实践真知，企业级 Agent 实践的新范式 Part 02 价值认可，场景重塑与价值深挖 Part 03 蓬勃发展，企业级的生产力再造 Part 01 概念泛化，商业价值推动产业发展 目 录 2 AI Agent 的兴起并非偶然。大模型、算力供给、能源供给、开源、生态系统和产业应用的同步发展，共同“托举”起 L1/L2 级 AI ，其 L3 级别的核心是“采取行动，完 成任务”。这种“执行导向”与企业追求实际效果、 部 署落地的目标高度一致。 2025 年， To B 市场对 AI 投资的商业价值诉求发生转变。企业不再满足于概念验证或小范围试点，希望 AI 方案能稳定落地生产环境，集成后带 来实 际业务成果，同时将 AI 从“助手”升级为“员工”或“自动化引擎”，处理如自动生成报告、解决复杂客服问题等复杂任务，以实现显著生产力 记忆 • 模块记忆 Part 02 价值认可，场景重塑与价值深挖 Part 05 来日正长， Agent 的翻涌带来无限可能 Part 01 概念泛化，商业价值推动产业发展 Part 04 实践真知，企业级 Agent 实践的新范式 Part 03 蓬勃发展，企业级的生产力再造 目 录 数字经济及企业数字化转型带来为企业级

在重视在线交互的场景中，智能助理能够提升沟通效 率和用户体验，创造商业价值 在 场景示例 线 （非穷尽） 交 互 需 求 度 鞋类箱包 日用百货 食品 家电数码 物业服务 家政维修 家居家纺 闲聊 领域知识专业度 医疗健康 金融理财 IOT 助 手 服装 我们利用人工智能技术打造了两款核心产品，提高客 户沟通效率和提升商业价值 提供语义、对话、推荐等技术解决方案

过程中，严格遵循相关法律法规，确保用户数据的安全性和隐私 性。 通过上述方法论的实践，我们能够确保商务 AI 智能体应用服 务方案不仅技术上先进，而且在实际应用中能够为企业带来显著的 商业价值。 2. 商务 AI 智能体概述 商务 AI 智能体是一种基于人工智能技术的智能化解决方案， 旨在提升企业运营效率、优化决策流程，并增强客户体验。它通过 整合自然语言处理（NLP）、机器学习（ML）、数据分析等多种 75 此外，性能测试应结合实际的业务场景，模拟用户的真实操作 行为，以确保测试结果的实用性。通过不断的性能测试和优化，可 以显著提升商务 AI 智能体的运行效率和用户体验，为企业创造更 大的商业价值。 9.2 可扩展性设计 在可扩展性设计方面，商务 AI 智能体应用服务方案的核心目 标是确保系统能够根据业务需求的增长或变化进行灵活扩展，同时 保持高性能和稳定性。为了实现这一目标，首先需要在架构设计上 分享给相关方，确保项目成果能够得到充分利用和持续改进。 在整个实施过程中，保持灵活性和适应性，随时准备调整计划 以应对不可预见的挑战和变化。通过这种方法，可以确保商务 AI 智能体应用服务方案的成功实施并为企业带来显著的商业价值。 10.3 培训与支持 为确保商务 AI 智能体的顺利实施与高效运行，培训与支持环 节至关重要。首先，针对企业内部的关键用户和技术团队，制定分 层次、多维度的培训计划。针对管理层，重点培训商务

人工智能正在经历新的发展浪潮。某头部公司正在转向AI Agents支持平台，结合第4代人工智能 模型与专业语料库以实现业务创新。AI Agents有望为商业领域注入新活力，展示人工智能的潜力 和商业价值。随着平台的发展，新的AI Agents涌现，提供专业化、高端化、个性化、规模化、持 续化的服务。人工智能的革新涵盖了生成内容（AIGC）和生成服务（AIGS）的领域。保险行业 面临挑战，AI的突破为其带来新的应对方向。 新。通过 Assistants API，开发者可以轻松地将第4代人工智能模型功能引入应用或平台，提高效率和激发 创造力。AI Agents的出现有望为商业领域注入新的活力，展示人工智能的潜力和商业价值。这 些技术将引领人工智能技术的新发展方向，助力企业和个人实现更高效、智能的创新应用。随着 平台的发展，新的AI Agents各种涌现，它们各具特色，并提供着专业化、高端化、个性化、规 模化 险产品开发问题为例，当前用户遇到的问题是什么？能解决哪些问题？用户对使用该工具后有何 期待或预期？最后是衡量指标，即回顾前面所讲的内容。 险企在利用新技术或数据时，最大的难点就是找不到合适的业务场景与商业价值。运用画布法可 以帮助企业进行结构化思考，从而制定符合企业价值主张的解决方案。 Page 15 15 欢迎联系我们 忻怡 亚太区金融科技及创新首席合伙人 大中华区金融服务首席合伙人

