在大模型、智能体与AI Coding驱动的企业软件新世界里，旧的竞争壁垒正在迅速消融。专业知识与Knowhow正在被AI重新定义，智能体应用被分钟级生成，传统企业服务厂商的核心价值正面临大考。 在此背景下，我们与在PaaS领域深耕多年的得帆智能创始人兼CEO张桐，进行了一次深度对话。这家公司经历了上一轮技术周期，如今正将能力延伸至智能体应用平台、数字员工平台，构筑新一代企业AI基础设施。 本次访谈重点讨论几个核心问题：行业Knowhow如何从个人经验转向组织化AI能力，AI Infra的长期壁垒在哪里，以及企业AI商业模式如何从软件授权走向持续运行服务等。 访谈核心观点： 行业Knowhow不会消失，但会被重新定义。知识型Knowhow会被大模型快速拉平，真正稀缺的是项目推动、组织协同、责任心、判断力和复杂场景落地能力。企业要做的不是依赖个人专家，而是把专家能力沉淀为组织化、AI化的能力。 企业AI平台层将持续壮大。AI Coding会分流大量个性化、长尾化、流程型应用需求，企业可以自建更多智能体应用。同时，智能体普及也会驱动对平台型基础设施更广泛的需求。 智能体数字员工不是RPA的升级版，而是新的企业执行单元。RPA复刻操作，Agent理解任务、调用工具、处理异常并交付结果。数字员工的核心，是具备企业身份、权限和上下文理解能力，并能够真正进入业务系统完成工作。 企业AI的商业模式会从一次性软件授权，逐步转向平台订阅、智能体运行量和结果交付相结合的持续服务模式。智能体使用越深入，模型调用、工具执行、流程编排和运行保障的消耗越大，未来企业不是简单购买一个软件系统，而是为智能体持续交付业务结果付费。 AI能力仍然遵循1万小时定律。对AI的颠覆性感到焦虑是常态，应对方式是打不过就加入，即自身深度使用AI，提升认知。在AI上面投入的时间决定了认知高度。 ToB领域，新的创业公司会越

技术迭代的加速正将企业软件行业推向一场深刻的重塑，单纯的产品功能堆砌已难以构筑竞争壁垒，企业面临的是从技术架构到服务能力的全方位转型压力。 如何在模型快速更迭的时代沉淀核心资产，并重构适应AI时代的组织，成为企业亟需破解的关键命题。 在此背景下，爱分析与蓝凌董事长杨健伟展开深度对话。作为长期深耕企业数字化与知识管理赛道的资深实践者，杨健伟不仅带领蓝凌完成了自身的AI架构升级，更通过服务数千家大型企业的经验，洞察到AI助力组织进化的深层逻辑。 本次访谈将围绕企业如何构建可持续的记忆体系，以及软件厂商在大模型时代的生存法则展开。 核心观点： 企业软件厂商的产品迭代节奏必须变快。AI编程和智能体能力正在快速成熟，几百万行代码级别的平台已可通过AI完成，这直接冲击了软件公司过去依靠代码沉淀形成竞争力的逻辑。 模型会变，但企业长期沉淀的是数据、知识、流程和记忆。企业不应把AI基础能力绑定在某一个模型上，而应从企业架构出发，推导数据架构，把知识、业务数据和智能体记忆统一纳入治理体系。 软件公司没有永恒的护城河，真正的壁垒只有两个：学习创新的速度和生存韧性。谁能更快看到新技术、学会新能力、完成试验、产品化并交付给客户，谁就有机会在新一轮竞争中跑出来。 以下为本次对话实录，在不改变原意基础上略有修改。 01 AI加速企业软件重构 爱分析：最近半年，您在智能体行业观察到了哪些新的变化？ 杨健伟：最大的变化是，技术变化和迭代速度太快了，快到传统软件公司的节奏已经跟不上。 去年10月、11月，我们还不敢确定，一套老的平台能不能完全用AI编程搞定。但到春节前后，行业里已经出现了一个300万行代码的产品平台，完全通过AI编程完成。这件事带来的冲击很大，因为几百万行代码，已经相当于一个核心企业软件模块的体量。 过去我们认为，写代码、沉淀代码，是软件公司的重要竞争力。但现在，AI并不是一个技术出来之后就

