智能体项目95%失败，输在交付，不在模型

一家国际大型保险公司要上一套智能体系统，预算千万级别。招标名单上，腾讯、阿里、百度、火山等大厂都来了，十家公司同台竞技。最后POC拿第一名的，是一家叫容智信息的AI公司。

容智信息创始人兼CEO柴亚团，没有把这场胜利归结为运气。在他这里，智能体的胜负手从来不在模型能力，而在产品和交付能力。行业里有公开数据，95%的智能体项目都失败了，但容智过去2年没有失败的项目。柴亚团认为，市面上很多人做的是模型套壳，做简单推理没问题，但在企业内执行任务不行。而容智的强项，是他手里那几个别人拿不出的产品：自研的本体底座、能自动锻造工具的Auto Forge，以及企业客户要的百分之百准确率。

这个强项能力不是一天长出来的。柴亚团记得很清楚，容智从2023年开始押注AI，2024年摸索前行，2025年初见成效，那一年交付了20个政企项目。到今年，容智产品线从去年的两个智能体，扩到了九个产品组成的产品矩阵，并且打造出了Agentic OS基座。而柴亚团真正的判断，比这些数字更锋利。

过去一年，企业AI的关键词换得很快，从无代码开发到客户端Work，市场对智能体该长什么样始终没有定论。他认为，这些都不是终局。企业AI的终局，是Agentic OS，一个能替代传统业务系统、把隐性知识沉淀下来、自主规划的操作系统。传统业务系统是记录型的，留不住人的经验；Agentic OS要做的，是让系统自主运行，系统具有判断力，能够将隐性知识沉淀下来的系统，而不是一个AI外挂。柴亚团说，去年容智还在造零件，今年是把整辆车造出来。

核心观点

WorkBuddy不是企业AI终局。

WorkBuddy类客户端代表了一种趋势，但在To B场景里，安全、集中管控、算力配额、后台长流程任务等都无法只靠客户端解决。

传统业务系统要从Record System走向Agentic OS。

过去的软件系统记录流程和显性知识，Agentic OS要沉淀隐性知识，让系统能够自主规划、主动完成任务。

智能体现在仍是贵族阶层才能玩的东西。

算力不足、开发失败率高、场景选择错误，是企业智能体无法普惠的三大瓶颈。

FDE不是一个人包打天下，而是Echo加Delta加底层平台。

只谈驻场工程师，不绑定可改造的平台，项目很容易失败。

数据治理不是做Agent的前置条件。

先治理数据再做AI的说法，有些言过其实，模型和智能体本就能处理非结构化和不完美的数据，不能等到数据治理干净了再去做AI。

Skill只是过渡态。

Skill是模型公司给自家模型补手脚，真正的智能体系统要能自动锻造、自动优化、自动进化。

以下为本次访谈实录，在不改变原意基础上略有修改。

01、WorkBuddy还处于雏形，未来会持续演化

爱分析：过去一年，企业对智能体平台形态的理解一直在变。去年是Coze，今年又开始讨论WorkBuddy这类客户端形态，您怎么判断行业趋势？

柴亚团：以前类似低代码的智能体平台，本质上还是集中管控的企业级系统，跟传统系统是一样的。现在AI的趋势不太一样，已经从集中管控往下沉了，各个部门和岗位的需求不同，很难再通过一个统一平台，把所有需求都实现掉。ChatGPT、Claude Code，很多都是客户端。AI时代可能又从过去IT信息化的大一统建设，变成以个人为主的形态，所以客户端现在大行其道，目前多家大厂推出了Work客户端产品。但问题是，有人提出来WorkBuddy可能取代一切，我觉得这个判断过于激进。WorkBuddy也是发展过程中的一个东西，从年初的Claw到Harness，下一个是什么？这个都是动态变化的，现在的变化非常快。WorkBuddy现在看起来只是一个雏形，也会持续演化的，我觉得最终会演化成一个AI工作台。在这个工作台上，操作系统我不需要，Office也不需要，Everything我只要跟它对话，就可以把所有事情干掉。

