千匠网络：接住 AI 的持续运行

当前，市面上大部分企业AI项目在回答同一个问题：怎么把AI做出来。接入大模型，搭建知识库，开发智能体，做数字员工，把AI接进CRM和ERP...

Demo做得很快，一个月内看到效果并不难。

真正的考验，在上线之后。行业调研给过一组对照：79%的企业声称已经在使用智能体，真正进入生产环境的只有11%。从演示到生产，隔着一长串问题：模型升级了，原来的应用怎么办；Agent越来越多，谁来统一管理；AI调用不同系统，权限怎么控制；项目上线后，谁负责持续优化；一个部门跑通的能力，怎么复制到另一个部门。

AI涌入之后

模型越来越像基础资源。从闭源到开源，从通用到行业，企业获取模型能力的门槛持续下降，"有没有模型"正在退出企业AI的核心问题清单。开发侧同样在提速：过去做一个业务系统要产品、研发、测试、部署的完整周期，现在通过Agent、低代码和Skill编排，很多AI应用几天就能搭出雏形。两股力量叠加，AI应用开始大量涌入企业，部门级需求不再排队等研发排期，业务人员自己就能拼出一个能跑的助手。

涌入之后，问题才浮出水面。一家公司最初往往只有一个AI客服，很快，销售部门有了AI销售助手，市场部门有了内容助手，人力部门有了招聘助手，财务有了审核助手，供应链有了采购助手，管理层要看分析助手。AI从一个应用，长成了一组业务能力，四类新的基础问题随之出现。

一是协同。AI不再是孤立的聊天机器人，一个业务流程可能是：销售Agent查询库存、调用报价、生成方案、提交审批，AI成了业务流程中的执行节点，节点之间需要有轨道。

二是数据。AI要真正做业务，就必须连接企业知识、客户、商品、订单、供应链、财务数据和各类业务系统。AI和企业数据之间的连接质量，比模型的参数规模更能决定它能不能干活。一个只能回答通用问题的助手，和一个能查到"这个客户上个月有没有逾期"的助手，差距不在模型，在连接。

三是治理。AI数量上来之后，企业必须能回答：谁可以调用，可以调用哪些数据，用的什么模型，花了多少钱，输出是否合规，出了问题能否追溯。一个AI时可以靠默契，几十个AI时只能靠体系。

四是迭代。业务会变，模型会变，数据会变，流程也会变。AI应用的生命周期不是"开发、上线、结束"，而是"开发、上线、运行、反馈、优化、再运行"。今天用A模型做的客服，明天可能换成B模型；上个月跑通的流程，这个月业务规则就改了。应用可以重构，数据可以迁移，真正难的是这套更新机制本身能持续运转。

这四类问题解决不了，AI进得了企业，也待不下去。

上线，只是入场券

一个能让AI长期运行的企业环境，至少要具备六种能力。

模型承载：统一接入和管理不同模型，企业不被单一模型绑定，今天用A模型，明天换B模型，应用不用推倒重来。数据承载：企业知识、业务数据和AI运行中产生的数据持续沉淀。业务连接：AI不留在对话框里，能进ERP、CRM、供应链和电商系统。AI能力承载：Agent、Skill、工作流、数字员工有统一的组织方式，不散落在各个部门各自为政。运行与治理：权限、安全、成本、日志、审计成体系。持续迭代：AI在真实业务中不断拿到反馈、不断被优化。

六项能力对应的全部是"运行"，没有一项是"开发"。这意味着，企业AI真正缺少的，可能不是更多的AI应用，而是承载这些AI应用长期运行的数字空间。

AI项目的范式，正在和传统软件项目分道扬镳。传统数字化项目走"需求、开发、交付、验收"，项目制，验收即归档；AI项目走"需求、构建、上线、运行、反馈、优化、再运行"，循环制，上线即开始。传统软件追求规则确定、结果稳定，交付那一刻就是最佳状态；而AI天然处在变化中，模型在换代，数据在积累，能力在扩展，场景在生长。用交付思维管理AI项目，相当于给一个还在生长的东西办退役。

很多企业的AI项目不是死在做不出来，而是死在验收之后：没有人、没有预算接住它的持续运行。AI的价值不在上线那一刻产生，而在持续运行中产生。上线只是拿到入场券，之后每一轮运行、反馈和优化，才是它真正增值的部分。

千匠网络：先建底座，再上产品

这件事，千匠做进了产品结构里。据千匠方面介绍，千匠的产品体系是"1个底座+4个产品"：最下面一层是产业数字化底座，星枢、智元、问天、星瞳四款产品都建在它上面，运行也由它承载。

千匠星枢在模型层，解决企业如何统一接入和使用不同模型。千匠智元在智能体开发与运营层，解决如何把模型能力变成可生产、可复用的业务能力。千匠问天在数字员工层，解决AI如何真正进入岗位和日常工作。千匠星瞳在智能终端层，解决AI如何从屏幕走向真实业务现场。

四款产品解决"AI能做什么"，底座则解决这些能力怎么被统一承载，怎么真正跑进企业的业务。据千匠方面介绍，其产业数字化底座目前已接入了十多个主流模型，沉淀了2600多个Skill，几十个数字员工在上面运行，数据、权限和调用统一管理。

模型换代，应用不用推倒重来；Agent越接越多，治理规则依然生效；业务跑出来的数据，沉淀下来，成为下一轮优化的养料。

没有这一层，企业AI会走向另一种结局：模型、知识库、Agent、数字员工、AI终端各自立项、各自建设，单看每个都有效，合起来看，AI越来越多，系统越来越碎。有了这一层，这些环节才可能连成一条链路：模型产出能力，能力进入业务，业务产生数据，数据反哺模型。这个循环转起来，AI才从一批采购来的工具，变成企业自身的一部分。

过去二十年，企业建的是ERP、CRM、供应链系统和数据中台，它们记录和管理业务。接下来要建的很可能是另一层基础设施：让AI能够进入这些系统、调用这些数据、执行这些流程，并持续产生业务结果。AI的下一阶段，比的不是企业拥有多少个AI，而是企业有没有能力让这些AI真正成为企业的一部分。千匠正在尝试做的也是这件事：在模型、智能体、数字员工和智能终端之下，垫上一层能承载这些能力持续运行的产业数字化底座。

AI上线，从来不是终点。