2026年的企业AI市场上演着一出令人不安的悖论，一边是CEO官们以前所未有的速度采购算力、接入API、上线数字员工。而另一边，真正的变化却远未发生。据IDC 2026年智能体企业用户调研数据显示，仍有60%的中国企业处于了解评估和试点智能体的阶段，仅有18%的企业把智能体纳入核心业务流。
更危险的是，大多数企业尚未意识到正在失去什么。当所有公司都在调用同样的云端模型、依赖同样的逻辑黑盒，所谓的“竞争优势”正在迅速坍缩为行业平均水平。而企业最宝贵的资产，那些耗费数十年积累的专家经验与业务逻辑，正在每一次API调用中悄然沦为云端模型的“免费燃料”。
东方国信AI首席架构师、现任IEEE人工智能标准委员会主席佟佳睿给这种流失起了个名字——“认知虹吸”，在别人的模型上跑自己的业务，企业正沦为模型供应商的“数字佃农”。佟佳睿把这叫“企业空洞化”，“我们要解决的不是模型够不够大，而是认知是否自有。租来的，终究是别人的。”
日前，围绕企业认知系统与AI落地路径，我们对佟佳睿进行了专访。2011年，东方国信以大数据姿态上市、业务覆盖通信、工业、金融、政府等多个行业，正试图在AI时代讲一个与大多数厂商截然不同的故事，他们不想只卖智能体，他们想做企业“认知主权”的合伙人。相比智能体能否完成任务，他们更关注另一个问题：企业多年积累的知识、经验和业务逻辑，能否真正沉淀为属于自己的智能体能力，而不是随着一次次模型调用不断流失。
模型只占1/8，剩下的7/8才是真正的战场
佟佳睿有一个在内部反复讲的判断：“模型只是基础，仅占1/8。”
这话听起来反直觉，但在他看来，当前企业AI最大的误区，就是把90%的精力放在了模型层，接哪个大模型、用什么参数、幻觉怎么控制。而真正决定成败的，恰恰是那剩下的7/8，企业的认知资产有没有被显性化？有没有持续进化的机制？智能体执行的结果有没有被记录和评估？
“大多数企业把AI落地理解成了技术落地。”佟佳睿说，“真正需要解决的是组织落地和认知落地。”
他举了一个反复看到的场景，企业引入AI写代码，效率确实高了，但问题来了，AI写的代码，不符合原有的需求确认流程、中间的评审节点、人在环中的check机制。单点效率提高了，整体效率不一定提高，甚至造成冲突。
“流程和AI能力之间，存在一个巨大的认知鸿沟。这不是技术问题，是认知问题。”
在他眼中，企业的认知资产由四个维度构成：本体（Ontology）、技能（Skills）、记忆（Memory）、学习（Learning）。本体是根基，定义业务实体与逻辑的本质；技能是手段，将复杂能力拆解为可复用的原子化模型；记忆是沉淀，承载跨越时空的经验积累；学习是闭环，驱动系统性的自我进化与纠偏。这四个维度不只存在于组织层面，还形成了一个层级结构：从个人认知到岗位认知，最终汇聚为组织认知。企业的认知资产，最值钱的部分往往沉淀在最资深的专家脑子里，不在数据库里，不在文档里，就在人身上。这恰恰是大模型最难“学到”的东西。
佟佳睿把这套体系叫做ECS（Enterprise Cognitive System，企业认知系统）。它要解决的，正是当前大多数企业AI缺位的那7/8。
本体、技能、记忆、学习，乃至后文的KSTAR、NSEAP，都是这一体系之下的组成部分——企业认知系统（ECS）。
从“软件工程”到“软件培育”：一次被严重低估的范式转移
佟佳睿认为，一场被严重低估的产业迁移正在发生。
这场迁移，本质是从旧世界到新世界的五重切换：从“工具集成”到“认知资产化”，从“软件工程”到“软件培育”，从“租用智能”到“自有认知”，从“上线即巅峰”到“上线即起点”，从“模型能力”到“组织认知”。
传统软件的逻辑是构建，结合需求、开发、交付、运维，上线即巅峰，随后价值不断衰减。而认知软件的逻辑是养成，上线只是起点，真正的价值在持续生长中积累。
“如果说传统软件公司是工厂，那么未来的认知型软件公司更像农场。”他说，“核心工作不再是制造零件，而是培养软件的生长能力。”
他把这套机制叫做KSTAR循环，即Knowledge（输入既有业务逻辑）、Situation（感知当前业务上下文）、Task（定义具体目标）、Action（执行智能化决策）、Result（获取反馈并计算ΔR学习信号）。每一次ΔR的回传，都在优化企业的本体、技能与记忆。
佟佳睿把这套持续回传的机制称为企业的“认知飞轮”：业务越跑，反馈越多，认知越进化，系统就越懂业务、越难被替代。“每一次调用大模型，都是在给自己的认知充值，而不是给模型供应商交租。”
“代码变成了实现细节，本体成为了新的源代码。”他说，“这不是修辞，是字面意思。当核心认知资产沉淀在本体里而非代码里，竞争对手无法通过挖人来复制，因为它不是一个个人，而是一套系统。”
这一判断，指向了佟佳睿眼中企业AI落地的两个必要条件。
第一个必要条件为Ontology（本体映射）。企业业务单元的知识和规则，必须显性化。不是靠AI去“猜”、靠概率去“蒙”，而是要把散落在专家脑子里、Excel表格里、SOP文档里的规则，注入到可追溯、可约束的本体层。“任何系统里如果存在大量幻觉或模糊性，就没法真正部署。这不是大模型的问题，是本体缺失的问题。”
