近期，在AIEC（人工智能+生态大会）大会上，《财经》杂志与浪潮信息董事长彭震、美的集团美云数智副总裁魏晓刚、腾讯资深技术产品专家汪晟杰进行了一场深度对谈，几位围绕Agent时代“企业如何从个人提效到组织提效？”、“企业如何管理Humagent？”、“Token消耗指数级增长，企业如何应对算力焦虑？”等展开讨论。现将访谈转载如下。
智能体（Agent）大爆发，这是2026年最确定的趋势。
它们正在进入各类企业，从单点试用的业务工具变成数字员工，与人类并肩工作。它们消耗Token，吃掉算力，也产出效率。
国际市场调研机构IDC 2026年预测，全球活跃Agent数量将从2025年的2860万，增长至2030年的22.16亿。五年后，活跃Agent数量将是目前的近80倍。中国市场算力消耗增长明显。国家数据局数据显示，截至今年3月，中国日均Token调用量超过140万亿，相比2024年初的1000亿增长1400倍。
数字员工来得比预想中更快，但问题也随之而来。
今年6月，在AIEC（人工智能+生态大会）大会上，《财经》执行主编谢丽容与浪潮信息董事长彭震、美的集团美云数智副总裁魏晓刚、腾讯资深技术产品专家汪晟杰进行了一场思想碰撞。三位嘉宾来自不同赛道——算力基础设施、制造业、互联网平台——却指向了同一个判断：AI落地的最大瓶颈不在技术，在组织。
在这场对话中，他们拆解了三个核心问题：
——AI进入企业后，为什么个体效率提升了，组织效率纹丝不动？
——当Agent从“个人工具”变成“数字员工”，谁来管它？怎么管？
——Token消耗指数级增长，算力焦虑蔓延，企业如何把每一分算力都用在刀刃上？
浪潮信息是全球领先的AI算力基础设施服务商，彭震在这家公司的角色，决定了他在AI浪潮中看到的不是某个场景的落地效果，而是算力、算法、数据、组织之间的系统关系。
过去几年，彭震频繁穿梭于全球顶尖的AI企业和中国制造工厂之间，思考一个核心命题：算力变成生产力的“最后一公里”，到底卡在哪里？
彭震在浪潮信息的位置，让他必须同时看两件事：算力的供给怎么跟上需求，以及算力进入企业后怎么被真正用好。他提出“Humagent”——Human+Agent的复合体——这个概念。在他看来，AI落地面临两种极端的认知：一种是瞧不上AI，觉得它能力有限；一种是“神话”AI，觉得它能替代一切。这两种认知的尽头是同一个结果——AI无法真正进入组织。
他判断，企业真正的竞争力不来自人与AI谁更优秀，而来自人机协同形成的“超级团队”。当Agent像年轻员工一样进入组织，它需要被管理，而不是被使用。企业需要像管理年轻人一样管理AI——用系统的能力、流程的方法，激发AI的智力创造，同时让人做好风险管控。这不是谁替代谁的故事，而是Human和Agent一起创造更大价值的故事。
魏晓刚是美的集团美云数智数字运营总经理。他在美的的数字化转型中浸泡了超过十年，经历了这家家电巨头从传统制造到数据驱动、再到AI驱动的全部过程。
2024年，美的将AI应用纳入经营责任制，定下2000万元的降本目标，年底实际完成了1.6亿元降本、396万小时的人效提升，靠的不是一套顶层设计，是研产供销服每一个环节里长出来的1万多个智能体。
魏晓刚在美的的角色，介于技术和管理之间。他不只关注模型准不准，更关注管理者愿不愿意用、会不会用、遇到困难时能不能坚持用下去。在他看来，AI落地的核心瓶颈从来不是算力或算法，而是管理层的心智。
他提到，美的这样的公司转型是常态，管理层心智，是AI时代企业转型的最大阻力。管理层心智的问题，具体表现为四种状态：不转、转得慢、转得不坚决、转的过程中遇到困难就妥协。这四种状态，每一种都是转型的敌人。
