深演智能发布DeepAgent 4.0 Pro 称近九成企业用AI没用出价值_老虎社区_美港股上老虎

深演智能发布DeepAgent 4.0 Pro 称近九成企业用AI没用出价值

雷递网06-26

雷递网乐天 6月26日大模型还在以月为单位狂飙，但走进真实的企业，你会看到另一幅景象：几乎所有公司都在用 AI，可真正用出价值的，凤毛麟角。麦肯锡的研究显示，今天几乎所有企业都在至少一个业务环节里使用 AI，但接近三分之二仍停留在试点或实验阶段；埃森哲对中国企业的调研则发现，在已经规模化应用生成式 AI 的企业里，真正"实现了显著价值"的只有不到一成。工具越来越强，价值却迟迟兑现不了。问题到底出...

网页链接

免责声明：本文观点仅代表作者个人观点，不构成本平台的投资建议，本平台不对文章信息准确性、完整性和及时性做出任何保证，亦不对因使用或信赖文章信息引发的任何损失承担责任。

暂无评论

热议股票

7x24

全部

{"i18n":{"language":"zh_CN"},"data":{"share":"https://www.laohu8.com/m/news/2646358963?lang=zh_CN&edition=full","thumbnail":"https://leidinews-1256465536.cos.ap-chengdu.myqcloud.com/u_News/20260626/6391807094614314163011300.jpeg","is_english":false,"pubTime":"2026-06-26 11:42","share_image_url":"https://static.laohu8.com/e9f99090a1c2ed51c021029395664489","id":"2646358963","market":"sh","top_or_hot":-1,"title":"深演智能发布DeepAgent 4.0 Pro 称近九成企业用AI没用出价值","media":"雷递网","content":"<div>\n<p>雷递网 乐天 6月26日大模型还在以月为单位狂飙，但走进真实的企业，你会看到另一幅景象：几乎所有公司都在用 AI，可真正用出价值的，凤毛麟角。麦肯锡的研究显示，今天几乎所有企业都在至少一个业务环节里使用 AI，但接近三分之二仍停留在试点或实验阶段；埃森哲对中国企业的调研则发现，在已经规模化应用生成式 AI 的企业里，真正\"实现了显著价值\"的只有不到一成。工具越来越强，价值却迟迟兑现不了。问题到底出...</p>\n\n<a href=\"https://www.leinews.com/n34161/detail.html\">网页链接</a>\n\n</div>\n","source":"leinews_highlight","html":"<!DOCTYPE html>\n<html>\n<head>\n<meta http-equiv=\"Content-Type\" content=\"text/html; charset=utf-8\" />\n<meta name=\"viewport\" content=\"width=device-width,initial-scale=1.0,minimum-scale=1.0,maximum-scale=1.0,user-scalable=no\"/>\n<meta name=\"format-detection\" content=\"telephone=no,email=no,address=no\" />\n<title>深演智能发布DeepAgent 4.0 Pro 称近九成企业用AI没用出价值</title>\n<style type=\"text/css\">\na,abbr,acronym,address,applet,article,aside,audio,b,big,blockquote,body,canvas,caption,center,cite,code,dd,del,details,dfn,div,dl,dt,\nem,embed,fieldset,figcaption,figure,footer,form,h1,h2,h3,h4,h5,h6,header,hgroup,html,i,iframe,img,ins,kbd,label,legend,li,mark,menu,nav,\nobject,ol,output,p,pre,q,ruby,s,samp,section,small,span,strike,strong,sub,summary,sup,table,tbody,td,tfoot,th,thead,time,tr,tt,u,ul,var,video{ font:inherit;margin:0;padding:0;vertical-align:baseline;border:0 }\nbody{ font-size:16px; line-height:1.5; color:#999; background:transparent; }\n.wrapper{ overflow:hidden;word-break:break-all;padding:10px; }\nh1,h2{ font-weight:normal; line-height:1.35; margin-bottom:.6em; }\nh3,h4,h5,h6{ line-height:1.35; margin-bottom:1em; }\nh1{ font-size:24px; }\nh2{ font-size:20px; }\nh3{ font-size:18px; }\nh4{ font-size:16px; }\nh5{ font-size:14px; }\nh6{ font-size:12px; }\np,ul,ol,blockquote,dl,table{ margin:1.2em 0; }\nul,ol{ margin-left:2em; }\nul{ list-style:disc; }\nol{ list-style:decimal; }\nli,li p{ margin:10px 0;}\nimg{ max-width:100%;display:block;margin:0 auto 1em; }\nblockquote{ color:#B5B2B1; border-left:3px solid #aaa; padding:1em; }\nstrong,b{font-weight:bold;}\nem,i{font-style:italic;}\ntable{ width:100%;border-collapse:collapse;border-spacing:1px;margin:1em 0;font-size:.9em; }\nth,td{ padding:5px;text-align:left;border:1px solid #aaa; }\nth{ font-weight:bold;background:#5d5d5d; }\n.symbol-link{font-weight:bold;}\n/* header{ border-bottom:1px solid #494756; } */\n.title{ margin:0 0 8px;line-height:1.3;color:#ddd; }\n.meta {color:#5e5c6d;font-size:13px;margin:0 0 .5em; }\na{text-decoration:none; color:#2a4b87;}\n.meta .head { display: inline-block; overflow: hidden}\n.head .h-thumb { width: 30px; height: 30px; margin: 0; padding: 0; border-radius: 50%; float: left;}\n.head .h-content { margin: 0; padding: 0 0 0 9px; float: left;}\n.head .h-name {font-size: 13px; color: #eee; margin: 0;}\n.head .h-time {font-size: 11px; color: #7E829C; margin: 0;line-height: 11px;}\n.small {font-size: 12.5px; display: inline-block; transform: scale(0.9); -webkit-transform: scale(0.9); transform-origin: left; -webkit-transform-origin: left;}\n.smaller {font-size: 12.5px; display: inline-block; transform: scale(0.8); -webkit-transform: scale(0.8); transform-origin: left; -webkit-transform-origin: left;}\n.bt-text {font-size: 12px;margin: 1.5em 0 0 0}\n.bt-text p {margin: 0}\n</style>\n</head>\n<body>\n<div class=\"wrapper\">\n<header>\n<h2 class=\"title\">\n深演智能发布DeepAgent 4.0 Pro 称近九成企业用AI没用出价值\n</h2>\n\n<h4 class=\"meta\">\n\n\n2026-06-26 11:42 北京时间&nbsp;&nbsp;&nbsp;<a href=https://www.leinews.com/n34161/detail.html><strong>雷递网</strong></a>\n\n\n</h4>\n\n</header>\n<article>\n<div>\n<p>雷递网 乐天 6月26日大模型还在以月为单位狂飙，但走进真实的企业，你会看到另一幅景象：几乎所有公司都在用 AI，可真正用出价值的，凤毛麟角。麦肯锡的研究显示，今天几乎所有企业都在至少一个业务环节里使用 AI，但接近三分之二仍停留在试点或实验阶段；埃森哲对中国企业的调研则发现，在已经规模化应用生成式 AI 的企业里，真正\"实现了显著价值\"的只有不到一成。