允中 发自 凹非寺
量子位 | 公众号 QbitAI
大模型落地进入深水区，企业级软件正在发生一次底层逻辑的“脱胎换骨”。
回顾技术发展史，ERP、CRM、BI的出现，本质上是在解决资源、客户与数据的“管理”问题。
在此背景下，由哈佛大学博士、同济大学设计与人工智能实验室主任范凌创办的特赞，所提出的Generative Enterprise Agent（GEA）架构，正在触碰一个更深层的命题：
企业如何形成判断？
这代表着一次软件架构层面的范式转移。
△特赞创始人及CEO范凌
如果基础模型逐渐成为像电力一样的公共设施，企业间的差异化竞争将不再取决于模型参数的大小。
这时，护城河开始转移到三个维度：
比起生成速度，更看重判断质量；比起单点能力，更看重系统协同；比起模型规模，更看重私有化的上下文结构。在这一背景下，企业级AI的竞争逻辑，开始从模型能力竞争转向认知结构的竞争。
技术栈的重心正在从界面转向Agent
微软CEO Satya Nadella曾多次强调，AI将改变软件的形态。
最初，这一判断中的“改变”，常被理解为Copilot式功能增强，但真正的变化并不在功能层，而在控制权结构。
在大语言模型出现之前，企业软件技术栈长期保持稳定结构：人类通过界面触发业务逻辑，逻辑调用数据库完成执行，界面是入口，逻辑是中枢，数据库是权威。
但当推理能力成为基础设施之后，控制权开始上移。硅谷投资人Naval Ravikant曾提出“AI is eating UX”，其含义并不是界面消失，而是界面不再是决定体验的核心。
新的核心正在形成，即Agent这一推理层结构。企业软件的价值单位，也因此发生变化。
在SaaS时代，企业购买的是席位；而到了Agent时代，企业购买的是结果能力。
这种转变，说明了价值结构正在发生变化。
数据不再是中心，Context正成为新的企业引力结构长期以来，企业软件体系围绕System of Record构建。
前Salesforce联席CEO、现OpenAI董事会主席Bret Taylor曾将企业软件结构比作太阳系统：数据库是太阳，流程围绕其旋转。
但当智能体可以跨系统调度数据并完成推理与执行时，引力中心开始发生转移。数据库回答“发生了什么”，而Context则回答“为什么如此”。
在Agent时代，真正的引力中心开始从System of Record转向System of Context。
Context不只是内容集合，而是由目标结构、决策路径、修改原因、反馈循环与历史经验构成的认知网络。当这些结构被系统化之后，智能体才真正具备持续推理能力。
正是在这一背景下，特赞提出了Context System，并进一步构建Generative Enterprise Agent（GEA）架构，使智能体能够围绕业务意图展开推理，并进入真实业务执行路径。
它回答的是另一个重要的问题：智能体如何围绕业务目标持续运行？
Generative Enterprise Agent（GEA）由四层架构组成，自上而下包括四个层级：
第一层：Intent Layer（意图层）
GEA的起点不是指令，而是业务目标。
无论是识别增长机会、探索产品方向，还是制定品牌传播策略，系统首先理解的是企业希望解决的问题本身，而不是具体操作步骤。
这使智能体能够围绕结果，而非prompt运行。
第二层：Orchestration Layer（编排层）在意图被识别之后，由特赞自研的Creative Reasoning Model进行发散推理与路径编排。
系统不会生成单一答案，而是依次：拆解多个可能执行路径、评估路径价值与风险、选择最优策略组合。
这一层决定了智能体是否具备真正的业务推理能力，而不仅仅是内容生成能力。
第三层：Execution Layer（执行层）当路径确定之后，智能体开始进入真实业务执行阶段。
在这一层，GEA通过Proactive Agent体系调度模型能力、Agent Skills与企业内部系统接口，使任务能够持续推进，而不是停留在一次性响应层面。
执行层系统——GEAClaw则负责跨系统调用能力资源，并根据环境变化动态调整执行策略，使智能体能够持续参与企业工作流运行。
这也是企业级Agent与Copilot型工具之间的重要区别之一。
第四层：Context System（上下文系统）支撑整个架构运行的，是企业级Context System。它组织的不只是数据，而是：历史决策路径、品牌资产结构、用户研究结果、产品演化逻辑、业务反馈循环，这些结构共同构成企业长期判断能力的来源。
当Context成为统一认知基础之后，智能体才真正具备持续推理能力。
正是在这一四层结构之上，GEA才不再只是模型调用接口，而成为能够围绕企业真实目标持续运行的智能体系统。这也是企业级Agent与传统SaaS工具之间最本质的差异之一。
从数据操作系统到决策操作系统类似的结构变化，其实已经在数据基础设施领域发生过一次。
以Palantir为代表的数据操作系统，本质上并不是分析工具，而是一种能够参与企业决策流程运行的数据基础设施。
它通过组织企业内部的数据关系，使算法能够围绕真实业务目标持续工作，而不是围绕单次查询响应输入。
如果说上一代数据基础设施解决的是如何组织数据，那么新一代企业级智能体系统正在解决的，则是如何组织企业判断。
这一变化意味着企业软件正在从数据操作系统阶段进入决策操作系统阶段，而企业级Agent架构正是这一阶段的重要基础设施形态之一。
从席位订阅到决策订阅：ARR结构正在被重写从资本市场视角来看，Agentic AI最重要的变化，并不在模型能力，而在收入结构。
传统SaaS的ARR（年度经常性收入）建立在席位订阅与模块授权之上，而企业级智能体系统的ARR则开始建立在业务参与深度之上。
当系统能够持续参与产品创新判断、品牌表达控制以及增长路径优化时，企业采购的就不再只是工具，而是一种可以影响经营结果的能力结构。
软件订阅关系正在从席位订阅转向决策订阅，这一变化正在成为资本市场重新评估企业级AI公司价值的重要依据。
特赞提出的GEA架构，正是围绕这一变化展开，它使智能体能够基于企业Context持续运行，并嵌入真实业务流程，从而形成可积累的智能能力结构。
红杉合伙人Julien Bek在其文章“Service is the new software”（服务即新软件）中提出：
下一个万亿美元公司，将是“伪装成服务商的软件企业”，因为它们不再仅仅提供工具，而是直接参与企业结果的产生过程。软件的价值，不再体现在功能列表，而体现在是否能够持续影响业务结果。
Generative Enterprise Agent，正在成为新的认知基础设施
从更宏观的技术史视角来看，ERP解决资源组织问题，CRM解决客户理解问题，BI解决数据解释问题，而企业级Agent架构正在开始解决一个更深层的问题，即企业如何形成判断。
特赞提出GEA，是一次企业软件架构层的转移尝试。
模型成为公共基础设施之后，真正决定企业差异的，不再是模型规模，而是上下文结构；不再是生成速度，而是判断质量；不再是单点能力，而是系统如何持续运行。
过去十年，企业采购的是软件系统；过去三年，企业尝试的是模型能力；而正在到来的十年，企业真正部署的，将是一套能够参与经营判断的智能系统。
企业级的智能，由此开始新的篇章。
万生优配提示：文章来自网络，不代表本站观点。
