全球智能体产业发展与亚信本土实践

音频由宽亮资本和亚信分享全球智能体产业发展趋势及亚信在智能体应用方面的实践，内容如下：

• 全球智能体产业发展趋势
• 产业发展现状
• 企业部署情况：自去年 coding agent 突破后，非 IT、互联网、AI 行业的企业开始大量部署 agent，从 build 到 production 是重要节点。
• 重要技术特点：Databricks 的 Unity Gateway 跨平台渗透以及 Genie Ontology 受关注，该公司在这方面进行了加厚处理，且其估值增速与发展相匹配，约三四千亿。
• 产业发展瓶颈与价值点
• 瓶颈迁移：agent 瓶颈从是否可用模式向长期运行、可治理、可交付迁移。
• 价值体现：在 hidden production 的 data 中，deploy agent 会带来 security 问题，需进行 evaluation、持续 monitoring 和 content sharing。
• 未来发展方向
• agent factory 模式：2025 - 2026 年，从 agent builder 走向 agent factory，用户通过自然语言描述和企业数据进行相关操作，如生成报告、合成数据、搜索单个 agent 最优组合等。
• 大规模部署挑战：以 agent 为主构建的系统，需在安全、低成本且可治理的运营环境中大规模部署，强调框架和上下文，目标是走向更强的闭环。
• 市场规模预测：预计到明年，全球可运行的 in production level 的 agent 在企业内部和企业互联层面将达到 100 亿。
• 企业战略框架
• 三 C 框架：即 choice、context、control。帮助客户选择合适的模型框架，匹配企业语义到智能底座，进行 runtime 的治理和审计。
• 生产周期分层：构建 7 - 9 层的 agent 生产周期，越往上越偏业务动作层，涵盖 agent build、工程、语义、治理等层面。
• 企业估值与竞争分析
• 估值提升因素：公司估值持续上升需看 build 的 production 层面转化流是否明显提高，Unity AI Gateway 能否成为跨平台治理入口，语义 autology 能否固化客户语义、提高粘性。
• 竞争挑战：面临模型公司向下吃掉 runtime tools memory 的竞争，以及企业多平台导致的治理和数据盈利折价问题。
• 亚信智能体应用实践
• 智能软件生产工厂建设
• 数据底座基础：亚信沉淀了大量团队级、企业级、行业级的资产和知识库，为智能体参与软件研发全流程提供基础。
• 生产模式转变：从以人为中心转变为以 AI 主导、人智复合的新软件生产线，人的任务和角色发生转变，程序员将升维管理智能体。
• 度量体系构建：智能体应用注重效果，度量体系对于迭代优化和评估效果至关重要。
• 智能化底座搭建：提供统一的 AI 能力，支持不同团队和业务场景构建智能应用；实现多智能体协同，完成更复杂任务；进行业务流程重构，基于 AI 原生维度对现有业务流程进行打散和重构。
• 工程化能力建设
• 研发规范化：企业级 IT 系统需要强规范、强约束，以产生可靠稳定的产出。
• 全链路可观测：通过统一的追踪系统收集用户输入、智能体调用、模型服务、工具执行等数据，用于迭代优化和研发管理决策。
• Token 成本治理：建设 Token 全链路计量能力，进行成本管控和 ROI 分析。
• 安全防护体系构建：构建智能体的身份安全、接入安全、可信连接和数据安全能力，打造事前防风险、事中强控制、事后可追溯的安全防护体系。

后续工作计划：

• 持续跟踪全球智能体产业发展，关注 Databricks 等公司的 build 的 production 层面转化、Unity AI Gateway 跨平台治理、语义 autology 等方面的发展情况。
• 亚信科技将继续深化智能体应用场景的探索，创造更大的业务价值。