討論議題一、Agent 的落地進(jìn)展及路徑如何？

晶合集成 AI 研發(fā)項(xiàng)目總負(fù)責(zé)人黎家儼：

黎總認(rèn)為，在半導(dǎo)體領(lǐng)域的 Agent 落地中，強(qiáng)調(diào)甲乙方深度融合的開發(fā)模式。合作伙伴、用戶端與項(xiàng)目管理方需共同參與系統(tǒng)構(gòu)建，以滿足行業(yè)對端到端任務(wù)的嚴(yán)苛定義。

由于需深度耦合物理世界運(yùn)行邏輯，多智能體協(xié)作系統(tǒng)被應(yīng)用于晶圓廠（Fab）場景，覆蓋從任務(wù)理解、拆解、工具調(diào)用到交付的全鏈路閉環(huán)。針對半導(dǎo)體工程師需掌握超 100 種工具的痛點(diǎn)，Agent 可顯著縮短技能訓(xùn)練周期。

具體落地場景層面，Agent 優(yōu)先解決高頻基礎(chǔ)工作。例如開發(fā)自動(dòng)讀圖表 Agent，其準(zhǔn)確率已超越人類工程師。在良率預(yù)測分析場景中，將任務(wù)拆解為數(shù)據(jù)多維分析、大模型預(yù)測、優(yōu)化建議三階段，避免直接響應(yīng)籠統(tǒng)的 " 提升良率 " 需求，轉(zhuǎn)而聚焦關(guān)鍵影響因子分析。

技術(shù)實(shí)現(xiàn)上降低依賴通用語言模型，而是基于 Transformer 架構(gòu)構(gòu)建專用多模態(tài)模型，應(yīng)用于機(jī)臺調(diào)試與仿真場景。同時(shí)結(jié)合 DeepSeek 等開源模型迭代語言模塊，通過行業(yè)數(shù)據(jù)自建知識庫，并采用強(qiáng)化學(xué)習(xí)持續(xù)降低模型錯(cuò)誤率。

半導(dǎo)體行業(yè)的特殊性要求 Agent 必須垂直深耕：容錯(cuò)率逼近零閾值、知識體系跨領(lǐng)域且封閉、需與物理設(shè)備深度交互。因此核心壁壘在于四維能力整合：每秒千萬級生產(chǎn)數(shù)據(jù)的實(shí)時(shí)處理能力、現(xiàn)有工業(yè)系統(tǒng)的無縫集成能力、兼具半導(dǎo)體經(jīng)驗(yàn)與 AI 技術(shù)的復(fù)合型人才、以及 Agent 與物理流程的原子級融合能力。

開為科技創(chuàng)始人楊通：

楊總提出當(dāng)前行業(yè)正經(jīng)歷從 " 追求 100% 準(zhǔn)確率 " 到 " 接受容錯(cuò)以釋放杠桿價(jià)值 " 的范式遷移。為實(shí)現(xiàn)準(zhǔn)確率與效率的平衡，構(gòu)建三層防護(hù)體系：第一是基于知識庫與 RAG 技術(shù)確保基礎(chǔ)準(zhǔn)確性；第二是通過多智能體交叉驗(yàn)證，如代碼生成與測試 Agent 互補(bǔ)，降低錯(cuò)誤率；第三是在關(guān)鍵決策節(jié)點(diǎn)引入人工審核承擔(dān)最終責(zé)任。未來模型升級，如 GPT-5 的推理工具一體化，將提升意圖理解精度。當(dāng)前需構(gòu)建兼容性框架等待技術(shù)成熟。

Agent 開發(fā)采用 " 通用基座 + 垂直插件 " 雙軌路徑。通用基座，依托 GPT、Gemini 等基礎(chǔ)模型內(nèi)化工具使用與多模態(tài)理解能力。同時(shí)通過三大能力快速適配垂直場景：支持 PB 級知識庫實(shí)時(shí)爬取與精準(zhǔn) RAG 檢索、深度集成數(shù)據(jù)庫交互與 AI 數(shù)據(jù)分析、利用 MCP 協(xié)議連接各類 SaaS 工具。該模式既能捕獲基礎(chǔ)模型進(jìn)化紅利，又能通過垂類知識庫、數(shù)據(jù)庫及 MCP 接口滿足業(yè)務(wù)深度需求。

Agent 構(gòu)建壁壘的核心在于 " 研產(chǎn)融合 " 機(jī)制：采用敏捷小組制同步推進(jìn)業(yè)務(wù)落地與前沿論文研究，持續(xù)驗(yàn)證新技術(shù)優(yōu)勢；建立 " 用戶反饋 - 數(shù)據(jù)積累 - 模型優(yōu)化 " 的飛輪，團(tuán)隊(duì)配置融合資深工程師與 AI 研究者，通過 " 學(xué)習(xí) - 復(fù)現(xiàn) - 創(chuàng)新 " 三階機(jī)制高效整合技術(shù)突破，規(guī)避從零創(chuàng)新的資源陷阱。

