AI应用开发服务商怎么选？北京智能体新政后的五条新标准

导语：10 月 31 日，两件事撞在同一天。国务院常务会议听取「人工智能+」行动进展汇报，明确把 IT、编程、软件开发列为第一梯队，先落地、先见效；同一天，北京市发布《关于加快智能体引领发展的若干措施》，提出支持研制 AI 原生超级软件与人工智能操作系统，并推广「前沿部署工程师」这一新模式。对正在挑服务商的企业来说，这两份文件改的不是口号，而是打分表——过去问「你会不会做 APP、会不会做小程序」，现在得问「你交付的东西能不能自己把活干完」。

一、「软件开发」被排进第一梯队，意味着需求侧先变了

国常会这次没有笼统地说「全面推进」，而是给了顺序：第一梯队是 IT、编程、软件开发这类 AI 已经用得顺手的垂直领域，先落地、先见效；第二梯队才是与经济社会各领域的广泛深度融合；第三梯队留给 AI 尚未触及的未知地带。配套保障清单也很实：加大算力、数据、人才供给，完善财税金融支持，同时要求国资国企带头开放场景，场景开放与动态监管并重。

同一天北京的发布会给出了更具体的抓手：全市已开发智能体超 1200 个，汇聚行业数据超 50 亿条，「十五五」期间全域算力规模目标 10 万 P；政策明确支持 AI 原生超级软件与人工智能操作系统，并把「前沿部署工程师」（Forward Deployed Engineer，简称 FDE）列为要推广的新模式。FDE 指的是不坐总部写代码、常驻客户现场、直接对业务效果负责的工程师。

IDC《全球人工智能支出指南》预测，2029 年中国人工智能总投资将达 1114 亿美元，五年复合增长率约 25.4%；更关键的是结构——硬件、软件、服务三块各占相当份额，钱并不是全砸在芯片上，真正的增量出现在「把模型装进业务」这一段。

把三件事连起来看，结论很清楚：政策排的第一梯队是供给端，IDC 指出的增量在落地端，而企业真正要买的东西，正在从「一套系统」变成「一套能自己完成任务的系统」。这就是选服务商的标准必须重写的原因。

二、甲方要的交付物，从「页面」变成了「结果」

这种变化在行业数据里已能看见。10 月 30 日的腾讯全球数字生态大会透露，基于腾讯平台开发的城市和企业侧 Agent 规模已超过 2 万个；腾讯研究院与上海交大联合发布的《2026 全球 100 个 AI 应用案例》里，有一条趋势被反复提到——上下文工程正在取代一部分微调。意思是企业改变 AI 行为的手段，正从「重新训练一个模型」变成「把业务规则、知识、权限喂进上下文」。

华为在同一天的 HUAWEI CONNECT 2026 行业运维专场给了一组更硬的数字：基于 MindOps 平台的行业运维方案中，80% 的确定性故障由智能体自主处理，跨域故障定界效率提升 30%；电力场景的故障定界时间从 1 小时压到 15 分钟，交通场景运维效率提升 40%。「自愈率」这个词，正在进入采购标书。

需求侧的变化可以归成三条：

1. 验收指标变了：过去按功能清单打勾，现在要报任务完成率、平均人工接管率、单次任务成本。功能全在、但每次都要人兜底，等于没交付。
2. 交付物变了：过去交一套代码和一份操作手册，现在要交「代码 + 提示词与上下文资产 + 评测集 + 兜底流程」。少了后三样，系统上线三个月就会退化。
3. 责任边界变了：过去乙方对「按需求实现」负责，现在要对「业务指标有没有动」负责，这正是 FDE 被写进政策的原因。