那什么样的管理层心智才是对的？魏晓刚引用了美的董事长方洪波的三个标准：能抓住当前经营的核心问题，敢于动刀子，方向对了敢于坚持。他认为，这三点看起来简单，做到极难。因为“敢于动刀子”往往意味着要动自己的利益，“敢于坚持”意味着在没有即时回报的时候继续投入。但恰恰是这些最难做到的事，决定了企业在AI时代能走多远。
汪晟杰是腾讯资深技术产品专家，也是写下腾讯WorkBuddy产品第0.01版本的那个人。2026年大火的AI办公产品WorkBuddy，月访问量885万。市场调研机构QuestMobile数据显示，WorkBuddy今年4月初周活跃用户超过20万，位居国内首位。但很少有人知道，大约三年前，这支团队还只是一个做AI代码助手的10人小团队，一直在为生存发愁。
汪晟杰就是带着这支小团队走过来的人。在这场对谈中，汪晟杰提出，AI的价值远不止于“帮每个人变强”。“每个人都是超级个体，放在一起能不能成为超级团队？就像复仇者联盟，随时都可以被解散。”在他看来，个体的效率提升只是起点，真正的命题是如何把超级个体连接成超级组织。AI数字员工可以7×24小时工作，可以不断进化、记忆，成为一年、两年、三年的员工——但即便如此，它的价值也不在于替代谁，而在于人和AI共同协作完成目标，风险均摊，边界清晰。
三个人，三种视角，指向同一个判断：AI落地的终点，不是每个员工都有一个AI助手，而是组织本身变成一个能进化的智能体。
以下为更加全面的三方对谈实录，《财经》进行了部分优化和调整。
01 Agent进入企业，谁来管理数字员工？
《财经》：浪潮信息、美的、腾讯，分别用Agent做了哪些有意思的应用？
浪潮信息彭震：BMC（嵌入在服务器主板上的底层硬件管理系统）、BIOS（基本输入输出系统）是浪潮信息研发过程中人力最紧缺的部分。我们制定了一个激进目标，把AI Coding（AI代码生成）运用在这些工作中。经过一段时间的努力后，AI Coding的代码采用率有了很大提升。
美云数智魏晓刚：我们逐渐形成了“两条腿走路”的思路。一方面，通过知识库建设、模型优化和数据治理，不断提升AI对业务意图的理解能力和回答准确率。另一方面，通过人才培养和认证体系建设，提升员工与AI协同工作的能力。只有同时提升人的提问能力和模型的理解能力，才能真正释放智能化应用的价值。
腾讯WorkBuddy汪晟杰：我第一想到的还是我那个0.01版本的WorkBuddy。1月15日我用Vibe Coding（氛围编程）的方式自己写了一套WorkBuddy的原型。
当时写这个产品的时候，只是想做一个简单、干净、透明的应用，满足自己的日常办公。它可以对话，内置所有办公常用的技能，可以快速预览最终的Markdown（程序员编写技术文档的一种文本格式）文档等产物。没想到得到了大家的认可，公司内外就铺开了。
《财经》：企业培养人才的AI技能，没有固定范式。我们分别是如何制定培养计划的？
浪潮信息彭震：企业AI转型，人的因素是第一位的，内心的驱动力很重要。选择人才，实际上就是要去选择有内驱力的人。浪潮信息在内部推动“文化松土”，通过黑客大赛等活动，让年轻人展示自己的才华和能力。这种内驱力，是企业AI变革里最紧缺的。
美云数智魏晓刚：美的十多年来数字化转型一直强调“金种子”。也就是既理解业务，又愿意主动学习和拥抱新技术的人。他们是智能化转型的重点培养对象。公司形成了一脉相承的人才培养体系，只不过是在AI时代沿用了它。
美的2023年开始接入大模型工具，向全员开放。2024年，将AI应用纳入经营责任制，在此基础上，公司开始梳理内部员工使用AI的差异。基于大量实践案例，美的2024年底形成了一系列课程并于2025年推广。
