曙光云OneBox启示录：政企智能体规模化，拼的是模型更是治理

当大模型推理能力不断迭代，AI智能体已经走出概念炒作的阶段。行业的关注点不再仅仅比拼模型参数、展示演示Demo，而是回归最朴素的命题，AI究竟能不能真正解决组织里的实际业务问题。

眼下一个很现实的产业困境摆在面前，不少政府和企业已经尝试过公有云AI工具，单点试点案例层出不穷，但大量项目始终困在不敢用、不好管、难交付的现实瓶颈中。员工有使用AI提效的诉求，但安全部门、业务部门顾虑重重；演示环境效果亮眼，一旦接入企业内网、对接真实业务系统，落地就举步维艰。

2026年乌镇“互联网之光”博览会上，曙光云发布国内首个政企可信桌面级AI智能体协作平台OneBox，该产品同步入选大会“新光”产品。和市面上主打个人办公效率的智能体不同，OneBox从立项之初就立足政企组织的现实约束，试图用私有化底座、组织级权限、可信执行机制，探索一条AI从试点走向规模化应用的可行路径。

信任缺失，政企智能体落地的核心堵点

很多人会把政企AI落地难归结为模型能力不足，但在曙光云解决方案总监吴兴杰看来，最大障碍并非技术本身，而是企业还没有建立起一套将智能体纳入真实业务流程的信任机制。

“模型能力决定一件任务能不能做，数据和权限划定任务可以在多大范围开展，业务流程则确定结果由谁确认、责任如何承担，这是完整的链条，任意一环缺失，智能体就很难走进日常生产。”吴兴杰在产品沟通会上表示。

早期AI更多承担内容生成工作，输出内容全部交由人判断、人执行。但新一代智能体可以调用工具、读取业务数据库、发起业务操作，安全边界随之被打破。一个很现实的矛盾出现：员工有权查阅一份内部业务材料，不代表智能体可以把这份数据交给外部模型处理；智能体具备执行指令的能力，不等于它天然拥有对应业务系统的操作权限。

这也是大量政企对AI“想用好，却不敢放开用”的根源。数据合规红线、权限如何管控、操作能否留痕追溯，这些现实问题不解决，再强大的大模型能力，也只能停留在体验和试点层面。

破解三重困境：从安全底座到工程化交付筑牢安全底线，解决“不敢用”

敏感数据外泄，是政企使用AI的首要风险。OneBox以私有化部署作为基础，模型、知识库全部部署在客户自有环境，落实敏感数据不出域的合规要求。

平台内置安全会话能力，开启之后会自动屏蔽外网模型，避免企业私有数据外流；核心组件数桥可以对接企业存量业务数据库，权限管控精确到数据表、字段级别，明确界定不同用户的数据访问范围，从数据流转的源头建立防护。安全能力不局限于部署位置，而是覆盖数据访问、模型调用、任务执行完整链路。

建立组织管控，破解“不好管”

要管好智能体，不能只管控账号登录，而是要把智能体视作组织内部有身份、有权责、可审计的工作参与者。

平台按照岗位角色配置差异化权限，对于高风险操作完整记录留痕，方便核查追溯。智能体执行任务的全过程可观测，管理者能够实时掌握任务进展、识别异常状态，明确人工介入节点。业务人员只需要提出业务目标，智能体在预先划定的边界内完成工作，关键业务节点保留人工确认，权责清晰可追溯，防止AI能力脱离组织管控无序扩张。

标准化+可配置，化解“难交付”

很多智能体项目的痛点在于“演示容易落地难”。在展会上跑通Demo，只代表技术可行；真正进入政企机房，就要面对老旧业务系统、复杂网络、多套账号体系、版本迭代、长期运维等一系列工程难题，这些细节直接决定产品能不能长期运转。

对此OneBox采用标准化平台+场景化配置+必要业务集成的交付思路。智能体运行底座、模型接入、插件体系、运维升级属于标准平台能力，统一迭代更新，让客户持续享受版本升级红利；企业内部知识库、岗位技能、业务指标口径，依靠配置完成适配；面对老旧专有业务系统，则通过连接器、行业插件做扩展适配。

这套模式可以清晰划分标准产品、实施服务和定制开发的边界，既避免一刀切通用模板水土不服，防止全盘定制带来交付沉重、无法迭代的问题，也方便政府采购前期开展成本测算。

跳出个人工具思维，面向组织构建AI能力

目前，多数智能体产品主打个人办公提效。曙光云副总裁徐良在沟通会上指出，消费级个人助手并非曙光云的发力方向，政企客户的AI采购由组织付费，核心价值在于提升整个组织的运转效率，而不仅仅是让单个员工省点时间。

从个人效率工具，升级为组织级AI能力，会从三个层面改变政企的工作与协作模式。

第一，实现业务经验的组织沉淀。员工个人积累的业务经验，不再只保存在个人电脑和脑海中，可以沉淀为平台内可版本管理、授权共享的技能资产；一个部门跑通的工作方法，经过验证之后可以向其他团队推广，把AI价值从个人提效延伸为组织能力积累。

