0
| 本文作者： nebula | 2026-03-27 10:20 |
過去兩年，大模型能力的躍遷速度遠(yuǎn)遠(yuǎn)快于企業(yè)組織結(jié)構(gòu)變化的速度。文本生成、圖像生成、數(shù)據(jù)分析、代碼編寫等能力迅速成為可以調(diào)用的資源，但企業(yè)真正的工作方式卻沒有發(fā)生對應(yīng)級別的變化。原因并不復(fù)雜：企業(yè)的核心活動從來不是完成單次任務(wù)，而是在不斷變化的環(huán)境中持續(xù)進(jìn)行判斷。理解市場、識別機會、定義產(chǎn)品、構(gòu)建品牌、推動增長，這些活動構(gòu)成的是連續(xù)運行的決策鏈條，而不是一次性的推理過程。
這正是為什么，大模型并沒有直接改變企業(yè)。
如果從更長的技術(shù)史視角來看，過去二十年的企業(yè)軟件大致經(jīng)歷了三次結(jié)構(gòu)性遷移。
最早的企業(yè)系統(tǒng)，例如 ERP 和 CRM，本質(zhì)上是流程系統(tǒng)，它們通過標(biāo)準(zhǔn)化流程重新組織企業(yè)資源，使企業(yè)能夠規(guī)模化運行。隨后出現(xiàn)的數(shù)據(jù)系統(tǒng)，例如推薦系統(tǒng)與商業(yè)分析系統(tǒng)，則開始將算法引入企業(yè)決策過程，使數(shù)據(jù)成為新的生產(chǎn)要素。但即便如此，算法仍然只是輔助決策工具，而不是參與決策結(jié)構(gòu)本身。
大模型的出現(xiàn)第一次改變了這一點。但真正重要的變化，并不是生成能力的提升，而是模型開始成為一種公共基礎(chǔ)設(shè)施。企業(yè)真正需要構(gòu)建的，不再是單一模型應(yīng)用，而是圍繞自身業(yè)務(wù)結(jié)構(gòu)組織智能能力的系統(tǒng)架構(gòu)。
這意味著，Agentic AI 的競爭正在從模型能力競爭，轉(zhuǎn)向上下文結(jié)構(gòu)競爭。
這一變化也正在改變企業(yè)軟件的交付方式。紅杉合伙人Julien Bek 在其文章“Service is the new software”中提出：下一個萬億美元公司，將是“偽裝成服務(wù)商的軟件企業(yè)”，因為它們不再僅僅提供工具，而是直接參與企業(yè)結(jié)果的產(chǎn)生過程。軟件的價值，不再體現(xiàn)在功能列表，而體現(xiàn)在是否能夠持續(xù)影響業(yè)務(wù) outcome。
這一判斷正在 Agentic AI 體系中成為現(xiàn)實。當(dāng)智能體開始圍繞業(yè)務(wù)目標(biāo)持續(xù)運行時，企業(yè)部署的就不再只是一個系統(tǒng)，而是一種可以參與經(jīng)營過程的能力結(jié)構(gòu)。
也正是在這一背景下，特贊提出了 Generative Enterprise Agent（GEA）這一企業(yè)級智能體架構(gòu)體系。
GEA 并不是圍繞單一模型能力構(gòu)建，而是圍繞企業(yè)真實業(yè)務(wù)運行結(jié)構(gòu)設(shè)計的一套系統(tǒng)范式。它試圖回答的不是“模型可以做什么”，而是“模型如何進(jìn)入企業(yè)流程”。這一問題看似技術(shù)問題，本質(zhì)上卻是組織問題。
從 DAM 到 Context System：特贊進(jìn)入 Agentic AI 的歷史路徑
理解 GEA 為什么由特贊提出，需要回到特贊過去十年的技術(shù)路徑。
與多數(shù)從模型能力出發(fā)進(jìn)入企業(yè)智能體領(lǐng)域的公司不同，特贊最早構(gòu)建的是企業(yè)內(nèi)容資產(chǎn)管理系統(tǒng)（DAM）。這一系統(tǒng)最初解決的是品牌資產(chǎn)、設(shè)計資產(chǎn)和營銷資產(chǎn)的統(tǒng)一管理問題，但在長期實踐過程中，團(tuán)隊逐漸發(fā)現(xiàn)，企業(yè)真正缺失的并不是文件管理能力，而是上下文結(jié)構(gòu)能力。