腾讯WorkBuddy汪晟杰：腾讯给每个员工都赠送了Token（词元），欢迎大家在WorkBuddy接上各种模型去体验。主要目的是不限制想法，不限制行动，让员工所有事情都和AI共同协作完成。好的想法，如果跑出来了，工程团队一起进来干。
《财经》：企业员工使用Agent正在带来个体创新。个体创新是很容易成功的，但个体创新和组织创新之间还有哪些鸿沟？
浪潮信息彭震：个体能力提升了，但组织能力没提升。这个问题首先和怎么定位Agent有关。如果把Agent定义为个人数字助理，它只是帮员工提升能力的，那它发挥的作用有限。但如果把Agent当成数字员工，当成企业的一分子，那它的角色可能就变了。
Agent代码产出率很高，但它经常犯错误。这像年轻员工，干劲很足，但也会犯错。想要发挥他的作用，就需要公司的流程机制起作用。
比如，Agent参与软件开发时，要分解需求，还要测试，还要验证再发版。即便出现问题，也是可防的、局部的。我们还可以有多种措施把它纠正过来，符合商业稳健性的标准。日常、重复、可控的工作让AI去做。但重大的决策问题，比如是否能上线，是否能删改系统数据，这些关键动作还是要人做决策。
我提出“Humagent”（Human+Agent）这个概念，就是未来企业组织应该是Human加Agent的复合体。既要发挥Agent的智力创造，又要发挥人对业务托底的稳健性。把Agent从个人助理变成企业数字员工依赖于组织进化，这样才能支撑“Humagent”的组织变革。
美云数智魏晓刚：美的还是端到端看整体的运营效率，回归到经营角度，看全价值流降本增效。只有这样企业才会形成竞争力。基于这一思路，公司用AI分成自下而上和自上而下两条线。
自下而上方面，美的相信“高手在民间”。企业内总有一些员工能带来超出管理层预期的创新。企业一旦发现个体创新的时候，要考虑规模化复制。为此，美的2024年中建设了AIGC中台。这一方面能够将优秀实践快速复制到不同部门和业务场景。另一方面，有助于统一管理Token成本，并满足合规要求。
2025年之后，更多自上而下的创新开始出现。美的逐渐从企业运营流程出发，端到端地识别适合引入智能体的环节，将智能体嵌入研产供销服等流程之中，提升跨流程效率。
这不影响自下而上的探索。2025年美的集团开发的智能体1.3万个。员工“手搓”智能体1.1万个。仅2026年一季度，员工“手搓”智能体数量1.3万个，超过2025全年。
腾讯WorkBuddy汪晟杰：公司在做WorkBuddy的时候也意识到了，超级个体和超级团队之间，是存在鸿沟的。WorkBuddy已经在探索面向超级团队的产品形态。
什么意思呢？项目里面可以是真实的人，也可以是AI数字员工，甚至可以是尚未正式投入工作的候选专家智能体。AI数字员工在项目执行过程中会持续学习，积累记忆，自我进化。未来的组织或许不再以传统部门为核心，而是由大量围绕具体目标的三、四人创业小组构成。每个小组通过人机协同，完成项目目标。
当然这里面也会有一些挑战。那么多小的超级团队拼在一起，又是大的一个超级团队。超级团队到超级组织，需要自上而下的组织变革，需要树立一些新的边界。
02 Humagent，人类员工与数字员工如何协同？
《财经》：过去企业数字化转型的阶段，AI常常只是被当作增效降本的工具。今天的Agent不只是工具，它究竟要如何融入企业组织流程？
浪潮信息彭震：过去，企业内大量专业分工的存在，本质上是受限于人的知识边界。企业需要将一个复杂任务拆解为市场调研、需求管理、产品设计、系统架构、结构设计、散热仿真、电子设计等多个环节，并由不同专业人员分别负责。
与人相比，Agent最大的特点在于知识覆盖范围更广、信息处理效率更高。过去企业多个专业岗位协同完成的工作，可能由Agent端到端完成。Agent要发挥端到端能力，就要获取更大范围的数据和业务信息。这会带来数据安全问题。随着任务复杂度提升，一旦Agent在关键环节出现偏差，返工成本也会显著增加。