第二，转变数据使用模式。过去员工常常需要导出内部数据到本地做分析，带来泄露隐患；现在全部数据处理流程运行在企业受控基础设施之内，在释放数据价值的同时守住安全底线。

第三，打造统一智能办公入口。依靠插件、接口打通分散的存量业务系统，业务人员无需在多个业务平台来回切换，通过自然语言就可以串联完整业务流程，消解业务系统烟囱带来的协作壁垒。

政企智能体看不见的竞争壁垒

在多次媒体交流中，曙光云OneBox产品经理马一龙提出一个行业判断：政企智能体的核心壁垒，并不单纯是大模型推理能力，而是能否把散落在业务系统、管理制度、员工经验中的业务规则，转化为智能体能够读懂、遵守、复用的业务语义体系。

同一个名词，在不同部门往往代表不一样的含义。就拿“项目完成率”来说，工程部门关注施工进度，财务部门看投资执行，管理部门重点看验收情况。即便智能体可以查询数据库、生成SQL语句，如果不理解真实业务口径，输出的结果技术上正确，业务上却毫无参考价值。

OneBox在底层设计了业务本体和语义层。业务本体梳理企业业务对象、相互关系与业务规则；语义层统一各类指标统计口径，保证不同员工、不同智能体，基于同一套业务定义开展工作。企业已有的数据治理成果，可以直接提供给智能体使用；智能体分析得出的结果，也能够回流原有业务流程，激活存量系统，避免再造一座AI数据孤岛。

目前OneBox已经实现商业化落地，除了在曙光集团内部上万名员工规模下实践，已经进入制药、大型制造企业的生产环境。以某煤矿安全生产场景为例，平台对接隐患排查、作业票台账、故障档案多套内部系统，智能体自动聚合巡检、上报、整改、复查的数据，挖掘隐患高发工段、设备类型，输出根因分析与整改建议。原本安全员两天才能完成的统计报表，现在可以做到分钟级输出，推动安全管理从事后整改转向主动风险研判。

算清投入产出，走小切口规模化落地路径

私有化部署模式，会带来算力、软件、集成运维等综合投入。如何评估投入产出，是政企采购阶段最现实的疑问。曙光云解决方案总监吴兴杰强调，评估ROI不能只看软件采购价，要算全周期完整成本，包括算力硬件、平台软件、部署集成、数据治理、运维升级、人员培训，还有业务复核、返工产生的人力成本。

收益同样不能简单换算成现金，需要分成三类看待：一是可直接计量的效率收益，比如报告编写、资料核查工时缩减；二是质量收益，比如减少业务疏漏，规避潜在风险损失；三是组织能力收益，例如专家经验得以沉淀、跨部门协作效率改善。

实操层面，更务实的路径是从高频、边界清晰、结果容易验证的小切口

试点，以真实业务成效作为依据，再逐步扩大落地范围，摊薄整体建设成本。

生态协同，迎接政企智能体规模化时代

单点产品很难完成政企智能体的规模化落地，生态共建是必不可少的一环。行业落地上，OneBox优先面向政务、国资国企、能源、制造这类对私有化、业务连续性要求较高的领域，从知识检索、材料处理、经营分析等通用场景切入，再联合合作伙伴深入垂直行业业务流程。

生态建设分为三个方向：向下兼容多元国产算力、各类大模型与合规token服务，做统一调度管控；横向联动系统集成商、行业ISV、安全厂商，将OneBox作为可信智能体底座，由合作伙伴输出行业知识库、连接器和业务技能；向上对接客户现有的OA、ERP等业务系统，不去替代原有业务，而是用智能体能力激活存量系统价值。

徐良表示，未来企业级智能体市场大致分为三层能力：底层算力与模型、中间智能体运行治理平台、上层行业业务应用。竞争的核心，是如何把这三层能力组织起来，稳定输出业务价值。当前整个行业仍处于发展早期，曙光云希望弥合AI技术快速创新，和政企组织稳健管控之间的矛盾。

AI智能体浪潮之下，政企市场正在告别“唯模型论”。真正的考验，不在于AI能完成多么炫酷的演示，而在于能否尊重政企的安全约束、业务规则与组织管理逻辑，把前沿技术转化为可落地、可治理、可演进的现实生产力。OneBox在乌镇的亮相，正是这样一种产业探索：政企AI的核心追求，不是让AI无所不能，而是让AI在可信可控的框架之内，真正解决现实业务问题。

写在最后

当下，政企AI的发展，早已跨过技术炫技的阶段。对于政务、国企、能源制造这类组织而言，选型智能体产品，考量的不只是大模型的对话能力，更要看重安全合规、权限治理、工程交付与组织能力沉淀的综合实力。曙光云OneBox以私有化可信底座为根基，通过数桥、业务语义体系打通企业存量的数据与业务系统，试图破解行业普遍存在的“不敢用、不好管、难交付”困局。

智能体规模化不是靠一套模板复制到万千企业，而是需要平台产品、行业伙伴、业务部门协同配合，从小切口试点起步，逐步沉淀可复用的业务资产。未来，随着国产算力、行业应用生态持续完善，以OneBox为代表的组织级智能体，或将为政企数字化转型开辟新的路径，让AI真正扎根真实业务，释放生产力价值。