從“參數(shù)炫技”到“生產(chǎn)力落地”，智能體如何深度挖掘產(chǎn)業(yè)潛力？

當(dāng)AI和智能體真正成為生產(chǎn)力工具的那一刻，智能體時代的“星辰大?！辈潘阏嬲絹怼?/strong>

大部分人可能沒有想到，從實驗室里的“參數(shù)怪物”，到產(chǎn)業(yè)應(yīng)用的“提效引擎”，AI Agent只花了不到1年時間。

關(guān)于這一點，包括360在內(nèi)的諸多AI廠商，實則不會感到過多意外。因為AI誕生之初，它的使命也絕不止在實驗室里“跑參數(shù)”，即便大模型迭代日新月異，但行業(yè)的焦點不應(yīng)僅停留在參數(shù)本身——

它的真正價值，最終必須體現(xiàn)在降本增效、業(yè)務(wù)增長與模式創(chuàng)新這些切實的商業(yè)成果之中。

如今的AI領(lǐng)域，風(fēng)向標(biāo)的有效期被壓縮到以月為單位，也因此，對于大部分企業(yè)來說，已從“是否擁有AI”的入場券之爭，極速轉(zhuǎn)變?yōu)椤叭绾谓ㄔO(shè)好AI、如何用好AI”的生存力大考。

某種意義上，這也是360集團在AI時代的“一以貫之”——以納米AI為錨，360的L1-L4多智能體蜂群體系，已從理論走向廣泛的產(chǎn)業(yè)實踐，特別是其近日發(fā)布的“AI先進生產(chǎn)力TOP10”精品案例，充分證明了其在復(fù)雜場景中的協(xié)同價值與可靠性。

隨著AI生產(chǎn)力落地的時代大幕緩緩拉開，這已經(jīng)不再是關(guān)于算力與參數(shù)的“虛火”，而是關(guān)于生產(chǎn)力落地的星辰大海。

01 從“會說話”到“能干活”，智能體的行業(yè)專家“進化論”

僅僅在一年前，AI行業(yè)對AI大模型的期待，僅僅滿足于它的長文本能力和深度推理能力。但在2025年末的當(dāng)下，行業(yè)的風(fēng)向標(biāo)已然發(fā)生巨變——企業(yè)不再滿足于一個能陪聊、寫詩的“高知網(wǎng)友”，而是迫切需要一位能下場干活、解決具體業(yè)務(wù)難題的“超級員工”。

這里的能力范圍，早已超出了多模態(tài)生成和深度推理的范疇，其對應(yīng)的需求也已經(jīng)極端“落地”。

這正是360集團創(chuàng)始人周鴻祎，在“All In Agent”戰(zhàn)略中反復(fù)強調(diào)的代際跨越：當(dāng)前，產(chǎn)業(yè)應(yīng)用正處于向L3（推理型智能體）和L4（多智能體蜂群）突破的關(guān)鍵窗口期。

在這個發(fā)展階段，智能體的定義也隨之被重塑——它不再是僅僅停留在對話框里的輔助工具，而是能夠調(diào)用工具、規(guī)劃任務(wù)、甚至獨立決策，從而創(chuàng)造高價值商業(yè)成果的生產(chǎn)力引擎。

這種從“炫技”到“務(wù)實”的轉(zhuǎn)變，并非空穴來風(fēng)，而是源于企業(yè)數(shù)字化轉(zhuǎn)型中的真實痛點。

以數(shù)字政府領(lǐng)域為例，長久以來，政務(wù)數(shù)據(jù)治理面臨著典型的“孤島效應(yīng)”。在傳統(tǒng)的數(shù)據(jù)庫建設(shè)模式下，網(wǎng)絡(luò)安全、數(shù)據(jù)安全與業(yè)務(wù)運營之間，往往會因為主動或者被動的原因，存在割裂的情況。系統(tǒng)之間，形成軟件或者硬件層面的“隔離墻”。

數(shù)據(jù)流轉(zhuǎn)不暢是一方面，更為重要的安全防護，往往停留在被動補救的層面——出了事再堵漏洞，不僅效率低下，更造成了大量的重復(fù)建設(shè)與資源冗余。

作為全國數(shù)字政府建設(shè)的排頭兵，深圳市迫切需要構(gòu)建一套“外防網(wǎng)絡(luò)攻擊、內(nèi)防數(shù)據(jù)泄漏”的全方位智能化防護體系。但這并非易事，面對海量的政務(wù)數(shù)據(jù)和復(fù)雜的委辦局架構(gòu)，靠堆人、堆設(shè)備的老路子已經(jīng)走不通了。360給出的解法則是——“深治慧”安全智能體運營平臺。

具體而言，在數(shù)字化的政務(wù)組織架構(gòu)中，智能體扮演了“虛擬專家”的角色。它不再需要人類運維人員去逐個系統(tǒng)查詢?nèi)罩?、手動關(guān)聯(lián)線索，而是能夠像一個經(jīng)驗豐富的指揮官，自動拉通網(wǎng)絡(luò)側(cè)的流量數(shù)據(jù)、數(shù)據(jù)側(cè)的資產(chǎn)信息以及模型側(cè)的算法能力。