104 5.3 边缘共享模式..............................................................................106 六、商业价值与前景展望.....................................................................108 1 一、“东数西算”概述 1.1 背景 在完成数据迁移后，数据处理应用开始对西部数据中心的待处理 数据进行处理。通过运用各种的数据处理技术和算法，挖掘数据中的 潜在价值，为企业的决策制定、业务创新和市场拓展提供有力支持， 实现数据的商业价值最大化。 图 4-9 东数西算-数据处理 步骤六：应用删除与数据清理 任务型应用在运行结束后，及时进行应用的删除工作。对于数据 清理，这是一项具有灵活性的操作。在实际执行中，清理应用生成的 算网平台根据调度算法，可以资源需方的应用调度并部署到 共享的企业私有云/一体机上，完成资源共享过程。 六、商业价值与前景展望 “东数西算”工程涵盖了总分调度、分总调度、混合调度等调度 架构、东数西算、数据快递、东数西存、协同推理、协同训练和西训 东推等核心场景，具备明确的商业价值和广阔的市场前景。 在总分调度、分总调度和混合调度架构中，通过优化算网资源的 调度和管理，提升了资源的利用率和灵活性，降低了算力提供者和使

中空运营 工具 线下落地 指导 2 打造 AR 奇观 多形态内容落地样式 美术概 念设计 模型资 产制作 内容 策划 交互玩 法设计 场景三 维重建 应用 开发 四大商业价值 数字 资产 后期 落地 前期 策划 中期 制作 1 专属通道 小程序提前购票、预录掌纹 刷掌进场、缓解排队压力 腾讯刷掌能力，更便捷、更安全、更可靠 01 便捷性好 动作简单方便，

，依托稳固客户关系推动 WatsonX 平台及智 能体发展 ，提供深度洞察并支持多云环境集成 ，助力企业构建 定制化智能体。 亚马逊云： 专注人工智能和云服务 ，通过智能体技术提升商业价值 ，更新 Bedrock 平台支持多种模型 ，推出 Bedrock Agent 和 Amazon Q ，满足企业复杂任务需求并助力员工完成工作。 国内厂商 本土智慧赋能者 ，多场景应用先锋

全流程，统筹企业的数字资源，提供陪伴式的 服务。 总之，面向未来的增长，“数字化运营” 是企业必须要关注的关键词。要在数字化转型 中求发展、求增长，企业必须要具备数字化运 营的能力，注重通过运营来实现数字化转型的 商业价值转化。以开放探索和主动求变的视角， 把技术与员工、企业、业务伙伴和服务伙伴连 接在一起，才能推动企业获得跨越周期的价值 增长。 本文根据 Kyndryl 勤达睿大中华区总裁郑军的口述 整理 是纯粹技术层面的，例如如何有效存储海量数 据。进入价值变现阶段，数据整合职能应完成 数据采集、数据加工和特征工程三个目标。数 据采集和数据加工的概念相对清晰。特征工程 指从原始数据中提取具有商业价值和管理意义 的数据特征项，从而让智能分析项目直接使用 这些特征，大大加速智能分析的效率。同时， 这些工作应该集中在企业层面完成，避免某个 业务活动缺乏全局数据、不同业务活动对数据 重复提取的问题。

的智能语音交互助理载体。 ◼ AI+提升生产效率， B 端应用场景发展潜力逐渐释放。随着技术和应用 的发展，AI 的赋能将深刻改变很多 B 端的生产力及生产效率，其可以 帮助企业提高生产效率、提升客户体验和创造新的商业价值。举例来看， 1、安防行业作为 AI 技术落地应用较为领先的领域，率先受益于 AI 技术的成熟发展：随着 AI 逐步渗透到视频前后端设备中，AI 技术能够 对视频数据进行实时的结构化处理与分析，呈现在人工面前的并不是实 3. B 端：AI+提升生产效率，应用场景发展潜力逐渐释放 随着技术和应用的发展，AI 的赋能将深刻改变很多 B 端的生产力及生产效率，其 可以帮助企业提高生产效率、提升客户体验和创造新的商业价值。在未来，AI 技术的不 断发展和应用将为企业带来更多的机会和挑战。 3.1. 安防：AI+安防智能化变革，推进创新业务发展 伴随着数字经济持续与实体经济相结合，安防产业率先受益于 AI

为用户提供从数据预处理、模型构建、模型训练、模型评估到模型服务的全流程支持 高校 数据集合 应用知识 达到目的 TIONE 机器学习平台 模型训练 运营管理 资源调度 数据平台 数据存储服务 高校 AI 商业价值 腾讯智算平台 : 机器学习平台 TI- ONE 从数据中 获取知识 腾 平台 ONE 腾讯云 ti 平台 - ONE 计算能力服务 CPU CPU 数据准备 署 排 心 数据平台 数据存储服务 高校 数据集合 从数据中 获取知识 应用知识 达到目的 高校 AI 商业价值 腾讯智算平台：机器学习平台 TI- Matrix 边缘中心 腾 平台 腾讯云 平台 - 计算能力服务 CPU CPU 第 46 页 TI Matrix TI