近日，网易智企联合英特尔在杭州良渚举办了“智行合一·2026网易创新企业大会”，大会主要聚焦AI Agent如何转化为企业生产力，探讨企业级AI从工具应用走向组织资产的落地路径。
在网易副总裁、网易智企总经理阮良的判断中，“今年国内外大模型的差距在急剧缩小，2027年，在中美两国的模型使用上，普通人很多场景下将感受不到差异”。而决定企业级AI竞争的差异化变量不是大模型，谁能持续交付可靠的结果才能最终取胜。
企业级Agent竞争关键：谁能持续交付可靠结果
AI如何转化为企业生产力？主论坛上，阮良给出的关键词是“可靠”。基于网易智企十余年服务百万家企业的实践沉淀，他指出，AI进入企业生产系统仍面临五大断层：知识断层、数据断层、流程断层、治理断层与价值断层。企业级Agent的竞争关键，不只是模型能力，而是谁能持续交付可靠结果。围绕销售增长、私域经营、企业应用交付、安全治理等高价值场景，网易智企正在帮助企业构建可部署、可管理、可评估的“AI员工”。
在接受媒体采访时，网易智企副总经理、CodeWave业务负责人王桐也谈到了有关企业级AI终局的关键变量，在他看来，模型不是差异化变量，“因为模型是开放的事情，国内外最主流、最优秀的模型，所有人都是可以用的。”关键在于在模型之上构建的上面一层，怎么让模型产出变得更加可控，才是决胜的关键。“大模型本质还是猜词器，并非真正理解，只是看起来像理解了。AGI肯定会实现，但肯定不是‘猜字器’带动AGI。”
王桐还表示，Claude、GPT这些大模型的聪明是有上限的，而且上限离今天并不远。“目前我们的复杂任务已经算够用了，再稍微往前迈两三步可能就好用了，比好用更精进一步，如果我感觉不到，我可能就不会为此买单，所以海外模型后续可能也会停滞住，会在‘山顶’上等着国内模型慢慢追赶上去”。
除可靠外，浙江大华技术股份有限公司总裁赵宇宁给出了“场景”这一关键词。会上，他分享了大华股份在视觉智能领域的AI进化之路：从2016年的“看得清”到2023年的“看得懂”，再到2026年的“迈向自主认知”。在他看来，业务需求定义技术边界，技术算法必须服务于真实场景，企业推动AI落地，需要结合自身积累，聚焦战略控制点，融合AI技术实现行业场景化落地，并通过AI工程化能力保障最终效果。
英特尔中国区互联网&运营商行业总经理胡凯给出的关键词则是“算力底座”。进入Agentic AI时代，企业对算力的需求正从围绕GPU的单点竞赛，走向覆盖GPU、CPU、存储、互连等环节的全栈重估。他认为，随着AI Agent承担更多复杂任务，负责决策、编排与调度的CPU价值将进一步凸显。
企业使用AI三个月后出现Token焦虑，消耗需要智能调度
在发布会前的媒体交流会上，网易智企副总经理、云商业务负责人肖钰妍分享了当前企业级Agent落地的难点，其认为，准确性、稳定性、安全可控性会产生一系列问题。
“我跑了一年半的时间，有一个特别深的感触是，一个AI项目从上线后才是真正的开始，之后需要持续运营，因为企业不断向前发展，业务、流程在动态变化，如果要让企业级的Agent落地，场景选得准、能力接得住、运营扎得深这个铁三角缺一不可”。肖钰妍说道。
以客服场景为例，在肖钰妍观察看来，人工和AI的分工是不同的，“小模型比较适合做基础快问、快答类的重复性问题，大模型比较适合做流程上的解决和多轮交互，人工更适合兜底异常、强投诉以及高判断类场景。有客户之前和我们在小模型的场景合作，那时候机器人的平均解决率约为72%，去年我们给他们升级了大模型能力，升级完之后，机器人的解决率达到85%，另外还是会有15%进入人工环节。其实要平衡体验和收益的话，客服这件事完全不需要人，是很难做到的”。
另外，肖钰妍还告诉南都记者，客服部门作为成本部门会在意Token消耗的问题，会关心Token消耗量的计算。在她看来，企业目前对于Token消耗的态度分为两类，“如果AI相关业务是从0到1打造的企业，其实是不考虑消耗的，他们要做的是先把业务都跑起来，而从1到N的企业就会有Token消耗的概念，我们客户一般在正式上线AI三个月后，开始想省Token。”
这也是网易智企方面强调小模型的核心原因，“小模型相对来讲消耗成本比较低。并且Token消耗要关注业务场景和Token的匹配，其中应该要有动态的AI网关去做智能调度，比如说，有些业务场景就是要多花Token把业务产品定义好，还有些场景只是纯执行”。肖钰妍表示。
