近日，華為全聯(lián)接大會(huì)2025華為云生態(tài)閉門圓桌在上海世博展覽館成功舉行。本次圓桌以“云上躍遷：AI Agent生態(tài)伙伴，加速創(chuàng)新，實(shí)現(xiàn)商業(yè)共贏”為主題，聚焦AI Agent技術(shù)演進(jìn)與產(chǎn)業(yè)實(shí)踐，匯聚了來自華為云及生態(tài)伙伴的重量級嘉賓，共同探討AI Agent如何賦能千行萬業(yè)智能化轉(zhuǎn)型升級，推動(dòng)產(chǎn)業(yè)價(jià)值創(chuàng)新。

華為云全球生態(tài)部總裁康寧在開幕致辭中表示，AI正加速滲透千行萬業(yè)，AI Agent作為連接技術(shù)與產(chǎn)業(yè)價(jià)值的核心載體，已成為企業(yè)突破效率瓶頸的關(guān)鍵抓手。華為云將以產(chǎn)品共創(chuàng)、服務(wù)共行、能力共建的生態(tài)理念，與全球伙伴共同推動(dòng)AI Agent在產(chǎn)業(yè)場景中的規(guī)模化落地。

中軟國際AIGC研究院執(zhí)行院長韓鵬發(fā)表了《可信本體驅(qū)動(dòng)的Agent落地實(shí)踐》主題演講，分享了中軟國際在企業(yè)級AI落地方面的最新成果和實(shí)踐經(jīng)驗(yàn)，始終致力于解決在垂類業(yè)務(wù)高要求的嚴(yán)肅場景下，企業(yè)數(shù)據(jù)資產(chǎn)與大模型高質(zhì)量融合的難題。

通過數(shù)百個(gè)項(xiàng)目(包括POC)的歷練，中軟國際發(fā)現(xiàn)影響智能體落地行業(yè)的并不僅僅是算力和基座模型，更重要的是企業(yè)私域的大量數(shù)據(jù)資產(chǎn)、遺留系統(tǒng)和各類隱含的暗知識。我們的客戶普遍面臨“復(fù)雜數(shù)據(jù)環(huán)境”，例如企業(yè)數(shù)十年積累的結(jié)構(gòu)化數(shù)據(jù)中，大量數(shù)據(jù)庫表、字段含義及關(guān)聯(lián)邏輯僅有原開發(fā)人員知曉;而“隱形知識挖掘難”如醫(yī)療基因變體規(guī)則、工業(yè)設(shè)備故障樹等經(jīng)驗(yàn)等還未有效提取挖掘;以及“業(yè)務(wù)閉環(huán)能力弱”，早期智能體多停留在簡單問答層面，無法深度嵌入業(yè)務(wù)流程實(shí)現(xiàn)端到端提效。實(shí)踐證明當(dāng)前的一些通用智能體雖能通過任務(wù)規(guī)劃和工具調(diào)用完成一定程度的多步任務(wù)，但在解決企業(yè)垂類復(fù)雜問題和高準(zhǔn)確率高質(zhì)量要求時(shí)仍存在較大差距。

為應(yīng)對這些問題，中軟國際結(jié)合自身的領(lǐng)先實(shí)踐同時(shí)借鑒了Palantir的本體(Ontology)思想，構(gòu)建了一套輕量級可信本體的平臺(tái)及服務(wù)能力，將企業(yè)的復(fù)雜數(shù)據(jù)和知識通過生成式編織方法構(gòu)建大模型易于理解的高質(zhì)量語義化結(jié)構(gòu)，實(shí)現(xiàn)對數(shù)據(jù)資產(chǎn)和業(yè)務(wù)邏輯的孿生建模，實(shí)現(xiàn)有效的連接、融合、理解和標(biāo)準(zhǔn)化互操作?？尚疟倔w核心由四部分組成：一是企業(yè)數(shù)據(jù)目錄的構(gòu)建，接入整合企業(yè)的數(shù)據(jù)資源，形成統(tǒng)一的數(shù)據(jù)對象和關(guān)鍵要素目錄;二是語義編織層，將元數(shù)據(jù)、指標(biāo)、術(shù)語、編碼、業(yè)務(wù)標(biāo)簽等進(jìn)行規(guī)約和動(dòng)態(tài)編織;三是知識圖譜構(gòu)建，通過實(shí)體、屬性及關(guān)聯(lián)關(guān)系構(gòu)建動(dòng)態(tài)互聯(lián)的連接體系，以動(dòng)態(tài)推理的語義網(wǎng)絡(luò)支持高階查詢推理與決策思考。四是動(dòng)態(tài)互操作層，通過開放式工具目錄體系，通過MCP、Nl2API、專有算法模型等方式提供強(qiáng)大的能力調(diào)用和互操作機(jī)制。

韓鵬以AI+制造的前沿實(shí)踐為例，談到從某頭部企業(yè)“物料選型”場景切入：電子元器件種類繁多、格式不統(tǒng)一，整合標(biāo)準(zhǔn)化困難;物料信息分散在10萬+份、200+種格式文檔中，人工提取耗時(shí)易錯(cuò)、利用率低，一次性通過率不足50%。為破解客戶這一“效率黑洞”，中軟國際針對物料選型場景構(gòu)建了一套完整、可用的研發(fā)知識底座：通過對企業(yè)結(jié)構(gòu)化(關(guān)鍵參數(shù)數(shù)據(jù)庫)與非結(jié)構(gòu)化數(shù)據(jù)資產(chǎn)(如：大量元器件說明書)進(jìn)行有效的融合和語義治理，對多種模態(tài)的數(shù)據(jù)實(shí)現(xiàn)顯性和隱性的知識挖掘，并進(jìn)行外部高質(zhì)量數(shù)據(jù)補(bǔ)充。提供更為強(qiáng)大的多種知識融合檢索和增強(qiáng)推理服務(wù)，為智能體提供強(qiáng)有力的業(yè)務(wù)語義編織和知識應(yīng)用能力，并且在本體庫之上快速封裝“物料檢索、選型、BOM生成”三個(gè)專家Agent，通過多智能體框架(AgentOps)實(shí)現(xiàn)任務(wù)閉環(huán)。整個(gè)落地方式，采用中軟國際的FDE for AI(Forward Deployed Engineer for AI)模式，采用精悍小團(tuán)隊(duì)模式提供從Designtime，Buildtime到Runtime全生命周期的端到端服務(wù)。依托數(shù)據(jù)運(yùn)營持續(xù)采集用戶反饋，自動(dòng)更新本體與Agent參數(shù)，不斷提升Agent準(zhǔn)確率。最終效果是顯著的：選型時(shí)間從平均15分鐘減少到1分鐘，一次通過率從40%提升到60%。更令人驚喜的是，BOM編制效率由2小時(shí)壓縮到10分鐘，BOM評審從40分鐘縮短到5分鐘，平均達(dá)到10倍以上的效率提升。

中軟國際采用這種基于可信本體驅(qū)動(dòng)的Agent落地方法，已覆蓋“研產(chǎn)供銷服”全鏈路形成制造業(yè)的智能體群集。未來，中軟國際將進(jìn)一步與華為深化合作，擴(kuò)展至更多行業(yè)場景，幫助更多企業(yè)客戶突破智能體落地的關(guān)鍵瓶頸，實(shí)現(xiàn)AI技術(shù)在核心業(yè)務(wù)中應(yīng)用創(chuàng)新，共創(chuàng)Agent規(guī)模落地的商業(yè)正循環(huán)。