工具越来越强，价值却迟迟兑现不了。问题到底出...</p>\n\n<a href=\"https://www.leinews.com/n34161/detail.html\">网页链接</a>\n\n</div>\n\n\n</article>\n</div>\n</body>\n</html>\n","isBrief":false,"type":0,"news_type":1,"symbol":"AGIX","symbol_name":"通用人工智能 ETF-AGIX","start_time":0,"source_url":"https://www.leinews.com/n34161/detail.html","article_id":"2646358963","we_media_id":null,"thumbnails":["https://leidinews-1256465536.cos.ap-chengdu.myqcloud.com/u_News/20260626/6391807094614314163011300.jpeg"],"rights":null,"url":"https://stock-news.laohu8.com/highlight/detail?id=2646358963","pubTimestamp":1782445349,"columns":[],"sourceInfo":{"source_id":"leinews_highlight","name":"雷帝触网"},"weMediaInfo":null,"summary":"深演智能正式发布企业级多智能体平台 DeepAgent 4.0 Pro。 这是公司登陆港交所后的首场重磅产品发布，也是深演面向\"企业 AI 如何真正用出价值\"这道行业难题，给出的一套系统性答案。","collect":0,"end_time":0,"defaultTopTitle":"leinews.com","property":[],"viewcount":null,"language":"zh","relate_stocks":{"AGIX":"通用人工智能 ETF-AGIX","AIPO":"Defiance AI and Power Infrastructure ETF","ARTY":"ISHARES FUTURE AI & TECH ETF","02723":"深演智能","CHAT":"ROUNDHILL GENERATIVE AI & TECHNOLOGY ETF","BK1137":"广告"},"translate_title":"DeepAgent 4.0 Pro is released by Shenyan Intelligence, saying that nearly 90% of enterprises use AI without value","themeId":null,"isJumpTheme":false,"ttsUrl":null,"symbols_score_info":{"CHAT":1.5,"ARTY":1.5,"AGIX":1.5,"02723":1.5,"AIPO":1.5},"content_text":"雷递网 乐天 6月26日大模型还在以月为单位狂飙，但走进真实的企业，你会看到另一幅景象：几乎所有公司都在用 AI，可真正用出价值的，凤毛麟角。麦肯锡的研究显示，今天几乎所有企业都在至少一个业务环节里使用 AI，但接近三分之二仍停留在试点或实验阶段；埃森哲对中国企业的调研则发现，在已经规模化应用生成式 AI 的企业里，真正\"实现了显著价值\"的只有不到一成。工具越来越强，价值却迟迟兑现不了。问题到底出在哪？近期，深演智能正式发布企业级多智能体平台 DeepAgent 4.0 Pro。 这是公司登陆港交所后的首场重磅产品发布，也是深演面向\"企业 AI 如何真正用出价值\"这道行业难题，给出的一套系统性答案。深演智能称，DeepAgent 4.0 Pro不是又一个 AI 工具，而是一套重构企业 AI 运行方式的平台：以 Agentic Software（智能体软件）+ Agentic Service（智能体服务）双引擎，让 AI 从一件件孤立的\"效率工具\"，变成真正驱动业务的\"增长引擎\"。在深演看来，企业 AI 的价值之所以难兑现，根子不在模型，而在用 AI 的方式——这，正是 DeepAgent 4.0 Pro 要回答的问题。一、价值没兑现，通常卡在三个地方为什么企业的 AI 应用大多失败？深演智能创始人兼CEO黄晓南把它归结为三个核心卡点。单点散落——只完成 Task，没完成 Job。 智能体只做一个个孤立的单点任务，没有嵌入企业的工作体系，撑不起一条真实、完整的业务流程。价值错位——只盯降本，算不过账。 企业总想用 AI 省人，却忘了 AI 是一笔需要培养、会持续增值的投资，用短期 ROI 去衡量，自然下不了投入的决心。底座缺乏——没有底座，AI 只是跑不出价值的 workflow。 缺了统一的数据、可被调用的知识与内容，上层 Agent 再多，也无法产出稳定的、符合企业需求的结果和真正的价值。