在2026年人工智能+生态大会（AIEC 2026）上，浪潮信息董事长彭震带来了一场关于“AI原生企业的组织进化”主题演讲。当行业还在讨论用哪个大模型、配多少张GPU、部署多少个Agent时，一个更底层的问题正在浮现：如果Agent不再只是工具，而是进入业务流程、承担任务、参与决策，企业原有的组织系统还能不能支撑它规模化运行？
Humagent（/ˈhjuːdʒənt/），“Human”与“Agent”的复合词，这就是浪潮信息给出的答案。这个词指向一种全新的企业基础单元：组织不再单纯由人构成，而是人与智能体协同共生的复合体。
前三次产业革命主要针对的是劳动工具，是四肢与五官的延伸；而AI产业革命首次改变了劳动者的定义，是智力的延伸。
这句话点出了AI变革与以往的本质区别——“谁在劳动”正在发生变化，组织里加入了新的“成员”。正因为如此，Agent时代真正的瓶颈不在技术，而在组织；企业AI转型的本质，不是给员工配一个更聪明的工具（"+AI"），而是要让组织进化出一种新的基础单元——"Humagent"（Human+Agent），完成一场系统性的生产关系重构。
Humagent：组织的基础单元变了，组织力成为最大的摩擦力
理解Humagent，要先理解“什么是Agent”？这里有一个核心的区分：如果把Agent定义为个人智能助手，那它只是帮一个人提效。但如果把Agent从对话框里的工具，变成组织里有身份、有职责、可以被找到、可以被问责的一员，让它成为组织架构里真实存在的一个节点，性质就完全不同了。
列举一个真实案例，很能说明这种身份转变意味着什么：员工的报销单被Agent驳回，员工不需要再走传统的电子流程申诉，而是可以直接给这个“数字员工”发邮件，问清楚该怎么修改，Agent会像一个真实的同事一样给出处理建议。
这个细节背后，是一个目前很普遍的现象：很多企业大手笔投入AI——买算力、买Token、部署模型、开发Agent，员工的技能确实提升了，但企业的实际业务效果却往往不及预期。
原因不在技术，而在组织。
在整个AI转型过程中，组织力反而成了最大的摩擦力。
这个判断和第三方机构的研究结论相互印证：企业AI转型中，非技术性因素的权重可能高达70%，技术性因素只占30%。这个比例揭示了一个朴素的道理——如果一家企业把所有预算和精力都砸向模型选型和算力采购，却没有同步思考组织如何变，转型很可能在落地环节就卡住，哪怕主观上有强烈的改变意愿。
① 文化先行：转型的第一步，也是最难的一步
浪潮信息通过自身的实践，深刻意识到Humagent绝非单纯的技术命题，而是一场深度触及企业文化、管理制度、业务流程与数据治理体系化的变革。文化是转型的第一步，如果人的认知没有转变，后面所有的制度设计、流程改造都会落空。
在企业内部，最先出现的不是技术问题，而是人的态度。团队负责人会直接表态“千万别因为这次转型给我裁员”；员工对Agent的态度则容易走向两个极端：一种是看不上，觉得“AI生成的都是垃圾”，自己的才有水准；另一种是盲目崇拜，觉得AI给出的就是对的。
这种或恐惧、或抗拒、或盲崇的心理，往往源自于对Agent真实能力边界的认知模糊。最好的解法莫过于让员工真正理解Agent，把它当作一个聪明的、但经验不足的年轻同事去看待，而不是一个完美的、随时可能取代自己的对手。
消除恐惧和盲崇，靠的是“科普与透明”；化解抗拒，靠的是“共情与利益绑定”。浪潮信息在内部落地了一系列文化动作：
■ 推行全员AI技能认证和实操考试，让能力提升变得可衡量、可验证；
■ 设定新的KPI考核标准，衡量的是Humagent整体的效率和创造力有没有提升，让员工感到自己是“和Agent一起把事情做得更好”，而不是被Agent比较、被取代；
■ 举办类似黑客松的比赛，给年轻人一个不受既有流程束缚的创新舞台；
■ 建立Agent Hub，对内部涌现的Agent应用给予正向反馈和资源支持；
■ 设立免费Token工厂，让创新探索不被成本压力束缚。
尤其是最后一点——给一线员工免费的探索空间，本质上是让员工拥有“Token自由”，为创新松绑。
② 管理变革：把Agent当年轻人，而不是完美的工具
文化解决的是认知问题，管理变革要解决的是规则问题。当组织管理的核心从“人”扩展为“Humagent”，企业治理的逻辑也要随之改变。
