雷科技AI硬件组 | 编辑：三七二十一 | 监制：罗超
大到对经济、社会、科学的影响，小到对交互终端、个人生活和健康的影响，今年外滩大会，Agent智能体依旧是最大的关键词之一。
只不过在蚂蚁数科展区，智能体被装进了一座「智能体超级工厂」——企业级智能体平台Agentar 2.0，企业可以通过平台高效地「生产」需要的智能体，进而「管理」多专家智能体，实现从单智能体产出到多专家智能体协同交付结果。
而整个流程被设计成一条完整的「工厂产线」。形式挺直观，也让「智能体超级工厂」这个听起来有些抽象的概念，变得更具体。
图片来源：雷科技
根据现场工作人员的介绍，平台目前已经内置了300多个岗位级数字专家和600多个技能。企业用低代码拖拽，走MCP、Skills这些方式，就能把需要的数字员工拼出来。
这里有个细节挺有意思。
多数Agent平台给的是开发工具，怎么拼是企业自己的事。蚂蚁数科往前多走了一步，还把一些「岗位」做成模板：风控、投顾、客服这些角色，连同该有的专业知识和做事方法一起封装进去。
简单来说，企业可以直接选择岗位模板，再根据业务的实际需求调整相应技能或者配置。这几步下来，一个岗位智能体就基本成形了。
图片来源：雷科技
不过，企业智能体和个人AI工具之间还存在一条很现实的分界线。
不同于我们个人使用千问办公、WorkBuddy等产品，企业面对的问题要复杂得多。销售、客服、财务、采购和风控都有各自的数据、权限边界、工作流与协作方式，一个什么都能做的通用智能体，并不适合企业实际的工作流。
另一方面，蚂蚁数科选择把智能体做成「岗位级数字专家」，其实是在降低企业理解和部署智能体的门槛。企业可以先考虑需要怎样的数字员工，再根据岗位逐步配置能力，不必从模型、提示词和工作流开始搭建。
当然，今天造一个智能体已经很简单了，难的是可用、好用，以及对多智能体的管理。毕竟智能体数量一多，怎样避免重复工作、越权访问和任务中断，才是企业真正头疼的问题。
比如服务一位客户，可能需要客群智能体识别需求，投顾智能体设计方案，风控智能体检查风险，再由客户经理和服务智能体继续跟进。多个岗位依次接力，才能交付一个完整结果。
图片来源：雷科技
这就很考验Harness工程能力了。微软、谷歌、亚马逊等海外科技公司也都在沿着这个方向布局，陆续补齐智能体构建、运行、编排、身份和权限管理等能力。
蚂蚁数科的特点，则在于它试图把这套基础设施进一步做成适配具体行业的生产体系。金融、能源、医疗等行业的工作流程和风险要求差异很大。真正有价值的岗位智能体，也不能只是一套通用模板换个名称。
业务规则、异常处理、专家经验以及评测方法，能否被沉淀进岗位模板和Harness框架，决定了这些数字员工最终可以深入到什么程度。
「敢不敢用」，或者「可信，也是很关键的另一件事。智能体一旦碰授权、支付、交易这些环节，企业自然会问：谁授权了什么，它到底做了什么，出了问题找谁。
蚂蚁数科给出的答案，是基于区块链技术做了一层可信运行基础，让关键操作和协作过程留下可追溯、可审计的记录。
图片来源：雷科技
事实上，区块链体现价值的场景，往往就在于跨企业、跨主体的智能体协作。假如未来两家公司的智能体可以自动询价、签约和交易，任何一方自己的日志都很难单独成为双方认可的凭证，一套共享且难以篡改的可信记录才有现实意义。
当然，这距离智能体自主完成大规模跨企业交易还有一段距离。现场展示提供了一个相对完整的设想，真实价值仍需要更多业务案例来验证。
但有一件事几乎是必然的。未来几年，企业很可能都要面对一支由几十甚至几百个智能体组成的数字劳动力。它们需要明确岗位、装配技能、接入业务，还要接受调度、监控和审计。
而蚂蚁数科希望提供的，正是围绕这支数字劳动力搭建的一整套生产与管理系统。从现场体验来看，快速生产岗位智能体已经具备相当清楚的产品形态，多智能体协作、Harness管理和可信记录也组成了一条完整逻辑。
至于这座工厂能跑多大规模，还要看真实企业场景里的稳定性和效率。毕竟企业真正需要的，从来不只是一群会干活的AI。它们还得各司其职、过程可控，出了问题能够查清楚。