拓爾思金融和產(chǎn)業(yè)大腦產(chǎn)品中心總經(jīng)理周寧捷：

周總認(rèn)為，C 端與 B 端的 Agent 落地呈現(xiàn)顯著差異。C 端在報(bào)告生成、創(chuàng)意類等容錯(cuò)空間較大的場景已實(shí)現(xiàn)端到端應(yīng)用。B 端則依賴預(yù)置任務(wù)鏈，例如金融與央企場景中，10 個(gè)節(jié)點(diǎn)任務(wù)鏈通常僅有 2-3 個(gè)節(jié)點(diǎn)由 Agent 執(zhí)行，且整體準(zhǔn)確率需達(dá) 85% 以上才具備商業(yè)化價(jià)值。B 端核心難點(diǎn)在于自然語言交互的上下文限制，需通過機(jī)器合成精細(xì)化提示詞約束交互邊界——單一 Agent 達(dá)到 90% 準(zhǔn)確率已屬行業(yè)高位。

在路徑選擇上，基座大模型應(yīng)側(cè)重通用能力，但 Agent 應(yīng)用必須垂直深耕。因各領(lǐng)域行業(yè) Know-How、專家推理邏輯難以被通用方案覆蓋，且非結(jié)構(gòu)化數(shù)據(jù)處理范式差異顯著。以金融、政務(wù)、媒體為例，垂直 Agent 的壁壘體現(xiàn)在三維能力：行業(yè)知識圖譜構(gòu)建能力、上下文工程優(yōu)化能力、評估體系設(shè)計(jì)能力。這不僅涉及提示詞優(yōu)化，更需完成數(shù)據(jù)清洗、標(biāo)簽化等底層工程，并通過用戶反饋閉環(huán)持續(xù)提升準(zhǔn)確率。

Agent 的核心競爭壁壘在于評估體系與長期迭代機(jī)制：從 POC 到商業(yè)化需經(jīng)歷高成本的準(zhǔn)確率爬坡過程，垂直場景中知識處理方式，如索引策略，存在數(shù)百種組合方案，需結(jié)合領(lǐng)域經(jīng)驗(yàn)篩選最優(yōu)解。同時(shí)需構(gòu)建覆蓋 RAG、MCP、Agent 的全鏈路評估體系，通過持續(xù)積累行業(yè)專屬數(shù)據(jù)與反饋，形成難以復(fù)制的迭代護(hù)城河。

討論議題二、企業(yè)完成 Agent 建設(shè)后如何推廣運(yùn)營以產(chǎn)生業(yè)務(wù)價(jià)值？

晶合集成 AI 研發(fā)項(xiàng)目總負(fù)責(zé)人黎家儼：

在晶和集成內(nèi)部推廣 AI Agent 時(shí)，需以 " 痛點(diǎn)解決 " 為核心選項(xiàng)目，通過 " 燈塔項(xiàng)目 " 展現(xiàn)成效。例如優(yōu)先解決公司當(dāng)前最迫切的問題，讓高層直觀看到價(jià)值。同時(shí)要分階段管理預(yù)期，明確告知各階段可達(dá)成的目標(biāo)，如第一階段實(shí)現(xiàn)基礎(chǔ)功能，第二階段優(yōu)化效率等，避免過度承諾。對外溝通時(shí)，以實(shí)際效益為說服依據(jù)，引導(dǎo)資源投入。晶和集成公司高層主動(dòng)推動(dòng) AI 計(jì)劃，使得 AI 導(dǎo)入過程更順暢。

開為科技創(chuàng)始人楊通：

當(dāng)前 AI 運(yùn)營的核心是讓甲方接受 AI 價(jià)值，由于行業(yè)處于 " 舊世界崩塌、新世界未立 " 的過渡期，甲方對 AI 格局尚不明確，因此采用 "AI+SaaS" 的過渡模式：將 AI 作為使用 SaaS 的 " 潤滑劑 "，而非獨(dú)立產(chǎn)品銷售，延續(xù)傳統(tǒng) SaaS 收費(fèi)模式，通過 AI 提升用戶使用頻次和付費(fèi)意愿。

今年開為科技以免費(fèi)或低門檻方式讓客戶體驗(yàn) AI 功能，搶占市場先機(jī)，待明年甲方 AI 預(yù)算大幅提升時(shí)，前期積累的用戶和數(shù)據(jù)將發(fā)揮價(jià)值。這種策略既能留住客戶，又能為未來 AI 規(guī)模化應(yīng)用奠定基礎(chǔ)。

