模型不是企业护城河，真正的护城河是什么？

“为什么模型每个月都在变强，但我的企业却好像没跟着一起成长？”

这是不少CEO与业务负责人在心底的真实困惑。

过去两年，企业引入AI的路径几乎千篇一律：先为员工开通大模型账号，再上线Copilot，接着接入知识库，再试点几个Agent。今年又更进一步——部署OpenClaw类产品，让AI从“会说”蜕变为“会做”。演示效果确实抢眼，发布会也足够热闹。员工写得更快了，会议纪要生成更容易了，PPT和方案产出也提速了。

但随之而来的问题更加深层：

• 这些使用痕迹真的有沉淀成企业能力吗？
• 专家经验是否转化成了组织资产？
• 每一次任务完成后，下一次能否做得更好？
• 如果底层模型换掉，企业积累的判断还在不在？
• 如果所有公司都把知识喂给少数几个大模型，最终价值到底归谁？

这或许才是企业AI进入深水区后真正的分水岭。

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，更关键的竞争正在转向——谁能把AI变成企业自己的智能引擎。

通用模型热潮下，有人提出了一个逆势判断

这个问题，在通用大模型最火热的时期，就已经有人洞察到了。衔远科技创始人周伯文教授当时提出一个逆势判断：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。

核心洞察是：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价值最终留在谁手里。

通用模型解决的是“会做”的问题，但企业竞争力从来不来自“会做”，而来自“比别人做得更准确、更快、更符合自己的业务逻辑”。一家企业如果只是接入了最好的通用模型，相当于所有人都坐上了同一趟高铁——速度快了，但方向和目的地都一样，竞争优势无从建立。

这个判断比“企业需要AI工具”更深一层，也比“企业要建私有化部署”更精确。它指向一个更根本的问题：在AI时代，企业专业能力的所有权，归谁？

微软CEO纳德拉最近的一系列表述，从另一个角度印证了这个方向。他提出了Human Capital（人力资本）与Token Capital（词元资本）两个概念。企业通过AI系统沉淀下来的可复用智能能力，是这个时代新的资本形态。他的判断是：AI不会让人力资本变得不重要，反而会让真正高质量的人类判断更重要。真正危险的，是企业把自己的知识、经验和判断全部交给外部模型，却没有形成自己的学习系统。

纳德拉用全球化作类比：第一次全球化中，很多产业把制造能力外包出去，产业空心化的代价持续多年。AI时代，如果被外包的是认知能力和专家经验，后果可能更严重。

但纳德拉没有回答的问题是：企业的专业判断、业务规则和专家经验，如果是在使用通用模型的过程中被持续吸入模型底座，那Token Capital，究竟是在自己手里，还是在模型厂商手里？

周伯文教授的回答是明确的：专业化能力必须留在企业自己的平台上、自己的know-how里，而不是成为通用模型无限膨胀的训练材料。这不只是技术路线的选择，更是一种商业伦理的表态：企业把数据和经验交给一个平台，这个平台有没有责任让这些资产留在企业自己手里？而要回答这个问题，需要的不只是承诺，而是一套企业自己能验证的评测体系。

真实企业任务，比公开Benchmark难得多

在这一背景下，一篇最新企业Agent评测论文显得尤为重要。在这篇题为EnterpriseClawBench: Benchmarking Agents from Real Workplace Sessions的论文中，衔远科技大观研究院团队发布了EnterpriseClawBench。该成果一经推出便获得行业广泛关注，论文更是登上了Hugging Face Daily Papers日榜第二名——全球研究社区当天认为这是最值得关注的论文之一。

更重要的是，衔远同步开放了评测协议和构造方法。这意味着任何企业、研究团队都可以用同样的方法，在自己的数据上构建私有评测集。衔远在做的，更大价值在于尝试建立一套行业标准。

EnterpriseClawBench并不是用传统问答题测试模型，也不是让模型在标准化题库里刷分，而是从真实企业工作会话中构建Agent评测任务。

衔远科技Frontis团队从真实工作场景中，抽取2026年3月到5月的内部Agent使用记录，经过过滤、分类、评分标准生成等一系列自动化处理，最终构建出852个可复现任务，并人工审计出120个Lite任务子集。这些任务覆盖产品、研发、HR、行政、销售、市场、财务、运营、管理层等真实岗位。

任务形态完全来源于企业日常工作：

• 有人上传会议录音和项目群进展，让Agent写日报；
• 有人上传Excel，让Agent校准收入、成本、毛利和现金流；
• 有人上传PDF和模板，让Agent生成案例展示；
• 有人要求生成HTML页面、PPT、表格、报告、代码或图片；
• 还有人让Agent分析周报、修改OKR、整理客户拜访计划、生成解决方案。

这和传统问答benchmark完全不是一类问题。传统评测经常考的是模型能不能答对，而EnterpriseClawBench考的是：Agent能不能在企业工作空间里，读取异构文件、恢复上下文、调用工具、生成可用交付物，并且在成本、耗时、格式、视觉质量和证据准确性上都过关。就像把AI从“考试环境”拉进了“真实办公室”。

