供应链Agent如何落地?从理解业务到执行闭环

资讯 腾讯网 作者:甲子光年 全文 3245 字 · 约 9 分钟读完 分类产品更新智能体

甲子光年宋涛解读Agent商业化路径,以洞隐科技为例,探讨行业上下文如何转化为可执行、可验证的业务能力。一家供应链企业可能已经部署了ERP、WMS、TMS等多套系统,但当运输延误影响客户交期,工作人员仍需要跨系统查询订单、协调承运商,再逐一更新业务状态。系统已经实现数字化,为什么完整业务任务仍离不开大量人工衔接?11月

所属频道 产品更新智能体与 Agent

甲子光年宋涛解读Agent商业化路径,以

一家供应链企业可能已经部署了

系统已经实现数字化,为什么完整业务任务仍离不开大量人工衔接?

11月13日,在供应链科技企业

Agent正从回答问题、辅助操作,走向承担完整业务任务。 对企业而言,评价标准也随之改变:AI能否在真实业务环境中持续推进任务、处理异常,并交付可验收的结果?

图一:甲子光年智库院长宋涛,来源:洞隐科技用户大会

01|从模型能力到任务结果,Agent的商业化标准正在改变

过去几年,AI产品的竞争主要围绕模型能力展开。随着Agent进入企业工作流,仅凭模型能否准确理解问题、调用工具或完成单次操作,已经不足以判断其商业价值。

宋涛在演讲中将AI产品的演进概括为三个阶段:

三者的重要区别在于谁负责推进工作,以及最终验收什么。在Agent阶段,系统开始承担状态跟踪、多步执行和反馈调整,人员则负责目标设定、关键授权及结果验收。

甲子光年智库在研究中提出,Agent落地需要四项基础条件,其商业可行性还需经过任务适配及供需两端的价值验证:

  • 模型能力(:能否理解目标、规划任务并作出判断。

  • 领域与业务上下文(:是否具备必要的业务知识、规则、对象关系与实时状态。

  • 运行与执行机制(Agent Harness):能否连接工具、管理任务、控制权限并验证结果。

  • 任务经济性(:任务质量、成本和风险,与人工及现有软件方案相比是否合理。

这四项基础条件需要放到真实任务中共同验证。模型表现优秀,不代表业务规则已经准备充分;系统能够自动执行,也不意味着整体投入一定划算。

商业化还需要同时回答两个问题:企业是否获得可衡量的业务改善,厂商能否通过收入覆盖交付、运营及后续复制成本。只有供需两端的价值持续兑现,Agent才具备扩大应用的基础。

02|企业选择Agent场景,先过三道门槛

企业部署Agent,首先需要解决的不是模型选型,而是从哪个业务场景切入。

甲子光年提出了三个判断标准:有价值、接得上、兜得住。

有价值,是看任务能否带来实际改善。节省时间、减少差错、扩大服务范围,都需要结合任务量、实施费用及维护成本计算完整投入产出。

接得上,关注企业的业务基础。目标、规则和岗位责任是否明确,数据能否取得,现有系统能否连接,决定了Agent是否具备进入工作流的条件。

兜得住,则要求提前确定风险边界。重要操作由谁审批,数据冲突如何处理,执行失败后谁来接管,都应有明确机制。

具备条件的场景可以先开展小范围验证;数据、系统和组织准备不足的,应优先补齐基础;收益不明确或风险难以控制的任务,则需要重新评估。

对于供应商,还要进一步考虑同类需求能否跨客户复用,以及每增加一个客户需要投入多少开发、实施和维护资源。

因此,Agent选型已经从技术能力比较,逐渐转向对业务任务、执行机制和长期成本的综合评估。

03|供应链Agent,为什么难在系统与系统之间?