爱分析：企业一方面希望个性化，另一方面仍然要解决碎片化和统一管理问题，那么未来企业级AI的架构会是什么样？

柴亚团：真正的企业级AI，我认为还是C/S架构，有客户端，但一定还要有集中管理和管控平台。WorkBuddy这类产品更偏To C，个人用没有问题，但企业不能接受所有Token、所有生成物都扔到外部云上去。企业级一定要考虑集中管控、知识库、算力配额、大批量任务，这些都需要后台。WorkBuddy更擅长处理长尾任务，更多长流程大批量任务还是需要企业级智能体来集中处理。我的判断是，企业长尾个性化任务会更多放在客户端，核心业务还是在后台。容智现在做的事情，就是把传统业务系统慢慢升级成Agentic OS。

爱分析：你说的Agentic OS，和传统业务系统最大的差别是什么？

柴亚团：传统业务系统是Record System，记录型系统，流程驱动，没有自主规划能力，是上一代的东西，主要靠人的经验，人离开经验也就带走了。我们在一个国际大型保险公司做的项目就很典型。以前客户出方案，要把客户信息录进去，再查产品信息、报价信息，然后靠人的经验拼方案。有经验的人拼得好，没经验的人就做不出来。这个系统本质上留不住经验，人在经验才在，人一走，经验就跟着走了。这个项目对准确率的要求高到近乎苛刻，客户要几乎100%准确率。传统RAG那种切片加向量的方式，做不到百分之百。我们被逼得没办法，干脆把传统RAG废掉，重新开发了一套新的知识库产品，最后真的做到了百分之百。这个项目除了报价，还有营销、销售陪练、历史客户洞察挖掘这些场景。以前客户做一张海报，要开会、来回改，个把月才出来成果，一年光给广告公司的钱就两三千万，现在两分钟一张，不同类型的客户都能做。以前只能顾及大客户和VIP，现在所有客户都能覆盖。这个项目做完，客户非常满意。它本质上就是把一个记录型系统，升级成了能自主规划、自己完成任务的系统，这就是我说的Agentic OS。

爱分析：所以它不仅是在原来的业务系统上加一层聊天框？

柴亚团：对。很多系统，比如营销、客服、数据分析，历史上都有自己的业务系统。你拿BI来说，报表分析软件一直都有，但对人的要求很高，你得懂数据分析，或者你是数据科学家，才用得起来。我们现在要做的是，让普通人也能快速获得这些能力。过去的业务系统存的都是显性知识，隐性知识都在人脑里。很多企业花几百万、几千万，甚至上亿做业务系统，希望知识经验留在公司里，但做不到。拿CRM来说，里面有客户信息和数据，一个老销售看一眼，客户靠不靠谱、能不能成，基本就知道。新销售看同样的信息，就没有这种经验。经验在哪里？在老销售脑子里。他一走，这些经验就消失了。我们现在要用Agentic OS重构这件事，把隐性知识沉淀在系统里。以后任何人看到一个客户信息，问系统，系统就能告诉他客户成交率大概多少，应该从哪些方面推进。

02、智能体要普惠，先过算力、开发和场景三关

爱分析：现在企业智能体行业最需要解决的瓶颈是什么？

柴亚团：到目前为止，Agent还是贵族阶级和特权阶层才能玩的东西。很多企业在做，但因为算力限制，只能给个别特权部门用，还没有实现普惠。我觉得有三个突出的问题。第一个是算力。我们有客户花了700多万买算力，结果只实现了25个并发。这个客户有上千人，25个并发怎么可能用起来？所以算力是最大瓶颈。这个问题要靠模型小型化才能解决。以前做智能体，要用DeepSeek满血版，或者国外的大模型，才能有比较好的效果。现在随着蒸馏技术和模型能力提升，千问27B、30B已经可以用了。同样700万算力，未来可能变成1000并发。

爱分析：所以企业Agent真正能大规模用起来，模型要降到几十B级别？

柴亚团：对。现在很多模型厂商会做flash版本，但flash往往还是几百B，对算力要求依然很高。如果用30B的模型，4090这种消费级显卡就可以跑起来。企业买起来更容易，预算压力也小很多。对于普通企业级智能体来说，不一定非要最强的旗舰模型。旗舰模型拿来卖API可以，但普通企业很多场景用不上。

