对话即开发,曙光云OneBox打造政企智能体平台
当AI智能体开始从回答问题走向调用工具、访问数据库、执行任务,企业对AI的需求也在发生变化。
对于个人用户而言,一个能够写方案、做PPT、整理资料的AI助手,已经能够带来明显的效率提升。但对于政务、金融、能源、制造等行业而言,AI能否进入真实业务系统,能否读取企业内部数据,能否在明确的权限边界内执行操作,能否在出现问题时追溯责任,才是决定其能否规模化应用的关键。
这也构成了当前政企AI落地的一道现实门槛:技术上能够实现,不等于组织层面允许使用;员工能够访问的数据,也不意味着智能体可以随意调用;模型能够生成执行方案,更不意味着它获得了修改生产系统的授权。
在乌镇世界互联网大会期间,曙光云正式发布OneBox智能体协作平台,该平台获得乌镇星光产品荣誉。与市场上强调个人办公效率的智能助手不同,OneBox将产品定位于面向政企组织的私有化智能体平台,试图解决AI从个人工具走向组织级生产力过程中,数据安全、权限治理、业务连接和成果交付等一系列问题。

曙光云副总裁徐良表示,曙光云希望平衡AI带来的效率提升与政企客户原有的安全、业务管控需求,让客户从“想用”走向“敢用、能用”。这背后,实际上也是企业级AI竞争逻辑的一次变化:比拼的不只是模型有多聪明,更是能否让AI在组织制度和业务流程中可靠运行。
一、政企AI的真正门槛,不是模型,而是信任
消费级AI智能体的快速发展,正在降低普通用户使用AI的门槛。但在政企市场,AI的应用逻辑并不能简单复制个人场景。一个个人助手可以通过上传文件完成分析,一家大型企业却可能拥有数十套业务系统、复杂的组织架构,以及分散在不同部门的数据资产。核心数据还可能受到行业监管、内部制度和保密要求的约束。
徐良在沟通会上谈到,政企客户对AI的顾虑主要集中在安全、数据、环境、管控和成本等方面。尤其是大型企业和政府机构,既要考虑原有信息系统是否会受到影响,也要考虑企业内部数据是否会进入不可控的外部模型,更要评估员工使用AI之后,业务过程是否可见、资源消耗是否可控。
这意味着,企业需要的不是一个简单叠加大模型能力的办公软件,而是一套能够嵌入既有IT体系的组织级平台。
“我们更多希望身上的一种使命,就是平衡好AI带来的快速效率的提升和原有政企客户的安全和自身业务管控需求之间的平衡。”徐良表示。这也解释了曙光云为什么没有将OneBox简单定义为一款桌面AI助手,而是把它放进自身“全栈可信、云中生智”的战略体系中。
从产品架构看,OneBox采用私有化部署形态,将桌面客户端、管理控制台和云端执行环境整合在一起。客户端负责用户交互、助手调用和任务发起;管理控制台承担组织、模型、知识库、应用、权限及审计管理;运行环境则提供云沙箱、数字员工云服务器和个人云桌面等受控执行载体。其设计逻辑可以概括为:AI负责理解与执行,平台负责权限、状态、成果、审计与交付。
徐良认为,政企客户需要的是一套完整的产品、技术和服务组合,而不是一个孤立的AI应用。曙光云在政企云服务领域积累的经验,以及中科曙光从芯片、整机到软件的产业链能力,为OneBox提供了基础支撑。其价值也由此从单一工具延伸至组织级AI基础设施。
二、从数据连接到业务理解,智能体不能只会生成SQL
如果说私有化部署解决的是AI能不能进入企业,那么如何让AI真正理解企业,则是更深一层的挑战。
企业的数据并不缺少,真正稀缺的是对数据业务含义的准确理解。一个项目完成率,在工程部门可能对应施工进度,在财务部门可能对应投资执行,在管理部门则可能对应验收情况。即使智能体能够访问数据库、生成SQL,也未必能够准确理解不同部门对同一指标的定义。
