首页博客工信部把智能体写进国家方案,企业 AI 落地门槛
行业前沿智能体政策企业 AI 落地

工信部等七部门把智能体写进国家方案,企业 AI 落地的门槛到底在哪

语核科技语核科技
2026-07-22阅读时间 6 分钟
中国工信新闻网关于工信部等七部门联合印发《促进平台经济大中小企业协同发展行动方案(2026—2028年)》的报道截图

工信部等七部门联合印发的《促进平台经济大中小企业协同发展行动方案(2026—2028年)》,首次将通用大模型、行业大模型和智能体并列,作为平台企业人工智能创新的三大核心方向。这意味着智能体不再只是技术先行者讨论的"未来方向",而是正式进入了国家推动企业 AI 落地的政策抓手序列。但政策定了方向,不代表落地没有门槛——我们在服务企业客户的实践中看到,真正卡住多数团队的,是 AI 能不能调用企业自己积累的知识,而不是模型本身够不够强。

发生了什么

2026 年 6 月 18 日,工业和信息化部、中央网信办、国家发展改革委、科技部、商务部、市场监管总局、国家数据局等七部门联合印发《促进平台经济大中小企业协同发展行动方案(2026—2028年)》(以下简称《行动方案》),由工业和信息化部信息通信管理局发布,中国工信新闻网(cnii.com.cn)作为官方渠道进行了报道。

中国工信新闻网关于工信部等七部门联合印发《促进平台经济大中小企业协同发展行动方案(2026—2028年)》的报道截图
图 | 中国工信新闻网对《行动方案》的官方报道(来源:cnii.com.cn)

《行动方案》覆盖 2026—2028 年,核心目标之一是鼓励平台企业充分利用 AI 技术赋能大中小企业,推动中小企业真正用上平台的 AI 能力,而不是被动使用,要融入自身业务流程。文件明确将通用大模型、行业大模型和智能体并列,作为平台企业人工智能创新的三大核心方向——这是七个核心部委联合背书的结果,横跨产业、监管、数据等多个管理维度。

为什么会这样

这份文件的信号意义,需要放在过去两年的行业语境里看才清楚。

在此之前,大模型是 AI 讨论的绝对中心,智能体更多是技术先行者内部讨论的话题,尚未进入主流政策叙事。而这次七部门将智能体与通用大模型、行业大模型并列写入文件,相当于在政策层面正式承认:智能体已经具备与大模型同等重要的产业地位。

这背后至少有两个可以观察到的驱动因素:

能力与落地之间存在差距。政策制定层已注意到"AI 能力"和"AI 能落地"的距离——通用大模型解决能力供给,而协同发展要解决能力如何真正传导到具体业务场景,这恰恰是智能体(相比纯对话式大模型)更擅长的部分:任务执行和流程嵌入,而不只是问答。
治理导向从"做大规模"转向"做实协同"。《行动方案》的落脚点是"大中小企业协同发展",意味着接下来的政策资源、采购导向、资金支持,会更多流向能真正帮助中小企业用上 AI 能力的平台和产品,而不是停留在概念层的 AI 工具。

这对企业意味着什么

对企业来说,这份文件传递的信号是:接下来两三年,会有更多企业因为政策引导、资金支持、行业采购导向而开始认真推进智能体落地,这个进程不会只停留在头部企业,中小企业也会被纳入进来。

但政策定方向,不等于落地没有门槛。我们和不少 B2B 企业的销售团队交流后发现一个共性现象:AI 工具买了不少,摘要做了,信息也归档了,但真正开客户会的时候,销售还是会回到通用 Demo。

AI 是否认识企业业务的对比示意图:左侧 AI 不认识企业业务时只能给出通用建议,销售用了就放弃;右侧 AI 有企业知识作为底座后,能给出有洞察、有策略、可执行的定制化建议
图 | AI 有没有企业知识底座,输出质量的差异

原因并不复杂:AI 不认识这家公司的业务。它不知道这家公司历史上怎么打过类似的客户,不知道上次谈判的关键阻力点在哪,也不知道投标文件里哪些话是客户真正在乎的——于是只能给出通用答案,销售用了一次就放弃了。

"AI 的摘要没问题,但它到不了销售动作。"

这句话说清楚了问题的本质:不是模型不够强,是 AI 没有企业自己积累的知识作为底座。换句话说,智能体真正的落地门槛,不在于"要不要上",而在于企业有没有把自己历史积累的知识、案例、判断经验接入进来,并且让每一条 AI 给出的建议都能追溯到具体来源——没有可追溯的来源索引,智能体就只是一个更自信的通用 AI。

我们在实践中看到的

我们是语核科技(LangHub),2023 年 5 月成立,专注于企业级人机协作 AI 工作台,2025 年起深耕制造业与 B2B 企业场景,与上海仪电集团、唯捷创芯等企业展开过合作。基于这些实践,我们对上面提到的"落地门槛"有一些一手观察,分享出来供参考,而不是作为产品推广。

我们在服务 B2B 销售团队的过程中观察到,真正让智能体从"能聊"变成"能用"的关键,是把企业自己的历史标书、客户会议纪要、产品文档、成功案例这类分散的业务材料,转化成一套可检索、可追溯来源的索引系统,而不是简单堆成一个知识库。这样 AI 给出的每一条建议——比如推荐话术、下一步行动、参考案例——销售都能判断这个建议来自哪次客户访谈、置信度多高、能不能直接用在跟进邮件里。

LangHub 实践路径图:接入业务材料建立可检索可追溯的知识索引系统,生成有来源的销售动作,帮助新人第一天就能调取经验高效输出
图 | LangHub 的实践路径:从接入业务材料到生成有来源的销售动作

我们也观察到一个现象:这类系统的价值会随着使用时间累积——每次销售采纳或修改了 AI 给出的建议,系统会把这次判断沉淀下来,用得越久,越懂这个团队的业务打法。这也是为什么以前新销售需要两三个月才能独立出方案,接入之后新人第一天就能调取团队历史经验开始工作——差距不在于 AI 是否够聪明,而在于 AI 是否真的学习了这家公司自己的业务规律。

常见问题 FAQ

Q

这份《行动方案》会持续影响多长时间?

A
文件明确覆盖 2026—2028 年,是一份中期政策文件,意味着接下来两三年内,围绕平台企业 AI 赋能中小企业、智能体产业化落地的政策资源和采购导向会持续释放,而不是一次性的短期动作。
Q

政策把智能体和大模型并列,是否意味着智能体会取代大模型应用?

A
不是取代关系。文件把通用大模型、行业大模型、智能体列为三个并列的核心方向,更准确的理解是:大模型提供基础能力,智能体解决的是这些能力如何真正嵌入具体业务流程并落地执行,两者是互补关系。
Q

中小企业现在就该马上部署智能体吗?

A
政策方向鼓励中小企业用上 AI 能力,但落地节奏应该匹配自身业务的知识沉淀程度。如果企业连基础的历史案例、客户资料都还没有结构化整理,盲目上智能体收益有限;更现实的第一步,往往是先看清楚自己有哪些业务知识资产可以被利用起来。
Q

企业该如何判断一个智能体产品是不是"真的懂业务",而不是通用 Demo?

A
一个比较直接的判断方法是看它能否调用企业自己的历史材料给出建议,以及每条建议能否追溯到具体的来源依据(比如来自哪次客户访谈、哪份历史文档)。如果换成任何一家公司都能得到几乎一样的回答,大概率还停留在通用能力层面。
# 行业前沿# 智能体政策# 企业 AI 落地
分享