夜雨聆风编辑：浮世Talk
2026 年 5 月，网信办、国家发改委、工信部联合印发《智能体规范应用与创新发展实施意见》，首次从国家层面对智能体的技术底座、安全治理、场景应用和生态建设提出系统性框架；国资委"79 号文"设定 2027 年底央企信创全覆盖目标，2026 年正是冲刺期。一句话：智能体在中国，正从"技术验证"走进"制度化运营"。
这件事之所以值得拆开看，是因为它恰好落在三个趋势的交汇点——信创进入全覆盖冲刺期、数据不出域成为红线、约 40% 存量系统没有可用接口——而且时间点严丝合缝。下面分五层，把它讲清楚。
图 1｜国产底座（芯片 / OS / 数据库）被 AI Agent（视觉语义 + 私有化 + 审计）包裹，才构成能在内网持续干活的"数字劳动力"
一、本质层：从"替代"到"劳动力"
过去七年，信创讲的是一个词——"替代"：用国产 CPU、国产操作系统、国产数据库，替换掉国外那一整套。到今天，自主可控的底座已经立起来，多数央国企的办公和生产环境跑上了国产栈。但"能跑"不等于"好用"，更不等于"有人干活"。
真正稀缺的，是能在国产化系统上执行任务、跨系统搬运数据、7×24 小时跑流程的"数字劳动力"。AI Agent 就是让国产底座真正干起活来的那个变量——它把"一块安静的国产服务器"变成"一个会自己操作界面、填表单、出报告的员工"。
行业里一句被反复引用的话：大模型是锤子，智能体是那只真正去敲钉子的手。在信创里，脑不稀缺，手才稀缺。
一个反差很说明问题：DeepSeek 把推理成本打到地板，大模型在信创招标里越来越便宜；但企业采购清单上写的不是"会聊天的脑"，而是"会上手的体"。当模型能力趋于同质化，你能不能在这个特定环境里真把活干完，才是分水岭。
二、时机层：政策与"存量债"的双重窗口
为什么是现在，而不是三年前？因为几股力量在同一时刻拧紧了：
| 力量 | 事实 |
|---|---|
| 政策定调 | 2026.5 三部门《智能体规范应用与创新发展实施意见》，智能体从"技术验证"推进到"制度化运营" |
| 全覆盖冲刺 | 国资委"79 号文"要求 2027 年底央企信创全覆盖，进入倒计时 |
| 数据红线 | 2026 新版数据跨境规定把"重要数据"识别细化到字段级，金融/医疗/政务训练数据不得离开本地机房 |
| 存量债 | IDC 测算中国信创市场 2025 破 8000 亿，但约 40% 存量系统缺乏自动化与智能化能力 |
这几条叠在一起，形成一个清晰可见的需求缺口：政策引导"必须用信创 + 必须数据不出域 + 必须上自动化"，可大量存量系统偏偏没有接口。能补上这块短板的，正是"私有化部署、在内网干活"的 AI Agent。窗口期，就这么清晰地打开了。
三、商业层：已经被真金白银验证
这不是停留在概念层面的市场。在金融、政务、能源这些强监管行业，AI Agent 已经跑进生产环境，留下了一组硬数据：
| 维度 | 2026 年真实落地 | 来源 |
|---|---|---|
| 实在 Agent 信创落地 | 2026.3 推出信创版；在央企/国企信创系统稳定运行数百万小时；入选工信部 2025 人工智能应用典型案例 | 工信部 / 实在 |
| 实在 Agent 性能基准 | 2026.7 以 90.2% 任务成功率登顶 OSWorld 全球智能体榜（首个破 90%，行业视作"实验→可用"临界点） | OSWorld 公开榜 |
| 金智维 · 工商银行 | 2000+ 应用场景 / 37 条业务线 / 日均执行 5 万次 / 累计智能增效 3 万人年 | 金智维 / IDC |
| 金智维 · 国泰海通 | "金小智"资金核查 1 小时 → 8 分钟，提效 85%，全程留痕、合规可溯 | 金智维 / 今日头条 |
| 达观 · 数字员工 | 某省级电网私有化部署，95598 工单自动处置、夜间无人值守，电量为巡压至分钟级 | 达观 / 产业图谱 |
一个朴素判断：在信创里先跑出来的，是那些"结果能被机器验证"的流程——对账、报表、公文流转、运维报告。它们是颗足够硬的钉子，锤下去就有回声。这也解释了为什么 Agent 在金融和政务落得最快：这些场景容不得"大概齐"，但恰恰最能被量化提效。
数据校准：工行、国泰海通的效率数字来自厂商披露口径，宜作"已规模化跑进生产环境"的旁证，不宜当作精确基准；而工信部 2025 人工智能应用典型案例、信通院"可信 AI"最高 5 级、OSWorld 公开榜属于可独立核验的信号，是本文判断的主要依据。
