“OpenAI让模型更聪明，Palantir让决策更聪明，东方国信让组织更聪明。”东方国信首席AI架构师，现任IEEE人工智能标准委员会主席佟佳睿博士，用这句话概括他对企业AI下一阶段的判断。

　　在佟佳睿看来，当算力、模型与Token逐渐成为基础能力，企业AI真正要打的下一战，正在从“谁能用上模型”，转向“谁能守住认知主权”。算力和模型解决的是“能不能用AI”，认知主权解决的是“AI能不能真正变成企业自己的能力”。

　　更隐蔽的风险是，企业多年积累的工艺规则、专家判断、风控逻辑和业务经验，可能在一次次模型调用中被外部化、通用化，形成难以察觉的“认知虹吸”。“模型可租用，认知须自有。”佟佳睿认为，企业需要把这些经验沉淀为可控、可审计、可持续进化的认知资产。

　　基于这一判断，东方国信正推进基于NSEAP（Neuro-symbolic Evolutionary Agent Platform，神经符号进化智能体平台）架构的企业级认知软件ECS（Enterprise Cognitive System，企业认知系统）研发，探索补齐算力供给到行业落地的应用短板。目前，ECS正面向重点行业客户开展产品化验证和市场推广准备，并围绕金融风控、工业生产等典型行业需求进行概念验证、测试反馈收集和产品能力完善。

破解落地难题：

　　从“用得起模型”到“守得住认知”

　　过去两年，行业讨论最多的是模型参数、Token、GPU、Agent和算力基础设施。但当AI真正走进企业的合同审核、风险判断、生产排产、客户服务与经营分析等核心流程，一个更本质的问题浮现：企业需要的，不只是更大的模型，而是能在真实业务中可控运行、持续沉淀经验并不断优化的认知系统。

　　佟佳睿分析，模型幻觉、责任边界模糊，以及核心知识外流，是AI深度落地绕不开的三道坎。“企业需要的不只是智能工具，更是能融入核心业务流程、安全可控、可解释、可审计的解决方案。”

　　上述风险意味着AI落地不只考验模型能力，也考验企业能否把核心规则、专家经验、风控逻辑和业务判断留在自身体系内。佟佳睿提醒：“真正危险的，未必是某一份文件被拿走，而是企业长期积累的判断力，在不知不觉中被外部化、被摊薄。”

　　在他看来，AI时代企业需要警惕的风险，正在从传统意义上的“数据泄露”，延伸到更深层的“认知泄露”。

软件工程4.0：

　　从“上线即巅峰”到“越用越聪明”

　　对于ECS的定位，佟佳睿把它放在企业软件长期演进中看。他认为，企业软件大体经历了三代：第一代回答“What”（发生了什么），以ERP、MES、CRM记录经营事实；第二代回答“So What”（意味着什么），以BI、数据仓库理解趋势；第三代回答“Now What”（现在怎么办），部分调度与决策系统开始参与执行。

　　“但前三代软件有一个共同的天花板——它们不会真正成长。”佟佳睿说。它们能记录、能理解、甚至能改变世界，却很难从每一次业务经验中学习，再把学习变成软件能力。ECS指向的是第四代——“Learn What”：下一次，怎样做得更好。这，就是他所说的软件工程4.0。

　　传统软件遵循“需求—开发—交付—运维”的线性周期，往往“上线即巅峰”，此后价值逐步衰减；而认知软件是“活”的，上线只是起点，越用越聪明。让这种成长成为可能的，是ECS内置的KSTAR经验循环，即Knowledge、Situation、Task、Action、Result/Reflection：当智能体处理不了复杂的非标场景、由专家介入完成后，系统会捕捉预期与实际的偏差，形成学习信号，自动更新知识库、优化业务Skill。

　　这一持续回传机制，构成企业认知资产增厚的“认知飞轮”：业务越跑，反馈越多，认知越进化，系统越懂业务，企业越难被简单复制。

　　“一线最宝贵的实操经验，过去只沉在个人脑子、会议纪要和零散文档里；现在，它能沉淀为组织可复用、可评估、可持续优化的认知资产。”佟佳睿说。软件开发的终点，也因此从“交付软件”，变成“持续培育企业智能”。