曙光云总裁助理李明达认为,政企专用智能体最深的竞争壁垒,是把企业的数据、业务规则和实践经验,转化为智能体能够理解、能够遵循、能够持续使用的业务语义体系。其中,数据本体和语义层是非常关键的基础。

这也是OneBox引入“树桥”能力的原因。按照曙光云OneBox产品经理马一龙的介绍,树桥可以直接对接用户现有业务系统的生产数据库,并基于数据库表结构、字段和具体数据权限,控制不同用户能够访问的内容。它并不是简单地将数据库开放给大模型,而是尝试在模型与企业数据之间建立一层可治理的连接机制。
在实际演示中,马一龙展示了安全会话开启前后的差异:未开启安全会话时,用户询问能够访问哪些数据表,系统不会开放任何已注册数据表;开启安全会话后,系统则能够检索当前用户有权访问的业务生产数据库,并据此开展分析。这一机制的关键在于,模型能否获得数据,不再只取决于它是否能够理解问题,还取决于用户身份和授权范围。
李明达进一步指出,企业级AI需要建立两层理解。第一层是业务本体,明确企业有哪些业务对象、对象之间是什么关系、遵循什么规则;第二层是语义层,将业务语言准确映射到数据和计算逻辑。只有两者结合,才能让不同员工、不同智能体和不同应用基于一致的业务含义开展工作。
从产业角度看,这一设计触及了企业AI应用中一个容易被忽视的问题:数据可访问,不等于业务可理解;业务可理解,也不等于操作可授权。智能体需要同时理解业务语义和组织规则,才能避免生成看似正确、实际却偏离业务口径的结果。
因此,树桥的意义不仅是打通数据库连接,更在于为智能体进入企业核心业务建立数据和语义基础。它也让OneBox的竞争重点从模型调用能力,延伸到企业数据资产的激活能力。
三、“对话即开发”,让业务人员成为应用创造者
在企业信息化建设中,业务部门与IT部门之间长期存在一道沟通鸿沟。业务人员最了解实际需求,却未必掌握开发能力;IT部门具备技术能力,却需要花费时间理解业务流程。需求提出、方案评估、开发测试、部署上线,往往需要经过多个环节。
马一龙表示,OneBox将产品界面划分为日常办公和创意模式两部分。日常办公主要面向通用智能体应用,支持文档上传、问答和公文写作等任务;创意模式则面向企业业务场景,让用户借助AI快速构建业务应用。
其核心是“对话即开发”。业务人员通过自然语言描述需求,智能体将需求拆解为数据、组件和展示方式,生成相应应用。用户可以在独立项目工作区中进行预览和迭代,确认结果符合要求后,再通过显式授权完成发布。发布后的应用能够进入企业应用广场,供授权范围内的其他员工访问。
这使得AI的输出不再停留在一段文字或一张表格,而是可以进一步形成具有实际使用价值的业务应用。马一龙介绍,OneBox希望打通从需求提出、应用开发到发布和数据权限管理的完整链路,减少传统信息化项目中业务部门与技术部门反复沟通的成本。
但“对话即开发”并不意味着取消技术治理。OneBox通过隔离项目工作区、预览、能力检查和显式发布授权,将开发与正式使用区分开来。对于涉及生产配置、版本发布等高风险操作,仍需要人工确认并保留审计记录。换言之,AI可以降低应用开发门槛,却不能替代企业对生产环境的责任管理。
在曙光云解决方案总监吴兴杰看来,企业真正需要的是让业务经验成为可以执行、验证和持续维护的组织资产。一名员工验证有效的工作方法,可以沉淀为技能;一个部门形成的协作流程,也可以在授权范围内推广给其他团队。这样,AI带来的价值才有机会从个人效率提升,扩展为组织能力积累。
四、从智能助手到数字员工,打通组织协同链路
如果说创意模式解决了应用生产问题,那么组织协同能力决定了智能体能否融入日常业务。
企业的工作并不是一个个独立的问答任务。一次经营分析可能始于消息沟通,经过会议讨论、数据核验、任务分派和人工审批,最终形成报告并沉淀到知识库。如果AI只负责其中某个环节,仍然需要员工在不同系统之间反复切换,效率提升就会受到限制。
