作者毛烁大模型在企业中的应用正在进入价值验证阶段。MIT NANDA发布的《The GenAI Divide》报告显示在被调查的企业级生成式AI项目中、约95%的企业级GenAI试点尚未形成可衡量的损益影响只有约5%的集成式AI试点跨过试点阶段并产生了可衡量的业务价值。MIT NANDA-《The GenAI Divide》麦肯锡同年发布的全球调查《The State of AI in 2025》也指出虽然AI使用率持续提升但多数企业仍停留在试点或有限部署阶段距离规模化释放商业价值仍有较大距离。《The State of AI in 2025》在企业整体部署阶段上接近三分之二仍处于实验或试点阶段约三分之一开始规模化推广事实上从实际落地情况来看许多企业投入数百万元乃至数千万元甚至启动了覆盖集团范围的AI部署项目但最终效果并未达到预期。原因在于大多是大模型的只是被嵌入原有业务流程成为提升单点效率的工具应用仍集中在文案生成、会议纪要整理等辅助场景或智能客服等相对独立的业务环节。对于涉及多个系统、多个角色以及复杂决策过程的核心业务AI仍然难以真正参与其中。而企业AI应用的价值释放却更多取决于AI是否能够进入业务流程并承担实际任务。相比简单调用模型接口企业需要重新设计业务流程让AI具备连接系统、调用工具和持续执行任务的能力从而将模型能力转化为可衡量、可管理、可复制的业务成果。联想乐享企业超级智能体的实践正体现了这种变化。截至2026年6月底联想披露乐享企业超级智能体月活用户达到700万日均支持超过100万次交互请求累计拉动销售额突破50亿元。在上一财年乐享联合46个垂直场景智能体组成“智能体军团”推动联想中国区客户直营营业额同比增长33%。一系列业务结果的背后是联想对企业级智能体基础设施和组织体系的系统性建设。围绕智能体规模化应用联想在技术层建立了运行与治理体系保障不同场景下的智能体协同运行。同时在业务层重新梳理了数百个工作流并推动人才能力、绩效评价和组织协作方式同步调整使智能体从单一应用走向覆盖销售、零售、服务、研发和内部管理等多类业务场景。01 联想的AI“进化论”从结果来看企业级AI并非只是增加一两新个应用入口这么简单。更多的是取决于AI能否从辅助工具进一步深入业务流程。随着AI能力不断演进企业关注的重点也正在从提升单点效率转向让AI理解业务目标、执行复杂任务并参与完整业务链路的运行。联想中国区智能化转型总监周铄将企业AI的发展概括为三个阶段。联想中国区智能化转型总监 周铄第一阶段是判别式AI主要承担风控、识别、推荐等局部任务通过模型判断帮助企业优化单一环节。第二阶段是生成式AI能够完成文案生成、代码编写等内容生产任务提高特定环节的工作效率但应用范围仍主要集中在辅助场景。第三阶段则进入了智能体阶段AI开始具备理解用户意图、拆解复杂任务、制定执行计划以及调用外部工具的能力能够参与一条完整业务链路的执行。联想乐享企业超级智能体在OMO线上线下融合零售场景中的应用展示了智能体如何进入具体业务流程。以拯救者Y900平板销售场景为例乐享智能体通过连接用户咨询、产品推荐、权益匹配、库存查询、订单履约以及售后服务等多个环节推动原了本分散的业务流程形成连续链路以往商品信息、库存状态、优惠政策、用户权益以及履约信息往往分散在不同系统中许多步骤依赖人工查询、判断和传递。对于用户而言较长的等待过程可能影响购买决策甚至造成用户流失。智能体介入后这条业务链路开始被重新组织。基于企业内部已经沉淀并经过合规使用的数据智能体能够理解用户需求和偏好并能提供更有针对性的产品建议同时其还可以判断用户是否享受国补、学生认证等相关权益并主动提醒用户完成领取或认证流程。截取自联想乐享在成交阶段智能体还能够连接库存系统、物流系统以及线下门店网络根据实时状态帮助用户选择更合适的履约方式例如选择附近门店提货。订单完成后系统还可以结合产品生命周期持续推送适用的服务内容和售后信息。在这一过程中智能体承担的任务已经超越了传统问答不仅可以理解用户意图访问多个业务系统还能根据实时条件进行判断并推动订单、服务等流程持续向前。联想公开披露的数据显示过去客服团队约60%的时间用于回答优惠、分期、库存、配送时间等重复性问题。乐享上线后重复问题回答准确率超过95%转人工率降低了33%。随着大量重复问题由智能体处理人工客服能够将更多精力投入复杂问题解决、客诉处理以及用户情绪沟通从而承担更加偏向关系维护和服务体验提升的角色。