和2024年相比，第二次参与中国国际服务贸易交易会（以下简称“2025年服贸会”）的智能体平台枫清科技创始人兼CEO高雪峰有更多话要讲。

　　9月12日，在2025年服贸会“中国AIGC创新应用论坛”现场，高雪峰的演讲信息量丰富，从企业全域智能化的驱动力和挑战，讲到企业场景智能实践最佳路径，再到企业应用通用场景等，毫不保留地分享了自己在大数据和人工智能领域20多年的经验和观察。

　　一年前的服贸会上，高雪峰在接受北京商报记者专访时强调，企业数字化转型“要提升大模型推理能力”“增强基于数据关系的推理能力”“通过智能体平台提供推理的思考路径”。

　　这一年间，服贸会为枫清科技带来了什么？行业在微观和宏观层面出现了怎样的走势？这些问题都可以在北京商报记者对高雪峰的最新专访中找到答案。

　　作为北京专精特新企业之一，枫清科技2024年就开始强调智能体，从科技圈的共识到2025年的热词，高雪峰的判断来自于对智能化趋势的前瞻，他告诉北京商报记者，“企业的数字化、数智化、智能化升级是大浪潮，不会过去，智能体只是当下技术和能力的体现，是智能化技术的一环而已，我不担心智能体技术会过时”。

　　Q：第二次参与服贸会，枫清科技有什么期待？

　　A:去年（2024年）枫清科技第一次参与服贸会这样的盛会，结识了很多同行和产业端的客户，我们对人工智能行业在产业端的迫切诉求进行了交流，这些成了我们去年年底到现在的产品设计基础。今年（2025年）最重要的是参加服贸会上的2025中国AIGC创新应用论坛，进行主题演讲，希望跟大家进行深入沟通。

　　Q: 通过服贸会，枫清科技有哪些收获？

　　A:去年是我们公司正式商业化的第一年，营收1000多万元，随着智能体需求的爆发和市场认可度提升，我们预计今年营收将超过5500万元。这其中有部分客户就是公司在服贸会上对接到的，我们通过服贸会了解到了一些来自市场的诉求。

　　Q：不久前枫清科技推出了个人专属智能体，从toB（企业）到toC（用户）是出于什么考虑？

　　A:枫清科技推出个人专属智能体的目的是给大家带来可选择的便利。何为可选择？数据安全是分不同等级的，针对大型企业客户较复杂的AI诉求，我们会为其建立企业级知识中台，希望这家企业所有的二级单位、用户都可以把自己的数据贡献到这个知识中台，构建企业知识库。但我们发现大部分用户有自己的顾虑，通过个人专属智能体就可以发挥这些数据的价值。用户通过自己的电脑使用，就不用把自己的数据上传到云端的知识库，相当于知识引擎就装在自己的电脑里。我们B端（企业）客户最终的使用者也是很多C端的用户，枫清科技的目标是打造一致的用户体验，以及帮助我们企业打造云边端协同化的智能。

　　Q: 这样的设计会影响到智能体的效果吗？

　　A: 枫清科技的个人专属智能体有几种不同的使用模式。第一种是联网，结合用户本地的数据，连到云端的大模型。在这个过程中，用户本地的文件没有上传到云上，只是很多向量特征的token的调用跟云端有交互，这样极大程度地保护了用户个人隐私。另一种是完全的隐私化，在断网的情况下，直接使用结合电脑硬件配置部署的本地模型。它也能够提供整理资料、智能写作等功能。用户可以灵活选择。

　　Q：枫清科技去年就提到智能体概念，今年这一热词的火爆在意料之中吗？

　　A: 其实在国际上，大家都认为2024年是智能体元年，很多科技圈内人士，当时已经在做智能体相关的事，只不过今年发生了一些关于智能体的全民性事件，让这个概念火爆出圈了，大家都把它使用起来，觉得它火了。

　　Q：站在客户端角度，他们的诉求是否有明显变化？

　　A：去年枫清科技接触的大多是头部央企类客户，它们会关注如何用智能体的方式融合自己的产业链条，有迫切的合作诉求。智能体概念火爆后，链主企业之外，大中小型B（企业）端客户也在关注如何用这种方法赋能，这类客户担心如果自己不接触、不采用这种方式，将来可能会被链主企业或者更大的企业替代。现在已经进入一个真正的全民智能化的时代，大家都愿意为之付费。

　　Q: 会担心智能体概念的热度很快过去吗？

　　A：关于智能化，原来我们叫数字化、数智化，这种升级是一个大的浪潮，不会过去的。当下的智能化技术和能力不单只是大模型、智能体，它们只是智能化技术的一些环节而已，还包括数据编织，如何把企业的多模态的数据编织成知识，并很好地存储，用于后面的计算，然后结合智能体的能力，行业模型的蒸馏，数据如何智能化的治理和清洗，包括整个模型安全等，都是整个链条里不断突破和进展的技术，所以我不担心智能体技术有一天会过时。

　　Q：“以数据为中心”还是“以模型为中心”，这两者互相排斥吗？

　　A：不是，我觉得要根据不同场景的诉求。比如在写作、营销、广告等智能化场景中，可以允许一些“幻觉”的存在，以模型为中心就能很好地解决问题。但是在一些精准的企业场景中，需要非常有逻辑地基于部分企业自有的数据来产生精准回应，这种情况就非常适合以数据为中心。在整个问题完整落地时，一定要将“以数据为中心”和“以模型为中心”融合在一起。