爱分析：第二个瓶颈呢？

柴亚团：第二个是智能体开发。真的深入到业务系统，智能体项目失败率非常高，公开数据说是95%失败率，所以大家现在都在讲FDE，但这个词已经有点泛滥了。FDE至少要深入了解客户业务需求，再用专业工程能力把智能体开发出来。这件事本身就是瓶颈。

爱分析：第三个呢？

柴亚团：找场景是很大的问题。AI一定要搞高重复、高价值的场景，因为Agent本身成本很高，你必须解决高价值问题。比如有客户说要做会议室预订，我觉得这个项目肯定会死。人工在UI上点两下就搞定了，你用聊天框反复问答、要不要投影仪、要不要什么设备，反而更麻烦。智能体不是为了替代低价值点击动作，而是要解决高重复、高价值的问题。

爱分析：容智现在主要突破哪些行业和场景？

柴亚团：目前主要是金融和运营商。这两个行业预算相对充足，也愿意先行先试。场景上主要有三个：营销、客服和数据分析。客服更多和知识库有关，数据分析就是让普通业务人员也能像数据分析师一样获得分析结果。在金融和运营商客户里，这些都是高价值场景。

03 、FDE不能只靠人，必须要有可动态进化的Agent平台

爱分析：很多人理解FDE，是把售前、驻场、开发等多个角色压到一个人身上，您怎么理解FDE？

柴亚团：FDE不是一个人，而是两种角色，Palantir定义了Echo和Delta这两种角色。其中，Echo不一定懂技术，但懂业务，要跟客户业务人员side by side，深入了解业务，把客户业务翻译成智能体需求。Delta则是基于Echo翻译出来的需求，开发成智能体，这需要非常丰富的智能体经验。市面上很多人都在讲FDE，但我观察下来，有些项目还失败了。Palantir能成功，不只是因为FDE，很重要的原因是底层有Foundry，有AIP，有自己的平台。FDE必须跟底层平台结合，否则这件事就干不了。

爱分析：FDE项目失败的原因，除了平台不够强大，还有其他原因吗？

柴亚团：另一个原因是，中国市场比较常见的情况，平台找一家，实施找另一家。这种模式为什么容易失败？因为FDE团队发现需求以后，可能会发现平台不支持。我们自己做项目时，Echo团队找出客户的痛点，再跟Delta团队讨论，如果发现平台不支持，我们马上加功能，马上对Agent平台进行优化和迭代，在现有平台上补能力。如果FDE团队对底层技术平台不能做任何改动，这个项目就没法做。平台和实施分开，失败率非常高。Palantir的FDE方法论也是要实现咨询、开发和产品平台三位一体，持续不断的沉淀行业经验，并形成数据飞轮。我看到很多人说，让ERP实施顾问去做FDE，这完全不是一回事。ERP实施顾问更多是套模板，A客户、B客户、C客户差不多，但FDE面对每个客户、每个行业都不一样，不能拿同一个模板去套。智能体是目标驱动，不是流程化、格式化的东西，复杂很多。FDE面对的都是未知的、具有挑战的新事物。

爱分析：FDE在Agentic OS体系中扮演什么角色？

柴亚团：FDE团队最重要的价值，是把客户的隐性知识沉淀到Agent系统里，否则做出来的东西就跟传统软件一样。显性知识放在那里，FDE进去以后，再把业务里的经验和隐性知识萃取出来。随着系统越用越久，经验数据飞轮就转起来，可以全部沉淀到里面。

04 、企业自研智能体，前几期没必要自己硬上

爱分析：金融客户智能体自研比例很高，怎么看企业自研和外采之间的关系？

柴亚团：去年我拜访过大概100多个金融客户，90%以上都在自研。因为智能体开源框架太多了，很多客户觉得拿过来就能干。今年上半年我又走访了一遍，发现很多自研项目基本不干了。不是全部，有些技术实力强的客户还在继续投入，但很多客户花了几百万、几千万，招团队，用Dify、LangChain这些东西做了一年，demo是OK的，一上线各种问题，最后就放弃了。

