11 月 16 日《杭州日报》报道,在今年 8 月衡量 AI 操作电脑完成真实任务的 OSWorld 全球基准测试中,杭州企业实在智能的“实在 Agent”以 90.2% 的任务成功率登顶全球总榜,高于人类平均 72% 的水平,也高于此前由 Meta、OpenAI、Anthropic 等公司保持的 83% 左右纪录。
分数本身只说明一件事:在标准测试环境里,智能体已经能自己打开软件、走完流程。真正决定它能不能进企业的,是另一件更朴素的事——那些软件,愿不愿意让它进来。
榜单考的不是聊天,是把一件事办完
OSWorld 的题目不是问答,而是给智能体一台电脑和一个目标,让它像人一样操作界面完成任务。90.2% 意味着在这套被普遍用作“AI 操作电脑”标尺的测试里,它完成任务的概率已经高于普通人的平均水平。
实在智能披露,截至报道时“实在 Agent”已在制造、金融、电商、能源、交通等领域的 6000 多家企业使用,今年以来公司营收增长超过 40%。这两个数字来自企业方面,没有第三方审计口径,但方向上与智能体从演示走向业务现场的趋势一致。
真正的门槛:ERP、MES、CRM 的接口不全
11 月 2 日,实在智能在世界互联网大会乌镇峰会上发布企业级智能体平台 Soiawork(树芽工作),主张“从一个任务开始,轻松构建 AI 组织”。CEO 孙林君把产品目标概括成三句话:让 AI 进得了系统、干得成活、留得下经验。
产品负责人墨菲则把落地难题拆成三问:AI 进得了业务现场吗?做成一次的事,第二次还做得到吗?智能体多了,由谁来管?
第一个问题最具体,也最容易被忽略——“企业里大量 ERP、MES、CRM 系统接口不全,有些制造车间里跑了十几年的软件,甚至没有开放接口。AI 再聪明,如果进不去,就发挥不了价值。”
换句话说,智能体的能力上限由模型决定,能力下限由企业系统的开放性决定。
实在智能给出的两条路并不新鲜,但分工说得很清楚:对有标准接口的系统,用连接器在授权范围内调用;对没有接口、只能靠界面操作的老旧系统,用装在设备上的 Worker——本质是 RPA 加上屏幕语义理解,学会操作某套软件之后,被封装成一个自定义连接器。
“干成一次”和“一直干成”是两件事
比“进得去”更难的是“留得下”。不少企业已经跑通过一些有效的 AI 任务,但做法留在某个人的对话记录里,换个人、换一次任务,就得从头再来;老员工离职,经验也跟着走。
Soiawork 的应对是把任务经验分三层沉淀:知识库解决“知道什么”,Skill 把验证过的方法固化成可复用的技能,工作流把多环节任务的步骤和条件组织成可重复运行的流程。
第三问是治理。智能体从个人试用变成团队使用,谁授权、谁在跑什么任务、花了多少 token、出了事能不能查,都得有答案。平台的做法是用共享工作空间集中管理任务背景与资源,按成员职责配置权限,再叠加审批、审计和用量成本管理——报道提到,这种集中管理也减少了重复加载背景资料造成的 token 消耗。
对做软件定制和系统集成的人,这意味着什么
这场发布真正值得同行留意的不是榜单,而是它把 AI 项目的施工顺序重新排了一遍。
第一,接口盘点应该排在选模型之前。一个智能体项目能不能成立,先看业务系统里有多少能力可以被安全调用,接口清单就是这类项目的施工图。把这一步跳过,后面只能靠模拟点击硬撑。
第二,界面自动化是过渡桥,不是终局。RPA 加屏幕语义理解能让老系统“被操作”,但生产环境关心的是稳定性、权限边界和事后可追溯。能改接口的系统,仍然应该改接口;界面层适合接住那些短期无法改造的存量系统。
第三,交付物的定义在变。过去定制项目的交付是“一套能用的系统”,现在越来越多会变成“一层可被调用的业务能力,加上一组可复用的流程”。验收标准也随之变化:除了功能对得上,还要回答“第二个人来跑,能不能跑成”。
第四,成本口径变了。token 用量、Worker 授权、审计留痕、共享空间的资源管理,都会进入运维预算,而这几项恰恰是传统项目报价里没有的科目。
需要保留的限定
OSWorld 是第三方基准测试,标准环境的高分不等于生产环境的稳定性;90.2% 与 72%、83% 的对比均来自《杭州日报》报道,未见独立复测。6000 多家企业与 40% 营收增长为企业披露数据。Soiawork 发布至今不到一个月,规模化落地效果还没有公开数据可供判断。
一个刚登顶的分数,说明“AI 会操作软件”这件事已经接近可用;而一家企业能不能真的用起来,取决于它有多少系统愿意被调用、有多少经验能被留下。这两件事,恰好都落在软件定制与系统集成最熟悉的地盘上。