今年以来，基础模型的竞争不再停留在多模态、Coding等单点能力上，而是转移至Agent的全面比拼。基础模型吞噬通用Agent的趋势不可避免，Agent厂商还有哪些竞争壁垒？企业服务行业，以及企业组织本身将发生哪些变化？ 01 Agent自我进化重构商业模式 Agent定义始于2023年，Planning、Memory、Tools、Action成为标准框架。但今天，这四个模块发生了根本变化。 图1：自主智能体架构 Planning正在从固定流程，变成边走边看的动态探索。拖拉拽式的流程编排成为过去式，现在的Agent开始面对真实世界，目标明确，但路径不明确。它会不断试错、观察环境、修正路线。 Memory也不再只是上下文记忆。过去的记忆，本质是为了保证对话连续性。现在开始探索形成层级结构。Agent会记住任务状态，记住用户偏好，记住自己的角色，甚至记录与理解企业规则与组织文化。记忆从超长的缓存，变成长期的认知。 Tools同样发生了变化。过去只是调用计算器、搜索、API，现在开始形成Skill体系。Skill不只是工具，而是经验、流程、Knowhow的封装。同时，模型所具备的超强Coding能力，可以使得Agent为自己创建大量需要临时调用的工具。 Action也不再是单次动作执行，而是形成长期反馈闭环。Agent会持续观察结果，持续修正行为，持续优化路径。 图2：Agent各模块变化 四个模块共同变化，本质上是在让Agent从工具变成可成长的系统。 过去，企业购买的是软件功能，为此支付订阅费、授权费或者调用费。在Agent时代，企业购买的是Agent持续进化能力，为此支付对应的token费用。 过去，token是调用成本，未来，token是Agent进化的基础资源。Agent进化越快，token消耗量越大，厂商收入越高。这使得厂商能够跟随客户一起成长，大幅改善既往低客单、低

龙虾可以像员工一样工作，它会自己调用工具、规划任务、寻找文件，甚至能在不断试错中完成交付。在当前这一波养龙虾热潮下，企业面临新的挑战：如何让龙虾真正进入业务流程？如何控制快速膨胀的Token成本？ 在此背景下，爱分析与 360 亿方智能 CEO 彭际华进行了一场深度对话。作为长期聚焦企业知识与 AI 工程化落地的厂商，360 亿方智能正在围绕 AgentFS、企业记忆、Skill、Knowledge Hub 等方向展开实践。其核心产品理念是：让知识成为生产力。本次对话重点讨论了记忆的价值、Skill 如何在企业落地、多 Agent 协同如何进入真实业务流程等问题。 核心观点： 大模型决定 Agent 的能力上限，知识上下文决定 Agent 的能力下限。模型解决“能不能做”的问题，企业 Context 解决“能不能稳定做好”的问题。没有业务上下文，Agent 再聪明，也只是一个不懂企业的新员工。 企业 AI 不缺模型，缺可执行的业务上下文。业务规则、流程标准、审批习惯、交付要求、专家判断、历史经验，这些才决定 Agent 能不能进入真实工作流。 未来的知识库不是文件仓库，而是面向 Agent 的组织记忆系统。知识不再只是文档，还包括会议记录、任务过程、专家判断、业务规则、Agent 执行轨迹和可复用 Skill。 Skill 是隐性知识产品化的最小单位。未来写 Skill 的技术门槛会下降，真正稀缺的是能把业务经验结构化的人。专家知道“怎么做”，企业要把这种经验变成 Agent 可执行、可复用、可评估的规则和流程。 Agent 是脚手架，知识和 Skill 才是资产。模型越强，越会淘汰薄 Agent；但模型越强，也越会放大私域知识、业务规则和工程化治理的价值。 人和硅基员工协作不能靠潜规则。企业 AI 的终局，不是每人一个聊天机器人，而是每个组织拥有一批懂业务、能协