在构造方式上，EnterpriseClawBench也做了几层关键设计：

• 首先，它来自真实工作会话，而不是人工想象出来的任务。
• 其次，它同时评估文本和视觉交付物，不只看回答内容，也看文件是否真的可用。
• 第三，它采用硬规则和语义评分结合的方式：文件类型、文件数量、是否为空、能否打开，是硬规则；准确性、相关性、深度、实用性、表达质量，是语义评分。
• 第四，它把成本和耗时也纳入报告，因为企业部署AI不可能只看效果，不看ROI。
• 第五，由于源数据包含企业内部内容，它不释放数据本身，而是开放构造与评测协议。

这最后一点非常关键：它恰好回答了纳德拉提出但没有解决的问题——企业需要评测系统，但不能为了评测牺牲自己的内部数据和知识资产。

这也只是衔远大观研究院正在做的工作之一。7月17日，在WAIC上，衔远将发布更多AI评测与AI4AI方向的研究成果——如何让AI系统更可靠地评估自身能力边界，以及实现Agent的递归自我进化（即AI for AI），将是接下来值得关注的话题。

三个反直觉结论

回到EnterpriseClawBench，它最值得关注的，不是榜单本身，而是它揭示出的三个反直觉事实。

第一个事实：真实企业任务远未被Agent解决。在人工审计的120个Lite任务上，最强组合Codex/GPT-5.5的得分也只有0.663。这不是说模型不强，而是说明真实企业任务比公开benchmark难得多。企业任务往往不是单点问题，而是复合问题：要读文件，要理解上下文，要遵守格式，要生成交付物，要保留证据，要满足业务目标，还要能被人直接使用。任何一个环节出错，业务结果都可能不可用。

第二个事实：Harness和模型一样重要。论文发现，同一个Claude模型，在不同Agent框架下表现差异很大。有的组合可以保持0.62到0.64的区间，有的框架下却掉到0.458。这说明Agent不是模型的简单外壳。工具调用、权限控制、运行环境、文件写入路径、多步修复能力、执行链路长度，都会影响最终交付。所以企业不能只问“你用了哪个模型”，更应该问：你的Agent如何执行？如何读文件？如何调用工具？如何生成交付物？如何保存证据？如何失败重试？如何被评估和优化？

第三个事实：Skill注入是AI for AI的雏形，但必须被评测。EnterpriseClawBench做了一个很有意思的实验：从同类任务中蒸馏Skill，再注入Agent，测试它在留出任务上的表现。结果发现，好的Skill确实可以提升Agent表现，但效果高度依赖“谁来生成Skill”和“哪个Agent来消费Skill”。有些Skill带来正迁移，有些Skill反而造成负迁移。这非常重要——它恰恰说明，“让Agent自我进化”在今天远不是自动成立的：放任沉淀经验，很可能让Agent变笨。正因如此，进化必须被评测约束。经验要进入系统，必须经过评估；Skill要进入生产，必须经过验证；Agent要自我进化，必须有一套能判断进化方向是否正确的私有化评测体系。

真正的模型能力评测不能只看外部榜单

这三个发现，共同指向同一个缺口：企业真正需要的，不只是model eval（模型评估），而是private eval（私有化评估）。什么叫一次好的销售机会诊断？什么叫一个可被复用的专家判断？什么叫Agent真的改善了业务结果，而不是只生成了一份看起来漂亮的文档？这些问题，通用模型公司无法替每家企业回答。答案藏在企业自己的业务目标、组织经验、隐性规则和管理判断里。

外部benchmark告诉你模型的通用能力，private eval才能告诉你AI是否真的在你的业务里创造价值。正如纳德拉所说的“控制权测试”：如果明天换掉底层模型，企业积累的专家经验还在不在？如果不在，买到的只是外部能力；如果还在，才算真正沉淀了自己的智能资产。

这也是衔远大观MA进化引擎背后的设计逻辑：不是让Agent自己随便变，而是让Agent在评估、反馈、归因、沉淀和再训练中受控进化。

衔远大观：自主进化的智能资产引擎平台

沿着这个逻辑，衔远科技Frontis正在做的衔远大观Frontis Horizon，就可以被更准确地定义为：自主进化的企业级智能资产引擎平台。它不是传统的Agent编排工具，不是通用Agent平台工具，也不是简单的企业级OpenClaw。它真正要解决的是企业AI的更底层问题：

• 如何把通用模型能力，转化为企业自己的专业能力？
• 如何把专家经验，沉淀成可复用的Skill和Agent？
• 如何把工作流、业务规则、组织记忆和评测标准沉淀为企业自有知识产权？
• 如何让企业在替换底层模型时，仍然保留自己的DNA、Memory和Process？
• 如何让每一次使用，不只是完成任务，而是反哺下一次能力提升？