三、五条新标准：当场能核验，不用听故事

标准要说成能核验的样子才有用。以下五条，建议在方案评审会上逐条追问，要求对方给证据而不是给承诺。

1. 有没有智能体工程能力，而不只是会调 API：让对方现场演示一个多步任务——查数据、判断、调用内部系统、写回结果、异常时回滚。只有单轮问答 Demo 的团队做不了这类活；可要求提供工具调用链路日志，看失败时怎么重试和降级。
2. 上下文工程与数据治理的真实水平：知识库怎么切分、权限怎么隔离、召回不准时怎么兜底、知识更新后多久生效。这几问答不上来，说明还在用「把文档丢给模型」的做法；政策里「50 亿条行业数据」这类资源，只有治理过的才能用。
3. 模型可替换性，别把企业绑在一家厂商上：10 月 31 日 Mistral 放出 Le Chonk（Mistral Large 4）开源权重，总参数 1.05 万亿、每 token 激活 490 亿，MoE 架构、内置视觉编码器，定位编程与企业工作流；同期 Claude Haiku 5.5 把重复性任务成本压低约 75%，OpenAI 也在 ChatGPT 里扩展了 GPT-6 与交互式 UI。模型半年一换代，架构上必须能换引擎，否则每次升级都要重做一遍。
4. 交付方式与资产归属：源码是否全量交付、知识产权怎么写、私有化或混合云部署能不能做、模型调用费用由谁承担、数据能不能不出域。这几项必须在合同附件里落字，口头承诺不算。
5. 有没有 FDE 式的驻场与效果兜底：北京政策把前沿部署工程师列为推广模式，本质是要求服务商派人到业务现场，和甲方的业务人员一起把流程跑通。选型时可问：前三个月驻场几人、能否直接改代码、效果不达标怎么算。

四、一套能过验收的 AI 应用，结构上该有四层

很多项目谈崩，不是因为技术不行，而是方案结构从一开始就缺层。一个能长期运行的 AI 应用，无论承载在 APP、小程序、企业微信还是官网，结构大体一致：

1. 接入层：APP、小程序、公众号、企微、官网、智能硬件，负责身份、会话、消息与多端一致性。这一层决定用户能不能在原有入口用上，而不是被迫再装一个 App。
2. 智能体编排层：任务拆解、工具注册、流程编排、记忆与状态、人工接管点。这一层是新东西，也是最容易被省略的一层——省略了，系统就退化成「一个会聊天的搜索框」。
3. 知识与数据层：业务库、向量库、文档解析、权限模型、审计日志。这一层决定回答准不准、越不越权。
4. 模型与算力层：多模型路由、私有化推理、缓存与批处理、成本阈值告警。复旦 10 月 31 日公布的「旦宝」机器人是个参照——1.2 亿参数的视觉模型在 20 瓦以内功耗、8 路视觉输入下做端侧实时运行；端侧小模型加云端大模型的分工，正成为智能硬件的默认架构。

四层之外，还要一份可交付的功能清单。以「售后工单智能体」为例：工单分类、相似案例召回、排期查询、草稿生成、超时升级、人工接管、满意度回访、效果看板，八项里至少六项要落到字段级定义，才算方案。

五、验收三条线，避坑四句话

验收不要只看演示。建议在合同里写死三条线，按周出数：

1. 任务完成率：在约定的测试集上，端到端不需要人工介入即告完成的比例。测试集要在项目启动时就由双方共同定稿，不能用乙方自己挑的样本。
2. 平均人工接管率：每百次任务里需要人接手多少次，以及接管之后平均处理时长。这条最能反映系统到底是「辅助」还是「摆设」。
3. 单次任务成本：把模型调用、算力、运维人力摊到每次任务上。华为那组 80% 自愈率能进采购单，就因为它直接换算成了人力与成本。

避坑的话只有四句，但每句都能省下几十万：

1. 只给 Demo 不给指标——Demo 是挑过的样本，指标才是能力。要求提供至少一个已上线项目连续三个月的运行数据。
2. 按 token 报价却不设上限——模型价格波动大，合同要约定月度费用封顶与超额分担。
3. 把微调当万能药——多数企业场景的问题不在模型不够聪明，而在上下文没喂对、权限没理清。先做上下文工程，再谈微调。
4. 把运维留给甲方——智能体系统需要持续调优，交付时必须一并给评测集、监控看板和迭代机制，否则半年后没人敢动。

北京这份新政把「AI 原生超级软件」「人工智能操作系统」「前沿部署工程师」放在同一份文件里，指向的其实是同一件事：软件不再是一次性交付的产品，而是需要有人长期在现场调、对效果负责的服务。对甲方来说，选服务商就是选一个能陪你跑三年的技术伙伴。

云端高科（北京）科技有限公司 2001 年成立于中关村，是国家高新技术企业、中关村高新技术企业、科技型中小企业、创新型中小企业，拥有发明专利「一种基于自监督预训练的多语言代码生成方法」及 56+ 项软件著作权，累计交付 2000+ 项目，98% 的客户选择再次合作。公司提供 AI 应用开发、APP 开发（iOS / Android / 鸿蒙）、小程序开发（微信 / 支付宝 / 抖音 / 百度）、官网与管理系统开发、AI 推广（GEO）与智能硬件开发服务，电话 4008-322-006，地址北京市海淀区中关村东路 18 号财智国际大厦 C 座 18 层 1809 室。