企业级AI agent从demo到生产：身份、信任与计费模式变革
很多人认为，只要大模型的能力足够强，智能体就能顺利从demo走向生产，但一场行业圆桌讨论的观点却指出，真正的障碍从来不是模型本身，而是信任、成本核算与商业模式这三个不那么性感的核心问题。
一位连续创业者现场算了一笔账：单次模型调用的成功率可以做到99.9%，看起来非常稳定，但如果一个任务需要反复循环执行20次，每次都调用大模型，失败概率会被放大数十倍，最终整体失败率可能达到2%。这个数字在交易、客服、服务交付等严肃业务场景中完全无法接受，这也是当前智能体落地生产的核心制约因素。
这场讨论围绕企业级智能体的基础设施底座展开，四位来自基础设施领域的从业者分享了各自的观察与实践。
信任基础：智能体需要专属身份与可追溯能力
主持人曾抛出一个典型场景：一款在demo中表现完美的智能体，接入真实业务系统后却漏洞百出：第二天推送了已下架的库存产品，第三天忘记了上午刚审批的流程，第四天还被安全团队发现访问了不该查看的客户信息，且没有留下任何操作记录。
有嘉宾指出，问题的核心在于信任。demo只要求智能体能够跑通流程，但企业级场景需要的是“敢用”：如果一个智能体没有专属身份、无法被审计、无法回溯操作、无法追责，无论它的demo表现多么出色，都无法进入生产环境。
企业并不担心智能体犯错，员工也会犯错，但企业真正在意的是，出错后能否及时拦截、能否查到原因、能否落实责任主体。企业可以接受会犯错的员工，但无法接受一个犯错后查无踪迹的黑盒系统。
当前市场上已有不少智能体通信协议，比如MCP解决工具调用、A2A解决智能体间通信，但这些都只是解决了“连得上”的基础问题，仅相当于60分的及格线。真正的核心是建立信任：两个智能体建立连接后，如何证明彼此的身份？没有这个基础，后续的合作都无从谈起。
有团队推出的专属协议，核心就是为每个智能体分配全网唯一、可验证的分布式身份ID，通过这个ID完成身份认证、权限管理、操作审计，回答四个核心问题：我是谁、我能做什么、我做过什么、谁为我负责。
值得注意的是，团队将智能体定位为独立主体而非单纯的服务端点：就像人类一样，智能体在接收到任务后会自主判断是否应该执行，而不是被动接收指令。它应该是具备自主意识的网络公民，而非只会执行指令的工具。
嘉宾强调，当前智能体行业上半场比拼的是能力，下半场则会比拼信任。身份、审计、授权等能力，现在看起来是加分项，但未来1-2年就会成为企业级智能体的准入门槛。
运行时重构：避开云原生时代的旧坑
有团队针对一个常见疑问做出解答：企业已经有容器、Serverless和云主机，为什么还需要专门的智能体运行时？
他指出，变化的不是底层资源，而是使用资源的主体。过去创建监控、查看日志、执行流程的都是人类，人类会主动过滤信息、走审批流程；而未来这些操作会由智能体完成，智能体同样需要一套流程来处理关键节点的审批。
他还复盘了云原生的发展历史：从宿主机到Kubernetes时代，行业经历过“胖容器”的阶段，将大量服务和状态塞进单个容器，后来才意识到问题，开始强调无状态架构，将状态持久化到数据库中。现在智能体行业正在重演这一过程。
相关行业标准的提出就体现了这一思路：将沙盒、运行时和会话存储分离，循环引擎负责上下文和有状态存储，而实际执行任务的沙箱则保持无状态，就像Kubernetes中的Pod一样。
他提到，做过基础设施的从业者都明白，架构上的债务越早偿还成本越低。智能体行业正在重复云原生时代交过的学费，不过现在已经有了成熟的解决方案。他坚持将运行时开源，因为To B企业最看重可控性，就像早期企业上云时的心态一样：技术可以先进，但信任必须建立在可自主掌控的基础上。
成本与核算：为智能体定制的数据基础设施
有基础设施从业者将话题拉回现实：成本。作为基础设施提供商，最核心的问题永远是成本、营收和毛利是否能够支撑业务落地。几乎所有客户在咨询新项目时，第一个问题都是“这个成本到底要多少，能不能扛得住？”
他分享了一个实际案例：某企业的大部分基础设施都基于相关数据库产品，核心诉求是如何低成本地为每天上百万个智能体提供完全隔离的存储，确保只有持有正确token的智能体才能访问对应的数据。
