達觀數(shù)據(jù)CEO陳運文：什么樣的智能體，才值得你花錢？ | 數(shù)據(jù)猿專訪

達觀數(shù)據(jù) 陳運文智能體數(shù)據(jù)猿專訪

原創(chuàng) 一蓑煙雨 | 2025-08-06 14:49

【數(shù)據(jù)猿導(dǎo)讀】從“技術(shù)炫技”轉(zhuǎn)向“落地實效”，整個AI行業(yè)正悄然完成一場范式切換。在這場變化中，“智能體”逐漸取代“大模型”成為熱詞，尤其是在產(chǎn)業(yè)應(yīng)用領(lǐng)域。

達觀數(shù)據(jù)CEO陳運文：什么樣的智能體，才值得你花錢？ | 數(shù)據(jù)猿專訪

“智能體拼的不只是模型參數(shù)，還有行業(yè)Know-How。

前兩年我們見證了大模型的全面爆發(fā)，但2025年，卻更像是一場理性的回調(diào)。企業(yè)不再為“AI能畫圖、會聊天”而驚嘆，而是開始直截了當?shù)匕l(fā)問：“能幫我審一份標書嗎？”、“能替我看懂這張發(fā)票報銷合理嗎？”、“到底能不能用在生產(chǎn)線上？”

從“技術(shù)炫技”轉(zhuǎn)向“落地實效”，整個AI行業(yè)正悄然完成一場范式切換。在這場變化中，“智能體”逐漸取代“大模型”成為熱詞，尤其是在產(chǎn)業(yè)應(yīng)用領(lǐng)域。

但智能體真的準備好了嗎？

為了回答這個問題，數(shù)據(jù)猿在WAIC 2025峰會上，專訪了達觀數(shù)據(jù)創(chuàng)始人兼CEO陳運文。

智能體要真正“工作”

需要具備四個“器官”

如果說大模型是AI大腦的雛形，那么“智能體”就是把這顆大腦裝進身體、接入現(xiàn)實世界的過程。問題是，大多數(shù)智能體仍停留在“嘴上功夫”階段，能說不能做，能答不能干。要真正替代人類完成工作，它至少需要具備四個器官：眼睛、雙手、大腦和記憶。

在這方面，達觀數(shù)據(jù)提出了一個通俗卻極具說服力的類比：智能體=數(shù)字白領(lǐng)，而這位“白領(lǐng)”需要具備完整的感知、執(zhí)行和認知能力——

·OCR是眼睛：讀取文檔、識別圖像、解析發(fā)票和合同內(nèi)容；

·RPA是雙手：登錄系統(tǒng)、點擊審批、填表發(fā)郵件，完成操作流程；

·大模型是大腦：理解指令、分析任務(wù)、生成內(nèi)容、做出判斷；

·知識庫是記憶：積累業(yè)務(wù)經(jīng)驗、行業(yè)規(guī)范和規(guī)則判斷，指導(dǎo)每一步?jīng)Q策。

這些模塊并非獨立存在，而是需要像人體系統(tǒng)一樣緊密協(xié)同。例如在處理一封含有Word和PDF附件的財務(wù)郵件時，達觀的智能體將依次完成以下步驟：

1.用IPA（智能流程自動化） 打開郵件；

2.使用OCR讀取附件內(nèi)容；

3.利用大模型生成專業(yè)的審閱意見或回復(fù)內(nèi)容；

4.根據(jù)知識庫規(guī)則判斷用語是否合規(guī)、審批流程是否合理；

5.最終再由IPA自動發(fā)送郵件，閉環(huán)整個流程。

陳運文強調(diào)：“我們不是在堆積技術(shù)組件，而是在還原一個可以上崗的數(shù)字員工。這些AI模塊之間不能各自為政，它們要能一起‘工作’，完成真正有價值的事情。”

為了讓這些“數(shù)字白領(lǐng)”快速投入企業(yè)實戰(zhàn)場景，達觀在技術(shù)架構(gòu)上實現(xiàn)了模塊化和可插拔化設(shè)計，全面兼容MCP協(xié)議。企業(yè)無需從零搭建系統(tǒng)，只需選擇自己需要的功能模塊，就能快速組裝出一套定制化智能體系統(tǒng)，降低部署門檻，也極大壓縮了試錯成本。

這意味著，智能體不再只是“AI實驗室的玩具”，而可以像樂高積木一樣，靈活組裝，直接投放到工作流中。

數(shù)據(jù)只是原油

知識才是大模型的“燃料”

大模型依靠的是參數(shù)和算力，而智能體真正跑起來，卻依賴“知識”作為燃料。

許多企業(yè)都面臨同樣的問題：數(shù)據(jù)很多，但知識很少。文檔成堆、系統(tǒng)繁雜，信息不是缺乏，而是沉睡。達觀數(shù)據(jù)在長期實踐中發(fā)現(xiàn)，僅有大模型遠遠不夠，智能體必須掌握行業(yè)知識，才能在復(fù)雜場景中做出專業(yè)判斷。

