夜雨聆风
知擎活动|李旭受邀为浙大学子解读AI产业化与组织变革实践
4月28日，知擎智能创始人兼CEO李旭受浙江大学邀请，为广大师生带来题为《AI产业化与组织变革实践》的精彩演讲。作为浙江大学竺可桢学院计算机专业本硕校友、前百度云AI商业化负责人，李旭重回母校，结合自身多年AI产业化经验，系统梳理了从AI 1.0到AI 2.0的技术跃迁，并为身处AI时代的学子们提供了宝贵的产业视角与前沿洞察。
一、AI 2.0时代的本质跃迁
过去，以深度学习为核心的AI 1.0专用模型时代被广泛应用于计算机视觉、语音识别等单一专业场景，其模型泛化能力弱，每个新场景都需要重新收集数据和训练。随着2022年ChatGPT问世，以大模型为代表的AI 2.0时代正式拉开序幕。
李旭指出，大模型不仅体现在参数规模和网络深度上的迭代，更关键的是它学习了全世界的多模态数据，实现了“技术涌现”，类似于人类学习中的“开窍”。当海量数据激活了模型内部无数原本处于不可用状态的子任务后，整体智能便呈现非线性的爆发式增长，其跨领域知识沉淀和综合理解能力已超越人类平均水平，甚至在多学科测试中比肩人类专家团队。
这一技术跃迁带来的最深刻变化，是AI角色从辅助工具演进为业务代理。AI不仅是提升效率的工具，更是能够理解复杂指令、自主规划并交付确定性结果的智能体，人机交互也从传统预先设计好的交互转化为更自由、开放的交互模式。
二、让大模型适配复杂应用场景
由于大模型具有技术涌现性、不确定性、非线性、自适应性等特征，是一个复杂系统，对需要严格确定性输出的规则化、流水线式生产等场景，大模型并非最优解。比如用大模型去处理简单信息查询或固定流程，往往得不偿失；用基于规则的非复杂系统去硬解自动驾驶这类复杂系统问题，则会被降维打击。
李旭强调，要“用魔法打败魔法”，用复杂系统的能力解决复杂系统的问题。他给出了三类应用方向：一是做底层基础设施，提供芯片、算力集群、数据；二是做大模型本身，目前通用或垂直领域大模型仍有巨大进化空间；三是在大模型上做应用，但需注意，企业自身可能就是该系统中的一个变量，容易被系统吞噬，最好在上游需求端的另一个复杂系统内应用，并能在运行中持续学习。
三、AI Agent正成为推动产业落地的关键
AI Agent如何助推产业落地？李旭举例道，大模型本身如同一台强大的飞机引擎，但要让它真正“飞起来”，需要一个坚固的机身和机翼——一个复杂的体系化工程，以大语言模型（LLM）为大脑，记忆系统（Memory）存储偏好与历史，检索增强生成（RAG）作为可实时更新的外部知识库，各类技能工具包（Skills）作为工具箱，调用各种功能插件。这些通过组合成为一个能自主规划、使用工具、完成闭环任务的“数字员工”，AI由此从“会说话”进化为“会干活”。
利用AI Agent，可解决三大错位问题——通用大模型与行业私有知识的错位、概率性生成与业务确定性流程的错位、无限发散的目标与有限计算资源的错位。李旭指出，在严肃的企业服务场景，比如知识产权领域，需要将长链条、高确定性的专利撰写流程拆解为由多个专业Agent（模拟发明人、代理师、审查员等）协同，并融入数据安全、人工干预机制的“复合AI系统”，从而实现高质量、可信赖的交付成果。
结合知擎智能的实践经验，李旭分享了将AI Agent技术成功应用于产业的七大落地法则：
1.技术深入业务
和大部分新兴技术的应用落地一样，大模型的落地首先依赖对业务本质的深度洞察。在金融、知识产权等专业领域，业务流程高度依赖隐性知识与专业判断逻辑。技术团队需深入业务一线，透彻理解流程细节、风险边界与决策依据，方能实现业务语言向技术语言的精准转化。
2.打造适配大模型的业务SOP
将人脑解决问题的思考链路照搬到大模型上并不能充分发挥其潜力。需要将非结构化的业务流程，转化为适配大模型思考的标准化操作流程，方能为大模型落地打好效果基础。
