香港新聞網10月27日電　（記者 王少喆）“過去企業導入AI（人工智能）常常只做了一個孤立的聊天框，但真正的變革，是讓智能體（Agent）成為企業真實工作鏈條中的‘同事’。”面對當前鋪天蓋地的AI熱潮，騰訊智慧交通南區副總經理、騰訊雲AI專家架構師劉樟偉在接受香港新聞網專訪時，開門見山地拋出了這個直擊痛點的觀點。

日前，在深圳舉行的“2026先進電池產業集群論壇”現場，除了各路專家對電池技術、供應鏈韌性與低碳轉型的熱烈討論外，另一個被高度關注的熱點，是如何利用新一代人工智能打破實體產業的效率瓶頸。正是在該論壇的間隙，香港新聞網記者在現場進行了這場專訪，讓我們得以一窺大模型技術在實體產業落地的真實進展與深層邏輯。

一、 智能體分級的關鍵，在於“任務由誰發起”

在探討企業如何評估AI智能體的能力邊界時，劉樟偉指出，根據騰訊的研究成果，觀察智能體演進通常可以劃分為五個階段：從最被動執行指令的L1，到在既定流程內協助項目的L2；再到能夠圍繞目標拆解任務、調用工具並修正路徑的L3；往後則是能根據環境與業務事件主動發現工作的L4，以及最終人與多個智能體高度協同的L5。

這其中有一個非常關鍵的分水嶺——任務究竟是由人發起，還是由系統主動發起？ 任務發起權越主動，系統所觸及的權限邊界、責任歸屬與風險驗證就越重要。“比如騰訊的AI智能體桌面工作台WorkBuddy，上線短短三個月就迭代了四十多個版本，整個過程中代碼基本上都是由AI生成的”，劉樟偉認為，目前汽航行業多數企業應用的智能體仍處於L1-L2級，但也有一些已經初步具備L3特徵，並正通過連接器與自動化向L4探索。

這並不意味著企業可以把AI當成“全自動甩手掌櫃”。在長程任務和關鍵決策上，依然需要“人”來進行最終確認與把關。

二、 從民航機坪到新能源車廠，實體產業的“提效賬本”

聚焦在電池與新能源產業的廣闊背景下，劉樟偉分享了多個智能體在汽航領域（汽車、航空、低空經濟）已經跑通的實際場景。

在民航機坪保障側，以一段將近2小時的固定機位實拍視頻為例，傳統人工回看需要耗費大量時間。通過騰訊的智能體可自動找到最優的計算機視覺（CV）算法先初篩3000+幀鎖定片段，再用多模態精核700+幀，累計核驗4000+幀後，系統會自動輸出20+個事件、近10類關鍵節點的可追溯時間軸，直接替代了近2小時的人工反覆回看。

而在汽車與新能源整車製造領域，變化更為顯著。某家新能源整車企業目前已經建成了40多個AI應用系統，深度覆蓋整車研發、智能駕駛、車聯網、供應鏈到審計。過去開發這類系統需要高達1700多人天的投入；現在通過“AI生成代碼＋人工審查聯調”的模式讓業務人員自己動手，開發投入直接降到了177人天，平均提效高達90%左右。像他們的沖壓模具管理系統，過去100人天才搞定，現在10人天、兩周就能上線；試驗車下線交付（69台車一屏跟進），人力也節省了89%。

至於在大熱的“低空經濟”領域，系統通過歸集6大類來源數據，能直接生成覆蓋21個地市、7類低空活動的熱力矩陣（例如支撐全省13萬+架次運行的分析）。系統通過24小時乘以一周的时空分析，直接定位空域高壓窗口，並以五因子加權輸出起降場選址評分——這些結論直接落實到“哪一段空域該管、哪一小時該鎖、下一座起降場到底該布在哪裡”。

