金智維廖萬里：企業級智能體的關鍵在於“準”“穩”和“幹得好”_風聞

前言：

2025年，AI撕裂數據與實體的邊界，量子計算探索物理規則的邊緣，綠色科技重塑增長的倫理，低空經濟、機器人、大模型打開科技躍遷的大門。

在這個大背景下，中國企業需要以智慧為座標，穿透技術、組織與商業模式的“三重結界”，在數字與實體的糾纏中鍛造新物種。在這背後，是一羣技術興國的信奉者，產業躍遷的掌舵人、商業社會的洞察者、認知邊界的拓荒者，這些企業家永遠走在創新的前沿。

與智者同行者，必將率先觸摸未來；與AI共振，終將定義下一個紀元。

我們邀請了多位國內外頂尖創新與商業領袖，人工智能鏈主和龍頭創新企業，共同展望2025產業發展、技術創新以及戰略性新興產業發展的前景。

此文為融中特別策劃·《2025向新·AI未來》系列報道第九篇。

當全球科技巨頭在通用大模型的賽道上競速時，一場更為深刻的產業變革正在企業級市場悄然展開。

作為中國人工智能領域的深耕者，金智維以獨特的“認知+執行”雙核架構，在金融、政務等行業領域撕開了AI Agent（智能體）規模化落地的突破口。這家服務超1500家企業的數字化轉型專家，正通過企業級智能體平台Ki-AgentS將大模型的智慧決策與RPA的精準執行深度融合，打造出既能理解複雜業務語境又能嚴守合規邊界的“數字員工軍團”。

在這場重構企業生產力的革命中，技術路線選擇成為決定勝負的關鍵——當行業普遍困於大模型幻覺與執行失控的雙重焦慮時，金智維用“RPA驗證引擎+業務路徑鎖定”構建起安全護城河，其產品在600餘家金融機構的嚴苛場景中淬鍊出的金融級可靠性，正在重新定義企業級AI的價值標準。  

面對AI Agent領域井噴式發展的機遇與挑戰，金智維展現出了對產業痛點的精準把控。

特別是面對“安全可控”這一問題挑戰，金智維創始人、董事長兼CEO廖萬里以“有界自主”技術路徑向融中財經進行回應，“每個操作步驟可追溯、可審計，異常觸發自我修復機制，為行業責任劃分提供了可複用的技術範本。”

以下為融中財經對話金智維創始人、董事長兼CEO廖萬里實錄，以饗讀者：

融中財經：貴司所處AI產業鏈條哪些關鍵環節、市場格局如何，具備哪些技術/產品優勢等？

廖萬里：目前金智維處於AI產業鏈條中游的AI平台環節以及下游的AI+應用環節。

中游：金智維融合大模型、AI、RPA等技術打造Ki-AgentS平台，集Agent應用設計、開發、執行及知識管理於一體，旨在幫助企業快速搭建深入業務場景及企業數據的各類AI Agent（智能體）應用。此外，金智維打造了AI能力開放平台、K-PINE青松低代碼平台等企業級平台，旨在幫助企業降低數字技術的應用成本、提高工作效率。

下游：金智維依託RPA、AI、運維、低代碼等多個系列在內的產品矩陣，打造基於AI Agent的一站式數字員工整體解決方案。目前，金智維AI Agent數字員工解決方案已在金融、政務、財税、人力、製造等多個業務領域落地應用。

在優勢方面，金智維深耕企業級數字化轉型解決方案多年，在金融、政務等行業沉澱了大量的垂直場景、專業數據以及業務經驗，能夠打造出真正適配企業應用場景和應用需求的產品。同時，金智維始終堅持以“安全、穩定、可靠”為核心準則，其產品在設計上針對企業級應用的安全、風險控制等方面有着一系列完善的機制。這些核心優勢，讓我們在企業級AI Agent的研發與應用上佔據先發優勢。

金智維融合大模型、AI、RPA等多種前沿技術打造的Ki-AgentS平台，通過“RPA執行引擎+大模型決策中樞”雙核架構，將業務流程的精準控制與智能決策能力深度融合，形成了“認知-決策-執行”一體化架構，破解了傳統自動化技術無法應對複雜決策的瓶頸，同時規避了大模型幻覺帶來的業務風險‌。