3.构建可复用的Skills技能包
需要抽象领域专家在解决各类业务问题时的技能，转换为可复用和高内聚的Skills技能包，应对未来更广泛业务场景的应用创新。
4.为 Agent 设计反思机制
在金融、知识产权等严肃专业领域，需要AI输出结果的准确性与可解释性远重于响应速度。需构建执行——检查——反思——校准闭环机制，使Agent具备偏差识别、路径优化与结果复核能力，持续提升复杂任务中的输出质量与业务可信度。
5.构建可持续进化的 Agentic AI 架构
要让系统越用越好，关键在于将人类反馈融入业务闭环。通过记录 AI 决策与人工判断之间的差异，并将这些经验持续反馈到模型与 Agent 的上下文中，系统才能不断优化决策路径。这一机制在解决金融复杂决策与合规判断等高创造性问题时，尤为重要。
6.谨慎评估垂类模型的构建时机
并非所有业务场景都需要从零训练垂类大模型。在实践中，应优先通过 prompt 优化、few-shot 学习、RAG 等轻量方式解决问题。只有在对领域语言风格、专业知识深度或输出稳定性提出更高要求时，才进入垂类模型构建阶段。
7.采用混合 AI 架构实现系统落地
最终的落地形态，往往是通用大模型+垂类小模型+工具链+Skills技能包+业务Agent的混合架构。这一架构已在知识产权领域得到验证，也为金融等行业提供了可参考的实践路径。
四、从“+AI”到“AI+”，培育六边形战士
李旭认为，大模型不仅在改变技术，更在深刻地驱动组织变革。企业需从“+AI”（AI为辅助工具）的思维转向“AI+”（AI First）思维重塑业务。人机协同模式也将从“Human in the loop”（人在业务流程中与机器分工协作）演进为“Human on the loop”（人跳出流程，扮演监督者、设计者，AI完成大部分执行），最终实现“Human out of the loop”（人仅作方向性把控，AI自主运行）。
这一路径对个人能力提出了新要求。李旭提出“大模型时代的六边形战士”概念，在自身专业领域深耕的同时，必须利用大模型拓展跨学科知识边界。未来的产品经理、工程师可能需要具备利用Agent完成从设计、开发到测试、客户反馈收集的全流程能力。传统部门的职能边界也将因AI赋能而大幅外延，从成本中心转向价值创造中心。
“在未来的职场中，取代你的可能不是AI，而是你身边那些更会使用AI的同事。”李旭勉励学子主动拥抱AI、学会与数字员工协同、驾驭而非被技术驾驭是这个时代的必备素养。他鼓励在校生突破学科壁垒，广泛学习，不断培养将技术洞察与业务价值深度结合的能力。
本次演讲不仅是一场前沿技术分享，更是一次连接学术前沿与产业实践的深度对话。知擎智能作为AI产业化浪潮中的先锋实践者，其经验为学界理解AI技术落地提供了第一手的实践范本。随着AI 2.0浪潮席卷千行百业，具备复杂系统思维、掌握Agent能力、并能驱动组织与自我变革的复合型人才将成为核心力量，推动社会持续创新。
知擎智能（GOATPATENT）——大模型原生科技公司。公司自研专利大模型和Agentic AI技术，基于资深专利代理师专业知识，打造出覆盖专利布局、挖掘、撰写、价值评估等全生命周期服务的AI产品体系。
知擎智能，以原百度AI产业化团队为班底，联合李开复博士大模型独角兽企业-零一万物而共同创立，有着超过十年AI产业化技术应用的持续成功经验，兼具技术实力与行业积淀。
知擎智能，以智能之力，重塑知识产权服务范式；以专业之智，助力企业实现创新价值。
本文相关话题：#大模型#AI Agent #AI产业化#AI发展#AI知识产权大模型想了解更多知擎智能的产品与服务，请回复【姓名】+ 【联系方式】，专属顾问第一时间为您跟进！
求点赞
求分享
求推荐