企業(yè)的大量決策依據(jù)并不存在于結(jié)構(gòu)化數(shù)據(jù)庫之中，而沉淀在設(shè)計稿、傳播素材、用戶研究報告、品牌規(guī)范、活動復(fù)盤記錄和項目過程之中。這些信息構(gòu)成企業(yè)真實的判斷依據(jù)，卻長期無法被系統(tǒng)調(diào)用。因此，DAM 在特贊體系中的演化方向，并不是傳統(tǒng)意義上的內(nèi)容管理平臺，而逐步發(fā)展成為企業(yè)上下文系統(tǒng)（Context System）。
這一系統(tǒng)的核心能力不是存儲文件，而是持續(xù)構(gòu)建企業(yè)上下文圖譜，使品牌資產(chǎn)、項目經(jīng)驗、用戶認(rèn)知與策略路徑成為可以被機器理解和調(diào)用的結(jié)構(gòu)化知識網(wǎng)絡(luò)。這一變化為企業(yè)級智能體系統(tǒng)提供了一個關(guān)鍵前提：模型第一次可以基于企業(yè)自身知識運行，而不是僅僅基于互聯(lián)網(wǎng)知識運行。
GEA 正是在這一基礎(chǔ)設(shè)施之上提出的。
當(dāng)模型趨同之后，Context 成為新的企業(yè)權(quán)力結(jié)構(gòu)
在模型能力快速趨同之后，一個新的問題開始出現(xiàn)：企業(yè)如何建立自己的機器決策能力。
如果模型成為公共資源，那么企業(yè)之間真正的差異來源只能來自兩個方面：上下文密度，以及上下文結(jié)構(gòu)方式。
特贊提出 Context System 的意義，正在于將原本分散在組織內(nèi)部的隱性知識轉(zhuǎn)化為統(tǒng)一的上下文來源，使智能體系統(tǒng)能夠基于企業(yè)歷史決策邏輯運行，而不是基于通用知識運行。在這一體系中，上下文不僅包含品牌規(guī)范和素材資產(chǎn)，也包括項目軌跡、用戶畫像、商品結(jié)構(gòu)以及策略經(jīng)驗等多層級信息，它們共同構(gòu)成企業(yè)可以持續(xù)積累的認(rèn)知基礎(chǔ)設(shè)施。
這意味著，企業(yè)級智能體系統(tǒng)第一次擁有了可以繼承組織經(jīng)驗的能力。GEA本質(zhì)上是圍繞這一能力展開的架構(gòu)設(shè)計。
類似的結(jié)構(gòu)變化，其實已經(jīng)在另一類企業(yè)軟件體系中出現(xiàn)過。例如 Palantir 所構(gòu)建的數(shù)據(jù)操作系統(tǒng)，本質(zhì)上并不是傳統(tǒng)意義上的分析工具，而是一種能夠參與決策流程運行的數(shù)據(jù)基礎(chǔ)設(shè)施。它通過組織企業(yè)內(nèi)部的數(shù)據(jù)關(guān)系，使算法能夠圍繞真實業(yè)務(wù)目標(biāo)持續(xù)工作，而不是圍繞單次查詢響應(yīng)輸入。
Agentic AI 正在將這種能力進(jìn)一步擴展。從數(shù)據(jù)上下文擴展到業(yè)務(wù)上下文，從分析結(jié)構(gòu)擴展到執(zhí)行結(jié)構(gòu)，使智能體第一次可以參與企業(yè)連續(xù)運行的判斷過程。
GEA 正是在這一技術(shù)路徑上的進(jìn)一步演化，它將上下文能力從數(shù)據(jù)層推進(jìn)到品牌、產(chǎn)品與增長結(jié)構(gòu)之中，使智能體系統(tǒng)能夠進(jìn)入企業(yè)最復(fù)雜的業(yè)務(wù)決策環(huán)節(jié)。
從 Prompt 到 Intent：企業(yè)智能體系統(tǒng)的真正入口發(fā)生改變
傳統(tǒng)生成式 AI 系統(tǒng)的運行方式依賴 prompt，而企業(yè)工作的運行方式依賴目標(biāo)。這兩者之間的差異決定了為什么 Copilot 體系很難直接進(jìn)入復(fù)雜業(yè)務(wù)流程。
GEA 架構(gòu)將業(yè)務(wù)意圖作為系統(tǒng)運行的起點，通過 Intent Layer 將增長判斷、產(chǎn)品探索或傳播策略等高層目標(biāo)轉(zhuǎn)換為可執(zhí)行路徑，使智能體系統(tǒng)能夠圍繞真實業(yè)務(wù)結(jié)構(gòu)展開推理，而不是圍繞語言輸入展開生成。
