苏州河畔，数智话题正热。11月5日，2026“科技之光耀浦江”——“数智驱动、效赢未来”专题研讨活动在苏州河旁的邮电俱乐部举行。产、学、研一线的专家聚在一起，围绕“AI赋能基层治理与行业智能化”，从金融研究、数据合规等角度谈大模型、智能体落地时的机会、风险和现实难题。

上海市黄浦区信息技术协会代表、上海电信中区局总经理徐达在致辞时提到，团队平时服务中发现，黄浦区企业的AI需求并不一样：金融科技公司要大算力、要上大型AI应用；楼宇里大量中小微企业则希望有短平快、容易上手、能直接操作的AI智能体场景。他呼吁协会会员单位拿出各自的技术优势，一起把这块市场做起来。

眼下人人都在说AI、用AI。怎么让AI从“单点工具”变成“生产力范式”，怎么合规、安全、高效地把数据和智能的价值放出来，已经是每家企业绕不开的课题。

论实践：AI如何提质增效？

国家数据局《全国数据资源调查报告（2025年）》显示，2025年我国全年Token调用量约21100万亿次，日均调用量从年初的超过1万亿次涨到年末的100万亿次。2025年8月，国务院发布《关于深入实施“人工智能+”行动的意见》，明确要推动人工智能与经济社会各行业深度融合，促进智能终端、智能体等应用普及。政策目标提出，到2027年，新一代智能终端、智能体等应用普及率超过70%；到2030年，超过90%。中国人工智能正在进入大规模应用阶段，模型能力、算力基础设施和高质量数据供给持续发展，AI调用需求增长也快，产业应用的基础越来越厚。

上海电信科技发展有限公司集团专家王萌哲作了《从单点智能到多智能体协同：基于Google ADK的智慧巡检实践》主题报告。他说，楼宇、园区、机房的综合运维场景里，传统故障处置长期卡在“发现靠人工、定位跨系统、闭环有断点”。上海电信以Google ADK（Agent Development Kit）为技术底座，搭了主巡检、设备关系、网络诊断、故障分析多智能体协同的智慧巡检体系。王萌哲说，团队早前对比过单智能体和多智能体方案，发现单智能体职责过度集中，提示词冗长，模型容易跑偏。多智能体走主从协同：主智能体管整体编排调度，各专业子智能体分工执行，工具与角色绑定，任务链路全程留痕，方便复盘，模块式扩展也不会破坏原有业务，更适配复杂的巡检业务。

基于Google ADK多智能体框架，相关项目搭了三层架构：数据采集层感知设备状态；模型推理层由主巡检智能体带着设备关系查询、网络诊断、故障分析3个子智能体协同干活；结果输出层自动生成故障报告、派发维修工单，数据在仪表板上可视化展示。

王萌哲进一步介绍，落地之后，这套智慧巡检方案带来的业务价值很直观：报告生成效率提升96%，平均故障响应时间从6小时压缩到30分钟，诊断准确率92.3%，每年省下运维成本超过20万元。

论差异：AI时代的新复利体系

不过，也有从业者觉得，人工智能已经开始明显提升个人工作效率，可这种改善还没充分变成企业或组织整体的价值。

麦肯锡发布的《2026年AI发展现状（The State of AI in 2026: On the Road to ROI）》报告显示，AI应用普及、规模化推进和经营结果之间仍有明显差距。80%的受访者认为AI提高了个人工作效率，44%表示所在企业正在规模化应用AI，但只有37%认为AI对企业营业利润（EBIT）有正向贡献。达到显著价值与较高利润贡献标准的AI高绩效组织，只占6%。

新点软件数字政府研究院院长沈武作主题报告时也提了类似的看法：“个人侧的AI智能体平台正在快速普及，而面向组织的智能体平台，在迭代速度、价格、场景深度和约束条件上，距离真实业务要求仍有明显落差。”政府组织落地AI难题不少，普遍碰到太贵、麻烦、不会做、留不下来四大痛点，被高昂算力成本、繁杂多变的基层需求、高技术门槛等困难困住。

