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 AgentGEA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 AgentGEA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 AgentGEA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。