爱分析：自研失败的核心原因是什么？

柴亚团：第一个，开源框架不是开箱即用的东西，它就是一个框架，一个毛坯房。你要把毛坯房变成生产级可用，对很多企业是很大的挑战。有些能改造好，有些改造不好。第二个，一般做项目的是技术人员，但技术人员不懂业务，业务人员也不懂技术，这里面会产生新的矛盾。很多业务人员最后不愿意搭理IT团队了，因为他们觉得你什么都不懂。IT团队又觉得业务不懂技术，最后互相不响应。第三个，现在AI Coding很火，很多企业觉得开发个智能体平台没什么技术含量，随便找两个实习生、两个年轻人，也能做一个东西出来。尤其金融机构，这种想法很多。一开始确实是这样的，但是过半年后就会发现这个成本更高，因为没有专人去持续迭代和升级，最后才认识到做出一个软件和持续生产可用是两个层次。

爱分析：哪些情况适合企业自研？

柴亚团：有几种情况可以自研：第一，业务需求非常特殊，外面没有人比企业自己更懂，那自己做是有必要的；第二，数据非常敏感，只能自己干。但一般情况下，尤其是一个新范式的迭代，第一期、第二期企业没必要自己干。你自己摸着石头过河，失败率肯定高，不如找外部成熟团队，先把框架搭好，企业先学会了，二期、三期再自己做，成功率可能更高。

爱分析：企业也会把Agent项目失败归结于数据治理，怎么看这种现象？

柴亚团：我现在遇到很多客户在说，很多厂商告诉他们，要做AI，必须先把数据治理好，数据不治理好，AI没法干。我认为这个不是真相。第一，有些企业的数据治理就是治理不了，因为只要有人在做，数据就会脏，你怎么可能完全治理干净？第二，数据治理要多久？不是一年两年。难道我花三年把数据治理好，三年后再做AI吗？这个是不现实的。第三，不要忘了模型的优势是什么。ERP、CRM这类传统业务系统需要结构化数据，需要数据干净，但模型不是这样，你给它非结构化数据，给它扫描件、PDF，都可以找出需要的东西。所以，数据治理和做Agent项目没有必然联系。只要是合适的智能体，应该能在一堆脏数据里找出需要的数据，并输出一个好的结果。这个是Agent的基础能力，它具备这个推理和判断能力。

爱分析：如果要保证准确率，Agent获取数据主要有哪些方式？

柴亚团：一般有三类。第一类，直接查数据库。让Agent调接口，直接查数据库，查出来一定是100%准。第二类，半结构化数据，比如PDF、Word、PPT。现在模型能力已经可以了，可以转成markdown再处理。第三类，非结构化、一对多的东西，放在知识库里。这时对RAG知识库能力有要求，通过一些创新技术手段，也可以做到接近100%。所以不是所有问题都靠RAG，也不是非要先做数据治理。不同数据来源，对应不同处理方式。

05 、Skill是过渡态，下一步是自动锻造

爱分析：今年容智在重点推智能体操作系统Agentic OS，Nexus是新推出的产品？

柴亚团：去年我们只是几个智能体，不同智能体解决不同问题。今年产品线扩充了，大概有九个智能体，数量还在继续增加。我的判断是，每一个智能体只能专注解决一件事，不可能通过一个智能体把所有事情全部搞定。每个智能体专注解决一个事情，而且要把这件事做到极致。Nexus是我们今年新推出的下一代智能体平台，有三个身份。第一，它是L5级全自动。你只要给它一句话，后面的事情全部自己搞定，自己写代码，自己搭环境，自己构建起来。第二，它对普通业务人员非常友好。懂业务的人不懂技术，懂技术的人不懂业务，Nexus要让普通业务人员也能快速搭建自己的智能体。第三，它是智能体调度大管家。你跟它说一个任务，它会判断下面哪个智能体适合做，自动调动起来，最后返回结果。

爱分析：为什么容智产品里不太讲Skill？

柴亚团：Skill、MCP这些东西是谁提出来的？Anthropic。它是模型公司，模型公司比较缺手跟脚，所以Skill是给模型补手脚的。这个东西有效期可能也就一年，因为本身就是为弥补模型缺陷提出来的。但我们本身就是做智能体的，手脚不缺，这些能力都有。第二，Skill最大的问题是，总结的是过去的经验，但企业很多东西都在变。过去的经验能不能面对今天和明天的挑战？不一定。既然如此，我为什么要用它？

