“为什么模型每个月都在变强，但我的企业好像没有一起变强？”这是众多 CEO 和业务负责人的核心困惑。
过去两年，企业 AI 应用路径高度趋同：从开通账号、上线 Copilot、接入知识库到试点 Agent。今年更是部署各类自动化产品，试图让 AI 从“会说”转向“会干”。虽然演示效果惊艳，员工效率确有提升，但深层问题随之浮现：
- 使用痕迹是否沉淀为企业能力？
- 专家经验是否转化为组织资产？
- 任务完成后，下一次执行是否更优？
- 若底层模型更换，企业积累的判断力是否依然存在？
- 若所有公司都将知识喂给少数大模型，最终价值归属何方？
这或许是企业 AI 进入深水区后的真正分水岭。
AI 竞争的第一阶段是模型能力之争，第二阶段是 Agent 应用之争。而接下来的关键竞争在于：谁能把 AI 变成企业自己的智能引擎。
通用模型热潮下的逆势判断
在通用大模型热潮汹涌之际，衔远科技创始人周伯文教授曾提出一个逆势判断：AI 发展的正确路径，是在充分泛化的基础上，具备对任何领域深度专业化的能力。
其核心洞察在于：泛化基础上的深度专业化，才是企业竞争力的本质来源。专业化能力的归属，决定了 AI 价值的最终流向。
通用模型解决的是“会做”的问题，但企业竞争力源于“比别人做得更准确、更快、更符合自身业务逻辑”。若企业仅接入最好的通用模型，如同众人同乘一趟高铁，速度虽快但方向一致，难以建立竞争优势。
这一观点比单纯的“工具论”或“私有化部署”更为深刻，直指 AI 时代企业专业能力的所有权问题。
微软 CEO 纳德拉近期提出的“人力资本（Human Capital）”与“词元资本（Token Capital）”概念，从侧面印证了这一方向。他认为，企业通过 AI 系统沉淀的可复用智能能力是新时代的资本形态。AI 不会削弱人力资本，反而会让高质量的人类判断更具价值。
真正的风险在于，企业将知识、经验和判断全盘交给外部模型，却未形成自有学习系统。正如全球化进程中产业空心化的教训，若 AI 时代外包了认知能力和专家经验，后果可能更为严重。
然而，纳德拉未解答的问题是：若专业判断和专家经验在使用通用模型过程中被持续吸入模型底座，Token Capital 究竟掌握在企业手中，还是模型厂商手中？
周伯文教授的回答明确：专业化能力必须留在企业自己的平台和 Know-how 里，而非成为通用模型的训练材料。这不仅关乎技术路线，更涉及商业伦理。验证这一点，需要一套企业可自主验证的评测体系。
真实企业任务远超公开基准测试
在此背景下，衔远科技大观研究院团队发布的最新论文《EnterpriseClawBench: Benchmarking Agents from Real Workplace Sessions》及其构建的EnterpriseClawBench评测集显得尤为重要。该成果登上 Hugging Face Daily Papers 日榜第二名，引发全球研究社区广泛关注。
衔远同步开放了评测协议和构造方法，旨在建立行业标准，使任何企业或团队都能基于自有数据构建私有评测集。
EnterpriseClawBench 并非基于传统问答或标准化题库，而是源自真实企业工作会话。衔远科技 Frontis 团队抽取了 2026 年 3 月至 5 月的内部 Agent 使用记录，经自动化处理与人工审计，构建了 852 个可复现任务及 120 个 Lite 任务子集。
这些任务覆盖产品、研发、HR、销售、财务等真实岗位，形态完全源于日常工作：
- 基于会议录音和项目群进展生成日报；
- 上传 Excel 校准收入、成本及现金流；
- 利用 PDF 和模板生成案例展示；
- 生成 HTML 页面、PPT、代码或多格式报告；
- 分析周报、调整 OKR 及制定客户拜访计划。
与传统 Benchmark 不同，EnterpriseClawBench 考核的是 Agent 在企业工作空间中读取异构文件、恢复上下文、调用工具并生成可用交付物的综合能力，涵盖成本、耗时、格式、视觉质量及证据准确性等多维度指标。
其关键设计包括：
- 源自真实会话，非人工虚构；
- 同时评估文本与视觉交付物的可用性；
- 采用硬规则（文件格式、数量等）与语义评分（准确性、实用性等）结合；
- 纳入成本与耗时考量，关注 ROI；
- 不释放内部数据，仅开放构造与评测协议。
最后一点至关重要，它解决了企业在不牺牲内部数据资产的前提下进行评测的难题。据悉，7 月 17 日 WAIC 大会上，衔远将发布更多关于 AI 评测与 AI for AI（Agent 递归自我进化）的研究成果。
三大反直觉结论
EnterpriseClawBench 揭示了三个反直觉的事实：
第一，真实企业任务远未被 Agent 完全解决。在人工审计的 120 个 Lite 任务中，最强组合 Codex / GPT-5.5 得分仅为 0.663。这表明真实企业任务多为复合问题，涉及文件读取、上下文理解、格式遵守及交付物生成等多个环节，任一环节出错均可能导致业务结果不可用。