融中財經：智能體在To B和To C市場的商業化模式差異有哪些？當前智能體技術的核心瓶頸是什麼？多模態理解、長期記憶還是自主決策能力等？

廖萬里：我覺得AI Agent（智能體）在To B和To C市場的商業化模式存在着以下差異。

在客户羣體與需求特點上，To B市場面向政企，需求聚焦提升效率、優化流程、降低成本等。而To C市場針對個體消費者，更關注個性化體驗、便捷娛樂；在產品與服務層面，To B市場要求智能體能滿足高度定製的要求，以適配企業特定業務，還需持續技術支持、培訓和維護。To C市場注重標準化產品的通用性，同時提供一定個性化設置，產品操作簡便，服務以線上自助和常見問題解答為主。

在產品性能方面，To B市場對安全性的重視程度遠超To C市場。企業級應用涉及大量核心商業數據、敏感業務信息和合規要求，一旦出現安全漏洞，可能造成重大經濟損失和法律風險。因此，To B的AI Agent產品必須具備嚴格的數據加密、訪問控制、安全審計等機制，通過多重認證確保數據傳輸與存儲安全，同時要符合行業監管標準和合規要求，如金融行業對AI Agent的安全合規性有極高要求，以防範數據泄露、惡意攻擊等風險。相比之下，To C市場的 AI Agent雖也關注安全，但用户對風險的容忍度相對較高，產品安全性要求更多側重於保護用户個人隱私和防止基礎的信息泄露。

在我看來，當前智能體技術的核心瓶頸體現在以下方面：一是模型幻覺問題突出。在金融風控、醫療診斷等高風險行業，AI Agent會因數據偏差、算法侷限性產生幻覺，輸出錯誤決策或建議，嚴重影響應用可靠性；二是通用大模型的基座能力難以契合行業專業需求。在一些企業特定業務場景下，需結合行業知識庫進行二次開發，這導致開發成本飆升、週期大幅延長；三是算力需求與成本間矛盾尖鋭，AI Agent處理複雜業務任務時，依賴雲端強大算力支撐，但這使得企業部署成本劇增，對預算有限的中小企業而言，高昂的算力費用和維護成本成為難以跨越的障礙，限制了 AI Agent 在B端的廣泛落地應用；四是AI Agent執行的安全性與準確性難以保障，在自動化執行企業關鍵業務流程時，AI Agent可能因程序漏洞、外部惡意攻擊或對複雜業務規則理解偏差，出現操作失誤、數據泄露等問題。

融中財經：當智能體整合外部信息或工具時，可能會偏離其預期目的。如何解決這個問題？

廖萬里：在精準執行層面，金智維企業級智能體Ki-AgentS優選先進開源模型，使用深度思索、GPRO模型微調技術，優化Agent的深度思考和邏輯推理能力。同時，結合金智維自研的RPA執行驗證引擎，對任務執行的每一步操作和結果進行校驗，有效規避大模型幻覺，保證業務規則的合規與準確。

在安全保障方面，金智維打造的“金融級可靠”的安全風控體系，能夠讓業務路徑可確定，確保每個操作步驟可追溯、可審計。如果檢測到異常，會觸發自我修復，重新規劃路徑或申請人工介入，為業務安全合規提供保障。此外，Ki-AgentS 支持DeepSeek等大模型的私有化部署，企業可在內網環境下調用，減少外部網絡不可控因素，保障數據與操作的安全可控。

在流程管控環節，Ki-AgentS具備全流程自主管理能力，從任務規劃、工具調用、多Agent協同到結果校驗均可自主完成，能夠嚴格篩選整合所需的外部信息，合理調用工具，減少干擾信息影響，讓Agent始終圍繞預期目的開展工作。

融中財經：大家都在擁抱開源生態，但企業生存又需構建差異化護城河。您認為貴司在哪些方面具備“做大做強”的優勢？

廖萬里：（1）行業實踐經驗深厚：金智維成立至今，服務客户超過1500家，覆蓋金融、政務、製造、企業辦公等不同行業領域，累計提供超過120萬數字員工，沉澱超過3萬種不同行業領域的業務場景，這不僅解決了我們的企業級AI Agent精準契合垂直行業具體場景的問題，還能使其深度融入客户業務，同時有效規避大模型可能存在的幻覺問題。

（2）金融級安全可靠：金智維服務超過600家金融機構，基於多年的行業積累和實戰經驗，打造了“金融級安全可靠”的執行保障體系和容錯應對機制，產品嚴格遵循業務合規性與準確性要求，滿足大型企業、組織機構對安全可控的高要求。目前，金智維的技術與產品已全面支持適配國產主流基礎軟硬件，全面滿足不同企業在信創環境下的數字化需求。