拓爾思金融和產(chǎn)業(yè)大腦產(chǎn)品中心總經(jīng)理周寧捷：

DeepSeek 帶動(dòng)下，甲方加速 Agent 落地，如某銀行年初啟動(dòng) 100 個(gè) Agent 項(xiàng)目，卻面臨效果不達(dá)預(yù)期的問題。運(yùn)營關(guān)鍵在于聚焦高價(jià)值場景，解決真實(shí)業(yè)務(wù)痛點(diǎn)，避免 " 為 AI 而 AI" 的資源浪費(fèi)。冷啟動(dòng)階段需快速達(dá)到用戶初步預(yù)期，通過持續(xù)迭代形成 " 數(shù)據(jù)飛輪 " —— 用實(shí)際效果驅(qū)動(dòng)用戶反饋，再以反饋優(yōu)化 Agent。若盲目鋪開場景，易導(dǎo)致業(yè)務(wù)方失望，反向影響 AI 應(yīng)用推進(jìn)，因此需精準(zhǔn)定位核心需求，以結(jié)果為導(dǎo)向推進(jìn) Agent 運(yùn)營。

討論議題三、Agent 的未來商業(yè)模式將如何變革 ?

晶合集成 AI 研發(fā)項(xiàng)目總負(fù)責(zé)人黎家儼：

作為甲方代表，黎總指出過去與廠商的付費(fèi)模式主要基于廠商的投入成本，而今年更傾向于按結(jié)果付費(fèi)（RaaS）。隨著成功案例增多，甲方對 " 結(jié)果導(dǎo)向 " 的付費(fèi)方式接受度提升，這是從傳統(tǒng) SaaS 模式向更務(wù)實(shí)的價(jià)值交付轉(zhuǎn)變。甲方態(tài)度的轉(zhuǎn)變源于對 AI 價(jià)值的信心增強(qiáng)。

開為科技創(chuàng)始人楊通：

楊總從廠商視角提出，Agent 時(shí)代的商業(yè)模式變革核心在于賦能傳統(tǒng) SaaS 公司轉(zhuǎn)型。由于生產(chǎn)結(jié)構(gòu)從 " 工具直接面向用戶 " 變?yōu)?" 工具→ Agent →用戶 "，廠商應(yīng)聚焦幫助 SaaS 公司升級為垂類 Agent，再由 Agent 為甲方提供服務(wù)。

這種模式下，付費(fèi)邏輯從傳統(tǒng)的年訂閱制轉(zhuǎn)向按 Agent 調(diào)用量收費(fèi)，因?yàn)?Agent 對工具的使用頻次可達(dá)人類的成百上千倍，這種 "Agent+SaaS" 的模式將催生指數(shù)級增長的商業(yè)機(jī)會(huì)。

拓爾思金融和產(chǎn)業(yè)大腦產(chǎn)品中心總經(jīng)理周寧捷：

周總指出，對垂直領(lǐng)域廠商而言，按結(jié)果付費(fèi)是商業(yè)模式的終極目標(biāo)。傳統(tǒng)按 Token 或 SaaS 訂閱的收費(fèi)模式以技術(shù)驅(qū)動(dòng)為主，而垂類客戶更關(guān)注業(yè)務(wù)結(jié)果，因此需與甲方或行業(yè) ISV 合作共建 RaaS 模式。他強(qiáng)調(diào)，結(jié)果付費(fèi)的可行性在于整合行業(yè) Know-How 與技術(shù)能力，通過 Agent 直接覆蓋傳統(tǒng)工具的過程性工作。

本次圓桌對話環(huán)節(jié)，三位專家圍繞 Agent 在落地應(yīng)用、推廣運(yùn)營及商業(yè)模式變革三大核心議題展開討論，結(jié)合半導(dǎo)體、金融、政務(wù)等多行業(yè)實(shí)踐，揭示了 Agent 從技術(shù)落地到商業(yè)價(jià)值實(shí)現(xiàn)的關(guān)鍵路徑與競爭要點(diǎn)，強(qiáng)調(diào)垂直領(lǐng)域深耕、結(jié)果導(dǎo)向思維及數(shù)據(jù)驅(qū)動(dòng)迭代的重要性。

本次交流探討出 Agent 發(fā)展的三大趨勢：一是必須扎根垂直行業(yè)，通過深度融合業(yè)務(wù)邏輯與技術(shù)能力構(gòu)建壁壘；二是運(yùn)營與商業(yè)模式需以 " 結(jié)果價(jià)值 " 為核心，從技術(shù)驅(qū)動(dòng)轉(zhuǎn)向業(yè)務(wù)驅(qū)動(dòng)；三是數(shù)據(jù)與反饋閉環(huán)是持續(xù)優(yōu)化的關(guān)鍵，唯有形成 " 場景驗(yàn)證 - 迭代升級 " 的正向循環(huán)，才能推動(dòng) Agent 從概念走向規(guī)模化商業(yè)落地。