企业不应走向两个极端，一种是否定AI价值，认为它的能力无法超过专业人员；另一种则是过度神化AI，认为其能够独立完成所有工作。更合理的路径是在充分理解其优势和局限的基础上，实现Human与Agent的协同。
未来企业更可能采用Agent执行、人类监督的模式，在关键节点设置Checkpoint（检查点），由人负责审核和决策。企业真正的竞争力，会来自人机协同形成的“超级团队”。Humagent不是为了彼此替代，而是为了让企业内部的组织摩擦力变得更小。
美云数智魏晓刚：还是要回归企业经营的本质。2024年，美的就已经把All in AI（押注AI）提到了集团战略的高度。当时计划未来三年投入600亿元预算，用AI重构业务流程、组织流程，甚至是商业模式。这和当年All in数字化转型，每年数十亿投入是一样的。
美的在工厂端，特别是最难的智能制造，这种质量稳定性和数据准确性要求极高的环节，也在大胆推进。美的全球65个制造基地全球一盘棋经营，也是All in AI的。
过去，美的如果针对泰国市场开发一款电饭锅，往往需要多个团队花费两三个月时间完成市场调研、用户研究、竞品分析、产品规划等工作。
AI时代，虽然大模型能够快速生成产品方案，但人与AI更像是一个持续协作、共同迭代的过程。美的会向AI提供过去十几年积累的电饭锅全球产品数据，以及泰国当地的家庭和用户信息。产品团队会从文化、人文、市场环境等维度不断与AI互动，很快就确定了方案。
腾讯WorkBuddy汪晟杰：Agent不仅仅是一个工具。因为工具是没有记忆，也没有生命特征的。但Agent是可以把工作记忆都喂给它的，因为它的内部本身就是一批记忆文件。
Agent可以把我的工程思维都沉淀在里面，并通过Harness（Agent的驾驭工程）去驾驭它。当它工作的时候，任何突破上限的行为，都需要人来兜底。当然，这需要设计好Agent上下文工程和多层记忆系统，让它不出现幻觉地自我进化。
《财经》：企业为Agent重构业务流程的时候，要抓住哪些核心？规避哪些误区？
浪潮信息彭震：过去企业的成功依赖于把个人经验把它建立成流程，但今天企业流程要围绕Humagent重新设计。在流程方面，首先要设置很多Check Point，也就是检查点。这可以避免错误的一层层传递。
随着Agent逐渐参与企业运营，数据的重要性也将进一步提升。企业不仅要构建面向Agent的统一工作空间（Workplace），还要构建统一的数据空间（Data Space）。这样的话，Agent可以获取所需数据、理解业务上下文，也可以在项目结束后不断复盘改进。当然，这需要公司在数据治理层面要有顶层设计，避免数据碎片化、数据泄露等问题。
同一个问题，企业可以同时调用多个Agent并行处理，再统一打分机制的方式去筛选出最优方案。被选中的方案，其余Agent也可以复盘和学习，从而进化。Agent的迭代能力是很强的。
腾讯WorkBuddy汪晟杰：这也让我想到了大模型时代一个流行的词，叫自举（Bootstrapping），即利用模型自身产生的数据和错误案例，持续训练下一代模型。
它其实就是不断收集失败案例（Bad Case），通过分析自身错误、不断修正偏差，持续提升能力。这一过程与人类的学习方式高度相似。人是在不断发现错误、修正错误的过程中进步的。
在企业里，同一任务由多个模型或智能体同时完成，人类选择更好的结果，未被采纳的结果则成为模型继续优化的Bad Case。通过这种方式，可以形成“训练-评测-反馈-再训练”的数据飞轮。
