、摘要、分类、报告生成，搭建行业知识库问答能力，解决人工资讯搜集整理效率低下的痛点；AI行业研报Agent，接入企业财报、万得等数据源，自动抓取整合信息输出企业经营、行业分析内容，把分析师从资料搜集工作解放出来，专注研判决策，辅助经营分析工作，减少报告整理的重复性劳动。
曹昱表示，面向员工个体，AI时代工作模式发生本质变化，从“自己埋头完成全部工作”转向“带着Agent完成工作”。资料搜集、初稿撰写、信息统计、格式整理等重复性工作交由智能体承担，人聚焦更高价值的判断、决策、创造工作。未来企业人才能力评价体系，也会把驾驭AI智能体的能力作为重要标尺。
对于正在选型AI底座的大型企业，曹昱给出三点选型建议。
不要优先采购零散AI应用，优先思考底座建设，零散采购应用会形成新的数据、权限、账单烟囱；
第二，不必追求全部从零自研，完整自建底座周期漫长，AI技术迭代速度快，企业很难持续跟进；
第三，牢牢掌握三样属于企业自身的核心资产：大模型统一出入口、企业私有知识资产、Agent管理规范。模型、上层应用会迭代更替，但这三类资产会持续沉淀，持续为企业创造价值，不能绑定在单一模型厂商或者应用厂商之上。
谈及面向“十五五”时期的发展方向，曹昱表示飞桥数智云会持续深耕企业AI基础设施赛道不变。当前很多企业AI项目属于精心培育的“盆景”，好看但是规模有限。飞桥希望持续完善算力、知识、Agent三层底座，修好企业AI生长的土壤与水利，让各个业务线的AI智能体能够自主生长，实现从“盆景”走向“森林”的跨越。
工业企业过去数十年沉淀大量业务数据、行业Know-how，飞桥数智云的目标就是把这些沉淀下来的宝贵财富，转化为AI时代企业的核心竞争力。
原创文章，作者：新智派，如若转载，请注明出处：https://knewsmart.com/archives/350454
微信扫一扫 