AI正在深刻重塑软件行业，从交互方式与产品架构，再到商业模式，都面临重构。然而，企查查却呈现出独特的韧性，其业务增长并未受到冲击，反而持续保持高增长。 作为数据服务商，企查查缘何能够穿越周期？其真正的壁垒是什么？ 为此，我们与企查查创始人陈德强进行了一次深入对话。陈德强在访谈中系统阐述了企查查在AI产业链中的重新定位，商业模式演进以及穿越技术周期的根本逻辑。 核心观点： 战略定位向AI基础设施升级。企查查正从面向个人的查询工具转向Agent的数据基础设施提供商，核心是为AI提供实时、结构化的商业数据。 C端业务增长动力强劲。用户更重视数据可靠性，而非价格。企查查在价格提升层面，潜力依然很大。 B端业务坚持标准化产品。业务延伸至金融、制造等领域，不参与重实施项目。 数据是穿越周期的壁垒。数据服务商的核心价值来自于物理世界数据，这构成其穿越周期的根本壁垒。 以下为本次访谈实录，在不改变原意基础上略有修改。 01 定位AI时代基础设施 爱分析：数据服务商在AI时代应该重新定位自己？ 陈德强：企查查的战略定位正在向AI时代的商业基础设施升级。 具体来说，我们正从过去面向C端的产品工具，转向成为Agent时代的商业底座。未来将更聚焦于把积累的数据资产转化为更智能的工具和场景解决方案。 爱分析：在国外，FactSet、IDC等数据终端应用会整合至AWS的AI服务中。在国内，数据服务商会采取同样的策略吗？数据服务商如何定位与基础模型的关系？ 陈德强：我们与基础模型是上下游关系，我们是数据上游。 十年前做企查查时，市场主体信息分散、滞后，我们做了结构化、实体化、可搜索，变成人人可查的入口。现在发生了根本变化，查询者变成了AI Agent，未来使用数据的可能不再是“人”，而是AI。我们的角色从直接to C的产品，转向为AI提供数据的上游。 过去用户查企业需要打开应用、点标签、复制信

Agent正在以前所未有的速度重塑企业软件。过去依赖菜单、流程和定制开发的软件模式开始被改写，企业软件市场进入新一轮重构周期。对甲方企业和软件厂商而言，真正的挑战在于如何在落地价值与合规安全之间找到新的平衡点。 在此背景下，爱分析与金智维创始人廖万里进行了一场深度对话。作为国内较早布局企业智能体的厂商，金智维正通过AI规划、RPA执行的方式，将智能体真正转化为企业里的数字员工。 本次访谈重点讨论了Agent对企业软件的影响、Skill范式转型、AI与RPA分工等问题。 核心观点： OpenClaw并没有削弱企业软件壁垒，反而让行业Know-how变得更值钱。企业真正需要的不是聊天机器人，而是能嵌入业务流程、理解监管规则、稳定执行任务的数字员工。 Skill本质上是在重构企业知识沉淀方式。过去沉淀的是模板和代码，未来沉淀的是可调用、可组合、可复用的Skill能力。 AI负责规划，RPA负责执行，正在成为企业Agent落地最现实的路径。大模型已经基本解决规划问题，企业真正缺的是执行能力。AI在复杂企业系统里的稳定执行需要长期积累的RPA原子化能力。 企业最大的风险不是技术落后，而是盲目重建一切。 基础模型迭代极快，企业如果盲目追逐热点，投入很容易打水漂。企业的核心精力应放在数据治理、知识资产和业务规则的沉淀上。 01 OpenClaw没有颠覆软件，反而让Know-how更值钱 爱分析：过去，企业软件核心壁垒是行业Know-how、交付等能力。随着AI能力增强，这些壁垒会发生什么变化？ 廖万里：企业软件正演化为企业级智能体。智能体必须嵌入企业内部业务流程，因此行业Know-how会变得更重要。比如金融行业，我们这些年积累了数以千计的业务流程模板。这些模板背后，其实不是简单的流程图，而是金融机构长期运行下来的业务规则、监管要求、审批逻辑、合规边界。我们的企业级智