這里的能力也有兩個維度，首先是資源調(diào)配的智能化。過去，面對突發(fā)威脅，往往需要跨部門協(xié)調(diào)，流程冗長。

如今L4級別的蜂群智能體，則能夠?qū)崿F(xiàn)安全資源的統(tǒng)一管控與威脅的全局感知，一旦發(fā)現(xiàn)異常，即刻調(diào)度全網(wǎng)資源進行協(xié)同響應(yīng)。

其次是業(yè)務(wù)流程的自動化。“深治慧”平臺將原本依賴人工的高頻、低效工作，轉(zhuǎn)化為智能體自動執(zhí)行的標(biāo)準(zhǔn)動作。這不僅提升了運營效率，管理成本和人力投入也得以降低。

以“深治慧”為樣本，L3/L4級別的智能體得以深度嵌入業(yè)務(wù)流程，以往傳統(tǒng)IT手段無法根治的“頑疾”，在智能體深入組織業(yè)務(wù)肌理的幫助下，也得以順利解決。

某種意義上講，智能體對組織業(yè)務(wù)流程的深度改造，已經(jīng)身體力行地告別了“參數(shù)至上”主義。當(dāng)所有的AI業(yè)務(wù)開始“講落地”的時候，模型參數(shù)多大，已經(jīng)不再具備以往的參考價值，當(dāng)它與“降本增效”深度掛鉤時，AI才算真正走出了實驗室，真正變成“能干活”的虛擬專家。

02 以智能體，對抗智能體

時至今日，L3/L4級別智能體，已經(jīng)開始深入企業(yè)核心業(yè)務(wù)，AI帶來“降本增效”的另一個側(cè)面是，企業(yè)面臨的安全問題也發(fā)生了質(zhì)變。

以往的傳統(tǒng)網(wǎng)絡(luò)安全防御體系，建立在“規(guī)則”與“邊界”之上。依靠靜態(tài)的特征庫匹配攻擊，依靠防火墻劃定內(nèi)外網(wǎng)邊界，依靠安全運維人員盯著屏幕分析日志。

進入AI時代，攻擊者開始利用大模型生成變種病毒、自動化撰寫釣魚郵件，甚至發(fā)起智能化的APT攻擊。面對這種毫秒級的智能化攻勢，過往的傳統(tǒng)手段，無疑顯得笨重而遲緩。

一言以蔽之，傳統(tǒng)的規(guī)則是靜態(tài)的，AI加持攻擊是動態(tài)的；安全日志是孤立的，而AI時代的威脅是鏈?zhǔn)降?；最致命的是，人是會疲憊的，而AI永不眠。

但這并不意味著網(wǎng)安戰(zhàn)爭的態(tài)勢，就此攻守逆轉(zhuǎn)。早在兩三年前，360已經(jīng)提出了“以模制模”，即用更強大的安全大模型和智能體蜂群，去對抗惡意的AI攻擊 。這標(biāo)志著網(wǎng)絡(luò)安全的形態(tài)，正在發(fā)生“人海戰(zhàn)術(shù)”到“人機協(xié)同”戰(zhàn)略戰(zhàn)術(shù)迭代。

作為一所“雙一流”高校，重慶大學(xué)的“安全剪刀差”情況尤為突出。一方面，隨著智慧校園建設(shè)，網(wǎng)絡(luò)規(guī)模極速擴張，數(shù)據(jù)量呈指數(shù)級激增，面臨的安全挑戰(zhàn)前所未有；另一方面，高校的安全運維人員編制極其有限，往往多為兼職或多人共用，且缺乏具備高階對抗能力的復(fù)合型人才。

這里導(dǎo)致的安全漏洞，一是告警疲勞，面對海量告警日志，人工根本看不過來，極易漏過真實威脅；二是響應(yīng)滯后，從發(fā)現(xiàn)異常到定位問題再到修復(fù)，往往需要數(shù)小時甚至數(shù)天。

在迫切的安全鴻溝面前，國內(nèi)首家安全智能體平臺應(yīng)運而生。

相較以往的人工“數(shù)據(jù)過濾”，安全智能體的核心，在于讓智能體成為第一道防線。平臺實現(xiàn)了7x24小時的實時在線監(jiān)測，基于360在網(wǎng)安領(lǐng)域的長期積累，智能體同時也對這些數(shù)據(jù)，擁有了深度研判能力。

一方面，安全智能體可以從海量日志中抽絲剝繭，自動輸出完整的攻擊鏈路圖，將攻擊者的入侵路徑、手段、影響范圍直觀地呈現(xiàn)在大屏之上。結(jié)合人工監(jiān)測，系統(tǒng)對安全威脅的研判準(zhǔn)確率達到了90%。

