11月12日，新华社一篇关于智能体落地的报道里，有一个可以拿来算账的细节：中兴通讯南京滨江基地的立体仓中，10万多个库位由多个智能体协同调度，负责仓储优化的智能体在没有拣料任务的夜里，按次日生产订单重排库位，把高频使用的物料提前挪到近端，月拣选距离从40多万米降到16万米。目前基地内已有80多名“数字员工”跑在业务线上，仅供应链场景每天词元消耗量就超过90亿（新华社，11月12日）。
这不是一个“模型很强”的故事，而是一个“系统被改造成可以被调用”的故事。
一个仓储智能体的账：40多万米变成16万米
这个案例之所以值得看，不在于它用了多大的模型，而在于它同时满足三个条件：库位、订单、设备状态本身就是结构化数据；优化目标可以被度量，就是拣选距离；执行有边界，先编排、再下发，出错可以回退。
三个条件缺一个，智能体就只能停在演示阶段。反过来，很多企业手里的场景并不缺模型能力，缺的是这三样东西——数据在谁的系统里、目标怎么算、动作由谁兜底。
热度是真的，但主战场还在屏幕前
智能体的普及速度有数据支撑。新华社报道援引调研数据，我国企业智能体采纳率已从2024年底的17.3%升至2026年上半年的40.3%。中国工程院院士邬贺铨把智能体概括为“大模型+记忆系统+工具调用+规划能力”的闭环，把大模型转化成针对具体任务的代理。
但采纳率高，不等于进了产线。上海证券报11月3日的报道记录了2026腾讯全球数字生态大会上的两组信息。一组是规模：腾讯集团高级执行副总裁汤道生介绍，我国日均词元调用量从2024年初的1000亿增至今年7月的超过500万亿；WorkBuddy自3月上线至今，企业版已落地50多个行业，覆盖50%的中国企业500强和60%的中国企业100强。另一组是企业侧的实际用法：伊利把WorkBuddy、企业微信与小程序打通，由智能体汇聚业务数据、生成经营策略并下发给上千名导购；海王集团把7000多名药师的专业知识导入系统，转化为可随时调用的技能（上海证券报，11月3日）。
报道的判断很克制：这些任务输入的是文档、数据、邮件、会议和系统记录，输出的是报告、看板、设计稿或执行建议，主战场仍在办公协同、营销、客服等数字流程，与车间里稳定、连续、可审计的生产级运行相比仍有差距。一位制造业受访者说得更直接：智能体仍在HR等偏文职工作中应用较多，生产制造场景不敢轻易推荐，也缺乏合适的本体承接。
四道关，前三道都是工程问题
腾讯云CTO王慧星把企业级智能体的堵点概括为四道关：能不能接入真实业务系统、拿到真实数据、调动核心系统；数据会不会外流、智能体会不会越权、如何治理；用了多少钱、花在哪里、效果如何测算；一个团队跑通后能否复制到全公司。他自己的总结是，“接得进才谈得上管得住，管得住才敢算投入，算得清才愿意复制”。
这四道关里，只有第一关跟模型选型沾边，其余三关落在软件工程上：接口是否稳定、权限能否细到动作级、日志能否还原一次决策、数据口径是否唯一。
所谓“缺乏合适的本体承接”，翻译成项目语言就是：业务对象没有统一的定义，一个“客户”在CRM、工单系统和Excel里是三套字段；一次“审批”在不同的系统里有不同的状态机。在这种地基上接智能体，模型越强，错得越快。
对正在做AI项目的团队，三件事的先后顺序要换
第一，把“能力清单”排在“功能清单”前面。功能清单回答系统有哪些页面，能力清单回答系统对外暴露哪些可以被程序安全调用的动作：查一个订单、改一个交期、生成一份对账单。后者才是智能体真正消费的东西。
第二，首期只挑一个目标可量化、失败可回滚的场景。中兴那个仓储智能体的价值，恰恰在于它有明确的度量单位——米。没有度量单位的场景，验收会变成主观争论。
第三，验收标准要写清“谁的判断、在什么范围内、出错怎么退回人工”。这决定了上线后是人在监督系统，还是系统在替人担责，两者对应的权限设计和审计要求完全不同。
企业智能体采纳率到了40.3%，说明“要不要做”已经不是问题。真正的问题是“接不接得进自己的系统”。这也是软件定制在这一轮AI里的实际位置：不是给业务套一个对话框，而是把业务流程整理成机器可以安全调用的形状。这件事没有热点词汇，只有接口、权限、数据口径和验收标准。