北京为什么专门为智能体开发布会？十条政策背后，是一套“任务交付系统”

2026年7月23日，北京市人民政府新闻办公室举行了一场少见的智能体专题新闻发布会。

出席发布会的，不只是一两个科技主管部门，而是包括北京市发展改革委、市委网信办、市科委中关村管委会、市经济和信息化局，以及海淀区、北京经济技术开发区管委会在内的多方负责人。

当天发布的京发改〔2026〕1185号文件，正式名称是《北京市关于加快智能体引领发展的若干措施》。文件成文于7月21日，7月23日正式公布，共分为技术、应用、产业、生态四个方面，包含十条具体措施。

行业媒体将其称为“全国首个省级智能体专项政策”。不过，由于目前没有一个覆盖全国地方政策的统一权威统计库，对“全国首个”这类说法仍需要保持谨慎。

更准确的表述应该是：

这是一份省级层面非常少见的、覆盖底层技术、应用交付、商业模式、基础设施和安全治理的全链条智能体专项政策。

真正值得关注的，也不是政策中出现了多少个英文缩写，而是北京开始追问一个比“模型聪不聪明”更现实的问题：

当AI接到一项真实任务以后，究竟由谁负责把任务交付出来？

一、智能体政策的重点，已经从“会不会”转向“做没做完”

过去几年，各地人工智能政策经常围绕算力、算法、数据、模型备案、产业园区和示范场景展开。

这些要素仍然重要，但智能体带来了一个新的矛盾：模型在测试中表现很好，不等于它进入企业后能够稳定完成工作。

一个大模型可能很会写方案，却无法连续执行一个持续数小时甚至数天的项目；它可能会调用工具，却无法在多个系统之间保持目标一致；它也可能在演示时完成任务，但换一个客户、换一套数据、换一条业务流程，效果就迅速下降。

因此，北京文件第一条没有停留在模型参数和榜单成绩上，而是明确提出在线学习、持续学习、自主进化、超长程任务、复杂推理与规划，以及工具调用、长上下文、记忆和多智能体协同。

政策关心的不再只是模型能不能给出一个正确回答，而是模型能否围绕一个目标，持续完成一条足够长的任务链。

这意味着，人工智能产业正在从“能力展示阶段”进入“任务完成率竞争阶段”。

未来评价一个智能体，可能不能只看它在基准测试中得了多少分，还要看五个更现实的指标：

任务能否从头运行到尾，异常发生后能否恢复，工具调用是否准确，执行成本是否可控，以及最终结果能否被业务部门验收。

二、Harness Engineering：模型外面还要有一整套“驾驭系统”

十条政策中，最值得技术从业者关注的概念之一，是“驾驭层工程”，英文名称为Harness Engineering。

北京市文件对它的定义非常具体：围绕上下文工程优化、任务持久化、多智能体协作和系统可扩展等能力，完善智能体的中间层软件栈，并解决开发部署、运行管理、跨框架集成和全过程安全等问题。

如果把大模型比作一台马力很大的发动机，驾驭层就是发动机之外的变速箱、方向盘、制动系统、导航系统和仪表盘。

它至少要解决几类问题。

第一类是上下文管理。智能体需要知道用户的目标、已经完成的步骤、尚未解决的问题，以及哪些信息仍然有效。

第二类是任务持久化。一次任务不能因为服务中断、上下文过长或工具报错就从头再来。

第三类是工具与权限管理。智能体可以使用哪些数据库、应用程序接口和企业系统，每一种操作需要什么权限，必须被明确限制。

第四类是多智能体协作。多个智能体如何分工、交接、共享状态，出现冲突时由谁仲裁，需要一套统一的编排机制。

第五类是运行监控。企业必须知道智能体执行了什么、调用了什么数据、在哪一步出错，以及怎样回滚。

因此，智能体的竞争不会只发生在基础模型公司之间。

上下文工程、智能体编排、记忆系统、身份认证、权限控制、技能市场、运行观测、评测体系和安全沙箱，都可能形成独立的产品层和创业机会。

北京文件进一步提出建设智能体技能市场、开发平台和软件商店，并推动智能体互联协议、身份标识、接口规范和工具调用标准。这说明政策关注的不是某一个智能体能否独立工作，而是不同智能体能否被发现、被调用、被组合和被重复使用。