第二，Harness（框架）与模型同等重要。研究发现，同一模型在不同 Agent 框架下表现差异巨大，得分区间可从 0.64 跌至 0.458。工具调用、权限控制、执行链路及失败重试机制等均影响最终交付。企业不应只关注模型型号，更应审视 Agent 的执行逻辑与评估优化机制。
第三，Skill 注入需经严格评测。实验显示，从同类任务蒸馏 Skill 并注入 Agent 可提升表现，但效果高度依赖生成者与消费者，甚至可能出现负迁移。这说明"Agent 自我进化”并非自动成立，放任经验沉淀可能导致能力退化。因此，进化必须受控于私有化评测体系。
私有化评估：模型能力的试金石
上述发现指向同一缺口：企业需要的不仅是 Model Eval（模型评估），更是 Private Eval（私有化评估）。
通用模型公司无法替每家企业定义什么是好的销售诊断或可复用的专家判断。答案藏在企业自身的业务目标、组织经验与管理逻辑中。外部榜单仅反映通用能力，唯有私有化评估能验证 AI 是否真正创造业务价值。
正如纳德拉所言的“控制权测试”：若更换底层模型，企业积累的专家经验是否依然存在？若在，则是自有智能资产；若不在，则仅是购买了外部能力。
这也是衔远大观 MA 进化引擎的设计逻辑：让 Agent 在评估、反馈、归因与再训练中实现受控进化。
衔远大观：自主进化的智能资产引擎
基于此逻辑，衔远科技 Frontis 推出的衔远大观 Frontis Horizon，定义为“自主进化的企业级智能资产引擎平台”。它旨在解决企业 AI 的底层问题：
- 将通用模型能力转化为企业专有专业能力；
- 将专家经验沉淀为可复用的 Skill 和 Agent；
- 将工作流、业务规则及组织记忆沉淀为自有知识产权；
- 确保在替换底层模型时，企业仍保留 DNA、Memory 和 Process；
- 让每一次使用都反哺下一次能力提升。
简言之，衔远大观不只是帮企业“使用 AI"，而是助其构建一套可持续进化的自有智能系统。
该系统架构分为三层：
ME：人的组织代理
ME 是在企业语境中代表人推进工作的受治理代理。它理解人的目标、权限与历史上下文，能过滤信息、生成判断并在关键节点请求确认。其核心价值在于“代表人推动工作”，而非简单的对话。
目前，ME 的核心能力已产品化为Leadeep AI 领衔者。这是一款面向职场人的 AI 录音与洞察产品，能记录真实场景中的决策，提炼关键信息，并在后续场景中提供建议。用户反馈表明，该产品不仅整理文字，更在帮助用户积累判断力。
WE：企业的硅基组织
企业需要由多个角色化专家 Agent 组成的协同网络。例如在某大宗商品贸易场景中，市场分析、物流、风控及财务专家 Agent 组成供应链团队，协同完成采购交易，将研究周期从天缩短至小时，物流规划从周缩短至天。
WE 的关键在于“组织上下文”。只有具备目标、权限、证据链及治理边界，一群 Agent 才能构成真正的硅基组织，否则只是噪声。
MA：组织级学习与控制系统
MA 是组织进化的核心。它记录行动、评估结果、追踪证据、分析偏差并沉淀经验，将错误转化为训练信号，实现从双环学习到三环学习的跨越。通过持续反馈，企业得以将专家经验固化为 Skill 和 Agent，构建私有化评估与持续进化的组织能力，从而从容应对市场变化。
结语：AI 原生能力的核心在于持续进化
行业常误以为拥有众多 AI 工具和自动化流程即为"AI 原生”。实则不然，若组织本体与管理方式不变，仅是流程加速，仍属旧时代思维。
真正的 AI 原生，是企业本身被重新定义。过去的数字化系统（ERP、CRM 等）多为 System of Record（记录系统），让人成为唯一行动主体。而 AI 原生系统正走向System of Learning（学习系统）。
AI 不再仅用于记录展示，而是开始理解目标、调用工具、生成交付并在反馈中持续学习。企业正从“记录企业”走向“进化企业”。
回到最初的问题：模型并非护城河，什么才是？答案清晰：私有化评估 + 可持续进化能力。
私有化评估让企业能独立判断 AI 的业务价值；可持续进化能力则将每次任务执行与专家反馈转化为可复用的知识资产。通用模型与 Agent 框架人人可用，但企业在长期经营中形成的客户理解、决策偏好及流程细节，不会自动存在于通用模型中。
若不能将这些沉淀下来，AI 用得越多，越可能只是在替外部模型训练世界，而未训练自己的组织。
衔远大观 Frontis Horizon 正是为此而生——帮企业建立私有化评测体系与可持续进化的自有智能系统。当底层模型更迭，企业积累的 DNA、Memory 和 Process 依然存续，这才是真正的 Token Capital，也是新时代企业真正的护城河。
衔远官网：https://frontis.cn/
产品链接：https://ai.frontis.cn/
论文链接：https://huggingface.co/papers/2606.23654
代码链接：https://github.com/FrontisAI/EnterpriseClawBench