第一章..迈进人与智能体协作新时代.................................................................... 03 1.1 从工业时代到数字时代再到 AI 时代的组织转型 .........................................................03 1.2 人与智能体协作新时代的智能体组织关键新特征 .........................................................................................26 迈进人与智能体协作新时代 第五章..流程变革：AI 驱动流程管理变革进化路径................................................. 33 5.1 渐进式流程优化：厘清流程体系、流程数据洞察、流程优化迭代 技术突破应用边界、大模型能力渗透业务全流程，商业世界正经历 一场远超数字革命的组织范式重构——这不再是“技术工具的补充”，而是“价值 创造逻辑的根本变革”。从工业时代的科层制、数字时代的平台化，到如今 AI 时代 的“人与智能体协作”，组织形态的每一次跃迁，都源于生产力底层逻辑的重构。 本白皮书基于国内外头部企业的数智化转型实践，提炼出智能体组织的核心特征、 价值导向与破局路径，旨在为企业高层提供“可落地、可验证、可复制”的转型指南，

从被动响应转向主动服务，智能体驱动人机交互范式变革 1.2 智能体爆发式增长，系统智能体和垂域应用智能体双轨发展，走向协同 1.3 一站式开发框架和技术标准化加速智能体构建和商用落地 3.1 智能体全新交互 3.2 智能体协议升级 3.3 智能体高效开发 3.4 智能体安全可信 02 04 06 13 18 24 28 - 1 - 行业趋势 Agent 时代 鸿蒙应用生而智能 ����� ����������������� AI 助手和大语言模型（LLM）虽能 执行文本生成、内容摘要或基础工具使用等任务，但无法基于 " 自主意识 " 采取行动。自主智 能体正在改变这一现状，现有及新兴 AI 技术（如智能体框架、多智能体协作、AI 安全护栏和 工具调用功能）正赋予基于 LLM 的系统更多的自主性，即在最少的人工监督下、适应环境并在 复杂环境中自主执行任务并实现目标，这将极大拓展 AI 的应用潜力。例如，Agentic 为 用户与智能体交互最直接的入口，其系统交互入口将演进为承接、理解和分发用户意图的关键 节点，本质是触发万千智能体协同工作的调度系统中枢。在这一架构中，系统智能体承担着“中 控大脑”的角色，需对用户意图具备极高的理解精度，能够将复杂任务合理拆解，并精准调度 下游的应用智能体协同完成各类子任务。根据华为实验室 2025 年 5 月评测数据，鸿蒙系统智 能体小艺在复杂任务规划与执行场景，基于

的商业价值与网络自动化的经济效益，驱动价值转化。 2.3 技术演进：多技术融合夯实 L4 实现基础 全行业推进自智网络从L3向L4阶段迈进，在开展L4规划实践和产业标准制定的同时，将 网络大模型、多智能体协作、数字孪生等几个方面作为重点投入方向，开展技术攻关以实现L4 价值场景的突破。 网络大模型：随着AI技术与网络的深度融合，利用网络高价值语料、知识图谱、专家技能 形成行业大模型应用/智能体 服务，通过模型库、工具箱和原生应用商店助力行业快速构建企 业大模型及专属应用。 多智能体协同：多智能体协作形成群体智能有望成为推动CSP数智化转型的关键技术之一， 5 未来的电信网络由多个专业化 AI 智能体组成，自主在环境中动态交互、拆解目标、寻找资源 和工具完成任务闭环，多智能体协同可突破单智能体的局限，具备良好的灵活性与扩展性，是 电信领域网络复杂场景端到端闭环提供了关键使能技术。中国联通牵头打造了“生成式 为实现L4目标，中国联通全栈引入Agentic AI，全新设计以智能体为中心的自智网络L4技 10 术架构，实现交互模式由“人+平台”向“人机（Copilot/Agent）协同”的转变，应用模式 由“应用+工具”向“多智能体协同”的转变，开发模式由“传统开发模式”向“智能体开发 生态”的转变。 图3 中国联通自智网络L4技术架构 3类智能体，分别为客户

化等能力，增强自然语言 UI、提示工程、RAG 检索增强生成、 预训练大模型、XPU 异构混合算力，集成知识库与外部工具等，演进为智能应用。各行各业的智能应用，借助 AI 实现 自运行、自学习与群体协作，大幅提升复杂任务处理能力，从“被动服务”进化为“主动智能体”。 智能应用以预训练大模型作为内生智能中枢，赋予系统自主理解意图、规划任务和协同执行的能力。这种变革不 仅是技术架构层面的升级，更 术，实现智能应用全自动驾驶与人机智能协作。 从智能应用场景上看，在 AI 数据与大模型技术和服务的驱动下，数据生产、模型训练、软件应用开发，类似汽 车的智能驾驶，实现 AI 驱动的多模态大模型、多智能体群体协作式的“应用智能驾驶”，包括：软件开发从“需求分 析、系统设计、代码开发、构建打包、测试验证”研发全过程的“应用开发自动驾驶”，真实数据与模拟数据的“数 据生成自动驾驶”，大模型开发微调的“模型 Agent。零码开发更是将开发门槛降至最低，非技术人员通过对话即可生成满足特定需求的智能 Agent，常见于办 公自动化场景，如对话生成自动回复邮件智能 Agent。 2. 多 Agent 智能体协同的崛起 在复杂研发场景中，单智能体的能力边界日益显现，多智能体协同正成为解决系统性难题的核心范式。以 Manus 为例，其通过多 Agent 协作的生态系统，实现了专业能力的模块化分工与动态协作，部分单元专注于数据收集与分析，