這一變化看似細(xì)微，卻意味著企業(yè)級智能體系統(tǒng)第一次能夠理解組織語言，而不是僅僅理解用戶語言。
也正是在這一層之上，特贊進(jìn)一步提出 Creative Reasoning Model，使系統(tǒng)能夠在收斂之前展開可能路徑空間，從而參與創(chuàng)新判斷與策略制定過程，而不僅僅提供答案生成能力。
多模型編排能力，正在成為企業(yè)智能體系統(tǒng)的核心結(jié)構(gòu)能力
隨著基礎(chǔ)模型數(shù)量持續(xù)增加，不同模型開始在視覺理解、推理能力和數(shù)據(jù)處理方面形成明顯分工。單模型系統(tǒng)越來越難以覆蓋完整業(yè)務(wù)鏈條，而多模型協(xié)同成為新的系統(tǒng)能力要求。
GEA 的 Orchestration Layer 正是在這一背景下提出，通過編排不同模型能力，使企業(yè)用戶無需理解模型差異即可獲得穩(wěn)定輸出結(jié)構(gòu)。這種能力的意義，并不僅僅在于提升效率，而在于讓模型能力第一次能夠以系統(tǒng)形式進(jìn)入企業(yè)流程。
模型不再作為工具被調(diào)用，而作為資源被調(diào)度。
這正是企業(yè)級智能體系統(tǒng)與傳統(tǒng)生成式 AI 系統(tǒng)之間最重要的區(qū)別之一。
Proactive Agent：企業(yè)第一次擁有持續(xù)運行的智能執(zhí)行結(jié)構(gòu)
GEA 架構(gòu)進(jìn)一步引入主動型智能體，使系統(tǒng)能夠持續(xù)監(jiān)測環(huán)境變化并自動推進(jìn)業(yè)務(wù)流程。例如在新品上市準(zhǔn)備階段，系統(tǒng)可以提前完成素材一致性檢查，在傳播階段可以持續(xù)跟蹤競品動作，在復(fù)盤階段可以自動生成策略總結(jié)報告，而這些任務(wù)并不依賴人工觸發(fā)，而是在既定目標(biāo)結(jié)構(gòu)下持續(xù)運行。
這意味著企業(yè)第一次擁有一種可以持續(xù)運行的智能執(zhí)行結(jié)構(gòu)，而不是一次次被調(diào)用的生成工具。
對品牌型與產(chǎn)品型企業(yè)而言，GEA 改變的不是效率，而是判斷結(jié)構(gòu)
如果說 Agentic AI 的出現(xiàn)標(biāo)志著企業(yè)軟件進(jìn)入新的架構(gòu)階段，那么它首先改變的，并不是所有行業(yè)，而是那些長期依賴復(fù)雜判斷鏈條運行的組織類型。
特贊所服務(wù)的企業(yè)，大多屬于這一類：品牌驅(qū)動型企業(yè)、產(chǎn)品創(chuàng)新型企業(yè)，以及高度依賴市場響應(yīng)速度的增長型組織。這些企業(yè)的核心競爭力并不來自流程標(biāo)準(zhǔn)化，而來自持續(xù)判斷能力。
傳統(tǒng)企業(yè)軟件擅長解決流程問題，例如庫存管理、客戶記錄或財務(wù)核算，但品牌表達(dá)、產(chǎn)品方向與增長策略這些工作長期依賴團(tuán)隊經(jīng)驗運行。企業(yè)并不是缺乏數(shù)據(jù)，而是缺乏可以組織這些數(shù)據(jù)的認(rèn)知結(jié)構(gòu)。用戶評論、競品動作、傳播反饋、歷史項目經(jīng)驗、品牌資產(chǎn)規(guī)范，這些信息往往同時存在，卻很少進(jìn)入同一決策體系之中。因此，大量關(guān)鍵業(yè)務(wù)判斷仍然停留在“碎片信息 + 經(jīng)驗直覺”的狀態(tài)。
GEA 架構(gòu)試圖改變的正是這一點。
通過 Context System，將品牌資產(chǎn)、用戶理解結(jié)構(gòu)、項目軌跡與策略路徑組織為統(tǒng)一上下文來源，使這些原本分散在組織不同角落的信息第一次成為可以被智能體調(diào)用的連續(xù)知識結(jié)構(gòu)。進(jìn)入系統(tǒng)的素材不再只是文件，而成為企業(yè)認(rèn)知網(wǎng)絡(luò)中的節(jié)點，并隨著使用過程持續(xù)更新其語義關(guān)系，這意味著企業(yè)判斷能力開始具備可積累性。