企业正加速押注智能体平台，但问题也随之浮现：投入在增加，焦虑在放大，ROI始终难以说清。 在此背景下，爱分析与述信科技创始人彭圣才展开深度对话。述信深耕头部消费企业，累计交付200+项目，长期处在“业务一线+复杂交付+AI落地”的交汇点，对企业究竟该投入什么、能力如何沉淀，有更贴近现实的观察。 本次访谈重点讨论几个核心问题：AI焦虑的本质、企业应对路径、服务价值重估与人效跃迁等。 访谈核心观点如下： “会不会用AI”不会成为个体之间的差距。当前的AI焦虑，本质上来自产品尚不成熟、复杂度被转移给用户。一旦产品能力完善，提示词工程等门槛会被消弭，个体之间不会因此形成长期壁垒。 企业应对AI的不确定性，核心是三件事：守住不变、局部试错、建立AI感。通过持续的AI项目落地，让组织逐步形成AI感，而不必纠结于单一项目ROI。 AI服务将成为主流。人效被指数级放大，服务具备规模化能力。AI让原本依赖顶尖人才的工作被大幅简化，普通人也能在体系与工具支撑下交付高质量结果。服务不再只是人天生意，而是可以规模化复制的能力体系。 企业竞争的核心正在从人转向Know-how的持续沉淀。模型会不断吃掉通用能力，但与业务深度绑定的经验、规则与隐性知识，会持续沉淀形成壁垒。真正的护城河，不是模型能力，而是被结构化、可复用的Know-how体系。 01 建立“组织AI感”比学提示词和量化ROI更重要 爱分析：你怎么理解智能体平台的价值？ 彭圣才：智能体平台核心价值在于将提示词、上下文等复杂工程封装成标准化产品，让终端用户快速达成业务目标。 如今，有很多企业在培训怎么写提示词。其实，用户不应该去学习提示词工程。这些复杂度本应该由我们做产品的人去消化掉。我们要做的是把这些能力封装成一个体验足够好的产品，让用户只需要表达自己的目标就可以了。 从这个角度看，智能体平台就是模型之上的一层应用基础设施。未来

随着OpenClaw等Agent应用爆火，工业智能体市场正迎来认知转变和落地机遇。 长期以来，制造业面临IT系统碎片化、个性化生产困难等痛点，智能体技术的自主规划执行能力，有机会帮助企业打破数据孤岛、实现决策自动化，推动柔性制造转型。在“人工智能+制造”等政策支持下，工业企业对智能体的接受度大幅提升，市场落地热情高涨，前景广阔。 诺谛智能脱胎于联想集团，是以知识驱动的人工智能技术服务商，致力实现AI应用务实且卓越的落地效果。诺谛智能依托联想生态，在数据闭环、工业知识沉淀和复杂场景落地方面积累了丰富实践。 诺谛智能创始人兼CEO胡长建拥有深厚的制造业数智化转型经验，他结合诺谛智能多年的ToB落地实践，对工业智能体的认知转变、实际落地路径、未来工厂形态以及AI时代的竞争壁垒有着务实而深刻的见解。 胡长建博士在访谈中系统阐述了工业智能体落地的现状、挑战与未来图景。 核心观点： 工业存在通用智能体机会，但实施方案是个性化的。底层模型和技术架构是通用的，但每个企业的记忆、知识沉淀、数字化程度不同，最终落地方式会有差别。 未来工厂或将由智能体托管，实现决策自动化。决策自动化与现有执行自动化结合，实现一次一件的大规模客制化生产，工厂生产模式或将会发生根本性变革。 AI时代护城河是数据壁垒与系统化组织能力。数据不更新的软件工具迁移成本很低，没有壁垒。大型制造企业独有的复杂、结构化能力，将转化为AI时代系统化组织能力，成为企业的核心竞争力。 以下为本次访谈实录，在不改变原意基础上略有修改。 01 OpenClaw让工业企业对智能体的认知改变 爱分析：OpenClaw对工业Agent市场产生了哪些影响？ 胡长建：最大变化是认知转变，让更多工业企业更容易接受Agent。过去企业和我们讨论Agent落地，会觉得系统集成很复杂，现在企业觉得这件事技术上是可行的，不需要反复论证。 尽管对于有大量碎片化