（3）具備RPA+大模型結合的雙重技術優勢：RPA技術能夠高效地實現流程自動化，提高工作效率和準確性；而大模型則為我們的產品和服務注入了更強大的智能元素，使其能夠更好地理解和應對複雜的業務場景，為客户提供更智能、更精準的決策支持。Ki-AgentS具備“認知+執行”雙引擎架構，可自主規劃操作路徑，並將驗證過的業務流程封裝為可複用模板，兼顧執行的智能化和可控性。同時，隨着使用次數的增多，Ki-AgentS能夠不斷學習和持續積累行業知識，逐步建立掌握崗位知識、懂業務的Agent集羣，實現從數據獲取到內容轉換、知識形成再到智能執行的業務閉環，做到越用越高效、越用越智能。

（4）組建高規格專業研發團隊：由金智維首席AI科學家胡箐（原LLAMA初創團隊核心成員）領銜，匯聚海歸專家與擁有華為、阿里、騰訊等大廠從業經驗的資深技術人才，專注RPA與大模型融合研發，持續突破AI Agent架構設計及業務場景智能化，為公司技術護城河添磚加瓦。

（5）全過程陪伴式服務體系：金智維的服務團隊覆蓋全國、香港及東南亞地區。我們懂技術、精業務、重落地，從前期諮詢、方案制定到實施部署、後期運維，全程陪伴客户，能夠助力客户真正解決業務上的難題，實現降本增效提質。

融中財經：開源後，如何解決數據共享與知識產權衝突？

廖萬里：開源的本質是打破技術壁壘，構建資源共享的創新生態，但其背後並不意味着可以無序共享，企業必須採取相應措施保護其核心資產。為了更好地解決數據共享與知識產權的衝突，我們採取了以下的三個動作，嘗試着去平衡二者的關係：

一、加強知識產權管理：金智維建立了健全內部的知識產權管理體系，對開源項目中的知識產權進行登記、標記和管理。對於核心技術和關鍵知識產權，我們採取嚴格的保護措施，如專利申請、商業秘密保護等，防止知識產權的泄露和濫用。

二、分級分類處理數據：我們對採集到的數據進行分級分類，將敏感數據、核心知識產權數據等進行嚴格保護，不納入開源共享範圍；而對於一般性數據或經過脱敏處理後的數據，則可以根據項目需求進行共享，以滿足開源生態中數據流通和協作的需求。

三、技術手段與安全防護：金智維利用技術手段保障數據共享過程中的安全性，如採用加密技術、訪問控制技術等，限制對敏感數據的訪問和使用權限，防止數據泄露和未授權的使用。同時，我們持續加強系統的安全防護能力，防止外部攻擊導致的數據和知識產權風險。

融中財經：選擇做通用大模型還是應用模型？如何訓練專精模型？數據怎麼搞、成本如何降？

廖萬里：金智維在探討大模型領域的發展路徑時，第一步選擇研發領域大模型，與業內優質基礎大模型合作，結合金智維十餘年積累的應用場景和行業知識庫，對模型開展精調訓練，形成具備“通識能力+專精能力”的領域大模型，相當於給AI Agent一個強大的“大腦”，理解和創造能力大幅提升。再者，金智維針對不同行業，構建了基於語言大模型和多模態大模型的近十種智能應用解決方案，並結合實際落地應用不斷改進優化。其中，大模型讓AI Agent具備智能化決策能力和分析規劃能力，而RPA作為AI Agent的執行單元，藉助RPA自動化執行能力，可以自動執行分解任務。

在訓練專精模型的過程中，我們首先從數據收集入手，與合作伙伴、客户緊密合作，獲取大量真實的業務流程數據，包括操作記錄、文檔、報表等，這些數據猶如模型的“養料”，能反映實際業務場景中的流程和規則。為了確保數據的質量，我們還會對收集到的數據進行清洗，去除噪聲數據和無關信息，然後進行標註，明確數據中的關鍵信息、業務邏輯和流程步驟，為模型訓練提供清晰、準確的指導。

在數據獲取方面，我們一方面依賴內部業務積累，將多年來在 RPA 業務中沉澱的大量數據和項目經驗進行整合和整理，作為模型訓練的重要資源。同時，為了增加數據量和數據的多樣性，我們還會運用數據增強技術，如數據變換、合成數據生成等方法，對現有數據進行擴充和多樣化處理。

至於成本降低，我們採取了多方面的策略。在算力方面，合理分配和管理訓練任務，利用雲計算資源的彈性伸縮特性，根據訓練需求動態調整算力資源，避免算力浪費，同時在非高峯時段利用較低成本的算力資源進行訓練任務的執行。在模型優化方面，對訓練好的模型進行壓縮和量化處理，減小模型的體積和計算量，提高模型的運行效率，降低模型部署和推理過程中的硬件資源需求和成本。此外，我們積極利用開源的模型架構、工具庫和數據集等資源，減少自主研發的基礎性工作投入，加快模型開發進度，降低研發成本。

