周琦谈企业Agent如何从概率智能走向确定性

企业将Agent引入生产流程时，真正需要解决的并非单一模型能力，而是概率性智能与确定性软件工程之间的矛盾。阿里云智能集团研发副总裁、云原生应用平台负责人周琦以电气化为例指出，传统系统、代码和协作方式就像工厂里的传动轴，若只在旧架构上叠加AI，很难获得持续稳定的投入产出比。2026年云栖大会期间，阿里云发布了企业级Agent构建与治理平台AgentCore，试图补齐这层基础设施。

电力普及初期，用户甚至要拧下灯泡才能接入电器；1904年出现可分离插头后，市场仍长期存在多种插头和插座规格，直到电力标准及继电器、变压器等配套设施逐步统一，电气化才真正带动生产率提升。Agent的发展也面临类似问题：团队各自接入模型、工具和权限，容易做出大量演示项目，却难以让不同Agent协同进入生产。企业需要统一解决稳定、安全、性能和成本，并管理身份、权限、数据、工具、记忆、行为及运行环境。

现有软件系统并不会因此失去价值，流程、接口和数据反而是Agent开展工作的“手脚”。以满帮为例，平台2025年履约订单达2.36亿单，同比增长19.8%。过去运维人员要同时查看5个系统、应急时打开6个平台，在不同链路间拼接信息。接入AgentCore后，可将运维工具转为MCP接口，并继承原有角色、审批和操作权限。其稳定性数字人在披露的重大风险定位场景中，能在1分钟内找到原因，准确率超过90%。

企业仍需定义任务、工具、Agent身份、编排方式及业务上下文，平台则负责长任务运行、状态保存、权限控制和失败恢复。高度可控的任务可用高代码方式固化流程，追求快速落地的场景则可借助Harness、Skills、规则和评价体系约束行为。相比传统预先写死每一步的Workflow，AI原生方式只设定目标、资源和边界，再由Agent动态规划路径，不确定性更高，但可扩展空间也更大。

周琦进一步设想，一个复杂任务在紧急情况下能否由5000个具备顶尖推理能力的“爱因斯坦”并行处理。要实现这一目标，系统必须回答数据访问、权限边界、决策层级和分歧处理等问题。某连锁零售企业已尝试为不同门店配置补货、对账及协调Agent团队，以减少人工逐店确认库存的协调成本。这表明Agent不只是传统SaaS的延伸，也可能进一步重构企业的生产力组织方式。