“數(shù)據(jù)只是原油，提煉之后的知識才是可以燃燒的汽油。”陳運文這樣形容。他進一步解釋：很多客戶的文檔庫里堆滿了年報、審計報告、制度手冊和新聞材料，但沒有經(jīng)過結(jié)構(gòu)化、標準化、語義提取，這些數(shù)據(jù)是“看得見但用不著”的。

達觀的解決思路是——提煉知識，形成知識庫，再反哺智能體。

這不僅僅是一個技術(shù)工程，更是一場認知工程。他們將客戶白領(lǐng)多年積累的工作經(jīng)驗、行業(yè)規(guī)則、判斷案例，沉淀為可被機器理解的“認知結(jié)構(gòu)”，并通過語義抽取、知識圖譜構(gòu)建、規(guī)則建模等方式加工處理。

在財務(wù)、法務(wù)、能源、招采、制造等行業(yè)，達觀打造出一套又一套具備專業(yè)判斷力的智能體。比如在財務(wù)審核場景中：

·它不僅能識別發(fā)票內(nèi)容，還能校驗報銷金額是否與項目進度相符；

·能判斷某張合同是否跨越了招標范圍，甚至識別是否符合“八項規(guī)定”；

·在招投標場景中，能分析多個方案中的配件參數(shù)、價格與技術(shù)指標是否匹配。

這已經(jīng)不是“自動總結(jié)會議紀要”那種輕量級功能，而是對專業(yè)知識結(jié)構(gòu)與應(yīng)用邏輯的深度還原。簡而言之，達觀智能體能做的，是會計、審計、采購、技術(shù)工程師這些角色過去“腦力勞動”的一部分。

這種能力的背后，是達觀十年來在垂直領(lǐng)域的知識積累，也是它區(qū)別于通用AI平臺的重要壁壘。

“真正的智能體，應(yīng)該像一位專業(yè)顧問，而不是一個背答案的學(xué)生。”陳運文說。

一體機、國產(chǎn)算力、出海

是智能體落地的答案？

隨著數(shù)據(jù)隱私、安全合規(guī)和算力成本的挑戰(zhàn)日益突出，智能體的部署問題也成為企業(yè)是否落地AI的重要門檻。不是所有企業(yè)都能上云，也不是所有智能體都能上崗。

“沒有GPU，一切都是無源之水、無本之木。”陳運文毫不避諱地指出，智能體不是一個單點系統(tǒng)，而是一條完整的技術(shù)鏈條，從模型推理到文檔識別再到流程自動化，都對底層算力和部署環(huán)境提出了高要求。

面對這個現(xiàn)實，達觀數(shù)據(jù)走出了一條高度實用主義的本地部署路線。

☆一體機：給中小企業(yè)的“即插即用”方案

對于預(yù)算有限、不便大規(guī)模部署服務(wù)器的中小客戶，達觀推出了“智能體一體機”方案。這臺體積稍大的機器相當于一個“AI工作站”，預(yù)裝了OCR、RPA、知識庫和大模型等組件，只需通電聯(lián)網(wǎng)、簡單調(diào)試，就能投入使用。

企業(yè)不再需要復(fù)雜的環(huán)境搭建，不需要招募AI工程師，只需像采購打印機一樣，把這臺“數(shù)字白領(lǐng)”放進部門。

這套方案尤其受到金融、煙草、制造等行業(yè)子部門的歡迎——預(yù)算有限，但任務(wù)重、專業(yè)性強，對智能體“輕部署、重效果”的需求極其明確。

☆私有化+國產(chǎn)GPU：滿足數(shù)據(jù)安全與供應(yīng)鏈穩(wěn)定雙需求

對于大型央企、國企和對信息安全有高要求的企業(yè)來說，云端方案始終面臨數(shù)據(jù)外泄與穩(wěn)定性風(fēng)險。因此，達觀也為這類客戶提供了整套私有化部署解決方案，支持企業(yè)將整個智能體系統(tǒng)部署在自有數(shù)據(jù)中心或內(nèi)部服務(wù)器上。

在國際形勢多變、進口GPU供貨不穩(wěn)的背景下，達觀也與國產(chǎn)GPU廠商建立緊密合作，適配國產(chǎn)算力，確保AI系統(tǒng)的獨立性和穩(wěn)定性。

“不是買不到海外卡，是擔心買完斷貨。企業(yè)要的是持續(xù)可用，而不是一次性演示。”陳運文指出。

這一策略也契合當前“信創(chuàng)”背景下，企業(yè)對國產(chǎn)技術(shù)、可控生態(tài)的訴求。達觀的模塊化架構(gòu)、MCP協(xié)議兼容性，使其智能體可以在不同硬件平臺上靈活部署，真正做到軟硬協(xié)同、快速上崗。

