2026 年是企业级 AGI 的分水岭。过去企业问"要不要试 AI"，现在问"AI 能不能创造可量化的业务价值"。IDC 中国副总裁兼首席分析师武连峰主持，邀请北京银行财富平台部副总经理郑浩、蚂蚁数科副总裁孙磊，围绕企业级 AGI 的价值拐点、工程化路径、选型标准与组织建议展开深入讨论。
一、2026年是企业级AGI的分水岭
为什么说 2026 年成为企业级 AGI 的分水岭？三个重要变化同时发生：
行业应用从"会聊天"走向"会做事"。 早期大模型更多停留在问答、写作层面，但今天智能体开始具备工具调用、流程执行和任务分解能力。AI 不再只是一个"回答问题的系统"，而是开始进入企业流程，承担部分任务执行。
政策环境从方向性指引到标准化推动。 从 2025 年底到 2026 年，智能体相关政策密集出台，推动企业将 AI 从试点探索转向规范化、规模化应用。
企业需求从"要不要试"变成"能不能量化回报"。 CEO、CFO 亲自下场问：能不能降本？能不能增收？能不能优化决策？
技术侧，四个条件第一次同时成熟：
- 大模型能力 — 从通用文本生成进化为具备逻辑推理、自主规划的综合智能
- 多模态理解 — 能精准读懂财报、合同、保单等专业文档
- Tool Use — 智能体可自主调用核心系统 API，完成端到端业务闭环
- 工程化框架 — 驾驭工程（Harness Engineering）首次系统性弥合了从"模型调用"到"生产落地"的工程化鸿沟
二、企业评估AGI价值的"价值铁三角"
IDC 提出企业评估 AGI 价值应看三个维度：
收入增长、成本下降、客户价值提升
覆盖岗位、流程、客户触点的广度
智能体自主判断 + 企业整体决策能力
访谈特别强调：Token 效能（Token Efficiency）比 Token 调用量更重要。 如果消耗大量 Token 却没有业务产出，企业只会感到成本增加，而非价值提升。
三、AI落地为什么过去两年不容易？
"做 AI 可能三成是 AI 能力，七成是工程化能力。" — 北京银行 郑浩
AI 不是纯技术问题。 没有工程化体系支撑，AI 效果很容易停留在演示层面，难以进入生产环境。技术角色和业务角色融合不够，技术先立项再找场景，导致路径与需求脱节。
金融行业需要可控、可追溯、可解释。 AI 不仅是技术系统，还是流程系统、风控系统。蚂蚁数科孙磊把态度变化概括为：从"试 AI"到"看效果"。 企业一号位直接参与 AI 讨论，核心问题从"要不要做"变成"到底要解决什么问题、看到什么效果"。
四、蚂蚁数科的"四车间+隐形车间"工程化方法论
孙磊提出了实践中沉淀的架构：
- 意图识别车间 — 判断用户真实意图，识别错误则后面全偏
- 策划车间 — 把问题归类到业务框架，不让模型自由发散
- 执行车间 — 调用数据、知识、工具完成任务
- 表达车间 — 对不同客户差异化表达风格
- 隐形车间（安全围栏） — 嵌入每个环节，处理欺诈、敏感内容、合规风险
这套架构的意义在于：当外部模型、工具、智能体框架不断变化时，企业只要拥有稳定的工程化框架，就能把新的能力纳入可控系统，而不是每次技术变化都推倒重来。
五、金融行业选型AGI合作伙伴的标准
北京银行郑浩提出选型五看：
- 工程化能力 — 意图引擎、知识工程、数据飞轮、工具集、安全护栏
- 行业积累 — 没有金融场景经验，教育成本和试错成本极高
- 内部实践 — 合作伙伴自己的产品在内部生态中用得怎么样
- 可比案例 — 不看 PPT，看真实 SOP、Workflow 和落地经验
- 企业自身准备 — 先梳理自己，再寻合作
六、对业务人员和CIO的建议
对业务人员： 拥抱 AI，用起来。AI 能不能真正落地，取决于业务人员是否愿意把自己的业务逻辑、客户理解、流程经验和专家判断沉淀出来。真正的问题不是"AI 会不会替代我"，而是"我能不能用 AI 放大我的业务能力"。
对 CIO 和数智化人员： 更贴近业务、更走进业务。科技部门负责人在业务部门兼职，研发人员定期到一线轮岗。未来真正领先的企业，不是简单采购 AI 工具的企业，而是能够把 AI 变成组织能力、流程能力和经营能力的企业。
总结
"创造业务价值的 AGI，才是真正的 AGI；被工程化驾驭的 AGI，才可能成为企业增长的新引擎。"
2026 年之后，企业不再为"AGI 本身"买单，而是为 AGI 创造的业务结果买单。蚂蚁数科的主张是"价值交付，效果付费"——在营销看转化，在风控看风险识别和坏账率，按效果付费的商业模式已经具备基础。
从"+AI"到"AI+"：不是流程里加个 AI，而是从 AI 出发重新设计业务流程。AI 转型本质上是组织转型。