.....54 工程智能白皮书 AI for Engineering White Paper ©同济大学工程智能研究院版权所有。如需引用，请注明出处。 x 6.3.3 面向工程领域的多人多智能体协同机制..................................... 55 七 工程智能的核心趋势与未来展望...................................... 这些应用的实现基于数据处理、软件平台和虚拟仿真等技术。例如，鼎捷数 智的“智能数据套件”通过检查数据一致性、关联行业标准与历史数据等方式， 构建工厂的“工艺知识图谱”。在此基础上，其 MACP 多智能体协议可将复杂的 经营决策任务拆解给不同 AI 智能体协作完成。在研发端，荣耀的仿真实验室则 利用 AI 与超算服务器进行虚拟实验，将折叠屏手机铰链的设计周期从 6 个月缩 短至 2 个月。这种由数据驱动的智能最终会落实到生产现场，例如，系统不仅能 生模型与实体桥梁状态的实时同步，需配置专属的边缘计算节点，单节点年运维 成本（硬件折旧、网络带宽、技术人员薪资）较高，这种成本压力使得中小企业 难以负担 。 4.4 系统融合与协同挑战 工程活动是多环节、多主体协同的复杂过程，而工程智能的规模化需突破现 有系统孤岛与流程割裂的桎梏，这一过程面临多重融合与协同挑战。 首先是跨环节系统融合困难。工程全生命周期（设计、施工、运营、维护） 的工具与数据系统各自独立：设计阶段依赖

要说明. (1) 互动与呈现类智能体. 图表智能体: 支持自然语言生成图表, 自动查询并可视化展示数据, 适 用于 MES, APC 等系统. 具备查询解析、数据处理与图表渲染能力, 可与其他智能体协同展示分析 结果. 低程式码智能体: 响应用户的低代码开发指令, 自动调用控件构建报表、控制器等, 提升定制开发 效率. 依赖 LLM 理解意图并操作底层平台接口. (2) 数据处理与感知类智能体 能显著提升故障定位与根因分析的准确性; 分析智能体可针 对复杂系统进行因果分析与因素贡献度识别; 而决策优化与控制智能体则支持基于知识与数据双驱动 的参数推荐与策略选择, 有效提升工艺控制与运行优化的决策质量. (4) 智能体协同机制支持多层级自动化与智能化运行. 体系于业务应用层部署多种类型的工业智 能体, 包括图表智能体、感知智能体、分析智能体、诊断智能体、决策优化智能体与控制智能体等. 这 些智能体不仅具备独立任务执行能力 体, 软件能够感知数据变化并 自动调整参数, 实现优化操作流程与灵活的客制化功能, 推动工艺流程全面自动化. 此外, 为进一步探讨智能体协同机制的实现方式与潜在演进路径, 本文也对当前系统所采用的函 数调用机制 (function call) 与主流的智能体协同架构如 MCP (multi-agent collaboration protocol) 与 A2A (agent-to-agent)

健康为中心，积极探索人工智能与医疗健 康深度融合的创新路径。我们自主研发了拥有全知识产权的“华西黉医”医学大模型，集成10余类通用模型 与50余类垂直领域模型，构建了覆盖诊前、诊中、诊后的多智能体协同服务体系。从预问诊智能体的精准分 诊，到生成式病历智能体的文书减负；从病历内涵质控的质量把关，到数字陪诊的全程陪护；从肺癌肺结节 和食管早癌人工智能辅助诊断系统的研发，到获得医疗器械证书——我们深刻认识到：人工智能不是简单 时优化推理效率。关键技术包括： 智能体平台通过NL2Agent技术将自然语言描述自 动转化为完整智能体，支持多智能体协同机制，如 肺癌MDT中协调影像、病理、基因等多专科智能体 整合生成综合诊疗建议。智能体运行引擎内置“智 能飞轮”，支持智能体边用边演进优化，并通过智 能体协议支持第三方工具即插即用，使智能体具备 调用院内系统服务接口、知识库等外部能力。 工具平台关键技术包括： 自助增训工具链：大小飞轮，模型精进 用”的闭环模式，让模型精度在真实业务流中持续 进化，越用越准、越用越懂临床。 多智能体平台：用AI智造AI 平台提供零代码智能体开发环境，针对开发人员， 仅需自然语言描述即可快速创建专属智能体应用， 并支持多智能体协同完成复杂任务。智能体可无缝 对接院内信息系统、数据库及各类第三方服务，同 时通过标准接口与上层业务系统融合，实现即插即 用。平台内置10余个常用工具，并开放对接主流搜 索引擎及开源社区应用，一键式加载即可使用。在