这与移动互联网早期的发展逻辑相似：真正形成规模的，不只是某一款应用，而是操作系统、应用商店、支付体系、开发工具和分发平台共同构成的生态。

三、FDE不是“把软件装上”，而是把AI改到能工作

政策第三条提出，通过前沿部署工程师，也就是FDE模式，加速智能体进入真实业务场景。

文件使用了“真实业务场景需求清单”“驻场共创”“持续迭代”和“反哺智能体能力提升”等表述。它并不是要求企业完成一次软件采购，而是要求技术服务方进入客户现场，在实际流程中不断调整系统。

传统软件的实施过程，通常是先完成产品设计，再交由实施团队进行安装、配置和培训。

FDE模式则有所不同。

智能体进入企业后，面对的往往不是一条完全标准化的流程。企业的数据格式、管理制度、审批权限、历史系统和部门利益都可能存在差异。技术团队必须一边理解业务，一边修改智能体的工具、提示词、流程编排、权限范围和评测方法。

传统驻场工程师更像把已经制造好的设备安装进工厂。

真正的FDE，则需要站在生产线上观察设备为什么卡住，并与客户一起重新设计设备。

因此，FDE并不是一个简单改名后的售后职位。一个合格的FDE通常要同时理解模型能力、软件工程、数据治理和行业业务，还要能够把客户模糊的需求转换为可以验收的任务指标。

需要纠正的是，FDE并非首次进入地方政府文件。上海市政府在2025年12月形成、2026年1月公布的先进制造业转型升级行动方案中，已经提出培育前沿部署工程师队伍，推动行业模型和工业智能体落地。

北京这次的不同之处，是把FDE放进了从基础模型、驾驭层到场景落地的完整链条中。

四、智能体为什么必须离开聊天框

第四条政策提出，推动智能体与手机、智能眼镜、智能耳机、可穿戴设备、机器人和智能汽车等终端融合，并将符合条件的新产品纳入相关购新支持范围。

这背后反映的是智能体交互入口的变化。

聊天框适合用户主动提出一个明确问题，但现实世界中的大量任务，并不是从输入一句提示词开始的。

智能眼镜可以看到用户所处的环境，耳机可以接收连续语音，汽车可以感知道路和驾驶状态，机器人则可以直接操作物理世界。

当智能体进入这些终端后，AI的工作方式会从“等待用户提问”，逐步变成“理解环境—判断意图—调用工具—执行任务”。

例如，未来用户可能不再打开一个应用程序查询行程，而是由耳机识别会议时间变化，自动检查交通状况，再提出新的出发建议；工厂员工也不必先把设备故障描述给聊天机器人，智能终端可以直接读取传感器数据，生成检修步骤并调度备件。

这也是智能体与普通聊天机器人的核心区别：聊天机器人主要生成信息，智能体则开始参与行动。

五、OPC代表的不是“一个人干所有活”，而是新的组织结构

政策第五条明确支持以OPC，也就是“一人公司”为代表的创新创业模式，并提出建设OPC社区、公共服务平台和全周期服务站，优化注册和企业服务流程。

OPC容易被误解为“一个人带几个AI工具，就能替代一家完整公司”。

实际上，它更值得关注的地方，是企业组织成本可能发生变化。

过去，一家小型公司需要分别配置市场、客服、设计、运营、财务和技术等岗位。智能体出现后，部分标准化、数字化程度较高的任务，可以由AI数字员工承担，一个小团队能够管理更大的业务范围。

