過去一年，AI Agent（智能體）的火熱程度幾乎是“肉眼可見”的。從最初簡單的“對話式交互”到如今具備閉環能力的“自主執行”，智能體正在將大模型從單純的“信息檢索工具”推向具備手腳功能的“行動引擎”。在技術圈與開發者社區，像 OpenClaw 這樣的個人智能體項目迅速走紅：用戶只需配置簡單的環境、接入幾個插件，一個能幫自己跑腳本、整理海量資料、自動化日常工作的 AI 助手就能在本地運轉起來。

許多企業內部的第一波AI嘗試，其實正是源于這些“個人版玩法”。研發同事利用業余時間搭建一個 Agent 來輔助 Debug，市場團隊嘗試用智能體做內容抓取與整理，運營團隊則探索讓 AI 自動生成復雜的業務報表。從短期效果看，這些嘗試確實帶來了局部效率的閃光。然而，當這些“零散的嘗試”試圖進入企業的核心生產系統時，現實很快劃出了一道嚴峻的分水嶺。

當智能體開始接觸內網系統、核心業務數據和跨部門的復雜流程時，企業管理者的關注點迅速發生了質變：他們不再僅僅關注“AI亮不亮眼”，而是在問：當使用人數從幾個激增到上萬人，系統穩定性如何保證？調用成本是否會像滾雪球一樣失控？最關鍵的是，如何確保每一筆數據交互都在安全圍欄之內？

正是在這種背景下，中興通訊推出了Co-Claw 企業版。這不僅是對個人版工具的升級，更是一次關于企業級AI生產力如何規?；涞氐南到y性工程實踐。

OpenClaw 端測的個人智能體追求的是“極致的自由與靈活性”，那么 Co-Claw 企業版在OpenClaw的基礎上，追求企業內部署的穩健、可控與可規?；?。在個人場景中，智能體更像是一把“瑞士軍刀”，翻車了最多重裝系統或清理緩存；但在企業場景下，任何一次邏輯層面的“幻覺”或執行層面的“越權”，都可能演變成一次重大的安全事件、合規風險甚至業務事故。

中興通訊在內部推動Co-Claw 落地時發現，企業級 Agent 的核心命題不是“功能多少”，而是“體系化生存”。個人智能體負責在前沿陣地“試錯”并探索 AI 能力的邊界，而 Co-Claw 這樣的企業級平臺則負責將這些零散的能力整合、封裝，變成組織可以放心使用的“標準化生產力”。

在Co-Claw企業版上線一段時間后，中興通訊認為，企業級AI Agent能夠規模化應用，需要有以下五個關鍵增強和優化措施：

一、從系統化重塑企業智能體 的供給側工程開始

Co-Claw是智能體操作系統的系統化實現，本質是開源、開放API、端云協同的智能體操作系統，其帶來的新架構，手機、家庭終端、云電腦、智能屏等均可接入，形成“端側智能體+云側服務”的新生態。

復雜的配置和高昂的學習成本是創新的天然阻礙。在傳統模式下，員工想要用AI 做點什么，往往需要經歷申請賬號、配置 API、尋找運行環境等一系列繁瑣步驟。Co-Claw 充分利用了中興員工現有的云電腦作為運行載體。通過將模型分配、API Key 生成以及復雜的權限配置集成進圖形化界面，員工可以實現“一鍵安裝”。這種模式不僅解決了本地算力不足的問題，還實現了計算資源的動態調度。對于不使用云電腦的用戶，Co-Claw 則提供云端版本，無需安裝，登錄即啟動，智能體能力即刻生效，不僅進一步降低了使用門檻，也確保了全員可覆蓋。

為了讓Agent 跑得更穩，中興通訊在底層的自研操作新支點NSDL 系統上做了大量優化，例如容器化應用直運，徹底消除虛擬化帶來的性能損耗，讓智能體的響應延遲大幅度降低；在智能調度算法上，新支點操作系統的調度層能夠智能識別Agent 的任務負荷，動態調整資源優先級，使 CPU 與 GPU 的綜合利用率提升了 20% 以上。