爱分析：容智用什么方式替代Skill？

柴亚团：我们在Nexus里自创了一个东西，叫AutoForge，自动锻造。你给它一个需求，它自己去干。它觉得缺东西，就马上自己锻造。接口改了，需求变了，它自动优化，自动迭代。我们的基础理念就是要超过Skill，所以Nexus产品是下一代的。

爱分析：要做到这种自进化，最难的是模型能力，还是工程化能力？

柴亚团：工程化能力更重要，而且我们已经实现了。Nexus已经正式发布，也有客户在用。以前我们必须用满血版DeepSeek，现在也可以支持27B这种小模型，精度没有衰减。Nexus有很好的Harness，包括自进化、自动锻造，以及在模型参数小的情况下，依然保持精度，这里面需要做很多验证，确保它按照正规的路线去走。

06 、去年造零件，今年造整车

爱分析：容智每年都在迭代Agent产品，回头看去年，最大的变化是什么？

柴亚团：今年回头看去年的产品，我觉得有些基础，但这是技术迭代的必经之路。去年我们是在造零件。一会儿干这个产品，一会儿干那个产品，员工也有觉得有点混乱，好像干的东西都不相干。就像造车一样，今天搞轮胎，明天做发动机，后天做外壳，大后天做沙发。今年我把整辆车弄出来了，大家一看，原来我们不是为了造零件，我们是为了造车。所以今年我们叫Agentic OS，而去年那些产品，现在看就是这辆车里的零件。

爱分析：下一步产品演进会继续沿着Agentic OS？

柴亚团：对。我们会继续沿着Agentic OS这条路走，真正做到AI原生。现在很多智能体还属于AI外挂，在传统SaaS、传统软件上加一个AI聊天窗口。下一步要从底层做到AI Native，不是只有信息记录和流程驱动，而是完全基于目标驱动，是纯粹AI原生的系统。

爱分析：以目标为导向，按结果付费会不会更容易落地？

柴亚团：现在我们做的一些大项目，基本上已经接近按结果付费。报价方式不一定直接按照结果产出，但客户要的是一个结果。不过按结果付费还有障碍。第一，客户现有预算体系不支持。他们可能按人天签，或者按项目签。第二，结果到底怎么定义，客户也不是很清楚。什么样算合格，什么样不合格？衡量标准和评价体系清晰的话，是比较容易用结果付费的。我认为这个方向会继续发展，等大家对产出结果达成共识以后，按结果付费就会更容易。

爱分析：从团队角度看，Agent厂商自身需要发生哪些变化？

柴亚团：现在要大量使用年轻人。范式已经完全变了，不是以前那种方式，而年轻人接受起来更容易。另外，我们公司从去年开始，要求所有人必须用AI。用AI有两个方面：第一，必须用外面领先的东西，看国外领先的模型；第二，必须用我们自己的Agent产品，各个岗位都要用，每个产品出来，第一件事就是全员试用，卖给客户之前自己人必须要先用。我们公司的做法是，不管是什么岗位，任何产品出来，全员都给我测试，然后提意见反馈迭代修改，直到可以正式发布。

爱分析：从CEO角度看，今年和去年相比，最大的变化是什么？

柴亚团：今年更焦虑，变化太快了。以前做软件，生命周期可能是5年，后来是1年，再后来是3个月。现在我觉得是按周，甚至按天，每周都会是不同的样子。我们一直在亢奋中不断迭代。客户可能上个月看的还是一个状态，这个月我就告诉他，我们已经迭代升级了。整体趋势是，产品会越来越智能，越来越好用，对算力要求越来越低。

爱分析：这种焦虑是阶段性的吗？

柴亚团：我觉得是阶段性的。现在处于技术快速迭代变化，还没有进入瓶颈期或稳定期，任何技术都有这样的阶段。但这个时候，也是发展最快、最危险的时候。你跟不上，可能就掉下去了。

爱分析：所以容智的壁垒，最终还是迭代速度？

柴亚团：对，我们差不多半年迭代一次。去年你看我们讲的东西，和今年已经完全不一样了。我们的核心竞争力，是深入市场、理解客户需求，一直研判未来趋势，并且迭代速度很快。有了AI之后，各个层面发展都很快。我们保持开放心态，不怕别人抄，你抄就抄，但我们会不断推陈出新。