02 从“会说”到“会干”的背后从业务流程中的单点应用走向规模化运行企业智能体还需要解决一系列工程问题。企业级智能体需要处理更长的任务链路连接更多业务系统并在复杂环境中保持执行的准确性和稳定性。联想研究院AI实验室Agentic AI研发总监何明指出企业智能体需要处理大量“长程任务”。这类任务持续时间更长需要连接更多系统中间任何一个步骤出现错误都可能影响最终结果。联想研究院AI实验室Agentic AI研发总监 何明比如智能体需要用MCP接入街景地图搜索目标区域判断行进方向和观察角度遇到遮挡或分辨率不足时还要调整位置、裁剪图片并调用视觉工具最后识别招牌上的信息。对人来说可以凭借常识自然完成这些动作但智能体则必须把每一个动作转换成明确的工具调用和状态判断。企业内部的任务链路则更加复杂智能体需要连接客户系统、库存系统、订单系统、财务系统以及知识库等多类业务。但系统调用范围扩大后对准确性、安全性和权限控制的要求也随之提高。一旦出现模型幻觉、权限越界或错误操作影响范围就会涉及客户体验、品牌声誉、资金安全以及数据合规。面对这类问题联想在乐享4.0中引入了自研Harness运行层并进一步提出Agent OS体系用于统一组织、调度、治理和评测分散的智能体能力。联想中国区B2C销售体系技术交付总监潘雷将其概括为“业务IT双轮驱动”的智能体运行与治理底座。联想中国区B2C销售体系技术交付总监 潘雷这套全面更新后的智能体架构可以从业务应用、智能体运行以及基础设施三个层次理解最上层是乐享4.0负责连接业务场景是智能体能力进入企业流程的入口。面向客户、员工和合作伙伴乐享4.0承接真实业务需求并通过智能体完成交互。在客户侧其覆盖咨询、产品推荐、交易转化和售后服务等环节在员工侧连接企业知识、业务系统和专业技能帮助员工完成信息查询、流程办理和任务执行在合作伙伴侧则提供业务协同支持。通过这一层智能体得以进入销售、零售、服务以及内部管理等实际业务流程。中间层是Agent OS是智能体体系的运行和治理中枢。企业内部不同业务需要不同专业能力销售需要产品推荐和权益判断服务需要故障诊断和知识检索供应链需要库存和履约协同。Agent OS负责将不同领域的Agent、Skill、工具以及业务流程统一组织并完成调度、治理和评测。面对复杂任务总控Agent可以识别用户意图将目标拆解为多个可执行子任务再调用对应专业Agent完成执行。例如用户上传设备故障图片后总控Agent可以同时启动故障识别、保修政策查询以及替代产品推荐等任务。不同专业Agent分别连接售后知识库、服务系统和商品系统完成对应工作最终由总控Agent汇总结果并推动下一步操作。基础层则是擎天5.0引擎为这套企业级智能体架构提供算力、模型和数据能力支撑。其实在联想擎天的架构演进过程中1.0以云原生和中台化为主要特征2.0嵌入AI功能3.0引入生成式AI4.0加入智能体AI。到了5.0阶段擎天进一步升级为AI原生技术平台为算力调度、模型编排、数据与知识治理以及智能体开发运行提供支撑。周铄表示过去的架构更多解决的是局部业务需求而擎天5.0希望打通算力、模型以及知识、数据之间的连接。从底层能力来看擎天5.0依托xCloud联想智能云提供混合算力和资源调度能力在AI开发与运营层AI Foundry负责模型编排、数据与知识治理以及智能体开发运行。其中Token Hub词元中枢是擎天5.0支撑企业AI规模化应用的重要组件。随着企业内部大模型调用规模增加推理成本成为影响智能体普及的重要因素。Token Hub通过“模算一体”架构适配复杂的异构GPU生态对模型和计算资源进行统一管理并通过模型路由、资源调度和成本优化为不同任务匹配合适的模型。目前Token Hub将模型接入效率提升80%私有化部署场景下Token成本最低可降至0.5元/百万Token。除了算力和成本优化擎天5.0也改变了企业AI应用开发方式。不同于传统“需求—设计—开发—测试验收—上线”的软件开发流程而在AI原生架构下业务专家可以先提出业务Ideal构想系统进行业务仿真和验证当场景价值确认后再进入工程化开发和落地。此外为了让智能体具备持续优化能力联想还引入了记忆检索和Skill演化机制。