二、破局之道：Agentic Software + Agentic Service针对这三个卡点，深演给出的破局之道，是两条腿走路——Agentic Software 与 Agentic Service。企业里的 AI 价值，本质上分布在两类场景：一类是企业自己动手做的事，一类是企业花钱买来的服务。 要把 AI 的价值最大化，这两类都得跑在 AI 上。Agentic Software，是给\"自己作业\"用的。 企业自己要定策略、做新品创新、做用户之声（VOC）洞察——这些自己动手做的流程，被软件固化下来，再在其中嵌入各种 Agent 能力，流程就被 AI 重新武装了。企业把它买回去，自己运行（you run it）。Agentic Service，是给\"外购服务\"用的。 一个企业同时在外面买很多服务：找 agency 做 social 营销、做广告投放。要让这些服务也最大化 AI 价值，它们也得是 agentic 的——提供服务的每一个步骤，都由 AI 来完成。和 Software 不同的是，Agentic Service 不是把智能体卖给你让你自己操作，而是以 agentic software 驱动、直接向你交付结果（we run it, deliver outcomes）。当一个企业\"自己作业\"大量依赖 AI、\"外购服务\"也由 AI 来完成，它才算真正把 AI 的价值用到了最大。深演智能创始人兼CEO黄晓南表示：\"很多企业把 AI 当成降本的工具，这从一开始就错位了。AI 更像一笔投资、一个需要培养的新成员；关键不在于用了多少模型，而在于有没有围绕 AI 重构流程，把数据、知识和内容沉淀成可复用的底座——这才是企业 AI 真正的竞争力。\"这，就是 DeepAgent 4.0 Pro 想交付的东西。三、Agentic Software：交付 Job，而不是堆功能先说 Agentic Software。它要解决的，是传统企业软件的一个根本问题。过去的软件，本质是功能的堆砌——把一个个功能做出来、摆在界面上，至于怎么把这些功能串成一件完整的工作，留给人去学习和操作。而 Agentic Software 交付的不是功能，是 Job to be Done：你给它一个业务目标，它调动背后的多个 Agent，自己规划、调用工具、把整件事做完。 更关键的是，它不是在流程旁边加一个 AI 助手，而是把 AI 嵌进流程本身——让 AI 真正融入企业的工作流，在真实作业中把价值放大，而不是停在演示里。这种能力，已经落在了一批高频业务场景上。以口碑营销（KOX）、销售培训与销售助手、用户之声（VOC）、用户运营、新品创新这五个场景为例：把它们过去的工作流摊开，处处是没有 AI 时的卡点和断点；接入 DeepAgent 之后，断点被一一打通，每个场景都做得比没有 AI 时更好。这就是深演讲的 AI for Growth——AI 不是用来省事的，是用来把生意做得更大的。但场景只是表象。真正决定 Agentic Software 能不能跑出价值的，是它脚下的底座。这一次，深演要重点讲的，是两个新发布的智能中台。知识中台：让AI真正\"会工作\"的底座。为什么很多企业的 Agent 不靠谱？因为它脚下没有一个可信的知识底座。产品资料散落在 Word、PDF、PPT、ERP、CRM、邮件里，版本混乱；销售的经验停在个人的对话里，客服的高频问题没有沉淀成 FAQ，合规的审核意见没有变成规则——每换一个人、每上一个新 Agent，知识都要从头再来。更糟的是，当模型找不到依据，它会\"自动补全\"一个答案：一句\"适合所有肤质\"的错误承诺，背后可能是一次真实的业务风险。知识中台要解决的，正是这件事。它把企业散落的知识统一汇聚、做结构化与知识图谱建模，对知识做质量治理与巡检（识别冲突、缺失、过期、低质、合规问题），再以 API、索引、RAG 服务的方式，统一供给上层所有 Agent 调用；哪些问题没被命中，又会回流过来反哺知识库。它让\"组织知识\"第一次成为一种可被 AI 反复调用、持续进化的资产——这恰恰是企业 AI 最大的瓶颈所在。内容中台：让内容成为AI可调用的资产底座。如果说知识中台管的是\"企业知道什么\"，内容中台管的就是\"企业能对外说什么、发什么\"。今天企业的内容能力，普遍卡在四个地方：内容散落在 DAM、CMS、云盘、本地，检索困难、版本混乱、权限失控；内容相关的数据彼此割裂，难以支撑内容决策；内容大多是非结构化的，标签粗放，难以支持精准的搜索与个性化；分发又各自为政，发完之后效果回不来，难以持续优化。这四道坎叠加起来，结果是同一个：内容没法成为AI能直接调用的资产——再强的内容 Agent，也没有可靠的\"米\"下锅。内容中台要解决的，正是这件事。它把多源异构的内容统一汇聚、统一管理，对内容做结构化与精细化打标，按品牌规范（事实边界、违禁词与敏感词、法律合规）做质量治理，让每一份素材都变成结构清晰、标签可用、合规可信、效果可回流的资产。在这样一个底座之上，内容的规划、生成、审核、全渠道分发与效果回收，才谈得上交给 Agent 自动完成。内容中台真正的价值，不在于跑通某一条分发链路，而在于它让内容第一次成为一种可被 AI 反复调用、持续沉淀与优化的底座——这是企业一切与内容相关的 AI 应用，能不能真正跑起来的前提。