Agent 真正进入业务之后,企业才开始看到 AI 落地更难的一面。

模型够不够强只是起点。真正进入生产环境,AI 还要理解企业自己的知识和规则,读懂真实业务数据,在明确的安全边界内执行,并根据不同任务调用合适的模型能力。

第一新声最新发布的《2026 年 Q3 全球企业级 AI Agent 优秀厂商图谱》中,这一变化已经十分明显:企业级 Agent 的竞争,正在从追求模型“能力上限”,转向业务理解、复杂任务执行和稳定结果交付。

在这份图谱中,网易智企相关产品与能力覆盖客服、营销与销售、零售等业务和行业场景,并入选通用智能体平台、知识库、AI 数据平台等板块,呈现出从具体业务场景,到支撑 Agent 运行的平台,再到底层能力的完整布局。

图片

而这样的能力版图,并不是从这一轮 Agent 热潮才开始形成。

多年来,网易智企持续服务企业客户,在服务营销、数据智能、安全治理、实时通信和智能开发等方向积累了大量技术、产品与工程能力。随着 AI 越来越深入真实业务,这些长期积累也被进一步体系化为知识、数据、安全、模型四大技术底座。

四大底座既支撑网易智企自身的产品、智能体和解决方案,也可以通过相应产品、平台和服务向客户提供,并按需组合到不同业务场景中。

01

知识底座

知识不只“搜得到”,更要“用得对”

知识底座解决的,是 AI 如何准确理解一家企业。

企业里从来不缺知识。产品手册、制度文件、工单、历史会话、技术方案……真正困难的是,当 AI 面对一个具体任务,它能不能找到正确对象、正确版本和真正相关的信息。

比如用户询问 A2 Pro 的滤芯更换周期,AI 却召回了一份 A1 Pro 的维护说明。答案可能有出处、有引用,但从第一步就找错了对象。

当 Agent 开始参与客服、营销甚至后续业务执行,这类错误还可能继续传递到下一步。

图片

网易智企知识底座“Mind Studio”,可将分散在企业文档、工单、历史会话和业务系统中的信息,转化为可检索、可校验、可治理、可追溯的知识资产。

针对长文档、相似产品、不同制度版本等复杂场景,知识底座通过多种检索方式和版本、范围约束,减少信息混用;这些知识还可以进一步连接订单、工单、CRM 等业务系统,参与查询、分派、触达等实际业务动作。

知识底座最终沉淀的,是一套可以被不同产品和场景反复调用的企业理解能力。

02

数据底座

数据不只“能用”,更要“可信”

数据底座解决的,是 AI 能不能基于统一、可信的业务事实做判断。

现实中,同一个“收入”,ERP、MES 和财务系统可能对应不同口径。

过去,业务人员还可以在取数、核对和解释过程中发现差异;当 AI 开始自动问数、归因甚至生成经营建议,底层事实是否统一,就会直接影响最终结果。

所以,AI 真正进入经营分析之后,数据问题不再只是“有没有”,而是口径是否一致、语义是否统一、结果能不能信。

图片

网易智企的数据底座主要依托旗下数据智能品牌数帆的相关能力,从数据接入与治理,到指标语义统一,再到 BI 和 Data Agent,形成一条从可信数据到 AI 应用的完整链路。

其中,行业指标知识图谱统一管理指标名称、业务定义、计算逻辑、口径版本、数据血缘和权限。

它解决的不是“SQL 能不能跑通”,而是“这个数究竟是不是业务真正要的那个数”。

这也正是 Data First 的出发点:AI 要真正进入经营分析,先让数据可信、口径统一、语义清晰。

数据底座最终提供的,是一套统一、可信、可理解的业务事实,让经营分析、Data Agent 以及更多 AI 应用都建立在同一块地基上。

03

安全底座

从“管住回答”到“管住执行”

安全底座解决的,是 AI 从回答走向执行之后,如何始终运行在明确边界内。

当 AI 主要负责生成内容,企业关注的是输入和输出;但当 Agent 开始读取数据、调用系统甚至执行任务,还要进一步知道:它看到了什么、调用了什么、有没有权限,以及整个过程能不能追溯。

网易智企安全底座主要依托旗下数字内容安全与智能风控品牌易盾长期积累的内容安全、业务风控和 AI 安全能力,将安全从输入输出进一步延伸到模型、Agent 和业务流程的运行过程。

图片

从提示词攻击、敏感信息泄露,到工具调用、行为越权、权限控制和全链路审计,安全底座覆盖的是 AI 真正执行任务时的完整链路。

长期真实业务中积累的多模态风险样本、黑产对抗经验和策略体系,也让易盾进一步形成“AI for 安全,安全 for AI”的双向能力:既用 AI 提升风险识别和安全运营,也为模型、Agent 和业务流程提供运行时防护。

今年世界互联网大会期间,网易智企首发 AI 原生安全产品体系,并获得“互联网之光”发布厅“首发成果证书”;艾瑞咨询相关报告显示,易盾在大模型内容风控服务市场份额约 43.7%,位居首位。

安全底座最终守住的,不只是 AI 说什么,而是它从看到什么、调用什么到执行什么的全过程。

04

模型底座

让每个任务用对模型

模型底座解决的,是上层业务如何稳定使用不断变化的模型能力。

“哪个模型最强”,真正进入业务之后,很难有唯一答案。

网易智企此前将 12 款国产大模型放入 7 项真实销售任务进行实测,并没有出现一个包揽所有任务的“总冠军”。

图片

因为不同任务对准确性、速度、成本和稳定性的要求本来就不同。

因此,模型底座并不是简单聚合更多模型 API,而是把 统一接入、模型评测、智能路由、故障切换、成本治理和全链路观测放在一起,把不同模型、供应商和部署方式之间的复杂度收敛到底层。

通过统一模型接入,上层产品不需要反复适配不同厂商;NETestMatrix 使用真实业务样例和线上运行数据,为模型选型和路由提供依据;云信大模型 API 等能力,则进一步把复杂的模型调用封装成更容易接入和管理的统一入口。

这样一来,模型可以持续变化,上层业务却不需要跟着每一次变化重新开发。

模型底座真正沉淀的,不是某一个模型,而是一套持续选对、用好模型的能力。

05

四大底座

把多年积累变成一套可复用的能力

知识、数据、安全、模型,并不是网易智企为了这一轮 AI 热潮重新搭起来的四套能力。

它们背后,是多年服务企业客户过程中,在服务营销、数据智能、安全治理、实时通信、智能开发等方向持续形成的产品、技术和工程积累。

当 Agent 真正进入生产环境,这些能力被进一步组织、复用和协同,并通过智能体平台与客户的系统、数据、权限和流程连接起来,支撑 AI 进入具体业务。

对网易智企而言,这意味着成熟能力可以持续复用到新的产品、Agent 和客户场景中,而不是每一次都从头解决相同的底层问题。

对客户而言,最终感受到的也不会是“四大底座”本身,而是 AI 更懂业务、数据更可信、执行更可控,面对模型和技术持续变化,产品依然能够稳定演进。

把多年积累沉到底层,再把更稳定、更可信、更懂业务的 AI 产品和服务交给企业——这才是四大技术底座真正的价值。

活动推荐

作为网易旗下一站式企业 AI 应用服务提供商,网易智企倾力打造企业 AI 实战栏目——「AI 实战派」,聚焦 AI 在真实业务中的落地应用,通过实战教学、案例拆解、研讨交流等多元形式,将前沿的 AI 技术转化为真实的业务动能,为企业管理者、业务决策者和一线实践者提供可迁移、可复用的实战方法论与深度洞察。

图片

关于我们

网易智企