从去年AI大模型应用爆发开始,几乎所有人接触和学习使用 AI 的方式都是同一套动作:打开浏览器里的某个页面,或者点开一个 App,把问题敲进去,等几秒,屏幕上落下一段文字,再手动搬到自己要用的地方。那时的 AI 是个随时在线的答题窗口,聪明,但多半只停在"回答"这一层。转折出现在今年年初养虾潮,作为AI智能体形态的大模型不再满足于给答案,开始学着办事:听懂你要什么,把一件大事拆成若干步骤,挑合适的工具去调用,中途自己判断下一步该走哪。这与过往的区别是根本性的——过去你问它答,现在你交代,它交付。
而联想开天最近推出的信创首款 AI 主机,某种意义上又给AI办公做了新的迭代思路。在它机身1.6L的小体积里,最高可提供 320 TOPS INT8 的本地算力,能支持122B 量级的大模型在本地推理,可处理的上下文最长达 20 万 Token,同时系统预装本地智能体,等于自带一个7×24小时不间断在岗的硅基员工。AI 开销从云端按次计费变成本地一次性买断,主要开销是电费,使用程度越重,质价比越划算。
在参数配置以外,值得琢磨的是,这样的AI主机究竟能把人的手头哪些活实质上接手过去。
先说个人。每天要做、不难做、却极其消磨人的事,来来回回就那么几类:散在十来个文件夹里的资料要归位,几十页的合同要通读,某个关键数字埋在本机某个角落要翻出来,固定格式的文档要一遍一遍地套模板,一天的消息要拢成几条要点。这些事以前只能靠人一点点磨时间,磨完还很疲惫。换到这台机器上,做法是把任务交代给本地智能体,约定什么时候跑,你只需要说清"要什么",最后核一眼结果对不对,中间那截重复劳动全部让出去。更关键的是,一台机器可以同时挂多个智能体,各管一摊、互不干扰:一个专管资料归档,一个盯着会议记录,一个守着文档做分析,并行往前推。于是新的办公场景画面变得具体起来。早上到工位,昨晚交代归类的客户资料已经码整齐了;开会时另一个智能体在后台把录音转成要点;下午只丢过去一份长合同,回来的是一张清单,关键条款和风险点逐条列着。一整天下来,机械的复制粘贴几乎一次都没发生。一个人带着这样一支不下班的数字班组,可调动的"人力"被成倍放大,自己退到定方向、审结果的位置。OPC时代的所谓超级个体,说的就是这个理想状态。
再看企业。财务、法务、采购这类中后台部门,事务性工作密集,又格外依赖专业积累。把岗位知识喂给智能体,它就成了岗位助手:凭证帮财务归整,条款帮法务翻检,报价帮采购拉齐比对。判断由人下,跑腿的活它接。研发、运营、客服也能照此定制:客服的智能体先兜住常见工单,棘手的转人工;运营的智能体按点取数、生成日报;研发的智能体照规则把例行测试跑一遍,把异常圈出来。人从盯流程,变成看结果、做决策。
金融、能源、制造这些行业,价值还要再深一层。开发者可以把行业规则、专用模型和手头在用的软件揉成一套本地应用,让智能体去干资料检索、业务分析、现场辅助、周期性任务。重点是这些数据全程在本地闭环,不出域、不外泄——要知道,对于数据敏感的行业,这一条的权重常常大过算力消耗数字本身。而如果行业规则与业务沉淀都留在本地,同时模型越用越贴自己的业务,那这样的收益预期,显然更富吸引力也更具确定性。
再往远看,人与AI的交互方式本身也在变。当越来越多智能眼镜、语音设备等等形态一起进工位之后,一台自带AI智能体的本地机器就不只是算力盒子,而是新型办公体验的计算节点,比如早上镜片一角浮出今日要点,随口一句"把昨晚的纪要发我",后台立刻调度智能体办妥。这样的未来办公想象力场景,正在变为现实,而像联想开天首款信创AI主机这样的场景,则可能见证着这一切。