五个核心问题与回答
企业为什么不会只采购一个更强模型？
基础模型能力持续升级，应用层还需要做什么？
论坛反复强调，企业关心的是系统能否进入真实流程、稳定完成任务并可被审计。模型只是能力底座，工具、知识、权限、运行时、组织协作和失败恢复共同决定交付。
“Agent Harness”为什么成为工程分水岭？
它只是把工具调用封装得更方便吗？
Harness 连接模型与企业系统，管理上下文、权限、技能、运行状态和日志。模型差距缩小时，谁能把这些要素做成可靠体系，谁更接近核心业务；一次工具调用成功并不等于流程可依赖。
企业 Agent 最重要的指标是什么？
响应速度和回答准确率仍是第一优先吗？
腾讯云嘉宾把稳定、严格权限和全程可审计放在更前。企业任务可能涉及发布、交易、巡检和客户数据，系统需要知道能做什么、谁授权、做错如何追回。
物理 AI 与软件 Agent 为何出现在同一套叙事里？
机器人和办公助手不是两个行业吗？
底层闭环相似：感知状态、理解任务、规划动作、调用工具、验证结果。物理世界让安全和反馈更显性，软件世界则把失败藏在业务流程里。两者都要求从对话走向任务交付。
从超级个体到超级团队，需要改变什么？
给每名员工配一个助手，不就能提升组织效率吗？
个人提效可能把瓶颈推向协作。团队需要共享上下文、重新分工、定义判断节点并衡量最终结果。组织机制不变时，更多个人生成只会制造更多待审核信息。
沿着对话，回到问题如何展开
林松涛：让懂业务和垂直 know-how 的人拿起 AI，比让 AI 团队重新学习业务更快，也更可能创造产业价值。
纪要：平台要降低业务专家定义任务、接知识和验收结果的门槛，而不是要求每个行业先培养一支模型团队。
张正友：真正的智能需要把语言、视觉、空间认知、身体控制和环境反馈连接起来，在感知与行动闭环中验证。
纪要：Hy-Embodied、VLM、VLA 与开发平台构成技术底座，商业判断仍要回到真实任务的成功率、成本和部署周期。
吴运生：企业级智能体不是答得快就够，最重要的是稳定，有严格权限，所有操作可审计。
纪要：ADP、知识库、MCP、Skill 和门户的共同作用，是把模型放进企业治理结构。平台能力最终要由业务系统里的任务成功证明。
论坛嘉宾：AI 可以连接创意生产、广告投放和推荐链，人负责决策，系统负责流程、工具与执行。
纪要：自动化的价值在于把反馈从曝光和转化回流到下一轮创意与预算，但也要防止模型只优化短期点击而伤害品牌与用户。
媒体嘉宾：好的 Agent 应留在工作流内部，在正确时间和位置提供帮助。
纪要：这反对另建一个万能聊天入口。Agent 应理解当前任务状态，减少切换，而不是要求用户重复解释上下文。
袁晓辉：从超级个体到超级团队，不是在每个人身边加一个助手，协调机制、知识系统和工作流程都要改变。
纪要：组织需要用交付周期、决策质量与客户结果衡量 AI，而不是用活跃用户数替代生产率。
纪要：从云端到终端、从办公室到机器人，论坛最终指向同一产品范式：模型嵌入受治理的工作流，完成可验证结果，并在反馈中继续改进。
现场画面