绩效管理是第一个要重写的逻辑。过去的绩效考核是为人类员工设计的，要考虑疲劳、情绪、懈怠甚至小小的利己主义；但这些在Agent身上并不存在，套用老逻辑去考核Agent，本身就是一种错配。
风险治理是第二个要重写的逻辑。Humagent出现之后，大部分治理责任要转移到Agent身上——过去企业的风险管控主要针对人的失误和道德风险，现在则要新增一整套应对AI幻觉、数据越权访问、模型输出不合规等新型风险的机制。
过去我们用组织力管住了很多人类所犯的错误，进而达成了一种非常好的商业效果……今天，我们也可以把AI视为一个人类员工，也许它会犯错误，但我们用组织管理去消除这种不确定性。
用一个形象的比喻来描述这套管理逻辑的底层逻辑：把Agent当成一个“聪明、勤劳但经常犯低级错误的年轻人”。企业之所以能在大量年轻员工存在的情况下依然稳健运转，靠的不是杜绝年轻人犯错，而是靠组织、流程、作业指导书、SLA、Checklist这些机制，把不确定性关进笼子里。对Agent，这套逻辑同样适用——不是因为它可能犯错就不让它做事，而是用容错机制去消除不确定性。
管理变革的核心目标很明确：最大化释放AI在企业中的智力贡献，同时确保企业运营的稳健、高效、低成本。
③流程再造：把经验沉淀的方式换了
流程再造要解决的是执行层面的问题。当组织的劳动者从单纯的人，变成人与Agent的复合体，完成工作的过程必须重新设计。
其核心原则是：充分释放Agent的知识广度、效率和创新力，同时让人类员工承担规划、决策、托底的角色。具体的分工逻辑是——人聚焦系统性、前瞻性的工作，目标设定、架构设计、方向规划，把握全局；Agent承担高频执行类的工作，包括很多原本被认为是人类独有创造力的任务。
过去分岗位、分专家，是因为人的知识密度有限，只能把工作拆给不同领域的专家；Agent既有深度又有宽度，足以覆盖任务全链条——这正在重写流程设计的底层逻辑。
这意味着企业要思考的，是怎么让一个“数字员工”进行端到端的设计与创新，同时通过分阶段、分领域的评审节点，去控制它犯错的代价和范围，避免试错成本过高导致推倒重来。
而为什么要强调全程留痕、可追溯？这背后是人类经验积累方式与AI经验积累方式的根本差异。
过去组织运转靠什么，靠的是经验的积累转化为企业的标准流程和动作。在Agent时代，Agent靠什么来积累经验？是数据。
人类总结经验靠复盘开会，讨论哪里做得好、哪里没做好；Agent的“复盘”完全依赖数据——如果决策和操作过程没有被完整记录下来，Agent就无法从历史中学习、迭代、进化。这正是流程再造最核心的一环：确保整个执行过程可记录、可追溯、可复盘。
流程再造带来的效率提升也是显而易见的：一个名为ClawManager的开源项目，由一名人类员工与Agent协作完成。工程师不再亲自编写代码，而是把“数字员工”纳入研发流程，自己回归到需求定义、创造性设计与质量控制，Agent承担起高强度、高密度的代码生成与执行工作。
结果是：团队大约一周时间完成了22万行代码的发布，效率比人的团队提升了170倍，项目上线三个月内在GitHub上获得超过1.7万个点赞，下载量超过3.6万。
这个数字背后的逻辑很直接——业务重构、流程重构如果做到位，Humagent式协作释放出的效能提升，不是渐进式的优化，而是数量级的跃升。
④ 数据治理：既要打破孤岛，又要守住边界
企业过去的数据大多沉淀在CRM、ERP等各个独立的业务系统里，每个应用有自己的数据架构，甚至有自己的加密算法和权限设置。如果让AI直接读取、操作这些原始业务数据，风险很大。
如果你要让AI直接操作原数据，AI的删、改、减，极有可能就会摧毁你的业务。
我们的解法，是建立一个与业务系统物理隔离的专属空间——Agent数据空间，让Agent在这个隔离环境中自由操作、反复试错；但凡数据空间里的处理结果需要回写到真实的业务系统，就必须经过业务流程管理和人工审核把关，确保回写过程合规、可管、可控。
空间隔离解决的是“Agent能不能动数据”的问题，但还有另一层矛盾同样关键：Agent该看到多少数据？一方面，Agent要真正具备全局掌控能力，就必须看到全域数据，打破信息孤岛；另一方面，全域可见不等于无限制访问，必须有清晰的权限防控架构，防止敏感信息、保密数据被越权调用或泄漏。这两者看似矛盾，实际上正是数据治理要解决的核心问题。
