過去兩年，AI持續升溫，幾乎每隔一段時間，市場就會迎來一輪新的情緒高點。但若回頭審視，也必須承認一個現實：AI的熱鬧，並不等於它已經真正進入了組織和業務中。很多時候，它改變的是搜索與資訊獲取的方式，卻尚未實質性改寫社會的生產方式。
真正的變化，出現在2025年下半年，如同一道分水嶺，行業對AI的判斷開始發生轉變。關注點不再只是模型「厲不厲害」、跑分「高不高」，而是智能體究竟「管不管用」。大家不再只看它「能不能講話」，而是看它「能不能幹活」。過去那個停留在實驗室里的「高材生」，開始被要求走進真實業務場景，成為能夠交付結果的「數字員工」。
至此AI才真正走進產業現場，進入報銷、面試、營銷、投研等高頻辦公場景，也深入到招投標審核、人力管理、電力調度、採購合規等更複雜的業務流程。在這些場景中，AI的價值不再只是回答問題、提供建議，而是能夠端到端地完成任務，把原本屬於個人的通用能力，轉化為組織可調用、可復用的專項能力。
新華三過去一年所做的大量工作，本質上也是在推動這樣的遷移：一方面將網際網路領域成熟的AI能力嵌入企業與政府的生產業務之中，另一方面更著力於萃取提煉傳統行業的核心能力，對其進行AI化升級與重構，讓企業從「嘗試」走向「深度使用」。
新華三集團高級副總裁，解決方案部總裁曾富貴
真正的門檻，不在模型，而在行業經驗
今天，智能體調用瀏覽器、文件系統、搜索、截圖、代碼執行等工具，已經不再是難事。但在真實業務中，真正的難點在於：需要獲取什麼資訊，如何處理這些資訊，如何將它們串聯成一套可執行的流程，以及如何把行業專家的判斷注入其中。對產業客戶而言，這恰恰是AI落地最關鍵、也最容易被低估的一道門檻。
以招投標場景為例，圍繞一項具體業務，往往涉及國家法律法規、地方政策制度、行業規章以及主管部門指導意見，僅政策匯編就可能有幾十本。擁有這些文件，並不意味著能夠執行業務。決定業務能否運行的，是對規則的理解、對流程的梳理、對邊界條件的約束，以及能否把這些內容轉化為智能體可以理解、可以執行的表達。
也正是在這個意義上，Skill這個概念變得重要起來。它意味著把能力和經驗轉化為機器可理解、可調用、可復用的「偽代碼」。過去，大量行業能力都停留在專家腦中，缺乏系統化沉澱，而今天，AI第一次具備了承接這種能力的可能。
在這個背景下，新華三將自身定位為「端到端的AI應用落地賦能者」。新華三所做的，並非簡單地把通用大模型交付給客戶，而是與行業專家、客戶夥伴深度協同，共同完成業務抽象和場景化落地：由行業專家梳理業務規則與流程，再由技術團隊將其轉化為規範體系、文檔標準和可執行的行業技能，並持續優化模型適配。新華三還統籌模型選型、硬體環境部署、全流程安全管控等關鍵環節，把行業專家的實踐經驗萃取提煉，轉化為模型可理解、可復用、可規範化複製的AI能力，真正實現AI在業務中的深度落地。
一切為了Token，一切轉化為Skill
如果說行業經驗影響著AI能否進入真實業務，那麼工程體系則決定了它能否大規模、可持續地跑起來。
今天看AI基礎設施，視角已經與傳統IT時代明顯不同。過去伺服器、網路、儲存，往往是分開的。進入智能體時代，客戶真正買回去的，不只是某一張卡、某一個模型，而是一個穩定、高效、經過驗證的Token生成器。
新華三在基礎設施層面的目標，就是把不同的加速卡、不同的推理框架、不同的算力伺服器和儲存體系聚合起來，在國產生態上儘可能提升Token產出效率。從算力、數據到模型，構成一個面向產業落地的基礎設施底座。
