11月3日，在乌镇举行的2026年“互联网之光”博览会上，曙光云发布智能体协作平台OneBox，并入选大会“新光”产品。它的自我定位是“首个政企可信桌面级AI智能体”，卖点不在模型有多强，而在三件事：私有化部署、组织级权限、可信执行。这三件事听起来都不像技术创新，却正好对应政企客户最常说的一句话：不是不想用，是不敢用。
行业数据把这种落差摆得很清楚。按IDC口径，全球前500强企业里有73%已经启动智能体试点，真正实现跨部门规模化的只有19%。Gartner预测到2027年底，超过40%的Agentic AI项目会被暂停或取消。中国信通院的报告给出的另一个数字是，2026年国内企业级智能体市场约449亿元，但把智能体放进主要业务流程的企业只有18%。
曙光云解决方案总监吴兴杰把原因归到机制上：企业还没有建立起一套把智能体纳入真实业务的信任机制。这句话往下拆，是四个互相咬合的环节。模型能力决定能不能做，数据与权限决定在哪个范围做，业务流程决定由谁确认、谁担责。任何一个环节缺位，智能体就只能停在演示阶段。演示看的是效果，上线看的是责任。这句话也解释了为什么政企采购清单里，安全与审计的权重常常排在模型分数前面。
最容易被低估的一处裂缝在权限。传统权限体系围绕人设计：某个岗位能看哪些材料、能改哪些单据，边界相对静态。智能体的工作方式完全不同，它是连续、多步、跨系统执行，读一个库、调一个接口、改一条记录，动作在几秒内连成串。员工有权查看一份材料，不代表这份材料可以交给任意模型；智能体能执行一个操作，也不代表它获得了执行这个操作的授权。
OneBox的处理方式是把权限拆到更细的粒度。组织级权限按岗位设置员工可以调用的数据、知识和应用，平台对安全敏感操作留痕，便于核查与追溯。这个设计不新鲜，但放在智能体场景里意义不同：它把“能不能做”和“允许不允许做”分开记账，事后能回答是谁、在什么时候、通过哪个智能体动了什么。留痕的价值不在追责，而在让一次多步执行可以被复盘成一条可读的时间线。
演示里有两个具体功能。安全会话开启后，系统会自动筛选可用模型，把不允许访问企业私有数据的外网模型排除在外，避免内网资料被送出去处理。数桥则直连企业生产数据库，按表结构和字段控制访问权限，让智能体在取数这一步就受约束，而不是取完之后再想办法脱敏。
这两把锁对应两种风险。前者防的是数据出域，后者防的是越权取数。设计思路是一致的：把约束放在数据出入口，而不是指望模型自觉。现实里更常见的事故来自第二种：一个能连数据库的智能体，如果拿到的是应用账号而不是受限账号，它看到的就不只是自己业务线那几张表。把权限下沉到字段级，听起来笨，但这是目前唯一能通过内审的做法。
字段级权限会带来一个副作用。智能体能看到的数据变少，回答的完整度随之下降，有时一份报告会因为缺了两列而失去分析价值。权限与可用性之间必须做一次显式取舍，这个取舍谈不清楚，项目就会在测试阶段被业务部门否决。
官方给出的落地案例里，最有信息量的是一个煤矿企业。OneBox对接安全生产管理系统、隐患台账库、作业票系统和历史故障知识库，智能体自动汇总巡检、上报、整改、复核四类数据，识别高频隐患，输出根因分析与整改建议，结论回流到组织级记忆库。过去安全员要两天才能出一张报表或一份报告，现在分钟级完成。
这个案例的说服力不在速度，而在“四类数据本来就在系统里”。矿上并不缺数据，缺的是把四个系统的话对齐的人。智能体做的第一件事是把口径统一，第二件事才是分析。口径不统一的时候，模型做得越快，错得也越整齐。这也解释了为什么政企场景的智能体项目常常前几个月都在做接口和字段映射，真正的模型调用只占很小一部分工作量。从两天到分钟级，真正的价值不是快，而是让安全员从汇总转向判断。
曙光云副总裁徐良给了一个更长期的说法：员工完成工作的经验可以通过智能体沉淀成一个技能，一个部门验证过的协作方法可以在授权范围内分享给其他团队，形成可执行、可验证、可版本化维护的组织资产。从个人省时间，扩展到组织能力的积累。这套说法的前提是经验可以被外部化，而多数企业的经验还停留在口口相传，写下来这一步就卡住了。
这句话要落地，至少要满足三个条件。技能要能被写下来，不能只存在某个人的操作习惯里；技能要能被验证，换一个人跑同样的输入，结果要稳定；技能要能被版本化，改了流程之后旧版本还能回溯。这三件事都做到，才谈得上资产。做不到，所谓的技能库很快会变成一堆没人维护的提示词。版本化维护听起来是IT细节，实际决定了技能库半年后是资产还是垃圾。
私有化不是免费的。模型要落在客户机房，算力要客户自己出，版本升级要客户配合，效果调优要一家一家做。这些成本最终会体现在报价和交付周期上，也会限制它能覆盖的客户规模。曙光云的解法是依托国产芯片、云平台与模型服务做全栈支撑，把复杂度留在自己这一侧，代价是对硬件的适配面要求更高。
接下来值得看三件事：一是在集团内部万余人之外，能不能跑出可复用的行业模板，而不是每个客户都重新做一遍；二是安全会话与数桥这类能力，能不能经得住等保与行业监管的实际检查；三是当智能体真的开始改数据、发指令，出错的判定与追责规则由谁写。第三件事没有技术答案，但它是政企从试点走向规模化的真正门槛。