浪潮信息彭震：这实际上是代表了AI的一种进化能力。我把AI比作一个年轻人，它不去踩坑永远无法成长。AI不断发现错误、自我纠错，这就是它进化的过程。
这也是为什么我认为中国的AI产业大有前途的原因。中国拥有丰富而复杂的产业场景，以及大量企业内部的非公开数据和专业数据。这些数据无法简单从互联网获取，却能够在真实业务环境中帮助模型持续纠错、优化和进化。
早期大模型更多依赖互联网公开数据训练，但随着公开语料逐渐耗尽，未来模型能力的提升将越来越依赖企业私有数据和成熟的商业场景。从某种意义上看，中国的大模型更有前途，就是因为中国的产业环境，提供了数据沃土。
03 算力焦虑下，如何把Token用到刀刃上？
《财经》：今年算力短缺成了趋势。但是Agent又在让Token消耗指数级增长，所有的企业都有必要去自建Token工厂吗？
浪潮信息彭震：这里面各有各的优势。并不是每个企业都要去自建Token工厂，不同行业和企业应根据自身情况作出选择。比如，创业公司、一人公司，更关注产品创新和业务创新，没有专职的信息化管理人员，就没有这个必要。
但是像浪潮信息、美的这样，考虑到隐私问题、成本问题，往往会自建Token工厂。因为大型企业内部往往沉淀了大量私有数据和敏感数据，包括研发代码、经营数据等。这些数据涉及企业核心资产和商业机密，不能直接上传到公共互联网去处理。自建Token工厂可以满足安全合规的需求。
最近Token价格在不断提升。如果仅在公有云上租赁，成本还是蛮高的。一旦管控员工的Token预算，会影响到创新力。Token自由，也是给创新松绑。
美云数智魏晓刚：没有高质量的数据，没有高质量的人才，Token工厂实际就是空的。数据、知识、人才，都属于企业自身的核心能力，不能简单外包给外部机构。这是企业智能化转型中必须自己建设的部分。
企业更现实的选择是内外结合。涉及核心竞争力的部分，比如研发数据、经营数据、管理层的决策意图，必须留在企业内部。一些通用能力和非敏感场景，可以借助外部的算力和模型服务。更重要的是，Token还是要真正高质量地用起来。
腾讯WorkBuddy汪晟杰：现在的模型成本已经远高于人了。所以有时候开玩笑说，雇个大学生比买Token还更便宜。腾讯内部现在也不像之前，Token管饱。
更重要的是，当员工遇到Token预算或调用上限时，仍然要具备继续工作的能力，不能因为无法调用最强模型就停下来。
未来更合理的方式，是在关键时刻调用能力更强的模型，完成复杂判断和重要决策。在重复性、标准化的工作中，依赖已经沉淀下来的记忆和知识，让成本更低的模型完成任务。
《财经》：看起来，现在所有企业都是在乎Token成本的。那么怎么把每一个Token都用到刀刃上？怎么算清ROI（投资回报率）？
美云数智魏晓刚：美的对AI投入产出的评估已经形成了一套统一的衡量方式。这套体系由财务、人力资源、业务和IT等多个部门共同参与制定。这可以根据场景算清楚，人工完成某个任务，与Token完成任务之间的效率差异。因此，美的可以算清AI的投入产出比。
腾讯WorkBuddy汪晟杰：更重要的是提高Token的使用效率，而不是简单增加消耗。应该避免大炮打蚊子，没有必要用最好的模型去做一个最简单任务。
对于复杂决策、任务拆解和工程理解等高价值场景可以优先使用能力更强的模型。而对于规则明确、结果可验证甚至可穷举的问题，未必需要依赖大模型推理，传统算法和工程方法同样能够高效完成。
《财经》：Agent时代的基础设施、软件工具、组织模式正在发生哪些变化？
美云数智魏晓刚：基础设施、软件工具、组织模式都在变。最开始顾不上结构变化，都是从点状入手。能用哪里先用哪里，能打哪里先打哪里。但这三者是相互影响的。基础设施、软件工具、组织模式像“滚动的浪潮”一样持续迭代，最终形成新的技术体系和经营模式。