但只提升硬體效率還不夠。更難、也更關鍵的，是應用側的Token效率。在OpenClaw這樣的框架下，一句簡單的「hello」，就可能引發巨量Token消耗。原因在於智能體自主規劃、多輪反思、工具調用和長上下文帶來的「上下文爆炸」。因此，進入智能體階段以後，關鍵問題已經不是「模型能不能答對」，而是「完成一個任務究竟要消耗多少Token，能否用更少的Token把任務做完」，客戶最終需要的是更高的任務完成效率。
因此，新華三將技術策略定為「軟硬體雙向發力」。向下，是計算底座、高速聯接、超高速儲存、算力調度、統一數據管理平台和訓推使能平台，把算力、數據與模型串接起來；向上，則是圍繞OpenClaw做企業級改造，把它從適用於個人用戶的開源框架，改造成適用於企業部署的組織化平台。
這種改造包括幾個關鍵環節：在非聯網環境下可完整安裝部署，預裝瀏覽器、截圖、文件系統等高頻能力；對客戶共創的Skill做加密與防篡改；支持組織管理、層次化部署以及對Skill和上下文的自動優化。對企業來說，這些能力不是「加分項」，而是從試點走向生產的必要條件。
在安全與效率的平衡上，新華三的一個經驗是：非必要不訓練。在許多項目里，與其重新做高成本的大模型後訓練，不如採用定向蒸餾、小模型強化、規則顯式表達和skill編排。對不少行業場景來說，Skill所承載的規則和流程，價值密度甚至高於訓練數據本身。訓練數據可以脫敏、擴增，但專家寫下來的規則、流程與判斷，往往才是組織最核心的知識資產，也因此更需要被加密、被保護、被審計。
與此同時，隨著智能體深入組織，攻擊面和濫用風險也在同步放大。新華三一方面通過權限控制、留痕審計和人工接管來守住邊界；另一方面，也在探索「AI監督AI」的機制，用不同Agent之間的博弈去發現問題、壓低風險。智能體真正進入企業，並不只是能力問題，更是治理問題。
從更長的周期看，業內正在形成一個越來越清晰的判斷：基礎設施一切為了Token，應用場景一切轉化為Skill。所有技術設施，最終都要圍繞Token效率重構。未來被重寫的，也不只是某幾個軟體功能，而是整個軟體交付邏輯。傳統軟體從需求、開發到上線的長鏈條會被大幅壓縮，越來越多的交付，將變成業務專家和Skill工程師共同完成。
AI真正進入產業，要從核心業務開始
從行業進程來看，AI落地並不是齊頭並進的。除網際網路行業自身應用外，政府以及部分央國企相對走得更快。
政府本身具有產業先導作用，在業務智能化改造上動力更強。以某城市「數字公務員」為例，相關實踐已經能夠把拍照、識別、登錄、回填、校驗、修改等環節端到端串聯起來。能源、電力、交通等行業也在快速推進，像城市電力調度、電網物聯網卡AI自動化管理等場景，都表現出較強的落地衝動和現實需求。
這也意味著，企業的智能化轉型路徑必須重新設計。人力、財務、法務等通用支撐平台，已經成為許多企業率先啟動的「標配項」，但真正決定一家企業AI轉型是否成功的，是能否切入核心業務，把AI嵌入那些最關鍵、最獨特、最能體現組織能力的環節。
從這個意義上說，AI走到今天，已經不再是一個「要不要上車」的問題，而是一個「如何進入組織、如何接管任務、如何重寫軟體與交付邏輯」的問題。對新華三而言，AI時代最重要的兩件事：一是追求最優的Token效率，二是與客戶共創最好的行業Skill。前者決定基礎設施的效率上限，後者決定AI能否真正進入產業深處。二者並舉，方能讓AI從「會說」走向「會幹」，從技術滲透走向價值落地。