OneBox将消息、群聊、会议、数字员工和知识库等能力纳入统一平台。马一龙介绍,平台中的数字员工可以对应后台智能体,并嵌入企业办公流程;对于涉密或敏感会议,企业也可以使用内置会议应用,让相关数据保留在内网环境中。同时,平台还支持定时任务、专家助手、技能和插件等能力。
从产品资料看,OneBox当前拥有22个可选助手、36项技能和14个云端插件,覆盖办公文档、演示文稿、图表、知识库检索、消息与会议协同等功能。管理控制台则提供用户组织、模型供应商、模型目录、Token用量、应用管理和审计日志等模块。
OneBox已经具备一定规模的组织运行基础,而不是停留在产品概念演示阶段。不过,产品功能资料也明确区分了已具备、需配置和当前不具备的能力。例如,部分外部系统插件需要升级客户端后才能使用,数字员工云服务器也需要完成ECS连接配置。因此,产品能力与具体项目交付效果仍需结合客户环境判断。
吴兴杰指出,智能体进入企业真实业务后,企业需要知道它正在做什么、遇到了什么问题,以及什么时候需要人介入。OneBox希望将智能体变成具有身份、职责和权限范围的工作参与者,而不是一个无法追踪的后台程序。
这也意味着,企业协同的对象正在从人与人,扩展到人与智能体、智能体与业务系统之间。消息、会议、数字员工跟进、人工审批和知识归档逐步形成连续链路,智能体才有机会真正参与组织运行。
五、国产全栈与规模化交付,考验的不只是技术
对于政企智能体而言,产品功能只是竞争的一部分,底层算力、模型适配、安全运行和长期运维同样重要。
OneBox依托曙光云的云基础设施和安全能力,尝试打通国产算力、模型服务与智能体应用。传播资料显示,曙光云已针对国产GPU完成QWEN3.8系列模型算子级优化,推理性能较原生开源模型提升267%。这些成果体现了国产算力承载智能体业务的工程探索,但具体性能仍需结合模型版本、硬件配置和测试条件理解。
徐良认为,企业级智能体市场将形成三类相互协作的能力:底层模型与算力、中间的智能体运行与治理平台,以及上层的行业知识与业务应用。客户最终关注的,不只是模型能力,而是一项工作能够以什么质量、什么成本和什么责任边界持续完成。
在吴兴杰看来,政企客户部署智能体最大的障碍,是尚未建立将智能体纳入真实业务的信任机制。数据安全、权限管理、模型能力和流程改造是一个完整链条,任何环节缺失,都可能影响智能体进入日常生产。因此,曙光云在实践中强调从“小切口”试点开始,通过能力模板化和插件连接器复用,逐步扩大应用范围。
其落地路径包括从高频、边界清晰、结果容易验证的任务切入,再将有效的Agent能力、连接器、知识库和组织记忆沉淀为可复用资产。曙光云还提出通过FDE落地运营体系,推动应用从个人到部门,再从部门向整个企业扩展。重点关注智能化评审、风险识别、跨部门协同和数据挖掘等场景。
这条路径也说明,企业级智能体的规模化并非简单复制软件安装包,而是要将业务规则、数据连接、权限策略和实施经验一并复制。平台厂商提供共性能力,行业软件厂商和集成服务伙伴则贡献业务接口、专业知识与现场交付能力。只有形成这样的生态分工,单点试点才有机会转化为规模化应用。
结束语:
从个人助手到组织级智能体,AI产业正在经历一次重要的价值迁移。模型能力决定智能体能够完成什么任务,但真正决定它能否进入企业核心业务的,是数据能否安全调用、权限能否准确执行、业务规则能否被理解,以及每一次操作能否追溯和复核。
OneBox的探索,正是试图把这些原本分散在模型、数据、业务系统和组织管理中的能力连接起来。它既不是单纯的聊天工具,也不只是一个应用开发平台,而是以私有化部署为基础,以数据连接和组织治理为支撑,将智能体、协同与执行环境整合到统一入口。