最終目的只有一個——讓AI真正參與到企業(yè)日常運轉(zhuǎn)中，而不是只停留在展示廳里。

☆出海實驗：語言不是門檻，AI即橋梁

達觀的“數(shù)字員工”不僅能勝任本土業(yè)務(wù)，還隨著企業(yè)一起“走出去”。在中東、日本等市場，達觀通過AI技術(shù)實現(xiàn)多語言材料生成、視頻配音與本地化內(nèi)容交付，極大降低了出海門檻。

在過去，做一套阿拉伯語PPT可能需要外包翻譯團隊、兩周時間，如今通過AI加持，半天內(nèi)即可完成翻譯、排版與校對，客戶反饋極好。

“這在以前幾乎不敢想，我們的團隊現(xiàn)在可以毫無障礙地處理阿拉伯文、日文、法文內(nèi)容。”陳運文笑稱。

而這種能力也在悄然改變中國企業(yè)的出海模式——不是靠堆人，而是靠技術(shù)力量建立規(guī)模化服務(wù)能力，尤其是在語言、合規(guī)、內(nèi)容生成等“白領(lǐng)密集型”環(huán)節(jié)。

服務(wù)即結(jié)果？

智能體將開啟一個怎樣的未來？

過去十年，企業(yè)數(shù)字化建設(shè)強調(diào)系統(tǒng)，強調(diào)軟件授權(quán)和流程固化；但未來十年，AI智能體或許將改寫這個范式——不再是賣工具，而是直接交付“結(jié)果”和“服務(wù)”。

☆商業(yè)模式的轉(zhuǎn)向：從SaaS到“Service as the Software”

傳統(tǒng)SaaS是“軟件即服務(wù)”（Software as a Service），賣的是工具和使用權(quán)限。而智能體落地的下一步，將進入“服務(wù)即軟件”（Service is the Software）的時代：

·企業(yè)無需再花時間“學(xué)習(xí)軟件”，而是直接把任務(wù)交給AI；

·不再按授權(quán)數(shù)量付費，而是按任務(wù)量、交付結(jié)果來計價；

·就像雇傭一個外包團隊，企業(yè)只關(guān)心最終效果，而非過程細節(jié)。

陳運文提到：“未來企業(yè)采購的不是工具，而是服務(wù)交付本身。你不需要培訓(xùn)員工使用軟件，而是采購一位‘數(shù)字員工’直接上崗。”

這一模式，在某種程度上打破了過去信息化與人力資源之間的邊界。例如，在財務(wù)共享場景中，企業(yè)不再需要部署一套軟件再搭配財務(wù)人員，而是直接讓智能體完成報銷審核、發(fā)票查驗、憑證生成等工作。

☆深水區(qū)判斷標準：能不能真正替代人的部分工作

成立于2015年的達觀數(shù)據(jù)，是國內(nèi)最早一批深耕自然語言處理和智能文檔理解的AI公司。過去十年，他們見證了從“結(jié)構(gòu)化數(shù)據(jù)”為王的時代，到“大模型+非結(jié)構(gòu)化知識”融合為主流的演化過程。而今，在企業(yè)對智能體“好用”“能用”的高要求下，他們提出了新的方法論：“智能體+行業(yè)深耕”。

所謂“深耕”，不是做一個能回答幾個問題的聊天機器人，而是要讓AI真正具備行業(yè)知識、專業(yè)判斷力和流程理解能力——能夠替代白領(lǐng)完成實際任務(wù)，而不是僅僅生成看起來漂亮的回答。

正如陳運文所指出的，“許多客戶抱怨目前的智能體‘好看不好吃’，看起來挺智能，用起來卻漏洞百出。處理簡單問題還行，一旦涉及專業(yè)細節(jié)，智能體就暴露出理解淺薄、邏輯混亂的問題。”

在技術(shù)紅利期退潮之后，智能體進入“實戰(zhàn)剛需”的冷啟動期。下一輪勝出的，不是喊得最響的公司，而是能真正做成“行業(yè)智能解決方案”的企業(yè)。

“市面上有些公司聲稱已開發(fā)上千個智能體，但實際上只是提示詞換了個殼。”陳運文并不避諱行業(yè)的虛火現(xiàn)象。他認為，判斷一個智能體是否具備“真本事”，關(guān)鍵看三點：

1.是否能跨步驟串聯(lián)任務(wù)，而非單點應(yīng)答；

2.是否能理解業(yè)務(wù)流程與行業(yè)規(guī)范，而非泛泛而談；

3.是否具備高準確率與強可控性，而非單次生成效果。

他用“淺層智能體”與“深度智能體”做了區(qū)分：前者處理簡單指令，后者能分解任務(wù)、做出專業(yè)判斷，甚至承擔部分專家工作。

而這，也預(yù)示著未來一個更深刻的變化：智能體不再是“加班助手”，而是未來組織結(jié)構(gòu)中，數(shù)字員工的基礎(chǔ)單元。

而對每一家真正想用好AI的企業(yè)來說，一個更現(xiàn)實的問題是：你的AI，是只“好看”，還是“好看又好用”？

真正的智能體，正是后者。而未來企業(yè)要的，也將是這樣的“靠譜同事”。

來源：數(shù)據(jù)猿