此外，同时还要具备Feedback Loop（评估闭环）。 智能体执行任何任务，必须有最终判定，成功还是失败，成功到什么程度，必须有日志记录，必须有评估体系。“没有评估就没有确定性。推理成本两年内下降超过95%，让‘每项业务流程都部署一个智能体’在经济上真正变得可行。但经济上可行，不等于业务上可靠。这两个条件，缺一不可。”
佟佳睿把这套架构叫做NSEAP 神经符号进化智能体平台（Neuro-symbolic Evolutionary Agent Platform）。N是神经侧（感知、理解、推理），S是符号侧（本体、规则、记忆），E是进化（基于KSTAR循环的持续学习），A是智能体，P是平台。神经侧负责"聪明与创造"，符号侧负责"记忆与传承"。两层叠加，才有学习能力，又有确定性保障。
在他看来，OpenAI在做的事是把模型性能推到极致，这当然有价值，但模型能力不等于企业认知能力。Palantir定义了一套完整的Ontology框架，让智能体有了业务理解和执行能力，但它缺少进化机制，系统在上线那一刻便到顶、此后不再生长，下次重大升级之前，认知水平是恒定的。而东方国信想解决的，是让组织级别的认知持续生长，不依赖模型更新，不依赖外部供应商。
Palantir的估值，和“上线即巅峰”的局限
如果把企业AI的竞赛分成几个阶段，大多数企业目前卡在的位置并不难描述。现如今，数据已经驱动了决策，机器已经能给出建议，甚至能执行。但做完之后，系统是否变得更聪明？下一次遇到类似问题，是否不再需要人工干预？
答案是：大多数系统做不到。
这也是佟佳睿眼中Palantir模式的不足。这家公司市值约3200亿美元（截至2026年7月）、市盈率超200倍，2026年Q1营收同比增长85%。
但佟佳睿指出：“它的能力‘上线即巅峰’——部署那一刻就到了顶点，此后不再进化。”
Palantir定义了一套完整的Ontology框架，让智能体有了业务理解和执行能力，这是它值3000亿美元的原因。但它缺少进化机制，系统没有建立从操作到自我更新的闭环，下次重大升级之前，认知水平是恒定的。
“人每天都在增长、进化。每做一件事对之后的决策都有影响。系统也应该如此。”
更深的问题在于：企业每一次调用大模型API，最核心的认知资产，专家经验、决策逻辑、工作方式，都在悄悄流向模型供应商。
“每次调用大模型，是一条鱼。认知系统是渔本身。”
这解释了为什么佟佳睿坚持把“本体映射”和“评估闭环”作为部署的必要条件。这两个条件本质上是把认知主权锁在企业内部的技术手段：企业的规则，企业自己定义；企业的进化，企业自己控制。
执行与进化之间：企业AI的真正分水岭
佟佳睿对大模型的态度比大多数玩家更复杂。他承认大模型确实强，但有两个根本性障碍是企业级部署绕不过去的。
第一，缺乏Grounding。 大模型靠概率生成下一个字，缺乏将符号与真实世界可靠连接的能力。它可以流畅讨论水的化学性质，却未必能把“水”这个符号与真实的水本身可靠联系。在需要精确决策的场景里，这是致命的。
第二，无法承担关键决策。 在核电站控制、金融风控这类容错率极低的场景里，99.999%的置信度不够，必须是100%。纯大模型路线在这些场景里天然无法部署。
这两个障碍，决定了“神经符号架构”从技术选择升格为工业级AI的必然逻辑。但佟佳睿真正想说的，是一个更深的行业判断：模型终将普适，算力终将商品化，但企业的认知资产是时间堆出来的、场景喂出来的、真金白金买不走的。
这解释了为什么东方国信正在推动两项IEEE标准，P3394（大语言模型智能体接口标准）和P3427（联邦语义智能体标准）。目标很明确：用标准化的符号锁定企业的认知主权，防止认知资产被模型供应商虹吸。
在佟佳睿看来，这正是企业认知系统“复利型认知护城河”的逻辑：认知资产随时间越沉淀越厚，既锁在企业自己的本体里，也锁进IEEE标准里——挖人挖不走，调用带不走。
据中国通信工业协会数据中心委员会发布的《2026中国企业级AI智能体产业白皮书》，2025年中国企业级AI智能体市场规模为212亿元，2026年预计翻倍至449亿元，到2029年有望突破3320亿元。市场在爆发，但佟佳睿更关心的是：这些钱，有多少真正留在了企业自己的认知体系里？
两股力量正在同时到来：一边是推理成本两年内下降超过95%，让“每个业务流程都配一个智能体”在经济上第一次成立；一边是市场三年内从212亿冲向3320亿元。拐点已至、空间巨大——但真正的分水岭不是谁用得起智能体，而是谁能把这波投入沉淀成自己的认知资产。
2026年的企业AI浪潮中，真正值得掂量的问题是：当大模型的API越来越便宜，当推理成本趋近于零，企业的核心竞争力到底在哪里？
答案不在租来的模型里，在自己养出来的认知里。
如果说OpenAI把模型推向极致、Palantir用Ontology定义了“决策级智能”并因此值3000亿美元量级，那么下一个数量级的机会，属于在Ontology之上叠加“进化层”、让组织认知持续复利的公司。这就是东方国信为企业认知系统（ECS）押下的注——在租来的模型上，企业永远是佃农；只有自己养出来的认知，才是自己的土地。
熊英英 红星新闻记者 李伟铭