认知主权：

　　企业真正要积累的新资产

　　数据主权之上，佟佳睿更强调“认知主权”。工业时代，企业积累的是生产资产；数字时代，是数据资产；到了AI时代，真正要积累的，是可持续调用、评估与优化的认知资产——企业如何理解客户、如何判断风险、如何组织流程、如何沉淀决策的这一整套方法论。

　　模型能力可以通过外部调用快速获得，但企业如何理解客户、判断风险、组织流程和沉淀经验，往往只能在自身业务现场长期生长。

　　这并不意味着企业不使用外部模型。相反，佟佳睿认为，企业可以用外部大模型、用云端算力，但必须在使用过程中把业务语义、执行规则、评估标准、Skill、审计、记忆和学习闭环保留在自身体系内。

　　在技术实现上，这条路径并不是把企业封闭起来，而是在外部模型能力之上构建企业自己的Ontology、Skill、Memory和KSTAR学习机制。很多系统能把业务理解和执行做得很好，但能力往往在部署时点定格；ECS更强调“动态、可进化的本体”，使组织级认知随业务持续生长。

神经符号架构：

　　让AI可解释、可审计、可执行

　　企业业务要的不只是“像人一样回答”，还要能解释、验证、执行、追责和复用。ECS底层因此采用神经符号融合架构，可以用四句话概括：LLM负责思考，Ontology负责理解世界，Skill负责改变世界，Memory与KSTAR负责持续成长。这一架构既保留了大模型的生成与推理能力，又有助于满足企业对确定性、可解释、可审计的要求，在一定程度上降低幻觉与推理偏差带来的风险。

　　基于这一架构，东方国信搭起三层产品：面向员工的“伙伴智能体”（个人AI大脑）、面向岗位的“任务智能体”（专属数字员工，覆盖合同审批、生产排产、风险核查等），以及统一治理知识资产的“认知中台”。“个人经验沉淀为岗位能力，岗位能力沉淀为组织资产，组织资产又反过来增强每一个人——最终形成自下而上的企业级智能进化。”佟佳睿说。

　　部署上，ECS可本地私有化或云端部署，不绑定底层大模型，适配DeepSeek、GLM、通义千问、豆包等主流模型；在典型项目中，基础环境部署与业务适配约需1天，后续经1至2个月磨合培育，可逐步具备稳定运行条件。此外，ECS可将业务逻辑转化为本地可执行的Skill，程序运行过程不消耗Token资源，有助于降低企业长期算力成本。

从算力到认知：

　　全栈生态与产业闭环

　　行业正从“算力规模比拼”转向“AI应用落地竞速”。东方国信坚持“以数据为基，算力为翼”，构建“算力基建+算力平台+行业AI”全栈生态。ECS作为行业AI应用层的核心产品，把上游算力供给与下游企业应用连成产业闭环。

　　算力服务上，面向C端的视拓云AutoDL提供弹性零售算力，面向企业的MeshToken于今年4月25日上线，实现模型统一接入、Token计量与调度管控。2025年，东方国信算力服务营收1.60亿元、同比增长144.5%，智算中心业务收入同比翻倍。

　　佟佳睿认为，公司28年深耕通信、金融、工业的产业积累，加上系统集成能力与自有智算中心，是ECS规模化落地、并帮助企业把认知资产留在内部的关键优势。同时，东方国信正参与IEEE P3394（智能体接口标准）与IEEE P3427（联邦语义智能体标准）相关标准工作。

　　在佟佳睿看来，产业竞争的重心正在迁移。“未来企业之间的竞争，会越来越是‘人+AI’的竞争，是认知资产的竞争。”当算力趋于普及、模型趋于通用，真正拉开差距的，是谁能把认知主权握在自己手里，把每一次业务执行、专家修正和结果反馈转化为自身认知资产的增量，并与一套持续进化的系统共同成长。东方国信希望通过NSEAP ECS探索的方向，让企业在使用模型和算力的同时，把真正难以复制的认知资产留在自己手里。