事件概述

9月18日，华为在全联接大会2026上正式发布《Agentic Enterprise：企业智能化白皮书》。该白皮书针对企业在引入AI过程中遇到的“单点应用易、整体智能化难”痛点，提供了一套从场景验证到能力沉淀、再到流程融合的参考架构与工程方法，旨在帮助企业将通用人工智能转化为可持续积累的经营价值。

核心问题分析：为何局部提效难以转化为整体收益？

尽管AI在办公助手、代码生成及营销内容制作等环节显著提升了员工效率（如电商素材处理速度提升约20倍），但企业仍面临以下核心挑战：

1. 瓶颈转移效应：局部环节的提效可能导致下游审核、选品或运营环节成为新的堵点，若未打通全流程，整体产出并未增加。
2. 建设成本高企：对于中小规模业务，自研模型、整合数据及持续消耗Token的成本往往难以覆盖业务收益，盲目自建团队风险极高。
3. 资产流失风险：随着底层模型和智能体框架的快速迭代，企业在单一场景中积累的数据、知识和任务经验容易因技术变更而失效，缺乏长期沉淀机制。
4. 系统割裂：智能体系提出的方案若无法直接嵌入原有IT/OT系统进行正式操作，仍需人工跨系统录入，导致分析环节的提效被执行环节的繁琐抵消。

解决方案一：DIMAK体系——构建可沉淀的企业智能能力

为解决能力碎片化和资产流失问题，华为提出DIMAK工程体系，由五个相互协同的工程域组成，旨在将一次性项目成果转化为可复用的企业资产：

• D (Data) 数据工程：提供可信的业务事实基础。
• I (Infra) AI基础设施：保障整套能力的稳定运行环境。
• M (Model) 模型工程：负责模型的接入、适配、评测与管理。
• A (Agent) 智能体工程：组织数据、知识、模型及工具，协调人与AI的协作流程。
• K (Knowledge) 知识工程：将制度、流程、专家经验整理为可检索、有明确适用条件的规则和案例。

核心机制：

• 递归自进化（RSI）：通过业务反馈驱动模型训练和强化学习，改进后的AI再次参与业务执行，形成“执行-反馈-优化”的增强循环。
• 解耦技术生命周期与企业能力生命周期：通过稳定的能力接口和版本管理，降低业务应用对特定模型或框架的依赖。当底层技术更新时，经过验证的数据服务、知识资产和任务方法可在必要适配后继续复用，确保企业核心能力不因技术迭代而丢失。

解决方案二：H型双塔架构——连接智能判断与业务执行

为解决智能体系与现有业务系统割裂的问题，白皮书提出H型双塔架构，明确分工并建立双向连接：

• 智能塔（企业AI体系）：基于DIMAK体系，负责理解目标、分析变化、比较方案和组织任务。它不直接执行最终操作，而是作为“大脑”提供决策建议。
• 现网塔（企业IT/OT体系）：即企业现有的业务与生产系统，负责提供权威业务事实、校验并执行正式操作（如资金划转、订单修改）、记录最终结果。
• 横向连接：贯通数据、知识、权限、指令和结果，实现从智能判断到正式执行的闭环。

协同流程示例（银行理财）：

1. 智能体结合账户状态和风险等级生成多套理财方案供客户选择。
2. 客户确认后，智能体在授权范围内调用现网塔的资金划转能力。
3. 现网塔完成交易校验、账户变更及持仓记录，并将结果返回智能塔。
4. 执行结果反馈至DIMAK体系，用于后续能力优化。

值得关注的关键结论

1. 经营定义技术：企业AI建设不应从“寻找AI能做什么”出发，而应从“改善什么业务结果”出发。业务、财务和技术负责人需共同确认基线指标、改善目标及责任主体。
2. 生态协作模式：华为定位为提供共性问题的参考方法、工程框架和工具。具体落地需由企业明确自身经营目标和规则，生态伙伴参与场景适配，共同推进最后一公里建设。
3. 渐进式实施路径：建议企业从核心场景切入，完成验证和部署后，沿价值业务流向更大范围扩展，逐步构建模型、智能体与业务系统之间的连接，形成增长闭环。