二、安全是生命線： 個人智能體敢放權，企業智能體必須兜底

在個人電腦上，OpenClaw 可以擁有極高的自由度。插件隨便裝，技能隨便接，出問題最多影響自己。但在企業環境中，智能體一旦“能執行”，風險等級完全不同。一次誤操作，可能就是一次安全事故。

中興通訊在 Co-Claw 企業版中，把安全設計放在非?？壳暗奈恢?。數據不出戶，默認在企業本地設備運行，數據在內網流轉，從物理層面夯實了數據安全感，對數據隱私敏感的行業也能放心使用。另外，Co-Claw從版本下載、部署安裝、使用管控、應急響應、審計溯源五大維度進行安全加固，為工具安全試用保駕護航。

Co-Claw系統中內置了 10 個 P0 級安全加固項，包括 Gateway 綁定、防群組消息注入、防遠程控制等。更重要的是，系統每 10 分鐘會自動進行一次“健康檢查”，一旦發現某個加固項失效，后臺會自動觸發修復邏輯，這種自動化運維能力確保了 Agent 始終處于受控狀態。

當Agent 接收到誘導性指令時，Co-Claw 的安全圍欄會自動檢測其執行的命令。如果 Agent 試圖執行“刪除關鍵目錄”、“上傳文件至公網”等高危操作，系統會立即攔截并觸發告警。中興通訊會不斷進行內部演練，模擬惡意指令攻擊等行為來加固安全。

企業級應用最怕的是“黑箱操作”。Co-Claw 搭建了統一的日志審計平臺，實現了“服務端-網絡-客戶端-用戶”的全調用鏈穿透。依托唯一的身份標識，管理員可以清晰地看到誰在什么時候、讓 Agent 執行了什么操作、結果如何。這種透明性解決了日志分散和斷點問題，讓 AI 的每一次行動都有跡可循。

三、規模化使用的核心一步： Maas服務+Skill廣場實現企業智能體服務化

當智能體從“個人工具”變成“企業服務”，它才真正具備規?；褂玫那疤?。個人智能體可以靠自發擴散，但企業真正關心的是規模化后的運營問題：誰在用？用了多少？帶來多少效率提升？成本是否可控？

在Co-Claw 企業版中，中興通訊引入了運營視角。

在傳統場景中，各部門各自為政，研發有研發的助手，市場有市場的工具，不僅造成了嚴重的重復建設，還導致能力碎片化。中興通訊Co-Claw構建了MaaS服務廣場，模型免購買、API key一鍵生成，高可用、流量監控，提供落地體驗保障。同時，Co-Claw 構建了統一的 Skill 廣場，各大部門均可快速上傳自己創立的skill，將復雜的數據分析、工作流封裝成標準化技能，使用量、節省工時、Skills 調用熱度、模型調用成本，都被納入統一可視。

在這里，員工不再是孤島，他們既是高效工具的消費者，也是技能的貢獻者。這種“服務化”轉型，是智能體具備規模化使用前提的核心一步。

四、深度融合原有數字化體系， 實現無感升級

個人智能體可以靠興趣自發擴散，但企業級應用必須考慮如何與存量系統兼容。

首先，統一觸點：集成于“興小助”。中興通訊擁有統一的辦公門戶——“興小助”。Co-Claw 與之直接對接，將 AI 能力注入到員工最常用的觸點中。員工無需打開新的 App，通過現有的文本輸入或語音交互就能喚醒 Agent。這種設計極大地降低了學習成本，實現了 AI 能力的移動化與普惠化。

其次，復雜的路由控制與BotService。為了支撐海量個人終端的穩定連接，中興通訊構建了BotService 模塊。它就像是一個“交警”，負責統一管理員工的個人終端，完成精準的指令路由控制。通過 WebSocket 雙向通信通道，興小助與 Co-Claw 個人終端之間實現了毫秒級的響應同步，確保了交互體驗的絲滑。

再者，存量系統能力的“AI 化”封裝。Co-Claw 并不是要推翻原有的 OA、ERP 或研發系統，而是通過擴展 ZTE Channel 插件等方式，將這些存量系統的 API 封裝進智能體的技能庫中。這種模式讓老系統煥發了新青春，讓原本冷冰冰的后臺接口變成了可以被自然語言調用的“鮮活能力”。

