企业玩不转龙虾，是人的思维出错了

📌 一句话摘要

本文深度剖析了企业落地 AI Agent 的核心困境，指出失败根源在于试图将 Agent 作为插件强行嵌入以人为中心的旧工作流，并提出了向「Agent 核心」范式转型及构建原生基础设施的必要性。

📝 详细摘要

文章记录了 MiniMax 与腾讯云专家关于企业 Agent 落地难的深度对话。核心观点认为，企业落不好 Agent 是因为思维仍停留在「以人为中心」，试图让 AI 适配繁琐的审批和权限流程。专家提出，真正的 Agent Native 企业应围绕 Agent 重新组织工作流，将人转变为「驾驭者」（Harness）。在技术层面，传统的 K8s 等微服务架构因其无状态假设，难以承载有状态、长时运行且异质的 Agent。为此，腾讯云推出了 Agent Runtime，通过安全沙箱、Agent 网关等底座解决连接、状态保存和权限管控等「偶然复杂度」。此外，文章还分享了 MiniMax 在 Agentic RL 训练中对海量并发沙盒的需求，以及云厂商如何通过内核级优化支撑模型快速迭代。最后，专家建议开发者应建立 AI Native 工作模式，通过实践积累企业 AI 资产。

💡 主要观点

- 从「插件思维」转向「Agent 核心」范式是落地关键。 企业不应强行让 Agent 适配以人为中心设计的旧流程（如繁琐审批），而应重构工作流，使代码、文档和权限对 Agent 友好，让人退居为输入输出节点。

传统 IT 基础设施（如 K8s）无法满足 Agent 的有状态需求。 Agent 具有长时运行、有状态、异质化等特征，与 K8s 针对无状态、同质化应用的假设相悖，需要专门的 Agent Runtime 来承载其运行环境。

安全沙箱与权限委托体系是 Agent 规模化落地的底座。 通过 Cube 安全沙箱等技术实现环境隔离与操作可追溯，解决企业对 Agent 自主操作权限的安全顾虑，构建类似于「时代支付宝」的信任机制。

Agentic RL 训练对底层计算与存储提出了极端并发要求。 模型自主探索需要秒级拉起十万级规模的异构沙盒，要求云厂商在内核级锁优化、快照技术及块级去重存储上进行深度重构。

💬 文章金句

- 企业落不好 Agent，是人的思维从根上就出错了。

过去的云都是人使用的，现在的云，是 Agent 去使用的。
真正的 Agent Native 企业，一定是围绕 Agent 重新组织工作流的。
Agent 时代的入场券，不属于那些在岸上观望的人，只属于那些敢于跳下水，一边呛水一边学习游泳的构建者。

📊 文章信息

AI 评分：87

来源：量子位

作者：十三

分类：人工智能

语言：中文

阅读时间：18 分钟

字数：4392

标签： AI Agent, Agent Runtime, 企业数字化转型, Agentic RL, 基础设施

阅读完整文章

企业玩不转龙虾，是人的思维出错了

🤖 問 AI