知识，通过模型边缘适配技术解决通用大模型在边缘环境下的部署难题，依托硬件协同优化实现性 能与能效的最佳平衡；基于参数化调节机制动态优化推理过程，确保服务质量与资源消耗的精准控制； 通过智能体支撑框架构建多智能体协同体系，实现复杂任务的自动分解与执行；借助 MCP Server 与网络模型上下文协议将网络能力标准化、工具化，彻底打通“业务 - 网络 - 算力”的闭环。这一 系列技术有效解决了企业面临的“技 等原子能力，支持对业务意图的实时解析与响应。例如， 基于自然语言的运维指令可被自动转化为网络策略，动态生成符合 SLA 要求的虚拟子网；借助 RAG 增强知识库，实现故障精准定位与自愈，大幅降低人工干预需求。 系统还支持多智能体协同与资源按需调度，根据业务上下文与实时网络状态，智能调用相应 Agent 完成网络配置、服务保障或定位增强等任务。 3.2.5 多模态感知 多模态感知通过融合视觉、雷达与 5G-A 通感一体化等技术，构建“人 算 - 智” 一体化的核心载体，以工业场景需求为驱动，依托 5G-A 与 AI 的深度融合，高效整合控制资源（控）、 算力能力（算）及大模型（智），构建集实时感知、动态认知、自主决策、精准执行与多体协同于 一体的新一代工业智能生产力工具。 智能体推动 AI 在工业领域实现更大范围、更广领域、更深层次的应用，助力行业完成从“自动化”向“智 能化”的关键跃迁，形成数据边端自治、服务开箱即用、使用高效快捷的新型边缘智能。

各单位 各单位 • 统 一的 业务流 程规范 • 统 一的 基 础数据标准 • 统 一的 数 据统计口径 • 关键资源集中控制、集 中统 筹共享 • 实现跨职能的 信息、流 程横向贯 通，提高整体协作效率 • 实现集团上下 的 纵向 贯通，建立满 足多级组织共性与个性并存的 管理 需求 • 实现标准、规范规则与业务执行的 贯通，实现精益管理思路的落地实 现 建立流程和组织的 一体化，实 各单位 各单位 • 统 一的 业务流 程规范 • 统 一的 基 础数据标准 • 统 一的 数 据统计口径 • 关键资源集中控制、集 中统 筹共享 • 实现跨职能的 信息、流 程横向贯 通，提高整体协作效率 • 实现集团上下 的 纵向 贯通，建立满 足多级组织共性与个性并存的 管理 需求 • 实现标准、规范规则与业务执行的 贯通，实现精益管理思路的落地实 现 建立流程和组织的 一体化，实 各单位 各单位 • 统 一的 业务流 程规范 • 统 一的 基 础数据标准 • 统 一的 数 据统计口径 • 关键资源集中控制、集 中统 筹共享 • 实现跨职能的 信息、流 程横向贯 通，提高整体协作效率 • 实现集团上下 的 纵向 贯通，建立满 足多级组织共性与个性并存的 管理 需求 • 实现标准、规范规则与业务执行的 贯通，实现精益管理思路的落地实 现 建立流程和组织的 一体化，实

段.................16 （三） 新资源新技术引领数字经济高质量跃升.........................................19 （四） 数字政府呈现一体协同、数智融合趋势.........................................29 （五） 数字文化进一步迈向普惠化、数智化.......................... 动国产化装备的融合应用，包括推广环境监测调控、水肥药 精准管理、智能植保、育苗催芽播种设备、无人巡检运输、 智能农机等国产化全流程智能管控系统及技术装备，引导农 机装备配备北斗辅助驾驶等系统设备终端等。流通环节推动 产业链多主体协同发展。一是持续实施 “互联网+”农产品 出村进城工程,培育一批运营主体,引导带动上下游相关主 体数字化改造。二是提升网络销售质效，挖掘电商平台潜力， 带动发展即时零售、社区电商等业态，拓展生鲜超市、便利 运行分析和智能响应，为辅助决策、风险预警、前摄性调整 等提供支撑，降低供应链中断风险。在产业培育方面，鼓励 在产业链供应链中处于关键地位或具有核心竞争力的企业， 加快数智技术与产业链供应链深度融合，支持供应链相关主 体协同创新，深度掌握关键核心技术，加快补齐底层技术短 数字中国“十五五”发展趋势白皮书 27 板。“一链一策”推动供应链全链条智慧化升级。农业供应 链重点关注农村电商发展、数智化农产品市场建设、农产品