一句话：衔远大观要做的不是帮企业“使用AI”，而是帮企业拥有一套可持续进化的自有智能系统。

在衔远大观的架构里，这套系统可以理解为三层：

第一层是ME，人的组织袋里。ME不是聊天机器人，也不是静态个人知识库，而是在企业语境中代表人持续推进工作的受治理袋里。它理解人的目标、偏好、职责、权限、风险边界和历史上下文，可以帮助人过滤信息、生成判断、推进任务，并在关键节点请求确认。ME的价值不是“像不像我”，而是“能不能代表我把工作推向前”。某客户的销售总监反馈，接入ME之后，他每周整理跟进计划的时间大幅压缩。但更重要的变化发生在三个月之后——他的ME已经积累了大量高质量销售判断案例，这些判断模式开始被复用于团队的新人培训。

ME不是概念。衔远已经把ME的核心能力产品化为Leadeep AI 领衔者——一款面向职场人的AI录音与洞察产品。上述销售总监使用的，正是Leadeep AI 领衔者——ME能力的移动端产品化形态。它做的事情，正是ME层设计的微缩版：记录人在真实工作场景中的判断和决策，提炼关键信息，在下一次同类场景中更快给出建议。618期间，Leadeep在社交媒体上引发自发传播，背后不是靠营销，而是因为很多用户第一次感受到“AI真的在帮我积累判断，而不只是帮我整理文字”。

第二层是WE，企业的硅基组织。企业不是只有一个Agent，而是需要由多个角色化专家Agent组成的协同网络。比如，在世界500强大宗商品贸易企业的大豆采购场景中：大宗市场分析专家、海运物流专家、合规风控专家以及财务成本专家等，组成供应链agent专家团，协同完成大豆采购交易，降低交易风险的同时，将行业研究周期从天缩短到小时，物流规划周期从周缩短到天。而WE的关键不仅在于专家数量，更在于组织上下文。没有目标、权限、证据、接口、语义标准和治理边界，再多Agent只是噪声。有了组织上下文，一群Agent才能变成真正的硅基组织。

第三层是MA，组织级学习与控制系统。没有MA，ME和WE只是一套执行系统。有了MA，组织才会在每一次执行中变得更聪明。MA要记录行动、评估结果、追踪证据、分析偏差、沉淀经验、更新规则，把错误变成材料，把反馈变成训练信号，把一次次任务变成企业能力复利。这也是从双环学习走向三环学习：不仅复盘动作对不对，也复盘策略对不对，还复盘组织结构、能力结构和流程规则是否应该被重构。正如上述大豆采购agent专家团案例，通过持续反馈和使用沉淀专家经验到skill和agent，从而构建私有化评估和持续进化的组织能力，大宗贸易企业得以更好地应对急剧变化的宏观形势和国际市场。

结语：AI原生能力的核心在于持续进化

行业里有一个常见误区：企业里有很多AI工具、很多Agent、很多自动化工作流，就算AI原生了。但这仍是旧时代的理解方式——组织本体不变，只是多装了几个智能体；管理方式不变，只是流程跑得更快一点。真正的AI原生，不是“原来的企业+AI工具”，而是企业本身开始被重新定义。

过去的数字化系统，大多解决的是记录问题：ERP记录交易，CRM记录客户，OA记录流程，BI展示指标。它们让企业变得更透明，但并没有改变一个底层事实：人仍然是唯一行动主体。AI原生系统改变的正是这个前提。AI不再只是记录和展示，而是开始理解目标、调用工具、推进任务、生成交付、接收评价，并在反馈中持续学习。企业系统正在从System of Record，走向System of Learning——从“记录企业”，走向“进化企业”。

回到文章开头的问题：模型不是企业的护城河，那什么才是？答案已经清晰：私有化评估 + 可持续进化能力。私有化评估，让企业能判断AI是否真的在自己的业务里创造价值，而不是只看外部榜单选模型。可持续进化能力，让每一次任务执行、每一次专家反馈、每一次经营复盘，都能转化为可复用的知识、Skill和Agent。

同一个大模型，所有人都可以买。同一种Agent框架，所有企业都能接。但每家企业在长期经营中形成的客户理解、专家判断、流程细节和决策偏好，不会自动存在于通用模型里。如果企业不能把这些东西沉淀下来，AI用得越多，越可能只是替外部模型训练了世界，而没有训练自己的组织。

这正是衔远科技Frontis正在做的事——衔远大观Frontis Horizon，不是帮企业“使用AI”，而是帮企业拥有一套私有化评测体系与可持续进化的自有智能系统。当底层模型明天被换掉，企业积累的DNA、Memory和Process还在——那才是真正意义上的Token Capital，也才是这个时代企业真正的护城河。

你是一名 AI 行业编辑，请围绕下面这条热点输出一份资讯解读：
热点：模型不是企业护城河，真正的护城河是什么？要求：
1. 先用一句话解释这条热点在讲什么
2. 再总结它为什么重要
3. 说明会影响哪些 AI 产品或内容方向
4. 最后给出 3 个适合资讯站使用的标题