“全民养虾”退潮之后 智能体正从概念狂飙转向理性落地
- 详细资料
- 分类：直播中心
- 发布于 2026年6月08日 星期一 03:14
证券时报记者 周春媚
最近，关于腾讯旗下微信即将推出AI智能体的消息引发广泛市场关注。6月4日，腾讯表示旗下微信将与多家手机厂商联合开发基于智能体的手机助手;而在稍早前的6月2日，一则腾讯最快6月上线一款内嵌于微信的AI智能体的消息，更是带动腾讯股价大涨超10%。作为拥有14亿用户的“国民级应用”，微信接入智能体，意味着用户可自动调用微信内数百万个小程序完成订餐、预约等复杂任务，想象空间无疑是巨大的。
腾讯切入智能体快车道的故事，可以从3个月之前说起。今年3月初，深圳腾讯大厦楼下曾上演过一幕疯狂的科技奇观，近千人排队等候，只为了让腾讯云工程师在自己的电脑安装一款名为“OpenClaw(龙虾)”的智能体，一场“全民养虾潮”开始席卷全国。
然而，3个月后的今天，“龙虾”正在被一个接一个地从电脑硬盘里清除。“今天我把OpenClaw、Herms全删了，不留任何痕迹的那种。”前不久，一名AI行业资深从业者在朋友圈写下这句话，底下评论区中，点赞和“+1”不少。他所说的OpenClaw与Herms，就是“龙虾”和“爱马仕”等智能体框架。
如今，人们早已从尝鲜的兴奋劲中清醒过来，意识到“养虾”并不简单。但“全民养虾潮”的退却，并不意味着智能体的故事就此终结。相反，过去3个月，智能体赛道热度持续不退，正在经历一场从概念狂欢到理性落地的转变。智能体的价值在应用中加速显现，但与此同时，问题也在实践中不断暴露，规则仍处在一片混沌中等待着被建立。
龙虾“凉”了，但智能体更火了
如今，智能体作为AI最重要的发展方向，几乎已成为行业共识，智能体也是互联网大厂争夺的新战场。在腾讯之前，阿里巴巴旗下的千问APP已陆续接入地图、打车、购物、闪购等数十个阿里生态Agent，字节跳动豆包APP也已接入抖音电商，支持直接下单商品并完成支付，无需跳转抖音。
推动这一共识形成的过程中，“龙虾”起到了关键作用。“2025年时，智能体在很多人眼里仍是偏技术的概念，主要在开发者和企业创新圈子里热;OpenClaw之后，更多非技术用户也能直观看到AI代替人完成多步任务的潜力。”用友网络(10.710, 0.00, 0.00%)执行副总裁谢志华接受记者采访时表示，OpenClaw这类产品实现了从“聊天”到“做事”的转变，同时还把规划、调用工具、操作界面、连续执行这些过程更完整地呈现出来，大大降低了外界理解智能体价值的门槛。
多名业内人士告诉记者，OpenClaw更像是一个早期的工具，很不成熟，但最大的意义在于启蒙和教育市场。其不成熟的地方，体现在三方面。
首先，不便宜，它看似开源免费，但即使是简单任务，都要多轮交互和频繁调用工具，消耗大量token，实际运行成本远超预期。其次，不好用，一旦任务链变长、涉及多个系统或需处理异常情况，就频繁卡住、逻辑断裂，执行情况十分不“丝滑”。最后，不安全，用户需要赋予其读取屏幕、访问文件、执行代码等极高的系统权限，而它通过第三方代码库拉取的组件时常被植入恶意脚本，极易导致隐私泄露、密码被窃取等问题。
龙虾虽然“凉”了，但智能体却走进了大众视野。许多公司推出了类龙虾智能体产品，例如用友网络的企业级超级智能体YonClaw，腾讯的WorkBuddy、月之暗面的Kimi Claw、智谱的AutoClaw等，智能体被越来越广泛地应用到政务处理、企业供应链管理、金融机构后台系统当中，产业价值加速显现。
拓尔思(15.880, -0.09, -0.56%)副总经理王丁接受记者采访时表示，公司做了多年非结构化数据处理，最大的痛点就是数据治理太依赖人工。“我们给某金融机构部署的数据治理智能体，能自动识别脏数据、补全缺失字段、标注数据质量等级、生成数据资产目录，过去三个人做一个月的数据清洗工作，智能体两天就能完成初筛，人工只需要做最终确认。”王丁表示。
在谢志华看来，智能体的价值不只是“提效”，更是把原来散落在不同岗位、系统和流程节点上的能力，组织成一个可理解、可执行、可衡量的业务闭环。“我们服务的某大型钢铁企业，通过统一AI入口，把办公、会议、知识库、公文创作进一步延伸到供应链协同、制造过程管控、班组管理和安全管理等钢铁全产业链场景，3000多个班组的班前会实现智能化转型。”谢志华说。
痛点：系统割裂、数据安全与权限失控