作为深耕数据分析多年的厂商，慧辰凭借数据基因，敏锐捕捉到了GEO这一新机会。慧辰选择以“数据监测”为切入点，在两个月内快速推出产品ImpetaAl，成功卡位这一新兴赛道。 我们与慧辰GEO产品负责人黄鸣进行了深度访谈，围绕慧辰切入GEO市场的逻辑、其数据监测产品的定位、商业化进展、行业竞争格局，以及未来核心趋势等关键议题展开，揭示了GEO市场的当前生态与演进路径。 核心观点 GEO市场格局长期将保持分散，多元类型厂商并存。未来GEO市场将呈现多元格局，原生GEO公司、垂直领域深耕者、出海服务商、底层工具供应商等各类厂商将长期并存。 GEO未来将与私域融合。GEO是新的公域渠道，与品牌私域会员体系打通，可以实现营销闭环。这些变化将深刻影响甲方的投入决策和GEO的玩法演进。 提示词作用将减弱，GEO玩法面临根本性变革。随着AI助理变得更主动、更了解用户偏好，未来需要用户主动输入的提示词会减少。这可能导致GEO优化目标与方式发生巨大变化。 以下为本次访谈实录，在不改变原意基础上略有修改。 01 凭借数据基因，快速卡位GEO新赛道 爱分析：慧辰如何选定从数据监测角度切入GEO市场？ 黄鸣：我们是去年8月份注意到GEO这个机会的。因为我们是做数据出身，当时判断切入这个新领域最合适我们的就是做数据监测。它既是我们的技术积累所在，也能作为一个很直观的切入点。 所以到了去年底，我们正式投入精力去研发这个产品ImpetaAI，大约两个月产品就上线了。上线后通过公众号做了些发布，就吸引来了很多用户。客户下单很快，这有点出乎我的意料。 爱分析：第一批客户是老客户？ 黄鸣：其实新客户比较多。新客户基本上是自然流量来的，这说明市场确实存在真实需求。 爱分析：产品命名为ImpetaAI有什么含义吗？ 黄鸣：Impeta是小语种词汇，意思是“答复”。因为我们监测的核心就是AI的答复数据，所以就叫答复的A

2026年OpenClaw等智能体爆火，大幅拉高企业用户对Agent的期待。企业用户认为Agent已不再局限于简单对话或单一任务，而是能够真正理解业务、自主执行复杂流程，并产出可信结果。 在这一浪潮中，Data Agent正成为最受关注的细分赛道，不再是传统BI工具的升级ChatBI，而是能够像专业数据工程师一样，自主完成数据采集、治理、分析、洞察生成全链路任务的核心生产力。 然而，在资本与市场热情聚焦于洞察决策等Agent应用时，一个被长期忽视的关键事实逐渐浮出水面。没有高质量、可信的底层数据治理，任何上层Agent都无法达成令人满意的效果。数据治理正成为决定Data Agent成败的关键。 01 Data Agent崛起，治理层价值被忽视 Data Agent是专门用于数据领域的 AI 智能体，能够像数字员工一样，自主执行数据相关全链路任务，包括数据采集汇聚、清洗转换、分析加工、洞察生成，并调用外部工具完成端到端工作。 与过往ChatBI等应用不同，Data Agent具备自主规划与反思迭代、工具调用与多步推理能力、端到端任务闭环执行等核心特征，既可以与人类协同，也可以独立完成数据场景相关工作。 基于数据价值链，Data Agent可以分成治理层、加工层和决策层三层架构。治理层是数据工程师主导，负责将原始、分散、脏乱的数据转化为高质量、可信的数据资源。加工层是数据科学家与分析师主导，负责构建指标、标签、模型等深加工产出。决策层是业务用户与行业应用主导，负责基于加工结果做出业务决策或行动。 当前市场普遍将决策层视为价值最高，因为决策层是业务直接可见、价值度最容易显现，大量预算和资本投入到决策层Agent产品。但在实际落地时，决策层Agent产品往往因为缺乏高质量数据，只能回答简单场景问题，实际效果难以让企业用户满意。 相反，治理层虽工作隐形、价值难量化