以售后服务为例，这些最直接面向客户的环节都已经开始发生变化。随着智能体接入企业业务体系，客户信息、产品信息和服务数据逐步打通，企业能够围绕客户建立更加统一的服务体系。原本需要多个部门协同完成的工作，可以通过一个统一服务入口完成响应和处理。
浪潮信息彭震：AI时代的基础设施，和信息化时代的基础设施是存在差异的。信息化阶段，基础设施只需要让业务能跑就行。但AI时代，由于Scaling Law（缩放定律，模型的性能与模型参数、数据大小、算力规模是幂律关系）存在，算力决定了智能上限。
但是今天Token需求增长与产业供给之间正在出现错配。企业AI应用带来的Token消耗正在以十倍、百倍的速度快速上升。但与之相比，算力产业链的供给增长速度有限。无论是芯片、存储器、光模块还是光纤等关键环节，产业供给能力通常只能以每年百分之十几到百分之三十几的速度提升。基础设施正在成为瓶颈。
面对Token需求的持续增长，企业不仅需要敢于投资基础设施，更需要具备超前规划的能力。很多时候，当基础设施真正投入使用时，市场需求已经超过最初预期。
AI转型的主要成本正在变成基础设施投资，而且它是难以忽略的、巨大的投资。
《财经》：算力短缺问题怎么解？中国市场的Agent创新步伐，会因算力不足而拖慢么？
浪潮信息彭震：短期内算力紧张没有根本解法。因为，当前大模型的算法框架仍然高度依赖芯片和算力供给，单位Token生成成本无法颠覆性下降。
不过，这个问题正在解决。模型企业正在通过算法优化降低算力消耗。例如，通过底层算法改进、注意力机制优化、PD分离（将推理中的计算密集型任务、高带宽任务分配到适合的芯片上）、记忆增强等方式，减少重复计算，提高模型推理效率。DeepSeek等模型的出现，证明通过软件和算法创新，可以实现较低的算力消耗，降低模型成本。
任何企业的创新，都是在资源有限的环境下诞生的，无限资源反而会导致巨无霸的崩塌。中国的算力缺乏，也许会让中国在科学创新方面走出一条前沿且完全不同的路。
腾讯WorkBuddy汪晟杰：在算力供给有限的情况下，工具和模式创新的重要性正在上升。企业需要思考的核心问题，不再只是如何获得更多算力，而是在有限算力条件下如何更高效地解决业务问题。
在实践过程中，腾讯也曾长期面临算力资源不足的问题。因此，团队会通过多种方式提升模型使用效率，例如提高缓存命中率、优化上下文工程，以及让模型尽可能复用历史任务中的已有成果，从而减少重复计算和Token消耗。
这本质上是在成本和效果之间寻找平衡。企业既希望降低Token成本，又不能明显牺牲最终效果。因此，工具层的价值就在于通过更精细化的设计，在有限算力条件下实现更高效率的资源利用。
企业可以将业务流程、设计规范和最佳实践提前结构化沉淀下来。以WorkBuddy一些办公场景为例，可以把一些标准化的工作流程转化为标准化文档和知识资产，让模型直接基于规范完成工作，这可以显著降低模型推理成本。
美云数智魏晓刚：制造业常用的一个词是精益。精益的最基本逻辑就是减少浪费。这件事情是永远不变的。美的始终是用精益思维来管理AI资源。公司不仅关注整体投入规模，也会跟踪不同部门、不同场景甚至不同员工的使用情况，通过数据透明化和持续复盘，评估资源投入是否产生了相应价值。
《财经》：AI原生时代，给各位最大的感触是什么？
浪潮信息彭震：AI的智慧甚至超越了人类。但我们要思考的，不是它如何替代人类，而是人类和AI要如何和谐共处，如何利用AI创造更大价值。
美云数智魏晓刚：敬畏和尊重企业经营常识和本质的企业，才能在AI时代发展得更好。
腾讯WorkBuddy汪晟杰：智能化本质上是，个人、企业都能利用AI一起成长，都能利用AI突破上限。
第七代服务器
