華為云WAIC“亮劍”企業AI，周躍峰拆解智能體規模化落地步驟

智東西
作者 楊京麗
編輯 李水青

智東西7月19日報道，昨天，在2026WAIC華為云企業智能體產業論壇上，華為公司董事、華為云CEO周躍峰，中國信息通信研究院人工智能研究所所長魏凱，華為云Agent平臺首席架構師馬會彬，openJiuwen社區技術委員會主席、華為2012實驗室AI基礎軟件科學家金雪鋒等人，圍繞企業級智能體的技術演進、平臺建設、開源生態和金融場景落地展開分享。

華為公司董事、華為云CEO周躍峰認為，智能體將逐步重構傳統SaaS生態，快速沉淀和共享MCP（模型上下文協議）、Skills等行業資產，是推動智能體規模化落地的重要步驟。

中國信通院人工智能所所長魏凱分享，智能體的滲透率可能在2027年達到70%，到2030年前后達到90%。智能體真正能“干活”，主要依賴基礎模型能力和長任務穩定執行能力的提升。

華為云Agent平臺首席架構師馬會彬認為，企業級Agent不僅要關注AI能力的上限，更要提高其能力下限，要讓Agent在執行復雜任務時“少走彎路，不走錯路”。

會上，中軟國際發布靈析企業智能體平臺V3，該平臺基于華為云Stack和企業級智能體開源版openJiuwen構建，面向金融等行業提供數據語義與本體構建、多智能體協同調度、企業級技能管理、智能問數和智能問知等能力。

同場，華為云聯合中國工商銀行、中國銀聯、中國郵政儲蓄銀行，以及軟通動力、中軟國際、南天信息等十余家金融機構和生態企業，發起共建“行業AI夢工廠·智慧金融專區”行動，計劃圍繞金融核心場景，共同沉淀和復用智能體行業資產。

一、企業級Agent不只拼上限，更要補齊“下限能力”

會上，華為公司董事、華為云CEO周躍峰稱，未來十年，智能體將重塑金融服務模式和決策體系。用戶可能不再需要直接打開某個銀行App，可以直接通過個人智能體與銀行智能體交互，獲得投資、貸款等個性化方案。

從一個能夠演示的Agent，走到能夠進入企業核心生產系統的Agent，中間仍存在明顯距離。華為云Agent平臺首席架構師馬會彬認為，企業級Agent不僅要關注AI能力的上限，更要提高能力的下限。企業更關心智能體能否7×24小時穩定運行、能否自主優化、能否防范AI原生安全風險，以及能否對任務執行鏈路進行持續觀測和評估。

華為云智果AgentArts通過AgentStudio、AgentRun和AgentOps，分別覆蓋智能體的敏捷構建、高穩運行和持續運營。平臺還引入多層控制器、自進化Harness、Agent Identity、Agent Gateway、會話級隔離、動態令牌和精細化權限控制等機制，讓Agent在執行復雜任務時“少走彎路，不走錯路”。

AgentArts在云上提供商用平臺能力，openJiuwen則進一步向企業和開發者開放核心框架。二者內核超過90%同源，形成商用和開源雙輪驅動。其中，商用版主要面向企業提供生產級安全、服務化能力和運行保障；openJiuwen則降低企業及軟件開發服務商的二次開發門檻，支持其基于開源版本開發本地化商業產品，并與AgentArts生態兼容。

二、從“能回答”走向“能干活”，企業Agent要補齊工程能力

中國信息通信研究院人工智能研究所所長魏凱認為，智能體生態建設需要各方共同參與，當前政策在鼓勵產業發展的同時，也對規范應用、安全可信提出了要求。

智能體真正能夠“干活”，依賴兩個底座：一是基礎模型能力持續提升，二是長任務穩定執行能力不斷增強。過去一年多，智能體從問答型應用，演進到人工定義工作流，再到具備本地沙箱和運行環境的自主執行階段，模型能力與工程體系正在相互推動。

魏凱提出，個人提效并不等于組織提效。企業不能零散地引入智能體，而要用工程化思路建立明確目標、建設路線圖、評價體系和持續迭代機制，同時解決業務融合、數據治理、多智能體協作、全鏈路安全和人機責任認定等問題。

三、openJiuwen轉向多智能體和分布式運行

openJiuwen社區技術委員會主席、華為2012實驗室AI基礎軟件科學家金雪鋒認為，當前企業Agent部署比例仍然較低，一個重要原因是，許多現有架構主要面向單Agent和單機運行，而企業業務天然涉及多部門、多角色和多智能體協作。