但这不代表组织会消失。

企业仍然需要承担法律责任、财务责任、数据安全责任和客户服务责任。OPC真正减少的，是部分工作的边际人力成本，而不是经营主体的责任。

广东已经在2026年3月发布人工智能OPC专项行动方案，提出建设OPC生态社区、完善算力支持并培育一批标杆企业。因此，OPC不是北京首次提出的概念，而是多个地区正在探索的新型创业组织形式。

广东更强调创业社区和企业培育，北京则把OPC与智能体技能市场、Token经济、企业服务和场景对接放在同一条产业链上。

六、Token经济的关键，不是Token，而是如何按结果收费

政策第六条提出发展Token经济，并列出了Token即服务、智能体即服务和结果即服务三种模式。

其中最重要的一句话是：

鼓励创新主体从Token消耗量计费转向价值计费。

Token本质上是模型处理信息时使用的一种计算计量单位。按Token收费，类似云计算按调用量、存储量和运行时间收费。

这种方式适合计算资源提供方，却不一定适合企业客户。

一家企业通常并不关心智能体为了审核合同消耗了多少Token。它真正关心的是：审核了多少份合同、发现了多少风险、节省了多少人工时间，以及有没有出现重大遗漏。

因此，未来智能体商业模式可能出现三个阶段：

第一阶段按算力和Token收费；第二阶段按账号、功能或任务次数收费；第三阶段按结果和价值收费。

例如，销售智能体可以按有效线索或成交结果计费，招聘智能体可以按合格候选人计费，合同智能体可以按完成审核的合同数量和质量指标计费。

不过，从按消耗量收费转向按结果收费，并不只是修改价格表。

服务商还要解决结果归因、质量标准、风险分担和异常责任等问题。一次销售转化究竟来自智能体、销售人员还是品牌投放？一次合同漏审造成损失后，模型厂商、部署方和企业用户分别承担什么责任？

这些问题，决定了RaaS，也就是“结果即服务”，能否从概念真正变成合同。

七、安全治理不再只是内容审核，而是行动权限治理

当AI只能生成一段文字时，主要风险是内容不准确、不合规或者具有误导性。

当智能体可以读取数据库、发送邮件、修改订单、调用资金和控制设备时，风险就从“说错话”升级为“做错事”。

北京文件提出建立分级分类监管机制，常态化整治恶意滥用，并建设靶场环境、可信沙箱、安全服务平台，以及漏洞扫描、攻防对抗和安全认证等能力。

这说明智能体安全的重点正在发生变化。

企业需要管理的不只是模型输出，还包括身份、权限、工具和行动范围。

一个进入生产环境的智能体，至少应当回答几个问题：

它以谁的身份行动？可以访问哪些数据？哪些操作需要人工批准？发生异常后能否暂停和回滚？整个行动过程能否被追踪和复查？

从企业实施角度看，智能体最好遵循最小权限原则。能读取数据时，不应默认获得修改权限；能生成付款申请时，不应同时拥有批准付款的能力；涉及财务、医疗、人事和生产控制等高风险操作时，应保留人工确认环节。

没有权限边界的智能体，能力越强，潜在损失也可能越大。

八、北京为什么要在这个时间点推出专项政策

从官方发布会披露的数据看，2026年上半年，北京人工智能领域融资规模超过950亿元，占全国比重超过三成；官方同时披露，豆包月活跃用户突破3.82亿，日均Token调用量突破180万亿。发布会还明确，将围绕技术攻关、共性平台和示范应用滚动实施重点项目，对符合条件的项目择优给予最高1亿元资金支持。

这些数字至少说明两个趋势。

一方面，人工智能的使用规模仍在快速扩大，推理成本、Token效率和算力供给正在成为影响产业发展的关键变量。

另一方面，模型能力已经积累到一定阶段，产业竞争开始转向应用、交付和商业闭环。

政策中还有一个值得注意的细节：前九条措施的责任部门中，北京市发展改革委、市科委中关村管委会和市经济和信息化局全部出现；市委网信办主要出现在智能终端和安全治理相关条款中。

