关于大模型和 Agent，人们经常使用互联网时代的语言来理解它们。有人把 ChatGPT 类比为搜索引擎，把 Agent 类比为 App，把大模型公司类比为软件公司。这些类比在技术发展的早期阶段或许是合理的，但随着 AI 逐渐进入企业生产环境，它们开始显得越来越不准确。

搜索引擎的核心价值是信息分发。用户提出问题，搜索系统返回相关信息，广告主则为流量和注意力付费。整个商业模式建立在信息与需求的匹配之上。因此，搜索天然是面向消费端的产品。用户既是使用者，也是价值链中的重要组成部分。

大模型则有所不同。搜索提供的是信息，而大模型提供的是认知劳动。搜索告诉人们答案在哪里，大模型则试图直接帮助人们完成工作。搜索帮助用户获取知识，大模型则开始承担分析、设计、判断和执行等认知活动。从这个角度看，训练是在创造更好的智能，推理是在提供更便宜的智能。训练决定智能的上限，推理决定智能的成本。

但问题在于，谁真正需要这种智能？

如果从企业视角观察，会发现大模型与搜索最大的区别并不在于能力，而在于其价值实现方式。搜索的价值直接面向用户，而大模型的价值往往隐藏在具体业务流程之后。用户最终接触到的可能是客服系统、研发平台、财务系统、供应链系统，而不是模型本身。模型逐渐从前台产品退居后台基础设施，像电力一样隐藏在各种服务背后。用户真正需要的不是电，而是冰箱、空调和工厂；同样，企业真正需要的也不是模型，而是更高效、更可靠的业务能力。

这也解释了为什么当前行业面临一个看似矛盾的现象：模型能力持续提升，但大规模产业落地却远比预期困难。问题并不完全在于模型能力不足，而在于缺少将智能稳定输送到生产环节的机制。智能已经能够被生产出来，但如何安全、可靠、可审计地进入企业流程，仍然是一个尚未解决的问题。

如果继续借用电力系统的比喻，那么今天行业最缺少的或许不是发电厂，而是电网。训练相当于建设发电厂，推理相当于降低发电成本，而 Workflow、Prompt、Evaluation、Guardrail、Monitoring 以及 Human-in-the-loop 等机制，则更像智能时代的输配电系统。模型产生的是高压智能，而企业真正需要的是稳定、可控的业务能力。两者之间必须经过一系列转换、约束和保护机制。

也正是在这里，Agent 与传统软件开始表现出根本性的差异。

PC 时代的软件通常是独立存在的。Word、Excel、Photoshop 或浏览器，本身就是完整产品。用户打开软件即可创造价值，软件是价值中心，流程则由用户自行组织。Agent 则不同。一个客服 Agent 离不开工单系统，一个理赔 Agent 离不开保单系统，一个研发 Agent 离不开代码仓库和发布流程。脱离这些业务环境之后，它们往往只剩下一个聊天机器人。

因此，Agent 的价值并不来自自身，而来自其嵌入的生产流程。

这一点与工业设备非常相似。一台机械臂摆放在仓库中时，只是一组零部件；只有被安装到生产线上，与传送带、工装夹具、质检系统和调度系统协同工作时，才会转化为生产力。Agent 也是如此。脱离流程，它只是一个具备语言能力的模型；嵌入流程，它才成为生产工具。

这意味着许多 Agent 项目难以落地，并不一定是因为模型不够聪明，而是因为企业真正需要的并非一个孤立的 Agent，而是一套完整的生产系统。企业购买的不是一个会写 SQL 的 Agent，也不是一个会编程的 Agent，而是销售分析系统、客服系统、研发系统或供应链系统。Agent 只是这些系统中的一个组成部分，甚至只是其中的一个节点。

从这个角度看，互联网时代的软件工程与 Agent 时代的软件工程正在关注完全不同的问题。过去几十年，软件工程的核心任务是管理信息流。数据库、事务、一致性、消息队列和网络通信，本质上都围绕信息的存储、传递和处理展开。软件是信息系统，计算机是信息机器。

而 Agent 的出现，使软件重新获得了行动能力。它开始调用工具、修改数据、执行操作、触发流程，甚至直接影响现实世界。一旦系统拥有行动能力，问题便不再只是信息处理，而重新变成控制问题。系统需要观察环境、做出决策、执行动作、获取反馈，并根据反馈不断调整自身行为。这种结构与传统控制系统中的感知、决策、执行和反馈闭环高度相似。

因此，AI 的真正意义或许并不只是提升软件的智能水平，而是在推动软件从信息处理系统重新演化为控制系统。过去的软件负责记录世界，而未来的软件将越来越多地参与世界。过去的软件关注数据流，而未来的软件将越来越关注控制流。过去的软件主要回答“信息是什么”，而未来的软件必须回答“下一步应该做什么”。

这也是为什么 Workflow、状态机、审批流、规则引擎、监控体系以及各种约束机制在 Agent 时代重新变得重要。很多看似全新的 Agent 框架，最终都在重新发现自动化、工业控制和流程管理领域几十年来积累的经验。因为当软件开始行动时，人们面对的其实是一个老问题：如何让一个并不完全可靠的控制器，稳定地控制一个高价值系统。

或许，这正是 AI 对软件工程最深刻的影响。它并没有让软件摆脱工程约束，恰恰相反，它让软件重新回到了控制系统的范畴。未来竞争的重点，也未必是谁拥有最强大的模型，而是谁能够建立起最完善的智能控制体系，让智能像电力一样稳定、廉价、可控地流入具体生产环节。届时，人们看到的将不再是一个个孤立的 AI 产品，而是一整套由智能驱动的新型控制系统。