三、 個人與組織的深度重構：邁向“超級個體”與“超級組織”的演進之路

面對AI對企業效率與傳統工作模式帶來的顛覆，微觀層面的“個人”與“組織”該如何應對？劉樟偉進行了深度的解構。他認為，AI時代的變革不是簡單的工具疊加，而是從微觀個人到宏觀組織架構的全面重塑：

1. 個人層面：打破單點執行，打造“超級個體”

“超級個體”絕不是一個人去取代一整個團隊，而是讓一個具備專業判斷力的人，藉助AI大幅擴大自身的能力邊界。在過去，許多從業者的價值體現在熟練執行單點任務或處理常規事務；但在AI時代，員工必須從“執行者”轉變為“問題定義者”。這意味著員工需要學會用自然語言精準描述複雜目標、設定清晰的驗收標準、辨識AI生成結果中的異常，並對最終交付的成果承擔責任。這種轉變無法靠單純的企業培訓一蹴而就。管理者必須放棄把問題切成零散碎塊分派給員工的舊習慣，而是應給出一個邊界完整的真實目標，並提供必要的系統與數據權限。員工在與智能體反覆協作的過程中，逐步學會補充上下文與修正路徑，這才是未來職場中最核心的競爭力。

“作為個人來說，我們首先需要盡量提升AI在工作中的角色，比如讓AI承擔60%的重複性工作；其次，以往的‘先學習，再應用’的學習習慣也要改變，更多的是要在行動中學習，先做出一些初步的成果，再不斷快速迭代；最後，個人也要習慣其原有身份感的邊界擴大，比如一個產品經理，現在也可以自己寫程序，出一個小的demo（樣品），經過測試通過後，再進行大規模的開發。”劉樟偉進一步介紹說。

2. 團隊層面：從個人經驗到可複用資產的“超級團隊”

個人的創新方法如果無法分享，就無法為企業帶來整體躍升。團隊要走向協同，關鍵在於將“個人記憶”轉化為“可調用的組織資產”。在具體實踐中，團隊可以通過定期的項目復盤或班組會，讓員工公開演示真實的AI協作成果——包括任務背景、使用數據、執行過程以及人工確認的關鍵節點。當其他同事看到完整的工作鏈條後，就能輕易評估哪些方法可以遷移到自己的崗位。進一步地，重複使用的標準流程應被固化為共享模板，高頻的業務口徑與行業知識則封裝成Skills。這能讓團隊不再依賴少數幾個長期充當“AI翻譯官”的個人，而是共享同一套高效率的工作方法。

劉樟偉說，“在任何一個組織裡，一定是一些‘超級個體’首先把AI用起來的，管理者要做的，就是把這些個體找出來，放大他們對組織的影響力，從而建立具有智能化的超級團隊。”

3. 組織層面：消除組織摩擦，構建智能化運營體系

劉樟偉還介紹，根據騰訊的研究成果，評估一個組織是否真正完成智能化轉型，不能僅看採購了多少軟件授權，而要對照一個核心管理公式：

組織效能 = （人才密度 × AI槓桿） / 組織摩擦

智能體技術本身提供了強大的AI槓桿，而企業本身也必須具備足夠高的人才密度來驅動工具。然而，最容易被忽視的是分母——組織摩擦。如果企業內部依然存在冗長的審批流程、各部門之間的信息孤島、反覆的跨部門對齊與無意義的等待，那麼AI在個人端省下來的幾分鐘時間，很快就會被層層內耗消耗殆盡。因此，管理者必須主動調整排期、授權與驗收機制。“比如對一些熟練掌握AI的超級個體，管理者可以給予他們特殊的權限，不需要經過原本冗長的審批流程，先行先試地利用智能工具完成一些產品。”

正如劉樟偉在採訪中反覆強調的，企業在評估AI落地時，衡量其價值的核心標準，從來不是模型參數有多大，也不是對話次數有多頻繁，而是組織內部最終新增了多少條“可控、可驗證、可持續”的工作閉環。只有將技術深植於業務骨幹流程，並配合管理模式的相應調整，企業才能在數位化浪潮中真正實現組織敏捷與競爭力的質變。（完）