金融等核心業務又不能依賴智能體反復試錯，對安全、時延和任務確定性提出了更高要求。

openJiuwen由此提出Coordination Engineering（協同工程）和Symbiosis Engineering（共生工程），目標是打造企業級通用AgentOS（智能體操作系統）。其架構將大模型、記憶存儲和Agent協議分別作為新的計算、存儲和網絡資源進行統一管理，并將CLI（命令行界面）、MCP（模型上下文協議）作為Agent調用外部工具和服務的接口。

面向多智能體場景，openJiuwen引入Swarm Skills（多智能體集群技能）、分層調度、多模型路由和組織級記憶等能力，推動系統從Model Scale Up（模型縱向擴展）走向Agent Scale Out（智能體橫向擴展）。

平臺還支持分布式動態任務調度、多租戶和多Session安全隔離、斷點續跑及算力親和。在Coding場景中，openJiuwen將首Token時延降低22%，Cache命中率（緩存命中率）提升30%，吞吐提升20%。

四、靈析企業智能體平臺發布，瞄準生產級多智能體協同

隨著智能體從個人效率工具進入企業生產系統，企業需要解決的不再只是模型能否回答問題，還包括數據能否被準確理解、多個智能體能否穩定協作，以及任務執行過程能否被觀測、評估和審計。

中軟國際副總裁兼AI Jointforce工程院執行院長韓鵬認為，企業智能體落地首先要解決數據問題。傳統數據庫中的字段和表格主要面向軟件系統，智能體則需要進一步理解數據背后的業務語義、實體關系和行業規則，因此企業需要建設語義層、本體層和新的數據治理體系。

此次發布的靈析企業智能體平臺V3，重點覆蓋數據語義與本體構建、生產級多智能體協同與調度、場景化Ops運營、企業級技能中心，以及智能問數、智能問知等能力。

平臺可以將企業已有的數據、知識、流程和工具，轉化為智能體可調用的資產，并根據不同業務任務組織多個Agent協同工作。目前，相關能力已在電力、制造和金融等行業場景中進行驗證。

韓鵬稱，企業智能體最終必須能夠解決真實問題，并通過業務指標衡量成果。只有應用效果可量化、可以納入KPI，企業客戶才會持續投入。

靈析平臺V3的底層采用華為云Stack和openJiuwen。華為云Stack主要承載企業私有化部署及運行所需的云基礎設施，openJiuwen則提供Agent框架、運行時、協議、記憶和多智能體協作等能力。

五、智能體從問答窗口進入金融業務流程

平臺能力能否產生價值，最終仍要看智能體能否進入業務流程。恒生電子研究院AI首席技術專家林金樹認為，金融行業合規和準確率要求高，業務操作必須全程留痕，因此不能簡單地把智能體做成問答窗口。金融機構真正需要的是覆蓋信息獲取、分析、決策和業務執行的完整鏈路。

原有IT系統也不必全部推倒重建。更現實的路徑是通過MCP、Skills及“大模型友好化”改造，把傳統系統功能、數據接口和業務專家經驗，轉化為智能體能夠調用的標準化資產。

目前，中國郵政儲蓄銀行已聯合華為云Stack和openJiuwen打造智能體執行引擎，實現7×24小時自動值守，可完成分鐘級情報獲取、智能分析及多渠道推送。

天眼查則結合openJiuwen建設可信數據能力底座，預集成160余項MCP能力，并將六類風控場景能力轉化為Skills，服務智能風控、智能營銷和商業決策等場景。

此次由華為云和十余家機構發起的“行業AI夢工廠·智慧金融專區”共建倡議，也將圍繞手機銀行、智能營銷、智能風控和遠程銀行等場景，繼續沉淀工作流、Skills、模型、數據集、本體及工具等資產。

結語：企業智能體進入平臺化競爭階段

從此次發布可以看到，企業智能體的競爭重點正在從模型和單點Demo，轉向數據語義、多智能體協同、生產級運行和行業資產復用。

靈析企業智能體平臺V3建立在華為云Stack和openJiuwen之上，代表了生態伙伴基于開源內核打造行業商業平臺的一條路徑。其后續價值，將取決于平臺能否在不同企業和金融場景中穩定復制，并將智能體能力轉化為可量化的業務結果。