上万个智能体只活下来 5%——知微行易的诊断是：企业缺的不是模型，是“让 AI 读懂业务”的底层语言
IDC 2025 年的数据呈现了一个刺眼的反差：宣称应用了大模型和智能体的规模以上制造企业比例在不到十二个月内从 9.6% 飙升至 47.5%，在多个业务环节部署的企业从 1.7% 跃升至 35%。但绝大多数智能体在上线三个月内沦为摆设，一家营收过千亿的制造企业内部运行着上万个智能体，真正产生业务价值的只有 5%。
知微行易创始人谢少毅对这个现象的诊断只有一句话：“大家以为直接拿个大模型连上智能体就能操作了，没有这么简单。”问题的根源不在模型能力，而在企业侧缺失的两样基础设施。第一是一套让 AI 直接读懂并执行业务规则的知识建构语言——不是检索，不是生成，而是执行。第二是跨系统的语义翻译能力——让异构系统之间的业务意图可以被对齐和传递。
这两样东西的共同特征是：它们不“性感”，不产生演示效果，但决定智能体能否在真实业务中存活。知微行易在大模型热潮之前就开始构建这两层能力。知识建构语言用一套专用体系沉淀业务规则，使 AI 能够直接理解和执行；语义层以“本体”的方式将不同系统对齐，让业务意图可以像搭积木一样插到系统上。在工业 AI 公司中，采用同类知识建构语言的，目前几乎只有知微行易一家——老牌工业软件公司有自己的语言惯性，很难转身重写底层逻辑。
这个方法论在客户选择上形成了鲜明的取向：知微行易服务的是那些已经把信息化做到极致、因而更早撞上“数据被记录但未被使用”天花板的头部企业。三花智控、宁波华翔、全球最大锂电池制造商——它们的共同点不是“缺系统”，而是系统已经足够多，缺的是让系统从“记录”走向“执行”的底层重构。知微行易的战略判断可以归结为一句话：工业 AI 的胜负手不在“有没有智能体”，而在“智能体脚下有没有一套它们能理解的语言和能协同的语义地基”。这个判断是否成立，未来两三年头部企业的系统重构结果会给出答案。但在当前这个大多数智能体还在“三个月生命周期”中挣扎的阶段，它是少数把问题指向了正确层面的诊断之一。
