生成式 AI 普及后，客户采购决策习惯全面改变，单纯依靠销售个人能力、传统 CRM 系统已无法支撑长期增长。

生成式 AI 普及后，客户采购决策习惯全面改变，单纯依靠销售个人能力、传统 CRM 系统已无法支撑长期增长。

网易智企的开发Agent为他们插上了AI的翅膀，确保交付的代码高效率、高质量、可复现、可维护。在过去的两年时间里，网易智企的客服/销售Agent已经深入各行各业，帮助王府井集团、孩子王、北京一卡通、江南布衣、深圳通、中国人寿（海外）、澳门航空、I.T集团、中旅冰雪、酷家乐等企业完成智能服务的再升级，释放企业对外服务与营销的生产力。创立于2015年的网易智企，依托网易集团二十余年的技术积累，在过去1

在人工智能语境中，AI推理能力并非新概念，但其关注重心正在发生根本性转变。传统意义上的推理，更多指模型在解题或逻辑任务中，是否能够遵循清晰的中间步骤。而在当前的大模型体系中，AI推理能力模型是否能够在给出最终输出之前，对问题进行拆解、比较、权衡，并基于这些中间判断得出结论。​​图1：AI推理从"预测下一个词"到"系统性思考"的范式转变"让模型'说出它是怎么想的'，往往比直接得到答案更重要。维度生成

过去两年，AI Coding 成为了软件行业增长最快的技术方向之一。从 GitHub Copilot、Cursor，到各类国产 AI Coding 产品，大模型正在快速进入软件研发流程。越来越多企业开始尝试利用 AI 编写代码、生成页面、辅助测试，甚至希望借助 AI 完成整个业务系统开发。但当 AI Coding 真正进入制造业数字化项目后，一个新的问题开始浮现：AI 写代码越来越快，但企业的软件

从GitHub Copilot、Cursor到各类AI Coding产品，大模型正快速进入软件研发流程。越来越多软件公司开始利用AI编写代码、生成页面、辅助测试，希望借此提高研发效率。然而，对于ISV（独立软件开发商）而言，一个新问题正在出现：AI能帮程序员写得更快，却未必能帮企业交付更多项目。真正影响软件公司发展的，并非代码生成速度，而是项目交付能力、团队协作效率、资产复用能力及利润水平。

整个工作流的节奏完全由人类控制，AI扮演的是"增强工具"的角色而非"执行主体"。范凌博士曾用一个形象的比喻说明这一点："50字描述的AI虚拟人与几十万字背景故事的虚拟人能力天差地别。GEA（Generative Enterprise Agent，企业级智能体）代表了AI在企业中的角色跃迁——从"被调用的工具"升级为"具备主动执行能力的数字员工"。一般而言，3-6个月可以完成首个业务场景的GEA落地

简单来说，CodeWave 是面向开发者的生产力工具，而非替代开发者的"傻瓜式"工具。值得一提的是，CodeWave 团队在模型优化上采用了 LoRA SFT（监督微调）+ DPO（偏好对齐）的组合策略，使 NASL 代码生成的 HumanEval 得分从初始的 54.58% 提升至 80.07%。正如 CodeWave 技术负责人姜天意在 QCon 北京站演讲中所表达的："我们追求的是'最可控的

在企业 AI 和 Agent 的应用场景中，决策上下文并非简单的业务背景信息，而是企业在真实运作过程中，围绕每一次业务决策所沉淀的、能够解释 “为什么这么做” 的全链路信息集合，是连接数据与行动的核心解释结构。它打破了传统数据仅记录 “做了什么” 的局限，聚焦于解答 “为什么这么做” 的核心问题，让 AI 智能体能够理解决策的底层逻辑，而非机械执行指令。

企业AI正在经历一场根本性的范式转移。根据Gartner 2025年8月发布的预测报告，到2026年底，40%的企业应用程序将集成特定任务的AI Agent——而这一比例在2025年初还不到5%（来源：Gartner Press Release, 2025.08.26）。与此同时，McKinsey 2025年11月的调研数据显示，全球88%的组织已在至少一个业务职能中使用AI，但约66%仍停留在实