当模型成为公共基础设施：特赞如何构建企业级 Agentic AI 架构

事件概述

在模型能力日益趋同的背景下，企业级 AI 的核心竞争点正从“模型能做什么”转向“模型如何进入企业流程”。特赞（Tezign）基于十年内容资产管理经验，提出了 Generative Enterprise Agent (GEA) 企业级智能体架构体系。该体系旨在解决大模型作为公共基础设施后，企业缺乏连续判断能力和组织经验继承的问题，推动企业软件从工具交付向参与经营结果的能力结构交付转变。

核心信息

1. 从 DAM 到 Context System：构建企业认知基础设施

• 背景演变：特赞早期构建的企业内容资产管理系统（DAM）主要解决文件存储问题，但在实践中发现企业真正缺失的是上下文结构能力。大量决策依据沉淀在设计稿、用户报告、品牌规范等非结构化数据中，无法被系统调用。
• Context System 定义：演化为企业上下文系统，核心能力是持续构建企业上下文图谱。它将品牌资产、项目轨迹、用户画像、策略路径等多层级信息转化为机器可理解的结构化知识网络。
• 价值：使智能体首次能基于企业自身历史决策逻辑运行，而非仅依赖互联网通用知识，实现了组织经验的数字化继承。

2. 架构核心：Intent Layer 与 Creative Reasoning Model

• 入口变革：传统生成式 AI 依赖 Prompt（提示词），而 GEA 架构以**业务意图（Intent）**为起点。通过 Intent Layer，将增长判断、产品探索或传播策略等高层目标转换为可执行路径。
• 推理机制：引入 Creative Reasoning Model，使系统能在收敛前展开可能路径空间，参与创新判断与策略制定，而非仅提供单一答案生成。
• 意义：系统第一次能够理解并处理“组织语言”，而非仅仅响应“用户语言”。

3. 多模型编排与主动执行（Proactive Agent）

• Orchestration Layer（编排层）：针对基础模型数量增加及分工细化（视觉、推理、数据处理），通过编排不同模型能力，屏蔽底层差异，提供稳定的输出结构。模型不再作为独立工具被调用，而是作为资源被调度。
• Proactive Agent（主动型智能体）：系统具备持续监测环境变化并自动推进业务流程的能力。例如在新品上市阶段自动进行素材一致性检查，在传播期跟踪竞品动作，在复盘期自动生成策略报告，无需人工触发。
• 区别：企业级智能体系统不再是单次任务响应的生成工具，而是持续运行的智能执行结构。

值得关注

• 判断结构的改变：GEA 主要服务于品牌驱动、产品创新及高市场响应速度的组织。它改变了这些长期依赖复杂判断链条企业的运作方式，将碎片化的信息（用户评论、竞品动作、历史经验）组织为统一的决策体系。
• 范式转移：从 ERP（资源组织）、CRM（客户理解）、BI（数据解释）到 Agentic AI（形成判断）。企业部署智能体的意义不在于替代岗位或自动化流程，而在于建立属于自己的机器决策能力。
• 未来趋势：过去十年企业采购软件系统，过去三年尝试模型能力，未来十年将部署一套能围绕业务意图组织智能能力、沉淀认知结构并推动真实业务结果的智能系统。AI 将成为企业新的认知基础设施。