QueryLink负责从历史数据和知识中检索与当前任务最相关的信息Lemon Agent则通过任务轨迹、执行结果以及反馈信息提取可复用经验并沉淀为新的Skill。为了验证智能体持续学习和能力演进机制的有效性联想也通过内部测试和公开基准对其性能进行了评估。QueryLink在联想内部测试中语义相似度提升15.4%推理准确率提升7%Lemon Agent相关技术使任务成功率提升30%泛化能力提升20%。在公开基准测试中Lemon Agent的长链路任务处理能力也得到进一步验证。截至2026年2月6日Lemon Agent在GAIA基准测试中的总体准确率达到91.36%Terminal-Bench 2.0当前公开榜单显示联想研究院AI实验室提交的LemonHarness以84.5%的准确率位列第二。这些测试结果能够反映智能体在复杂任务拆解、工具调用、持续执行以及能力泛化方面的工程能力。03 “硅碳共生”的内生变革技术体系的变化最终会传导到组织内部。随着越来越多业务环节由智能体参与执行企业需要审视几个问题哪些任务应该交由机器完成哪些判断必须由人承担员工价值应该如何重新衡量事实上AI对企业组织的影响会逐步深入运行机制。北京大学国家发展研究院管理创新实验室副主任朱丽认为早期阶段AI主要体现为单点效率提升随着部分判断和执行任务由AI承担人与机器之间的职责边界开始调整当AI进一步参与企业核心价值链后组织制度和协作方式也需要随之变化。北京大学国家发展研究院管理创新实验室副主任 朱丽这样的变革往往从企业最基层、最具体的业务环节开始。面对智能体进入组织流程联想对内部业务流程进行了系统性重构将692 个L4及以上的业务流程全部拆解、梳理逐一识别其中哪些环节适合由 AI 承担哪些环节仍需要人工决策。所谓L4 流程指的是已经拆解到具体业务执行步骤的颗粒度。以退货场景为例一个完整的“退货处理流程”会进一步拆分为“核验订单信息”“判断退货条件”“生成退款工单”“通知客户处理结果”等可被系统识别和执行的环节。为什么要拆到 L4 级别因为智能体并不能直接理解“提升客户满意度”“优化供应链效率”这样的宏观目标其需要被嵌入到明确的任务节点中。因此企业必须重新定义每一个流程节点中的人机边界哪些数据可以开放给智能体访问智能体能够自主执行到哪一步哪些异常情况必须触发人工审核执行结果由谁确认出现错误后责任如何追溯联想中国人力资源战略设计总监孙海宁将这种全新的人机分工逻辑概括为“碳硅各展所长”硅基系统AI承担高并发、重复性、标准化的数据处理和流程执行而碳基员工人类则从传统执行环节中释放出来将更多精力投入复杂决策、战略规划以及需要情感判断和协作能力的工作。联想中国人力资源战略设计总监 孙海宁在联想内部这一变化首先体现在人才标准上。在招聘环节联想系统性吸纳具备AI能力的人才。联想中国市场推广人力资源总监张书透露过去一年联想中国区市场部招聘的AI专家岗位占比已接近40%同时几乎所有岗位面试都会考察候选人的AI思维和“AI力”。联想中国市场推广人力资源总监 张书与此同时联想的绩效评价体系也进行了调整。联想设置了“AI先锋”激励机制对能够借助AI提升团队效率、改善业务结果的员工给予激励。让员工的工作重点更侧重目标定义、资源配置、结果判断和责任承担。当人才标准和评价体系发生变化后企业的运行方式也将随之调整。在智能体逐步参与业务执行后部分工作可以由AI在不同系统和流程之间完成连接组织协作就需要围绕具体任务进行重新组合。这意味着未来企业需要更多能够连接业务与技术的复合型人才。他们不仅需要理解业务目标还需要知道如何拆解任务、配置智能体能力并推动不同角色协同交付结果。与此同时个人在企业中长期积累的经验和方法论也将转变为组织资产。这些经验可以通过知识库、流程模板和 Skill机制进行沉淀并被智能体调用。当然这并不意味着人的功能会消失。专业的员工仍然需要承担治理、风险控制、专业判断和责任界定等职责。04 写在最后联想“内生外化”的路径重构算力底座、搭建 Agent OS、重塑业务流程、将“AI力”纳入人才体系这背后是联想“内生外化”的路径。所谓“内生”是让变革首先发生在企业自身。联想将其多年积累的经验、供应链能力和行业理解与AI结合起来让技术融入企业的肌理。而“外化”则是在内部实践基础上将这些能力进一步开放出去。通过天禧、擎天等应用和底座将内部验证过的能力交付给更多个人用户和企业客户。从内部变革到能力外化再到产业服务联想跑通了“闭环”