供应链是Agent商业化中具有代表性的专业场景。

一笔订单可能涉及供应商、生产企业、仓库、运输服务商和最终客户,同一业务状态又可能分散在

各系统能够独立运行,并不代表跨系统任务能够自动完成。

甲子光年将其中的问题归纳为四类断点:数据断点

数据断点表现为订单、库存与物流状态分散;语义断点来自不同系统对业务对象和规则的定义差异;流程断点使跨部门协调仍依赖人工;执行断点则意味着一次处置完成后,还需要在其他系统重复更新并确认结果。

当任务延伸至企业外部,还要面对合作伙伴之间的数据获取、业务规则和责任分工问题。

宋涛在演讲中以一次运输延误为例,解释Agent如何跨系统推进任务。

车辆预计晚到时,系统首先需要识别异常,关联订单、客户和承诺交期,判断影响范围;随后综合时效、费用及客户要求形成处置建议。

涉及成本和交付承诺的调整,需要获得相应人员确认。获得授权后,Agent再调用相关系统推进计划调整、信息通知及后续跟踪,最终依据到货、签收和业务状态回写核验结果。

图二:Agent参与运输延误处理的示意流程,涉及业务系统连接、人工授权与结果核验。来源:甲子光年智库整理

运输延误被识别后,还需要关联订单与履约约束,在授权范围内推进处置,并核验结果;这才构成一次完整的业务任务。

04|行业经验如何转化为Agent能力?洞隐提供了一个观察样本

不同类型的厂商,带着不同的资源进入Agent市场。

模型厂商拥有模型与推理能力,云厂商具备基础设施和开发生态,业务软件厂商熟悉现有系统及客户工作流,专业场景供应商则可能积累更深入的行业知识与现场经验。

但资源优势只有转化为可交付的任务能力,才能形成真正的竞争力。

宋涛在演讲中以洞隐科技为例,讨论了专业业务软件厂商向Agent演进的路径。

洞隐科技(Deep Insights)是一家AI Agent驱动的供应链科技公司,拥有20余年供应链数字化研发与实施积累,业务覆盖运输管理、仓储管理、国际货代及航运等领域。

对洞隐而言,20多年的行业积累,沉淀在业务对象、作业规则、异常处置经验,以及跨系统、跨企业的协作关系中。推动Agent落地,需要将这些上下文转化为可调用的工具、可复用的技能和可核验的执行规则,使Agent能够理解具体业务,并在明确的权限边界内推进任务。

在此次用户大会上,洞隐集中展示了运输、仓储、货代、航运四大领域Agent,并发布DI.AI TMS。

这些实践与甲子光年提出的领域上下文、执行机制和任务适配等商业化判断形成了具体对应。

在技术架构上,DI.AI Platform通过五层体系组织专业能力:平台基座提供业务对象、治理与审计能力;MCP连接对接现有业务系统;

图三:洞隐科技 DI.AI Platform 供应链智能体平台五层架构。资料来源:洞隐科技。

这体现了一种行业软件厂商的演进路径:以现有系统为入口,将业务规则转化为可调用的专业能力,再通过任务编排推动跨系统执行。

结合洞隐在本次大会上的产品发布资料,可以进一步看到上述思路在运输与货代场景中的具体体现。

DI.AI TMS采用目标导向、事件驱动和任务中心的设计,围绕运输目标组织订单校验、计划调整、异常跟进与结果验收。当运输条件变化时,Agent根据业务状态继续推进后续任务,而不仅是发出告警。

据洞隐本次大会的产品介绍,运输领域的Agent覆盖物流可视化、运输异常管理及

DI.AI CargoNova面向国际货代跨岗位协作,配置覆盖航线运控、销售、客服、订舱、单证、关务、财务和运营的八个岗位Agent,通过

前者关注连续任务执行,后者强调跨岗位业务协同。两者都需要业务上下文、系统连接、任务编排与人员授权,共同回应供应链Agent从局部操作进入完整工作流的需求。

从这一案例可以看到,

05|下一阶段的竞争,比的是谁能持续交付

Agent完成一次概念验证,不等于具备标准产品能力;在一个客户现场运行,也不代表能以同样成本复制到其他企业。

甲子光年认为,供给将沿平台化、产品化、服务化三条路径共同演进:平台化提供通用运行、连接与治理能力;产品化将重复度较高的任务封装为标准应用;服务化依托行业知识、系统集成和持续运营,适配复杂场景。

供应链领域往往需要三者结合:共用平台降低重复建设,标准任务模块提高复用程度,必要服务承接客户特有规则。复制能力最终还要接受任务质量、运营成本和新增交付投入的检验。

企业在考察Agent方案时,也应了解已有系统的接入方式、异常暂停及恢复机制,以及业务变化后的配置维护责任。

宋涛在演讲结尾将焦点落在持续交付。对企业而言,重要的是Agent能稳定完成什么、异常由谁接管、结果如何验收,以及投入是否合理;对厂商而言,则是能否把技术、专业知识和实施经验沉淀为可复制的产品与服务。