百万级、低成本、完全隔离，这三个要求正是智能体时代对数据层的新要求。过去数据库是稀缺资源，是为人类设计的；但现在智能体的数量远超人类，数据存储需要像日常耗材一样便宜且安全。
另一个细节来自内部实践：他们公司的人工服务账单就是由智能体生成的。这里的关键是将智能体当作人类来看待：就像人工出账单需要核对、需要三方校验一样，财务工作需要收支平衡、借贷对等，智能体处理严肃业务同样需要多轮数据交叉校验，绝对不能直接丢到工作流中放任不管。
当被问及企业采购智能体时的真实决策指标，嘉宾回忆，去年客户还在问“能不能把事情做好”，今年则会直接问“用这个能节省多少人力”。企业老板会仔细算账：节省的人员工资是多少？智能体的token消耗成本是多少？如果计算下来不划算，就会暂缓采购。
他还建议，做AI相关业务的团队可以考虑出海赚取外币，同样的月费，以不同币种结算的毛利和现金流状况完全不同。
商业模式变革：从订阅制到按结果付费
有从业者提出了全场最具冲击力的观点：AI原生时代，最致命的变化不是算力或调度，而是商业模式和计费模式的彻底颠覆。
今年年初行业出现“订阅已死”的说法，订阅模式本质是为人类设计的：人类有懒惰和贪小便宜的天性，订阅的核心是资源超卖——比如只有10份资源，却卖出20份，赌用户不会同时用完所有资源，电话包月、宽带套餐都是这个逻辑。但2026年之后，这个模式被彻底打破。
相关平台之前推出的订阅制服务，在2026年就停止了，原因就是单个用户使用不足为惧，但如果是工具类使用，会大量薅取订阅资源。
人类使用云资源通常是按小时租用虚机，但智能体的使用模式完全不同：它们会先沉睡半小时，启动后快速执行一批任务，几十秒就完成，然后再沉睡29分钟，如此循环往复。云厂商后台看到的不是平稳的波峰波谷，而是尖刺状的脉冲式负载，而且智能体是24小时运行，而非人类的白天工作时段。当使用主体从人类切换为智能体后，碎片化、高频化、脉冲化、全天候四个特征叠加，传统的资源超卖模式彻底失效。
商业模式的变化会倒推计费模式、售卖模式、虚拟化和资源复用方式全面改变。相关团队的沙盒服务，计费单位已经精确到一个CPU每秒的极低额度，当客户从人类变成机器，定价也必须精确到机器的时间粒度。
他基于22年的行业经验指出，客户永远不会为技术或资源付费，只会为最终结果付费。他曾亲历广告计费的四次变迁：从按天收费的CPT，到按展现量收费的CPM，再到按点击收费的CPC，最终到按成交收费的CPA，计费颗粒度一直在向结果靠拢。
当前所有关于智能体收费的探讨都只是过渡阶段，最终一定会走向按智能体为企业创造的价值付费，也就是按结果付费。到那时，所有的故事和概念都不再重要，真正的底座能力会在账本上体现得清清楚楚。
组织落地：从人机协同到全自主智能体
最后，有嘉宾分享了内部实践的经验：企业内部落地智能体，最难的不是技术，而是AI原生的组织变革。他们公司内部推进相关项目已经一年，300多人的团队运行着近900个智能体。
他们发现智能体的应用场景可以分为两类：一类是human in the loop，也就是人类在循环中负责确认和决策，比如AI编码场景中需要不断点击确认；这类场景能够跑通，但增长天花板明显。另一类是human on the loop，也就是人类仅在环路之上监督，智能体可以在人类休息时持续工作、服务和迭代。
如何分辨团队是否真正实现了AI原生？他给出了一个硬核指标：查看token消耗账单。human on the loop模式的团队，token消耗是其他团队的100到1000倍，而非仅仅10倍。
因此他的建议是：不要急于全员改造，先找到公司内能够真正实现自循环的单点业务，集中资源投入，只要抓住一个这样的场景，就足以证明价值。
当被问及如何发现内部的智能体落地痛点时，他的回答很有趣：首先要贴近公司里最年轻、最想偷懒的程序员群体，他们往往是最先尝试各类工具的人，通过和他们交流就能快速找到落地场景。他认为，偷懒是人类进步的原始动力，而智能体正是为解决偷懒问题而生的正经解决方案。
