【赛迪网讯】将大模型部署到企业内部，距离让AI真正参与业务，还有多远？模型与算力能否适配、内部知识如何调用、智能体执行任务时怎样控制权限与成本？这些都是政企用户需要逐一解决的问题。 

9月10日，紫光云正式发布紫鸾AI操作系统，将产品定位为面向智能体的政企级AI操作系统。在发布会及媒体采访中，紫光云管理团队反复谈及一个判断：当AI开始承担具体任务，企业需要交付和管理的对象，就从算力资源延伸到了完整的智能体运行环境。

这也构成了理解此次发布的关键：紫光云试图将模型、知识、开发与运营等能力整合为可交付的软件产品，降低政企私域部署智能体的工程复杂度。

从管理算力到支撑智能体运行

紫光云总裁王燕平表示，在AI技术快速迭代的背景下，紫鸾AI操作系统绝非简单的方案堆砌，而是专为政企私域环境打造、可落地交付的操作系统产品——向上承载智能应用，向下调度算力与数据，让AI在政企场景中像应用程序在PC上一样开箱即用、顺畅运行。

那问题来了，企业为什么需要AI操作系统？紫光云首席技术官柳义利在采访中回顾，云时代的产品交付界面主要停留在虚拟机、容器层面，厂商负责保障资源稳定运行。进入智能体应用阶段，仅提供计算、存储和网络，已不足以支撑上层业务。

按照他的归纳，政企AI落地需要通用大模型、Skill技能集、企业私域知识、工具集、安全保障与持续进化能力。模型提供基础能力，企业的岗位规则、业务知识和既有工具，则决定智能体能否完成具体工作。

柳义利介绍了紫鸾AI操作系统的“四层三列”架构：纵向覆盖算力层、模型层、数据知识层和应用使能层，配套安全保障、运营管理和运维管理体系，向上承载办公、生产及第三方智能体应用。

从功能看，它既负责异构算力纳管、模型推理与微调，也提供知识管理、智能体开发、应用运行监测及计量能力。“操作系统”的定位，对应的是对这些资源和能力的统一组织。

紫光云产品与研究开发部副总裁唐元武进一步解释，产品经历了从方案到技术耦合、再到整合成产品的过程，客户可以用它构建自己的智能化底座。

这种整合能否产生价值，取决于组件之间打通的深度。例如，智能体运行缓慢，原因可能出在模型推理、知识检索，也可能出在底层资源。紫光云介绍，其全链路监测能力能够贯通硬件到AI应用，帮助开发及运维人员定位问题。

不过，统一也有边界。唐元武明确，“五个统一”目前主要覆盖紫光云自研产品；对于客户已有的第三方应用和管理软件，更多采取纳管方式，集成程度还取决于客户配合与系统条件。

私域落地的难点在知识与业务规则

紫鸾AI操作系统瞄准的，是需要在私域环境中使用AI的政企客户。唐元武表示，公域场景可以通过API调用模型，但政企存在数据和知识不能出域的需求，需要在内部构建相应能力。

私域部署的工作并未止于模型安装。柳义利强调，企业多年积累的经验、制度和流程，需要转化为可被模型使用的知识体系，否则通用模型难以体现企业自身的业务特点。

为此，紫鸾知识平台提供数据采集、非结构化数据治理和知识图谱等能力，同时处理知识权限问题。哪些资料可以进入知识库，不同部门、不同员工可以调用哪些内容，都需要纳入管理。

这意味着，企业知识建设不仅是文档汇总，也涉及业务分类、质量检查与访问控制。知识能否准确组织、按权限调用，直接影响智能体回答问题和执行任务的可靠性。

在Skill构建上，紫光云同样明确了分工。柳义利以报销审批为例：平台可以提供工作流、开发工具和方法论，但企业必须自行梳理审批规则、检查项及业务流程，双方共同将其转化为可执行的能力。

“业务部门要下场。”他强调，企业需要找到高价值场景，与技术厂商联合建设，而不能将业务改造完全交给外部供应商。

这一思路也体现在落地路径上。紫光云建议先选择能够产生明确价值的业务点建设知识体系，再逐步扩展。其介绍的某市卫健委项目，便涵盖算力服务、知识体系、运营能力建设及医疗应用孵化。其中，基于Token的运营仍在推进，行业应用的商业模式也需要继续探索。

用运营能力算清AI投入产出

智能体在企业内部运行，还带来一个现实问题：资源由谁使用、花在哪里，能否持续承担？

柳义利指出，即使企业内部不涉及对外收费，也需要掌握各部门的模型使用情况。尤其在调用外部模型时，缺少额度与用途管理，容易导致成本失控。

紫鸾AI操作系统将运营能力与企业组织架构对接，支持按部门、员工分配资源，进行配额管理、计量和预警。同时，平台提供统一应用入口，支持Skill和智能体上架、分发及生命周期维护。

在模型调用侧，系统支持内外混合模型统一调度，根据效果、安全与成本等因素选择模型。对于敏感内容，调度策略需要考虑本地处理要求；对于其他任务，则可以结合模型能力和调用成本进行选择。

紫光云还提出，对模型、数据、知识、应用四类Token进行统筹计量管理。这体现了其将计量范围从模型调用向知识与应用服务扩展的产品思路。实际收益仍需结合任务完成质量、资源消耗和运营成本衡量。

围绕这一市场，王燕平划定了业务边界：上层多元化智能体应用交给生态伙伴，紫光云聚焦AI操作系统，解决智能体在政企私域环境中的运行与落地问题。

从此次发布看，紫光云正在把云、数据和AI领域积累的工程能力，转化为统一的软件产品。它能否获得持续认可，最终要看三件事：部署和运维能否更简单，智能体能否稳定完成业务任务，以及企业能否算清投入与产出。（文/金烨）