融中財經：您認為未來3年，最具顛覆性的智能體應用場景是？

廖萬里：未來3年，我們認為最具顛覆性的智能體應用場景將誕生於金融和政務兩大領域。

金融業一直以來都是技術創新應用的先行者，憑藉豐富的應用場景、海量的數據資源和紮實的技術基礎，為智能體的規模化落地應用提供了良好土壤，而且其業務流程高度依賴數據驅動的決策，智能體能夠在這裏發揮巨大價值。

政務方面，近年來政府內部對數字化轉型的需求日漸增長，也為智能體的落地應用提供了大量場景。智能體可以應用於政務審批流程，實現自動化的文件審核和流程處理，大大提高辦事效率，減少人為失誤。同時，通過對政務服務數據的分析，智能體可以更好地瞭解羣眾的需求和滿意度，政府能夠據此優化服務內容和方式，提升羣眾的獲得感和滿意度。

針對智慧政府、服務型政府的建設需求，金智維創新研發政務智能導辦一體機，內置政務智能體，實現軟硬件結合，可用於政務大廳、人社服務等多場景。該設備融合大模型技術與多模態交互，支持“文字+語音”雙通道交互，結合即時渲染數字人形象，提供擬人化服務體驗。其內置政務智能體可快速構建本地知識庫，靈活接入政務諮詢與業務辦理引導等場景，精準回應羣眾需求，引導羣眾辦理業務，有效推動政務服務智能化升級。

融中財經：智能體的“自主行為”如何界定責任？是否需要立法明確開發者、部署方、用户的責任邊界？

廖萬里：智能體的“自主行為”本質上是基於預設規則、大模型推理能力以及系統調用邏輯的綜合體現，其“自主”是在人類設計邊界下的受控的智能。因此，在責任劃分上，確實有必要在制度層面進一步明確開發者、部署方和用户的權責邊界，確保技術創新與風險防控並重。

在企業級智能體的應用中，安全和可控始終是第一要義。金智維在設計Ki-AgentS時，就高度重視任務執行過程的可驗證性和容錯機制——無論是自動規劃還是任務執行，均嵌入了RPA驗證引擎、規則審查體系及異常應對邏輯，確保每一步決策與執行都可以追溯、可解釋、不越界。這種“有界自主”的技術路徑，不僅符合企業對業務準確性與合規性的高要求，也為責任劃分提供了堅實的技術基礎。

我們十分支持對AI智能體責任邊界的立法與標準制定，尤其是針對企業級部署，應從技術規範、安全框架、數據使用權限到行為審計機制等多個層面構建清晰的責任模型，讓開發者可控、部署方有監督、使用者有保障，共同推動智能體技術在安全邊界內健康發展。

融中財經：AI訓練需要消耗海量數據與算力。未來如何展開技術創新，打造聰明又能幹的智能體？多模態能力和MoE如何更好地服務客户？

廖萬里：企業級智能體的關鍵其實不在於“大”，而在於“準”“穩”和“幹得好”。未來的技術創新應聚焦於如何以更優的計算架構、更強的知識注入、更精的調教機制，實現智能體“聰明而能幹”的落地目標。

在技術路徑上，金智維目前正積極探索多模態融合與MoE（專家混合模型）在企業場景中的深度應用。一方面，多模態技術將語言、圖像、結構化數據等多種信息融為一體，有助於智能體更好地理解複雜業務語境。例如在政務和金融場景中，存在文字表格、圖形資料、PDF指令等多種格式的信息，只有具備多模態能力的智能體，才能實現信息的全面理解與準確執行。另一方面，MoE架構有助於提升智能體在特定垂直領域的應答準確性和資源利用效率，通過專家模型的精準調用，讓智能體更懂行業、更會執行。

此外，金智維在智能體訓練策略上採取“專用微調+流程嵌套”的方法，結合企業知識庫和RPA可控流程，實現專業領域的深度綁定。我們創新打造的智能體模板庫，不僅大幅提升了執行效率，也規避了因大模型幻覺或決策鏈錯誤導致“一錯再錯”的風險，有效保障業務執行的穩定性與可靠性，同時也顯著降低了企業的開發與部署成本。

總之，我們的最終目標是打造“業務導向、技術驅動、安全託底”的企業級智能體生態，讓AI Agent真正成為政企客户更實用、更好用，且值得託付的“數字員工”。