从“模型能做”到“业务能用”,再到“长期值得用”,将是Agent商业化下一阶段必须回答的问题。

本文由本站编辑组整理与排版,内容基于公开信息核实后归纳发布,与文中提及的产品、公司无隶属关系。我们持续跟踪 AI 领域的模型、产品与行业动态,力求信息准确、表述清晰;文中涉及的名称、价格与功能细节可能随官方调整而变化,请以官方最新说明为准。如发现疏漏或表述有误,欢迎通过站内渠道反馈指正。

相关推荐 按相关度与热度排序

全部资讯 →
  1. 刚刚,Anthropic公开Opus 5.5同款自主Agent架构:算力成本狂降78%

    阅读之前记得关注+星标⭐️,,每天才能第一时间接收到更新 真正能全天候自主干活的AI Agent,平时绝大多数时间都在睡觉,只有来任务时才会醒过来。所谓的全天候运行,只是用户层面的感知。Anthropic发了一篇工程文章首次披露了这种自主智能体的完整底层架构。过去几个月,自主型Agent迎来爆发。爆发的核心原因在于底层

    来源 腾讯网
  2. 小红书内测“搭搭”App:普通人可造Agent搭子,官方未回应

    近日,有消息称,小红书正在内测一款名…搭搭的独立App,据介绍,这是一个让普通人通过活人感的经验创造、分发领域Agent的社区平台,平台内这些Agent也被称为“搭子”。据报道,目前,产品内已上线设计美学、求职等数十个搭子,通过图文对话方式进行聊天。 此外,该产品还开放了群聊能力,用户可以把搭子当成群成员拉入对话。对于

    来源 AI 行业观察
  3. OpenAI与Meta同日打通代理支付:Agent商业闭环成了?

    作者|桦林舞王编辑|靖宇Agent 能进门了,也能付钱了。Agent 替用户「消费」的时代,终于到来了。美国时间 2026 年 11 月 13 日,两家公司两场发布会同天发生。一边是企业级对话式智能体公司 Sierra 联合 Meta 正式发布个人代理协议 Poppy v1.0,解决助手怎么「进门」的问题;另一边是 O

    来源 腾讯网
  4. Fable 5.2 ,断掉出海Agent的路?

    文/HALFable 5.2发布后没几天,国内社交平台上流传过一款“国产自研3A射击游戏”,页面写着由Fable 5.2自主研发。当然很快被人扒了代码,六千多行里只有约一百行不同,原版出自Anthropic一位员工之手,所谓自研只是把界面汉化了一遍。这件事倒是很能说明Fable 5.2在国内的处境。讨论的人多,真正用上

    来源 腾讯网
  5. 网易智企发布双向AI安全架构,Agent越权风险怎么治?

    “当AI从“回答问题”走向“执行任务”,安全治理的边界也必须同步延伸。“数据安全”、“内容审核”曾是企业讨论AI风险时最常见的关键词。但当AI开始读取内部资料、调用外部工具、连接业务系统,甚至按目标完成一连串任务,问题已不只是模型会不会说错话,而是它会不会做错事。11月3日,在2026年世界互联网大会“互联网之光”博览

    来源 腾讯网
  6. 阿里千问办公2.0发布:Agent能否重构企业协作?

    近日,国内大厂先后把枪口从个人智能调向了组织智能。 8月中旬,字节跳动将飞书Aily更名为豆包工作伙伴,随后上线主动工作能力,并配合飞书8.0重构底层体系;腾讯紧接着推出WorkBuddy企业版与企业微信联合套件,用Buddy One串联起分散的办公生态;李彦宏也在百度世界2026提出“智能组织”概念,并推出衡量企业模

    来源 AI 行业观察
  7. 县域小店商家算起“AI账”:2026年“Agent元年”目光投向何方

    作者 |尔尔‍‍‍编辑 | 车卯卯小城的AI账本2026年,被不少人称为“Agent元年”。3月,OpenClaw掀起了一阵“养虾”热潮。在那之后,AI行业的目光密集投向一线写字楼 —— 写代码、做文档、画PPT。办公场景成了各家厂商竞逐的主战场。据《2026年中国AI办公智能体产业发展白皮书》,仅半年内,就有超过20

    来源 腾讯网
  8. AI智能体工程化:任务卡与验收闭环怎么让AI真正交付工作

    本文探讨如何将AI从简单的问答工具升级为能承担完整工作的智能体。通过引入结构化任务卡、可追溯的上下文管理以及自动化验收闭环,解决AI交付结果不可控的问题。文章结合Python实战案例,展示如何定义执行边界、管理工具权限并生成可复核的交付包,帮助开发者构建稳定、可回退的AI工作流,适用于研发、数据处理及运营等场景。

    来源 AI 应用前沿
  9. 哈佛、Anthropic新研究:单个agent已对齐,组队后为何「集体失守」?

