香港新闻网10月27日电　（记者 王少喆）“过去企业导入AI（人工智能）常常只做了一个孤立的聊天框，但真正的变革，是让智能体（Agent）成为企业真实工作链条中的‘同事’ 。”面对当前铺天盖地的AI热潮，腾讯智慧交通南区副总经理、腾讯云AI专家架构师刘樟伟在接受香港新闻网专访时，开门见山地抛出了这个直击痛点的观点 。

日前，在深圳举行的“2026先进电池产业集群论坛”现场，除了各路专家对电池技术、供应链韧性与低碳转型的热烈讨论外，另一个被高度关注的热点，是如何利用新一代人工智能打破实体产业的效率瓶颈 。正是在该论坛的间隙，香港新闻网记者在现场进行了这场专访 ，让我们得以一窥大模型技术在实体产业落地的真实进展与深层逻辑 。

一、 智能体分级的关键，在于“任务由谁发起”

在探讨企业如何评估AI智能体的能力边界时，刘樟伟指出，根据腾讯的研究成果，观察智能体演进通常可以划分为五个阶段：从最被动执行指令的L1，到在既定流程内协助项目的L2；再到能够围绕目标拆解任务、调用工具并修正路径的L3；往后则是能根据环境与业务事件主动发现工作的L4，以及最终人与多个智能体高度协同的L5 。

这其中有一个非常关键的分水岭——任务究竟是由人发起，还是由系统主动发起？ 任务发起权越主动，系统所触及的权限边界、责任归属与风险验证就越重要。“比如腾讯的AI智能体桌面工作台WorkBuddy，上线短短三个月就迭代了四十多个版本，整个过程中代码基本上都是由AI生成的 ”，刘樟伟认为，目前汽航行业多数企业应用的智能体仍处于L1-L2级，但也有一些已经初步具备L3特征，并正通过连接器与自动化向L4探索 。

这并不意味著企业可以把AI当成“全自动甩手掌柜”。在长程任务和关键决策上，依然需要“人”来进行最终确认与把关 。

二、 从民航机坪到新能源车厂，实体产业的“提效账本”

聚焦在电池与新能源产业的广阔背景下，刘樟伟分享了多个智能体在汽航领域（汽车、航空、低空经济）已经跑通的实际场景 。

在民航机坪保障侧，以一段将近2小时的固定机位实拍视频为例，传统人工回看需要耗费大量时间。通过腾讯的智能体可自动找到最优的计算机视觉（CV）算法先初筛3000+帧锁定片段，再用多模态精核700+帧，累计核验4000+帧后，系统会自动输出20+个事件、近10类关键节点的可追溯时间轴，直接替代了近2小时的人工反覆回看 。

而在汽车与新能源整车制造领域，变化更为显著。某家新能源整车企业目前已经建成了40多个AI应用系统，深度覆盖整车研发、智能驾驶、车联网、供应链到审计。过去开发这类系统需要高达1700多人天的投入；现在通过“AI生成代码＋人工审查联调”的模式让业务人员自己动手，开发投入直接降到了177人天，平均提效高达90%左右 。像他们的冲压模具管理系统，过去100人天才搞定，现在10人天、两周就能上线；试验车下线交付（69台车一屏跟进），人力也节省了89% 。

至于在大热的“低空经济”领域，系统通过归集6大类来源数据，能直接生成覆盖21个地市、7类低空活动的热力矩阵（例如支撑全省13万+架次运行的分析）。系统通过24小时乘以一周的时空分析，直接定位空域高压窗口，并以五因子加权输出起降场选址评分——这些结论直接落实到“哪一段空域该管、哪一小时该锁、下一座起降场到底该布在哪里” 。

三、 个人与组织的深度重构：迈向“超级个体”与“超级组织”的演进之路

面对AI对企业效率与传统工作模式带来的颠覆，微观层面的“个人”与“组织”该如何应对？刘樟伟进行了深度的解构 。他认为，AI时代的变革不是简单的工具叠加，而是从微观个人到宏观组织架构的全面重塑 ：