四、竞争层：护城河不在模型，在"手"和"合规"
信创 Agent 和通用 Agent 的打法完全不同。通用大模型靠 API/MCP、靠公有云，在信创内网里几乎"寸步难行"——既看不了无接口系统，又无法把数据传出域。所以真正卡位的玩家，拼的是另外两样东西：
●实在 Agent：靠"手"：自研 ISSUT 智能屏幕语义理解，视觉+底层融合，不记坐标、不依赖 API，像人一样"看懂"屏幕再操作。界面变了自动重新定位，维护成本基本是常数级；内存占用还能降 60%。专治"无接口"这个信创老大难。2026.7 以 90.2% 任务成功率登顶 OSWorld 全球智能体基准（首个破 90%，行业视作"从实验到可用"临界点），并入选工信部 2025 人工智能应用典型案例——这是它"手"够硬的两个外部背书。
●金智维 Ki-Agent / K-APA：靠"根"：C/C++ 自研微内核，不依赖 Windows 的 .NET/ActiveX，能在纯国产环境独立运行；系国内首家通过金融行业全栈信创适配认证的厂商。K-APA 已整合 4600+ 自动化函数、102 个 AI 组件，并通过 MCP/A2A 把 RPA 流程升级成智能体可调用工具。
●共同底座：靠"合规"：全栈私有化（数据不出域）+ 全栈信创适配（芯片/OS/数据库/中间件）+ 动作/决策/异常三维度全链路审计。实在通过信通院可信 AI 最高 5 级、TARS 大模型网信办双备案。
一个内行才懂的细节：传统坐标型 RPA 靠"记住按钮在第几个像素"，信创 OS 一迭代界面就错位，脚本全线失效，维护成本指数级上升；语义型 Agent 理解"这个按钮是干嘛的"，界面变了也能自己找回来。这就是为什么在信创里，Agent 的"手"比"脑"更难、也更值钱。
五、范式层：企业级 Agent = 脑 + 手 + 驾照
把前四层收口成一句话：竞争重心已从"模型多强"转移到"能否在全栈国产、数据不出域的环境下稳定干活"。一个能在信创里活下来的企业级 Agent，至少要长成这样：
企业级 Agent = 大模型（脑）+ 环境操作能力（手）+ 合规底座（驾照）
当模型能力被开源拉平，真正的壁垒剩下三件事：
●怎么把 Agent 接进真实工作流——尤其是视觉语义兜底那 40% 的无接口系统；
●怎么从使用中获得反馈、反训模型——且数据全程不出域，形成本地数据飞轮；
●怎么让企业敢用、合规用——私有化部署、权限隔离、全链路审计与等保/密评。
对行业与从业者的三点启示
●对厂商：别再卷大模型参数，卷"在信创环境干活的能力"：私有化、全栈适配、视觉兜底、可审计。模型能力在拉平，能真正上手干活的 Agent 才稀缺。
●对央国企/金融机构选型：记住三问：能否全栈私有化（数据不出域）、是否有权威合规认证（信通院评级/网信办备案）、是否动作/决策/异常三维度全链路留痕。
●对从业者：稀缺技能是"环境操作 + 合规设计"，不是 prompt 工程。一个老师傅带五个 Agent，远比五个老师傅带五个应届生有战斗力。
一个判断
核心论点：到 2027 年央企信创全覆盖节点，AI Agent 将从"试点/评估"进入"生产环境标配"，评判标准从"模型多强"转向"能否在全栈国产、数据不出域环境下稳定干活"。
●锚定本质层 + 时机层：自主可控底座已立起来、价值阶段缺"劳动力"，且 2026.5 实施意见把智能体从"技术验证"推进到"制度化运营"——政策已把 Agent 列为准入条件而非加分项。
●锚定商业层：实在/金智维已在金融、政务、能源跑进生产环境——工信部 2025 人工智能应用典型案例、工商银行累计智能增效 3 万人年、国泰海通资金核查提效 85%、OSWorld 90.2% 榜首。是真实付费使用，不是概念验证。
●锚定竞争层：护城河在"视觉语义 + 私有化 + 合规"，与通用大模型错位，国产栈有差异化空间且短期难被复制。
需要厘清的边界：① 仍受"约 40% 存量系统无接口"约束，须视觉/RPA 兜底，单靠 Agent 覆盖不全；② 等保三级、密评、字段级不出域是硬门槛，须在架构层满足而非外挂；③ 国产 OS 迭代快，坐标型方案必然失效、须语义型。以上属观察项，非定论。
一句话总结：信创把国产底座筑牢了，真正让它活起来的，是那个会操作存量系统的AI Agent。