    单个 agent 经过对齐训练,能够表现得诚实、拒绝有害请求等,组成团队后却可能“集体失守”。在软件工程和咨询方案生成中,agent 团队往往减少对系统安全的主动检查,甚至因问题超出职责而对有害结果“袖手旁观”。 在这项工作中,来自哈佛大学和 Anthropic 等机构的研究团队考察了这种差异。他们发现,责任分散(Di

    来源 AI 行业观察
  10. Docker把智能体权限装进OCI镜像:Sandbox Kit规范捐给CNCF

    Docker宣布将 Sandbox Kit 规范捐赠给 CNCF,其目标是让“AI 智能体能够访问哪些资源”这件事,变得和智能体本身一样具备可移植性。这份采用 Apache 2.0 许可的规范现已升级至 v3 版本,它将一个智能体、它所使用的工具,以及一份经过类型化声明的、所申请的主机(hosts)、凭证(creden

    来源 AI 行业观察
  11. DeepSeek Harness 实战:从零搭建你的第一个 AI Agent 工作流

    DeepSeek Harness (dsh) 是一款开源的 Agent 运行框架,它让 AI 能够直接操作你的本地文件系统和终端。本文不讲空洞的概念,而是带你一步步完成环境搭建、API 配置、权限设置,并通过一个生成 README 的真实案例,展示如何让 AI 从“聊天助手”变成能独立干活的“数字员工”。适合希望提升开

    来源 AI 应用前沿
  12. 阿里Qwen4-Max发布:总参数2.4T,单任务平均费用降六成

    新京报贝壳财经讯(记者罗亦丹)11月16日,阿里巴巴发布全新一代基座大模型Qwen4-Max,总参数2.4T,具备原生视觉能力,支持百万上下文。基于创新的模型架构和训练优化,Qwen4-Max以更少的Token消耗实现了更高的性能,在智能体和编程等关键能力项上持续进化:在权威的全球前端编程盲测CodeArena中,Qw

    来源 腾讯网
  13. 英伟达推Rubin HPC:超5万CUDA核心,押注AI智能体改写科学计算

    英伟达正将AI基础设施的竞争进一步延伸至科学计算领域。在11月16日于芝加哥举行的超级计算大会SC26上,英伟达发布专为科学计算、工程仿真和数据分析设计的新一代GPU Rubin HPC,并围绕CUDA-X软件库、光子计算和量子计算等领域公布一系列进展,试图将GPU加速计算、AI智能体与传统高性能计算(HPC)整合到统

    来源 腾讯网
  14. 三星两款AR应用12月31日停更:AR Doodle与Quick Measure将下架

    IT之家 11 月 16 日消息,随着 Galaxy 生态系统不断发展,三星近年来正在逐步停止部分老旧应用和功能的运营。该公司宣布旗下 AR Doodle(AR 涂鸦)和 Quick Measure(快速测量)App 将于 2026 年 12 月 31 日结束官方支持,不再提供下载和安全更新。其中,Quick Meas

    来源 腾讯网
  15. 从 SDLC 到 ADLC:宝洁的 AI 原生组织实验

    AI 把中间几步做快了,为什么整个团队还在等? 宝洁大中华区 CTO 童熙分享了他们的探索:让 Agent 串联研发环节,让技术同事更早参与业务,再用原型验证方案。

    来源 InfoQ
  16. 千问把Skill接入AI眼镜耳机:开发者做功能,用户按需选

    AI 硬件,到底要有什么功能,才值得我们明天继续戴上它?这个问题,或许可以从过去一年 Agent 生态里最热闹的一个词说起:Skill。从写代码、做报告,到按照固定规范给公众号排版,越来越多人开始把自己的工作方法封装成可被智能体反复调用的 Skill。简单来说,Skill 就是把人类的经验,变成一套“AI 知道何时使用

    来源 腾讯网
向下滚动自动加载更多