发布日期：2026-09-30 来源：平凯星辰分享到：

9 月 21 日，AICC 2026 人工智能计算大会在北京中关村国际创新中心举行。平凯星辰副总裁刘松出席“AI Work 智能体论坛：从技术创新到企业级落地与组织进化”，发表《如何让企业级多 Agent 体系交付严肃任务——FDE + 多智能体的新范式》主题演讲。

随着 AI 助手进入越来越多人的日常工作，企业对智能体的需求也在发生变化。最初，大家关注 AI 能否完成一个具体任务；使用逐渐深入后，企业开始思考，多个智能体能否像一支团队一样，在真实业务环境中稳定完成复杂工作。

围绕这一变化，刘松在演讲中提出了四个核心判断。

/核心判断 1：企业正在从使用一个智能体走向管理一支数字员工团队/

单个智能体已经在信息检索、内容生成和辅助编程等场景中展现出价值。当任务涉及业务、产品、开发、测试和运维等多个角色时，企业需要进一步解决任务拆解、角色分工、并行执行、结果合并和冲突处理等问题。

刘松认为，多智能体的价值不在于数量增加，而在于形成清晰、可管理的协作关系。人负责提出明确需求、作出关键判断并验收结果，智能体按照角色和流程完成中间环节。

在平凯星辰的实践中，Loop 内置产品经理、计划、前端、后端、测试、评审和运维等角色化智能体。多个智能体可以在同一频道共享上下文，按照统一计划协同工作。

在 TiDB 数据库改造中，3 名工程师与 15 个智能体协作，在一个月内完成 175 万行代码从 Go 到 Rust 的改写。白天，智能体按照分工推进开发；夜间，另一组智能体持续扫描和检查当天生成的代码。人的工作重点则转向目标设定、任务边界和质量判断。

/核心判断 2：智能体越自主企业越需要工作流/

智能体可以自主规划和执行任务，但企业不能因此放弃工作流。严肃任务通常涉及权限、审批、测试、审计和责任认定。工作流为智能体划定执行边界，也让企业能够了解任务进行到哪一步、依据是什么、出现问题后如何处理。

刘松在演讲中强调，工作流是企业生产秩序的一部分。智能体可以被注入原有流程，在不同节点承担分析、判断和执行工作；人在需求确认、重要决策和结果验收等关键节点继续把关。

这一实践表明，智能体进入业务流程后，企业获得的不只是更快的执行速度，还包括可以检查、可以追踪、可以纠正的任务过程。

模型能力不断提高后，企业 AI 落地的主要障碍逐渐转向现实环境。过去数字化建设中遗留的知识工程不足、数据成熟度不高、系统接口分散和流程不完整等问题，都会影响智能体的最终效果。不同员工使用 AI 的能力差异，也会进一步放大落地的不确定性。

为此，平凯星辰将 FDE 与多智能体平台结合。FDE 团队进入客户现场，识别真正需要解决的业务问题，明确成功标准、系统边界、数据权限和风险控制要求，再完成系统集成、部署、培训和持续迭代。

这种实施方式让智能体从一个可演示的能力，逐步转化为能够在企业现有环境中运行的生产系统。

企业应用 AI 的效果，不能长期依赖少数熟悉模型和提示词的员工。刘松认为，多智能体体系的长期价值，是把个人经验沉淀为组织可以重复使用的能力。

在平凯 Loop 中，成功的执行经验可以沉淀为角色、技能、记忆、知识和标准流程。员工不必掌握复杂的提示词技巧，只需要学习如何提出清晰需求、完成关键判断并验收结果。不同能力水平的员工由此可以在同一套协作机制中工作，企业也能持续积累自己的知识和方法。

从趋势看，AI 助手正在成为个人工作的常用入口；当智能体进一步进入企业核心业务，协作、工作流、可追溯和治理能力的重要性将持续上升。AI 助手解决了“如何开始使用 AI”的问题，多智能体体系则开始回答“企业如何用 AI 稳定完成工作”。

在演讲中，刘松分享了几个平凯 Loop 在行业垂直场景中的应用案例：

以某银行 CRM 客户画像功能升级为例，需求分析、技术管理和前后端开发智能体在内网环境中协同工作。平凯 Loop 将任务分派、开发、测试和联调连接成完整流程，并在关键节点等待人工确认。项目用 4 天完成五大模块和 27 个接口的全链路联调，同时沉淀了需求、设计和技术文档。

以医疗质检场景为例，没有改变客户原有业务流程，而是利用平凯 Loop 将多智能体能力封装为 API，嵌入病例质检节点。智能体在原有流程内提供更全面的判断建议，企业仍然保留既有的权限和审核机制。

大会期间，平凯星辰还在 Agent 基础设施区域设置展台，现场展示 Loop 支持的人与多智能体协作方式，以及 AI 从个人工具走向组织生产力的实践路径，获得了广泛关注。