“很多公司装了大模型、上线智能体，就以为完成智能化了，结果只是把它当成高级搜索工具，本质上只是 ERP（企业资源计划系统）的升级版。”上海交大上海高级金融学院、中国金融研究中心副主任董平也观察到，当下不少企业用AI看似热闹，却没真正释放生产力。在他看来，人工智能能显著提升单项工作的效率，但企业整体经营成果不是单个任务效率的简单相加，需求识别、信息判断、业务决策、资源协调和任务执行等环节一起影响最终结果。即使某个环节效率大幅提高，如果其他环节还有等待、重复劳动、信息断点或资源约束，整体业务表现也未必同步改善。

董平由此判断：“因此，AI价值释放的关键，正在从单项任务的局部优化，进一步转向完整业务流程的整体改善。”他预判，再过一年，通用大模型的热度会逐步回落，迭代也会变慢，可能一年更新一版，但行业决策智能模型会一到三个月迭代一轮，智能体会大范围渗透企业核心业务。

董平认为，AI时代企业或政务组织要真正把生产力提上去，关键在于搭建属于自己的三层复利体系。他说的第一层是组织复利：以往好企业相当于好的培训机构，人才靠老带新成长；到了AI时代，未必要完全由“老人”带新人，可以把顶尖员工、顶尖工程师的经验积累下来交给AI，让AI去完成培训赋能。第二层是数据—智能复利：每一次业务决策、每一个成功案例都得留存下来，用于反哺下一次决策。他特别提醒，有些企业的KPI只考核成功结案，把无效客户需求数据直接丢弃，可无效数据集恰恰代表潜在市场。第三层是策略智能复利：从事实依据出发形成策略，再把策略沉淀成可执行的智能体，在迭代中转化为生产力。

“工具谁都可以买，可以复制，但企业独有的数据和复利体系是竞争对手抄不走的。”董平如是说。

“政务AI要落地，光靠一味堆大模型行不通，得复用公共底座的能力，大模型、小模型按需调用，算力成本才控得住。”沈武还提到一条思路，叫“构建智能体的智能体”——业务人员把业务讲清楚，就能把应用搭起来，技术门槛随之降低。新点软件推出的NexBot平台解决方案便是其中一例，它能够灵活构造智能体，业务人员一句话就能搭出智能体。

论合规：安全已成必选项

会场里，产业人士反复提到一点：到了AI时代，安全这关绕不过去。“大模型能力是强，可放到生产场景里用AI，安全、可控、可追溯得排在效果前头。”王萌哲说。为了避开大模型调用给生产带来的风险，相关系统在工具层、权限层、审计层设了三道安全校验。

上海临港国际数据产业研究院院长徐龙章把数据合规、数据治理、数据安全三者的边界讲清楚了：数据合规回答的是“能不能做，如何合规地做”；数据治理管的是“谁来管、按什么规则管”，核心在于提升数据质量、安全性和合规性；数据安全则靠技术手段和管理措施，防止数据被非法访问、篡改、泄露或滥用。

徐龙章观察到，数据合规监管的逻辑出现了三个变化。第一，从“抽查”走向“全覆盖”：数据合规专项整治变成常态化执法，APP、小程序、SDK、AI生成内容都被纳入检查范围，中小企业不再处于盲区。第二，从“罚企业”变为“罚企业+罚人”：《中华人民共和国个人信息保护法》确立的“双罚制”全面落地，企业这边最高可被处以上一年度营业额5%的巨额罚款，个人这边，直接责任人可能面临百万元罚款、行业禁业甚至刑事追责。第三，监管从末端追责前移到风险识别和过程控制——风险评估、合规审计、出境申报都成了法定义务。说到底，数据合规监管正从以“事后处罚”为主，转向事前预防、事中管控、事后追责的全链条常态化监管。

“随着AI、智能体大量普及，数据合规已经不再是‘选择题’，而是企业高质量发展的‘必答题’。”徐龙章表示。