这表明，这份文件首先是一张智能体产业化施工图，安全治理则是规模化发展必须同步建设的护栏。

它不是单纯要求企业“多用AI”，而是在尝试回答一系列产业问题：

基础模型怎样提升长任务能力，智能体中间层由谁建设，真实场景从哪里获得，FDE如何进入企业，OPC怎样注册和获得服务，Token如何定价，算力和数据从哪里来，产品如何出海，出了问题又怎样停止。

九、北京、上海、广东和江苏，正在形成不同路线

从目前公开政策看，各地都在加快智能体布局，但产业路径并不完全相同。

上海更强调“AI+制造”。2026年7月17日公布的相关措施提出发展工业智能体、智能体商店和制造业智能化产品，对符合条件的项目提供资金支持。此前的先进制造业转型升级行动方案已经明确提出培育FDE队伍。

广东更强调OPC创业生态，通过算力支持、公共平台和OPC社区降低小型创业主体的启动成本。

江苏则提出，到2027年，新一代智能终端和智能体等应用普及率达到70%以上；在“人工智能+制造”领域，还提出推出约100个高水平工业智能体。

北京这次的特点，是试图一次性搭建整条链条：

基础模型提供能力，Harness Engineering负责稳定运行，FDE负责进入真实场景，智能终端提供行动入口，OPC形成新的组织方式，Token价值计费建立商业模式，安全沙箱控制行动边界，算力、数据、金融和人才提供生产要素，开源与出海负责扩大生态。

这更像是在搭建一个智能体产业操作系统，而不是推出某一个孤立的补贴计划。

十、怎样判断政策有没有真正落地

政策发布只是起点。智能体产业能否形成真实价值，最终不能只看发布了多少模型、发放了多少补贴，也不能只看成立了多少产业园和OPC社区。

我认为，至少要观察四类结果。

第一，是否出现可验收的真实业务场景清单。

好的场景不能只写“提升效率”或“促进智能化”，而应明确任务对象、现有成本、目标指标、风险等级和验收方式。

第二，是否形成真正懂技术和业务的FDE队伍。

FDE不能只是帮助客户修改提示词，而要能够进入流程、理解数据、重构工具链，并对最终效果负责。

第三，是否出现按结果付费的智能体合同。

当企业愿意按合同审核结果、销售转化、生产良率或研发周期付费时，说明智能体开始拥有可衡量的经济价值。

第四，是否建立可执行的权限和安全机制。

企业需要的不只是一份安全承诺，而是可以测试的沙箱、可以限制的权限、可以追踪的操作记录、可以触发的人工审批和可以执行的紧急停止机制。

这四样东西如果真正出现，智能体才算从政策文件和产品演示中走出来，进入现实世界的业务流程。

寄语：智能体的下一场竞争，是谁能对结果负责

大模型时代的前半程，企业竞争的重点是参数、数据、算力和模型能力。

进入智能体阶段后，新的竞争问题变成了：

谁能把模型接入真实系统，谁能让它连续完成复杂任务，谁能控制成本和风险，谁又愿意对结果负责。

北京的十条政策，实际上串起了一条从模型能力到现实交付的生产线。

发动机是基础模型，传动系统是Harness Engineering，进入现场的人是FDE，手机、眼镜、汽车和机器人是终端，OPC是新的组织形式，RaaS是新的收费方式，可信沙箱和监管机制是制动系统，算力、数据和资金则是燃料。

因此，这场发布会最值得记住的，不是政府文件第一次集中出现了多少AI新词。

真正重要的是，智能体产业正在从“谁的模型更聪明”，转向“谁能把任务稳定、安全、可衡量地交付出来”。

这才是人工智能走出聊天框之后，必须接受的现实考试。

关注本站，每天分享跨境电商前沿资讯（ Ctrl + D 收藏本站/收藏为书签 ）