這種能力最直接改變的，是產(chǎn)品創(chuàng)新方式。在傳統(tǒng)流程中，創(chuàng)新通常依賴單次調(diào)研或階段性分析完成，而在智能體系統(tǒng)參與之后，行業(yè)變化信號、用戶反饋結(jié)構(gòu)與競品策略路徑可以持續(xù)交叉驗證，使產(chǎn)品方向不再依賴階段性判斷，而成為持續(xù)運行的探索過程。企業(yè)第一次可以在方向形成之前驗證路徑，而不是在投入資源之后修正錯誤。
類似的變化也出現(xiàn)在品牌表達(dá)體系之中。過去品牌規(guī)范通常以文檔形式存在，它可以約束設(shè)計結(jié)果，卻無法參與設(shè)計過程。而當(dāng)品牌基因被結(jié)構(gòu)化進(jìn)入上下文系統(tǒng)之后，品牌不再只是風(fēng)格指南，而成為可以被調(diào)用的認(rèn)知結(jié)構(gòu)，使不同團(tuán)隊在不同場景中的表達(dá)保持一致，同時又能夠持續(xù)演化。
在增長運營領(lǐng)域，這種變化則體現(xiàn)為策略生成方式的改變。傳播路徑不再依賴一次次 campaign 設(shè)計，而可以基于歷史傳播效果、用戶響應(yīng)模式與平臺變化信號持續(xù)調(diào)整執(zhí)行結(jié)構(gòu)，使增長從項目制推進(jìn)轉(zhuǎn)變?yōu)橄到y(tǒng)性運行。
這些變化共同指向一個更深層的問題：企業(yè)長期缺乏的并不是數(shù)據(jù)，而是能夠組織數(shù)據(jù)的結(jié)構(gòu)；缺乏的也不是模型能力，而是能夠調(diào)用模型能力的路徑。
GEA 的價值正在于提供這樣一種路徑，使智能體第一次可以圍繞真實業(yè)務(wù)目標(biāo)持續(xù)運行，而不是圍繞單次任務(wù)響應(yīng)輸入。
Generative Enterprise Agent，標(biāo)志著企業(yè)軟件進(jìn)入架構(gòu)競爭階段
如果從更宏觀的技術(shù)史視角來看，ERP 解決的是資源如何被組織的問題，CRM 解決的是客戶如何被理解的問題，BI 解決的是數(shù)據(jù)如何被解釋的問題，而 Agentic AI 正在開始解決一個更深層的問題——企業(yè)如何形成判斷。
這也是為什么，今天企業(yè)部署智能體系統(tǒng)的意義，并不在于替代多少崗位，也不在于自動化多少流程，而在于是否能夠建立屬于自己的機器決策能力。當(dāng)模型成為公共基礎(chǔ)設(shè)施之后，真正決定企業(yè)差異的，不再是模型規(guī)模，而是上下文結(jié)構(gòu)；不再是生成速度，而是判斷質(zhì)量；不再是單點能力，而是系統(tǒng)如何持續(xù)運行。
從這個角度看，Generative Enterprise Agent 的提出，并不是一次產(chǎn)品升級，而是一次企業(yè)軟件范式的轉(zhuǎn)移。它意味著企業(yè)第一次可以圍繞業(yè)務(wù)意圖組織智能能力，圍繞上下文沉淀認(rèn)知結(jié)構(gòu)，并通過持續(xù)運行的智能體系統(tǒng)推動真實業(yè)務(wù)結(jié)果。
過去十年，企業(yè)采購的是軟件系統(tǒng)；過去三年，企業(yè)嘗試的是模型能力；而正在到來的十年，企業(yè)真正部署的，將是一套能夠參與經(jīng)營判斷的智能系統(tǒng)。
當(dāng)智能開始進(jìn)入企業(yè)的決策結(jié)構(gòu)本身時，AI 就不再只是工具，而成為企業(yè)新的認(rèn)知基礎(chǔ)設(shè)施。
這正是 Generative Enterprise Agent 出現(xiàn)的歷史位置。
官網(wǎng)預(yù)約GEA 免費體驗，為您的企業(yè)做一次系統(tǒng)診斷：
雷峰網(wǎng)(公眾號：雷峰網(wǎng))
雷峰網(wǎng)版權(quán)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。