四、当 Agentic Software 遇上硬件：智能导购机器人如果说 Agentic Software 是软件对企业作业的重构，那么它的下一步，是走出屏幕。以门店导购为例。今天我们已经能用软件解决不少问题：销售的工牌采集对话语音，后端用 AI 处理分析，再把推荐的话术，通过企业微信助手推送到销售面前的 pad 上，弹窗提示\"这时候该说什么\"。听上去已经很智能，但这条链路其实是断裂的——从数据采集，到 AI 处理，到变成销售的助手，最后还要靠销售自己决定说不说。它依旧依赖人：人用不用、喜不喜欢、每个人的风格能不能驾驭，都是变量。而当软件与硬件结合，这条断裂的链路被彻底打通。本次发布，深演智能正式推出 智能导购机器人——它把 DeepAgent 的 Agentic Software 能力装进一个能听、能看、能表达、能行动的实体：在门店场景里，它能听懂顾客的问题，调用知识中台里的产品与话术知识，直接与顾客对话并完成导购动作。数据采集、AI 处理、与人的交互，第一次在一个实体里一气呵成。这是 Agentic Software 走出屏幕、与硬件结合后的形态，也是深演对\"让 AI 无处不在\"的一种答案。五、Agentic Service：得用户者，得天下破局的另一半是Agentic Service——聚焦品牌传播与用户获取的 AI全域广告。它对应的是一个正在发生的范式转变。过去，品牌投放是\"脉冲式\"的，一波一波、按排期表推进；用户在连续的旅程里，从未被识别为同一个人，收到的信息也缺乏一致性和连续性。而现在，深演主张一种 由 Agentic Service 支撑的、\"以用户为中心\"的个性化、持续沟通（Always On）的新范式：围绕用户的完整旅程，持续找到对的人、在对的时间、用对的内容做沟通，并把每一次互动都连回生意。它和 Agentic Software 最根本的区别在于交付方式：Agentic Service 不是把智能体卖给客户让客户自己操作，而是由深演以 agentic software 驱动、直接向客户交付结果。 从人群破圈与智能圈选、高共情创意的智能生成，到投放过程的实时盯盘与归因，再到 AI 搜索时代的生成式引擎优化（GAO/GEO），全域链路的每一个步骤都由 AI 完成——这是一种\"AI 专家 + AI\"的服务方式：专家定方向，AI 做执行，结果直接交付。深演智能联合创始人兼 COO 谢鹏表示：\"Agentic Service 和把软件卖给客户不一样——我们交付的不是一套工具，而是用 AI 驱动的服务，直接为客户交付结果。我们承诺的核心 KPI，就是用户资产的持续增长。\"在已落地的实践中，这套打法已经跑出可量化的结果：在某客户的全年 Always-On 投放中，新增人群的获客成本下降超过 50%、整体 ROI 提升超过 50%；在某文旅项目里，凭借数百组\"主题 × 人群 × 素材\"的智能组合，点击率、会员注册成本与线下到访等关键指标均优于目标；在 AI 搜索场景，某品牌经 GEO 策略落地后，核心场景下的 AI 推荐 TOP3 推荐度 KPI 达成率达到 123%—127%。（注：以上均为匿名客户的项目成效，非公司经营指引。）结语：从效率工具，到增长引擎回到最初那个问题——企业 AI 的价值为什么难兑现？深演的回答是：不要把 AI 加进旧流程，而要围绕 AI 重构流程；不要只盯着降本，而要把 AI 当成增长的投资；不要只搭一个孤立的工作流，而要把数据、知识、内容、智能体，建成企业可复用的核心能力。Agentic Software 让企业的自有作业跑在 AI 上，Agentic Service 让企业外购的服务也跑在 AI 上——两条腿一起，AI 才真正从一件件效率工具，变成驱动业务的增长引擎。而在所有软件、服务与硬件之上，深演看到的是一个更高维度的未来：一个操作系统级的企业级 AI OS——当企业的流程足够清晰、底座足够扎实、可调用的技能足够丰富，人将不再\"点选\"软件，而是像对话一样，直接向 AI OS 下达目标，由它来完成。——————————————雷递由媒体人雷建平创办，若转载请写明来源。","kind":"highlight","is_publish_news":true,"is_publish_highlight":false,"is_publish_live":false,"is_publish_wemedia":false,"editions":null,"column":"","sentiment":"0","news_tag":"","news_rank":0,"isVideo":false,"video":null,"symbols":[],"gpt_button":1,"need_auth":false,"need_login_tip":false,"code":"91000000","status":"200"},"commentList":[],"hasMoreComments":false,"newsSizeData":{"likeSize":0,"commentSize":0,"repostSize":0,"favoriteSize":0,"likeStatus":false,"favoriteStatus":false},"isCrawlerRequest":true}