另一方面，在“人工網(wǎng)安”時代，安全運維人員每天要處理大量的重復(fù)性咨詢，如策略配置、漏洞修復(fù)等等，但在智能體時代，這些基礎(chǔ)層面的問題可交由“安全數(shù)字專家”自動解答，這帶來了直接的效率提升——運維人員的日均咨詢量減少了70%，而問題解決的時效從平均2小時大幅縮短至15分鐘。

這里固然有360近20年積累的“安全底蘊”使然，但不具備深厚的攻防實戰(zhàn)經(jīng)驗，大模型就無法理解復(fù)雜的攻擊手法；如果不具備完備的“抗攻擊能力評估體系”，智能體就無法在全年無休的攻防實戰(zhàn)中，經(jīng)受住考驗。

一如“只有魔法才能打敗魔法”，到了AI時代，也只有智能體才能對抗智能體。360通過構(gòu)建具備攻防能力的蜂群智能體，一方面解決了降本增效時代的人力不足問題，同時也實現(xiàn)了“外防攻擊、內(nèi)防泄露”的核心戰(zhàn)略目標(biāo)。在如今的網(wǎng)安形勢下，已經(jīng)形成了質(zhì)的飛躍。

03 破除產(chǎn)業(yè)化的“成本魔咒”

如果不計成本，智能體的“好用”，是可以通過“不設(shè)上限”做到的，但到涉及千行百業(yè)的落地環(huán)節(jié)，“算的過賬”變成了一條極其現(xiàn)實的硬標(biāo)準(zhǔn)。

直白來講，各行各業(yè)不缺頂尖人才，更不缺想象力，但居高不下的算力成本、兼具業(yè)務(wù)能力和安全視野的復(fù)合型人才、通用模型與垂類業(yè)務(wù)適配難度的“三座大山”，往往不以人和企業(yè)的意志為轉(zhuǎn)移。

這也是大量企業(yè)，站在智能體時代的十字路口“踟躕不前”的直接原因——大企業(yè)怕算不過賬，小企業(yè)達不到“入坑門檻”，這也是智能體“飛入尋常企業(yè)家”所要解決的第一個問題。

360給出的解法，則更為務(wù)實一些。通過“平臺化工具+聯(lián)合共創(chuàng)”的模式，將AI的門檻“打下來”，以此為企業(yè)提供一份可復(fù)制的低門檻實踐指南。

對于惠豐科技這樣的醫(yī)療行業(yè)合作伙伴而言，其底層“基因代碼”與科技公司截然不同。他們固然擁有深厚的行業(yè)Know-how和精準(zhǔn)的數(shù)據(jù)沉淀，但往往缺乏大規(guī)模的算力儲備和專業(yè)的AI算法團隊。對于這樣的公司，從零搭建AI團隊，無論是技術(shù)難度，還是商業(yè)成本，都跟“劃算”二字毫無關(guān)聯(lián)。

有基于此，360并沒有選擇部署硬件，而是通過“360企業(yè)級智能體構(gòu)建平臺”，提供了一套低代碼甚至無代碼的工具鏈。這相當(dāng)于給醫(yī)生和醫(yī)療行業(yè)從業(yè)者配備了一套“圖形化操作界面”，讓他們無需精通復(fù)雜的編程語言，就能像搭積木一樣構(gòu)建符合自身業(yè)務(wù)邏輯的智能體。

這種模式極大地降低了技術(shù)門檻與試錯成本，讓不具備深厚IT背景的機構(gòu)也能快速組建起自己的AI團隊，真正實現(xiàn)了讓懂業(yè)務(wù)的人來訓(xùn)練AI 。

算力和工具的問題，可以通過輕資產(chǎn)的模式解決，人力層面則要從更源頭的校園入手。

在清華大學(xué)和重慶大學(xué)，360引入了深度“校企合作”模式。這并非簡單的掛牌實驗室，而是實打?qū)嵉摹爱a(chǎn)教融合” 。360通過提供專項訓(xùn)練和本地化支撐，協(xié)助高校培養(yǎng)既懂網(wǎng)絡(luò)安全又懂大模型技術(shù)的復(fù)合型人才。這些人才走出校園后，直接流入各行各業(yè)，成為了企業(yè)內(nèi)部能夠自主維護、優(yōu)化智能體的生力軍。

從生態(tài)層面講，這是典型的“授人以漁”。以往的360，還是那個在網(wǎng)絡(luò)世界背后默默清除威脅的“隱形守護者”，如今從幕后走向臺前，已經(jīng)逐步升維成AI“最后一公里”的鋪路人。

但從底層邏輯來看，360的安全底色仍然未變，它仍然站在AI時代的安全第一線，致力于構(gòu)建一個成本可控、人才充足、技術(shù)自主的AI安全產(chǎn)業(yè)生態(tài)。

只有在最核心的安全問題得到保障之后，AI才能走出“奢侈品”和“玩具”的定位，變成隨處可見的“水與電”。當(dāng)AI和智能體真正成為生產(chǎn)力工具的那一刻，智能體時代的“星辰大?！辈潘阏嬲絹怼?