五、“高頻場景”塑造業務增長邏輯

中興通訊在Co-Claw 企業版的落地過程中，從業務痛點而不是功能清單出發，先盯住那些最耗人力、最容易被標準化的流程。當這些場景被跑通，逐漸沉淀為可復用的Skills 資產，從“某個團隊的小工具”升級為“組織級能力”，Co-Claw 已深度融入中興通訊的辦公、研發及運營全流程，打破了傳統業務的“人力天花板”。例如：

智慧辦公場景：它是全能行政秘書，用戶無需繁瑣點擊，通過自然語言即可操控本地文件，完成會議預定、人員邀請、日程變更等高頻操作。它還能智能總結郵件要點，甚至代處理考勤、出差等個人事務查詢，讓員工從瑣碎中抽身。

敏捷研發場景：在研發一線，Co-Claw 是開發者的貼身助攻。從創建需求、跟蹤缺陷到更新工作項狀態，只需“一句話”即可精準觸達。它能自動篩選指派給員工的任務，讓研發協同變得簡單。

智能運營場景：它是決策與執行效率的倍增器。在營銷端，拜訪客戶前，Co-Claw 自動匯聚內外部動態與風險洞察，秒級生成全面的客戶分析報告。在供應鏈，采購經理只需下達指令，AI 即可自動分析供需平衡，篩選高風險物料，并一鍵完成對數十家供應商的跟催郵件。

在其他企業運營場景，中興通訊還將積極探索把Co-Claw的定時任務、主動執行等特性與業務場景做結合，進一步提升企業運營的效率。

個人智能體打開想象空間， 企業級智能體生成AI 驅動型組織的范式

OpenClaw 讓很多人第一次真切感受到，AI 不只是會聊天，而是真的能“幫我干活”。而 Co-Claw 企業版所解決的，是另一個更現實的問題：當 AI 不只是“幫一個人”，而是開始參與組織運轉，企業該如何放心把這件事長期運轉下去并產生真正的效益？

基于Co-Claw 的大規模應用實踐，中興通訊興云數科負責人認為，企業級智能體可以有一套評估考量因素：

模型底座能力：決定了Agent 邏輯推理的“腦容量”和“智商上限”；

API暴露深度：企業存量系統開放程度越高，Agent 的“手腳”就越靈巧，能執行的業務場景就越豐富；

連接通道多樣性：決定了員工在手機、電腦、智能屏等不同觸點下的體驗一致性、豐富度和友好度；

Token 消耗：在同等效果下，如何通過算法優化降低成本，是規模化運營的商業基礎；

Skill 生態門檻：開發技能包是否足夠簡單，是否能讓一線業務人員也參與到技能共創中，這決定了推廣的難易程度；

終端連接豐富度：Agent 是否能連接物聯網設備、工業傳感器等，決定了場景拓展的廣度和多樣性。

Co-Claw 的落地探索，證明了 AI Agent 不再是實驗室里的 Demo，也不僅僅是個人的“效率外掛”，而是正在演變成企業新型的數字化基礎設施。它本質上是一個開源、開放、端云協同的智能體操作系統。人機交互將加速向統一的自然語言交互轉變，并且會形成統一的交互觸點。

企業級智能體（Agent）將深度形成 “云端大腦統籌決策 + 本地節點落地執行” 的協同運行模式。存量系統的能力將按不同的封裝程度形成不同的AI能力，被統一的智能體進行調用。業務增長邏輯將升級，突破傳統業務增長的“人力天花板”，從 “人力驅動” 轉向 “AI 智能體規模化驅動”。Co-Claw在企業內部落地推廣，本質上和數字化轉型一樣，不僅是一場技術革新，也是一種新的業務變革和組織變革。

展望未來，中興通訊將持續探索，并將實踐所得的經驗和教訓與產業伙伴共享，在數智轉型的深水區，讓 AI 真正成為組織中觸手可及的共生伙伴，突破傳統業務的增長上限。