4月17日，网易智企「帝王蟹」企业AI落地实战营走进上海。

继杭州发布、广州、深圳等城市持续落地之后，上海站进一步聚焦企业AI Agent从“认知”走向“应用”的关键一步。一方面围绕企业级AI Agent平台帝王蟹ClawHive的核心能力展开系统介绍，另一方面也从企业真实落地视角出发，分享AI从工具走向生产力的方法与路径。



帝王蟹ClawHive：让AI从“散养”走向“统管”

活动开场，网易智企首席解决方案架构师周梁伟带来《帝王蟹 ClawHive 企业级AI Agent平台：让每个员工都有专属AI助手》主题分享。周梁伟一开始就抛出了一个极具现实感的情况：现在很多团队都已经在使用ChatGPT、Kimi、DeepSeek等工具，但员工个人的效率提升，并不等于企业真正拥有了AI能力。因为当AI从个人使用走向组织使用时，企业面临的已经不再只是“会不会用”，而是“能不能管、敢不敢接、能不能持续沉淀”的问题。

在他的分享中，这种差异被拆解得非常清晰。


个人AI更多解决的是写文案、查资料、学习辅助等个人任务，龙虾这类产品也更偏向信息搜集与个人自动化；但企业AI面对的，是会议纪要、审批流程、数据统计、系统接入、权限管理和跨部门协同等更复杂、更正式的业务环境。也正因为如此，个人AI常常会出现数据上传公有云带来的风险、对话即用即弃难以复用、只能单人使用无法协同、成本分散难以统一管理等问题，而这正是企业级AI平台必须解决的现实矛盾。



在这一背景下，帝王蟹ClawHive不再被定义为单点AI工具，而是面向企业的AI Agent管理平台。它所解决的，不只是单个员工的效率问题，而是让AI能力能够真正进入组织体系，实现从分散使用到统一管理、从个人辅助到企业协作的转变。



围绕这一定位，帝王蟹ClawHive构建了一套面向企业场景的完整能力框架，覆盖模型接入、系统协同、安全治理与知识沉淀等关键环节，让AI不仅“能用”，更能够在企业中持续运行。


  • 多模型接入：支持DeepSeek、通义千问、Kimi等主流模型灵活切换，企业可根据不同场景选择最优组合。

  • 系统深度集成：打通ERP、CRM、OA及飞书、钉钉、企业微信等系统，让AI直接嵌入业务流程，而不是停留在对话界面。

  • 企业级安全治理：通过权限控制、行为审计与全链路管理，确保AI“能用、可控、可追溯”。

  • 知识沉淀体系：接入文档、邮件、聊天记录等内容，构建企业知识库，实现“越用越懂业务”。

  • 技能资产中心：将会议纪要、营销文案、数据分析等20多项能力封装为Skill，支持复用与共享，避免重复建设。

在随后的交流环节中，现场讨论明显升温，围绕数据安全、权限控制、系统打通等问题不断延伸。有参会企业提到：“以前是大家都在用AI，但都是各自为战。现在更关心的是，怎么把这些能力统一起来。”


All in AI之后，企业真正卡住的那一步

如果说周梁伟回答的是“平台层”的问题，那么接下来的分享，则把视角进一步推进到了企业最关心的“落地层”。


作为网易智企·云商解决方案总监，宗鸣在《从AI能力到AI生产力：企业落地的关键路径》主题演讲中，并没有从概念出发，而是直接点出了企业当下最真实的困境：“很多公司都在喊All in AI，但真正往下走的时候，会卡在三个问题：从哪里开始、ROI怎么算、边界在哪里。”



围绕这三个问题，他首先把重点放在“从哪里开始”。在网易智企旗下云商业务的内部实践中，团队并没有一上来就讨论用什么模型、搭什么系统，而是用两周时间面向各个业务部门做了一轮调研，从产研、客服、销售到方案、技术支持等岗位，共收集了215条一线需求。关键不在于数量，而在于提问方式的改变——“不要问你想怎么用AI，而是问，你每天最耗时间的事情是什么。”


基于这些反馈，团队先做了一轮整理，把需求归纳为三类典型的工具型问题：

  • 格式转化：文档处理、结构转换
  • 信息获取：调研、舆情、资料整理
  • 办公提效：会议纪要、周报、PPT生成


然而，如果企业只停留在这一层，AI带来的更多只是提效，而不是真正的业务价值。


因此团队将这些需求提升到业务层，重新归纳为内容生成、数据处理、策略建议和协同提效等几类核心场景。也正是在这个阶段，AI才开始真正进入营销、销售、数据分析等业务流程，ROI和价值才变得可以被衡量。


在明确需求之后，第二个问题随之出现：如何避免重复造轮子。如果每个部门都围绕自己的需求去做一套AI应用，最终一定会陷入重复建设。对此，宗鸣给出了一套更具可操作性的分层方法，将企业AI能力拆分为四个层级：原子能力、企业通用能力、部门能力和个人能力，并通过Skill机制不断沉淀与复用。



这一过程，本质上是在让AI从“个人工具”逐步变成“组织能力”。


而在所有实践中，有一个结论被反复验证，也成为宗鸣反复强调的关键抓手：“只要把知识库和数据库这两块基建做好，企业50%以上的AI场景就有抓手。”

因为无论是查信息、做分析、写内容，还是销售辅助、客服应答，本质上都离不开知识与数据的供给能力。也因此，他将“筑基”定义为企业AI落地中最容易被低估、但又最关键的一步。在他的描述中，真正有效的知识建设，并不是简单把文档接入AI，而是要经历信息聚合、知识清洗、结构化整理、持续运营，再到反哺应用的完整过程。


“知识不是给人用的，而是要让AI去用、去学、去放大。”



当这一底座建立起来之后，AI开始进入更具体的业务场景，例如营销中的内容批量生成、数据驱动的自动化报告、销售训练中的AI陪练，以及实时沟通中的决策辅助等。这些能力并不是零散存在的，而是通过Skill的方式被封装和复用，从而让AI不只是“帮你做一点事”，而是开始承担一部分真实工作。宗鸣将这一过程概括为：“Knowledge to Cash——让知识直接变成业务价值”。


在分享的最后，他将问题再次上升到组织层面。为什么很多企业已经在用AI，但整体效率并没有明显变化？

<span leaf="" style="caret-color: rgba(0, 0, 0, 0.9);color: rgba(0, 0, 0, 0.9);font-family: "PingFang SC", system-ui, -apple-system, BlinkMacSystemFont, "Helvetica Neue