然而，当智能体从个人电脑走向政企核心系统，从“聊天”升级为“做事”，一系列问题开始集中暴露。谢志华坦言：“不是大家没兴趣了，而是‘养虾用虾’进入深水区。从个人任务到进入企业场景，尤其是要去调用业务数据、连接业务系统、执行真实流程、落实企业数据安全，难度就会明显上升。”
落地的最大挑战是业务系统打不通。在企业场景当中，智能体需要连接财务、人力、供应链、采购、办公等系统，还要理解主数据、流程状态、岗位角色和业务规则。“如果系统之间本来就没有完全打通，或者接口、数据口径、流程规则不统一，智能体就很难真正把事情做下去。”谢志华说。
这并非个案。王丁也表达了类似观点：“多数行业存在数据分散、标准不一、质量参差不齐的问题。缺乏高质量、结构化、场景化的数据与知识库，智能体就只能停留在表层交互，难以真正解决复杂业务问题。”他举例说，在政务领域，规则体系复杂、政策更新频繁、执行标准严苛，智能体不仅要理解业务意图，更要确保流程合规、结果精准、全程可追溯——而这一切的前提，是底层数据和系统必须先“理得顺”。
如果说系统割裂是“可用”问题，那么数据安全与权限失控则是关于“敢用”问题的生死线。深信服科技安全专家高斐告诉记者，智能体为了执行任务需要极高的系统权限，这就带来了数据泄露风险。“在政务办公场景中，我们发现部分单位员工为图方便，直接将内部公文、统计数据喂给本地部署的OpenClaw。由于智能体具备自主联网回传能力，这些敏感数据可能在用户无感知的情况下，通过看似正常的网络流量外泄。”高斐说。
更严峻的挑战是，当智能体进入真实业务过程，就不只是“看数据”，还可能涉及调用接口、生成结果、修改状态、触发流程。这时，一些新的问题就集体涌现：哪些数据它能看，哪些动作它能做，关键操作谁来授权，出了问题怎么追溯?高斐强调，智能体一旦被恶意诱导或出现逻辑错误，可能自动执行高危操作。例如，在企业内网环境中，智能体可能被指令执行“清理垃圾文件”，实则运行了格式化磁盘或关闭防火墙的命令。这种破坏不再是单点的，而是可能通过智能体的自动化脚本引发“多米诺骨牌”效应，导致整个业务系统瘫痪。
迈向深水区：既要可用更要可控
经历了“龙虾”的“速火”与“速朽”，智能体的发展逐步迈向深水区，面对的是一场关于技术、安全与规则的系统性大考——可用与可控，必须两条腿走路，缺一不可。
业内人士普遍认为，智能体要实现可用，必须先进行一场“数据基建”的补课。谢志华表示，企业要把主数据、知识库、权限体系、流程规则和接口能力作为智能体建设的一部分同步推进。只有先把数据、系统和流程底座理顺，智能体才能真正从“能回答”走向“能执行”。
“智能体的价值，最终要在行业场景中体现。”王丁强调，要让智能体发挥更大的产业价值，必须坚持场景化工程化落地，打造可复制的行业方案。“比如，我们与中国航空工业集团文化中心联合建设了低空产业大脑项目、深度参与住建部城乡历史文化保护智能应用系统建设，这些行业案例都表明，智能体的价值不在于它有多聪明，而在于它能在具体场景中把活干完。”
然而，仅有数据的“燃料”和场景的“跑道”还远远不够，如果缺乏可靠的“刹车”与“方向盘”，跑得越快的智能体，带来的灾难往往也越大。
高斐认为，智能体安全运行需要划定一个“玻璃罩”，建立“安全沙箱”工作区。“参考我们在政务和金融领域的实践，应强制要求智能体在隔离的虚拟环境中运行，通过技术手段，明确划定智能体的‘活动范围’。”高斐说，比如，只允许它访问特定的共享文件夹，而禁止其触碰核心数据库;只允许它执行预设的安全指令，而拦截删除、格式化等高危系统命令。
要实现可控，还必须明确智能体的权力与责任范围。“智能体不能一上来就追求无限自治，而应该坚持‘授权后执行、关键动作确认、全过程留痕’。”谢志华表示，哪些数据可看、哪些动作可做、谁来授权、谁来审批、出了问题如何追溯，都要在产品架构里提前设计好。
智能体迈入深水区，意味着不仅技术手段要升级，管理模式也要升维，变被动响应为主动治理。高斐建议相关部门牵头，利用技术工具对关键信息基础设施领域进行一次智能体应用的“大摸底”，对涉及国计民生的核心政务系统建立智能体应用的“白名单”制度，严禁未经授权的第三方智能体接入。
如果将智能体比作一辆跑车，那么“可用”是油门，“可控”是刹车。一辆只有油门的车跑不到终点。从概念狂飙走向理性落地，行业如今正在做的，就是给这辆跑车配上动力更强的油门，同时装上可靠的刹车系统。