1. 个人层面：打破单点执行，打造“超级个体”

“超级个体”绝不是一个人去取代一整个团队，而是让一个具备专业判断力的人，藉助AI大幅扩大自身的能力边界 。在过去，许多从业者的价值体现在熟练执行单点任务或处理常规事务；但在AI时代，员工必须从“执行者”转变为“问题定义者” 。这意味著员工需要学会用自然语言精准描述复杂目标、设定清晰的验收标准、辨识AI生成结果中的异常，并对最终交付的成果承担责任 。这种转变无法靠单纯的企业培训一蹴而就 。管理者必须放弃把问题切成零散碎块分派给员工的旧习惯，而是应给出一个边界完整的真实目标，并提供必要的系统与数据权限 。员工在与智能体反覆协作的过程中，逐步学会补充上下文与修正路径，这才是未来职场中最核心的竞争力 。

“作为个人来说，我们首先需要尽量提升AI在工作中的角色，比如让AI承担60%的重复性工作；其次，以往的‘先学习，再应用’的学习习惯也要改变，更多的是要在行动中学习，先做出一些初步的成果，再不断快速迭代；最后，个人也要习惯其原有身份感的边界扩大，比如一个产品经理，现在也可以自己写程序，出一个小的demo（样品），经过测试通过后，再进行大规模的开发 。”刘樟伟进一步介绍说 。

2. 团队层面：从个人经验到可复用资产的“超级团队”

个人的创新方法如果无法分享，就无法为企业带来整体跃升 。团队要走向协同，关键在于将“个人记忆”转化为“可调用的组织资产” 。在具体实践中，团队可以通过定期的项目复盘或班组会，让员工公开演示真实的AI协作成果——包括任务背景、使用数据、执行过程以及人工确认的关键节点 。当其他同事看到完整的工作链条后，就能轻易评估哪些方法可以迁移到自己的岗位 。进一步地，重复使用的标准流程应被固化为共享模板，高频的业务口径与行业知识则封装成Skills 。这能让团队不再依赖少数几个长期充当“AI翻译官”的个人，而是共享同一套高效率的工作方法 。

刘樟伟说，“在任何一个组织里，一定是一些‘超级个体’首先把AI用起来的，管理者要做的，就是把这些个体找出来，放大他们对组织的影响力，从而建立具有智能化的超级团队 。”

3. 组织层面：消除组织摩擦，构建智能化运营体系

刘樟伟还介绍，根据腾讯的研究成果，评估一个组织是否真正完成智能化转型，不能仅看采购了多少软件授权，而要对照一个核心管理公式 ：

组织效能 = （人才密度 × AI杠杆） / 组织摩擦

智能体技术本身提供了强大的AI杠杆，而企业本身也必须具备足够高的人才密度来驱动工具 。然而，最容易被忽视的是分母——组织摩擦 。如果企业内部依然存在冗长的审批流程、各部门之间的信息孤岛、反覆的跨部门对齐与无意义的等待，那么AI在个人端省下来的几分钟时间，很快就会被层层内耗消耗殆尽 。因此，管理者必须主动调整排期、授权与验收机制 。“比如对一些熟练掌握AI的超级个体，管理者可以给予他们特殊的权限，不需要经过原本冗长的审批流程，先行先试地利用智能工具完成一些产品 。”

正如刘樟伟在采访中反覆强调的，企业在评估AI落地时，衡量其价值的核心标准，从来不是模型参数有多大，也不是对话次数有多频繁，而是组织内部最终新增了多少条“可控、可验证、可持续”的工作闭环 。只有将技术深植于业务骨干流程，并配合管理模式的相应调整，企业才能在数位化浪潮中真正实现组织敏捷与竞争力的质变 。（完）