文化、管理、流程、数据治理这四个变革，不是并列的四块拼图，而是一条逐层支撑的链条——文化解决认知问题，管理解决治理问题，流程解决执行问题，数据治理则让前三者真正可执行、可验证。
Agent基础设施的能力，决定了智慧产出能力
AI时代相比数字化时代，基础设施对智力产出起决定性作用——你的Agent基础设施能力，很大程度上决定了你的智慧产出能力。
Agent时代的基础设施挑战与信息化时代存在本质差异。过去IT基础设施主要承载业务流程操作，算力需求相对稳定；而Agent时代大量工作依赖推理，对GPU算力的需求呈指数级增长。但芯片产能的扩张受限于厂房建设、设备交付及良率爬坡等物理约束，有效产能增速远低于需求增速，这种供需失衡短期内难以缓解。
一个容易被忽视的变化，是网络和存储需求的大幅增长。过去企业应用通常只有几十到上百个，但进入Agent时代，单个企业内部运行的Agent数量可达成千上万。海量Agent的并发调用，对网络带宽提出了跨越式的要求：数据中心网络端口速率正从10G/25G向400G/800G演进。与此同时，Agent操作过程的全程留痕将导致数据量急剧膨胀，数据增长曲线被重塑。
面对这些变化，我们认为应对方式不应局限于硬件堆叠，而应转向软硬件协同的系统性重构——重构系统软件以适配多元异构算力的调度与协同需求，基于新型存储和内存池化技术提升资源利用率，建立能够屏蔽GPU故障、避免大规模集群宕机的容错机制，并搭建专门的Token服务平台，实现模型调用的细颗粒度计量、配额管理与计费能力。
场景落地：降低门槛，共建生态
Agent最终要如何落地到具体业务场景、真正创造价值，基于浪潮信息先行先试的经验，有三个重点。
第一，“多元、多模”会成为常态。没有一个模型能通吃所有场景，更现实的做法是用不同模型处理不同任务，甚至让多个模型同时处理同一任务，通过打分机制挑出最优解。算力层面同样如此——GPU资源紧张已是行业普遍现实，多元化的算力组合调度会是企业的常态化策略。
第二，企业专家模型的开发势在必行。基础大模型大多基于互联网公开数据训练，面对企业内部那些缺乏公开数据积累的专业领域，能力会下降，幻觉问题会上升。解决路径是把企业私有知识注入大模型，通过强化训练和后训练，让模型成长为企业专属的领域专家，而不是泛化能力强、专业深度不足的通用工具。
第三，低代码、自然语言驱动的Agent开发模式是大方向。企业AI转型的目标不是让少数技术人员掌握开发能力，而是让全业务领域的员工都能写出Agent。
元脑企智EPAI平台，正是把多元算力调度、企业专家模型开发、数据治理、模型训练评估部署，以及自然语言Agent管理能力整合在一起，降低企业规模化开发和部署Agent的门槛。
值得一提的是，在使用元脑EPAI赋能企业和自身AI转型的过程中也发现，很多工作依然无法靠一家企业独立解决，而是需要产业上下游共同面对：企业AI服务公司帮助做转型咨询，智能体开发商承接外包开发工作，自动化工作室专注于AI流程重构。正是这些新型合作伙伴的加入，才能构筑起真正完整的产业网络，让Agent的落地从单点走向规模化。
Humagent：这是一场“摸着石头过河”的转型
AI转型最大的困难，是路径、顶层设计、工具、方法论目前都不成型、不系统。按人类的认知节奏，也许多年后会有人写本书系统梳理，但五年后还有意义吗？没有意义。
这句话点出了AI原生转型的核心矛盾，从来不是“AI够不够强”，而是“组织能不能配得上AI的能力”。当下这场转型的特殊之处在于没有现成的方法论可以照搬，企业只能在实践中摸着石头过河，而那些率先完成组织进化的企业，会在这个窗口期里获得真正意义上的先发优势。
Humagent的提出，本质上是给这种系统性转型提供了一个统一的认知框架，试图回答一个所有企业都将面对的问题：当劳动者的定义从“人”扩展为“人+Agent”，企业该如何重新设计自己的治理框架，去匹配这个全新的生产关系。
这场始于人工智能+生态大会上的演讲和思考，记录的只是浪潮信息走到今天的阶段性认知。组织进化没有终点，这篇解读，也只是一个开始。
「元脑有观点」
“元脑有观点”是浪潮信息出品的产业观察专栏，聚焦AI基础设施的前沿趋势与深度思考。
第七代服务器