2026年4月16日，爱分析正式发布《2026爱分析·企业级智能体应用开发平台产品测评报告》。 该报告基于真实业务场景，对阿里云百炼、百度智能云千帆、腾讯云智能体开发平台(ADP)、Dify、火山引擎HiAgent、蓝凌智能LanBots.AI智能业务中台等主流产品进行了系统、深度的横向测评，旨在为企业在智能化升级的关键选型中提供客观、可靠的决策参考。 图表 1 2026企业级智能体开发平台竞争象限 一、测评核心发现：从“可用”到“可控”与“好用”的演进 本次测评围绕“公司制度问答”、“市场调研报告生成”、“工业设备运行预警”三大典型企业场景展开，从业务应用能力、知识治理能力、安全合规能力、交付落地能力四个维度，对九大主流平台进行了全面评估。 测评结果显示，当前企业级智能体开发平台已普遍跨越“技术可用”的门槛，但在高严谨、高约束的业务场景中，结果的“可控性”与“可靠性”仍是普遍短板。同时，知识治理能力作为决定智能体输出质量的基石，以及交付与服务能力作为影响规模化落地效率的关键变量，其重要性日益凸显，成为区分平台能力的关键分水岭。 二、给企业的四大核心建议 1、从“可用”到“可控”，是当前平台演进的核心命题。 当前多数平台已具备基础应用能力，在知识问答与内容生成等场景中实现“可用”；但在工业预警等高约束场景中，结果可控性仍存在明显短板。建议企业选型时在PoC阶段引入高约束测试用例，提前验证平台在关键场景下的可靠性。 2、功能完备度不等同于落地效果，需结合自身实际需求选择。 测评结果显示，功能体系完善的平台在通用能力上具备优势，但在具体业务场景中的表现仍依赖调优与适配；而部分业务导向平台虽功能相对聚焦，但在特定场景中更具可用性。企业应基于自身实际需求，优先选择匹配度高的平台，不建议单纯追求功能全面。 卓越者象限适用于对平台能力完整性与规模化落地有较高要求的企业； 破局

序言 作为“十五五“规划的开局之年，2026年已成为央国企响应两会”人工智能全方位赋能新质生产力“号召，实现从数字化建设向全面智能化跃迁的关键分水岭。 当前，央国企在人工智能领域的落地已脱离了单纯的科技创新驱动，转而进入以业务价值为导向的深水区。从早期的行政办公辅助到如今的设备运维、生产调度、研发设计等极端复杂场景，AI Agent正逐步演变为企业的核心数字生产力。 本报告将基于爱分析2025-2026年针对近百家央国企的调研数据，系统性分析央国企Agent的落地进展、应用场景、预算投入、供应商选型及未来趋势。 一、央国企Agent落地阶段：从观望到行动集体加速 根据爱分析的调研，2026年央国企在Agent落地上表现出显著的加速效应，央国企已集体进入“大规模试点+小范围推广”阶段。 2025年，超过半数的企业仍处于探索可研阶段，侧重于论证技术的可行性，而到2026年，只有25%的企业还处于探索可研。“试点速赢”阶段的企业比例从29%激增至56%，这标志着大部分央国企Agent应用已完成了从技术验证到生产环境的初步迁移。 这种快速迁移的核心源于政策的强力推行。2025年8月的《“人工智能+”专项行动》政策，2026年初国资委AI+”专项行动深化部署会，都对央国企Agent落地提出明确目标和要求。这种自上而下的行政推力，迫使央国企在制定“十五五”规划时，必须将人工智能作为重点布局方向。 在落地方式上，央国企在架构选型上普遍遵循“1个算力底座 + 1个专属大模型 + N个智能体应用”的建设思路。集团公司通常负责基础设施建设，如中国石油的塔里木油田万卡级智算中心、中国移动在全球布局的智算节点等。这种集中统建确保了算力的自主可控和模型基座的安全性，而具体的Agent应用则由二三级单位根据生产实际自行落地，形成了“底座共用、场景自治”的落地思路。 二、央国企Agent落地目的：降本增

苹果公司CEO蒂姆·库克接受媒体采访时，正面回应了外界流传的退休猜测，他明确表示卸任说法纯属传闻。库克说：“不，我没说过那样的话，从来没有。这只是外界流传的谣言。我深爱自己的工作。28 年前我加入苹果，从那天起，我热爱在这里的每一天。我们经历过起伏，但共事的伙伴们无比优秀。他们激发了我最好的一面，我也希望能成就他们。我无法想象没有苹果的人生。”此前有媒体爆料，苹果已在为库克2026年卸任做准备，加之库克去年已到65岁常规退休年龄，市场对苹果高层更迭的猜测愈演愈烈。（界面） $苹果(AAPL)$ 编辑 | Echo  本文仅为信息交流之用，不构成任何交易建议 腾讯总裁刘炽平：去年腾讯在AI新产品上投入了180亿元，今年AI投资至少翻倍 36氪获悉，腾讯总裁刘炽平在业绩说明会上表示，去年腾讯在AI新产品上投入了180亿元，今年至少翻倍。 腾讯首次公布ima月活：月活超1300万，知识库文件总量达4.2亿 36氪获悉，腾讯首次公布ima月活：月活超1300万，知识库文件总量超4.2亿。四季度， ima持续往agent方向升级，实现图文报告、播客、PPT及互动测验等内容形态生成，推出ima skills，支持“龙虾”操作ima笔记、知识库等功能。 $腾讯控股(00700)$ 联合创始人加盟Anthropic后，AI初创公司You.com任命新任CTO You.com正越来越多地面向企业客户开展业务，这使其与OpenAI形成更直接的竞争，如今该公司迎来CTO换人。去年9月完成一轮融资后估值达15亿美元的AI初创公司You.com，在聚焦助力企业落地人工智能的过程中进行了高层人事调整。（新浪财经） 百度推动大模型与搜

过去两年，企业智能体平台快速兴起。大厂、软件厂商、创业公司都在推出以低代码为核心的平台，用于构建智能体应用。但随着OpenClaw的出现，一个更深层的变化正在发生：智能体不再只是工具，而开始具备执行端到端全流程工作的能力。 当智能体能够理解任务、拆解步骤并操作软件时，它的角色已经从辅助工具转变为数字员工。而一旦企业开始部署数字员工，原有的企业智能体平台也将随之发生变化。平台不再只是应用开发工具，而正在演化为一种新的基础设施：数字员工操作系统。这意味着，企业智能体平台的技术架构、产品设计以及商业模式都将迎来系统性的重构。 图：OpenClaw三重影响 一、OpenClaw正在改变智能体平台的技术架构 过去企业构建智能体应用时，大多采用云端优先的架构。模型推理、任务规划以及应用逻辑主要运行在私有云端。在这种模式下，本地环境更多只是执行终端，而智能体的核心能力集中在云端。 OpenClaw则体现出一种完全不同的设计思路。本地环境成为智能体运行的核心节点，系统优先利用本地权限、本地软件以及本地知识完成任务，当需要复杂推理能力时，再按需调用云端模型。 这种本地优先架构带来了两个直接变化，都推动着智能体能够执行端到端的长程任务。首先，企业系统之间的连接不再拘泥于API一条路线，智能体能够通过本地电脑直接操作企业软件。其次，智能体的工具组件库大幅扩展，从云端的MCP、Skills，扩展到本地电脑端的所有软件应用、以及本地化的Skills。 图：OpenClaw本地优先架构使智能体能够执行长程任务 从架构角度看，这意味着智能体平台的运行中心正在从云端逐渐向本地终端迁移。本地执行与云端推理的协同模式，正在成为新一代智能体平台的重要设计方向。 二、智能体平台正在演化为数字员工操作系统 如果从计算机操作系统的视角观察，可以更清晰地理解这一变化。操作系统的部分核心职责，是管理任务执行、数据存储以及

据路透社报道，四名了解公司想法的人士表示，马斯克旗下的SpaceX正倾向于在纳斯达克上市。SpaceX希望能够尽早被纳入纳斯达克100指数，这被视为其在该交易所上市的必要条件之一。 此前报道称，SpaceX正计划进行IPO，最早可能在6月。知情人士称，纽约证券交易所也在争取这一上市项目，目前两家交易所都尚未被告知最终决定。 纳斯达克上月提出一项新规则，可能加速将新上市大型公司纳入纳斯达克100指数。根据“快速纳入”规则，如果一家新上市公司的市值排名跻身该指数现有成分股前40名之列，则其在上市后不到一个月即可获得加速纳入资格。拟议的变更尚未最终确定，可能需要几个月的时间才能生效。 知情人士表示，SpaceX此次IPO寻求的估值约为1.75万亿美元，按最新股价计算，这将使其成为美国市值第六大的公司。