还要设计agent和人的协作机制——比如agent处理不了的问题，怎么快速转交给对应负责人，不会耽误事；第三，持续优化流程。比如观察agent运行数据，发现“某个环节agent经常出错”，就调整规则；发现“人跟agent对接效率低”，就优化工具，让整个流程越来越顺。

过程架构师不用懂复杂的编程，但得懂业务、懂流程，还得知道agent的能力边界。比如猎聘上的招聘要求显示，这个岗位需要会用流程设计工具，懂精益管理方法，还得能跟业务部门、it部门沟通协作 。方汉预测，未来每个公司都需要这样的“流程总设计师”，他们不是“指挥agent干活”，而是“搭建让agent和人高效协作的舞台”，让每个人都能专注做agent做不了的事——比如创意、决策、客户深度沟通这些需要情感和思考的工作。

而公司组织也会跟着变：以前的“金字塔式”结构会变扁平，比如不需要那么多中层管理者盯着重复性工作；部门之间的壁垒会打破，因为过程架构师设计的流程是跨部门的，比如“市场推广-客户下单-售后跟进”的全流程协作；甚至“岗位”的定义都会变，不再是“固定做某件事”，而是“负责某个流程的优化和创新”。

三、科技尤洋：三类企业必须自建大模型，通用模型解决不了“专属问题”

现在很多企业都在纠结：到底要不要自建大模型？还是直接用市面上的通用大模型（比如chatgpt、通义千问）？科技的尤洋给出了明确答案：至少三类企业需要自建，通用模型再强，也解决不了它们的“专属问题”。

先搞懂“自建大模型”和“用通用模型”的区别：通用模型就像“万能工具刀”，能解决很多常见问题，比如写文案、查资料、简单数据分析；而自建大模型就像“定制工具”，是根据企业自己的数据、业务场景训练的，只解决自己的核心问题，精准度和适配度更高。尤洋说的三类企业，都是“万能工具刀”满足不了需求的。

第一类：传统大型企业。比如制造业巨头、能源公司、大型银行。这类企业的特点是“业务复杂、行业属性强”，通用模型不懂它们的“行话”和“流程”。比如一家汽车制造厂，需要用ai检测生产线上的零件缺陷，通用模型没见过这家厂的零件类型、生产标准，根本检测不准；但自建大模型，用自己多年的生产数据训练，就能精准识别“哪个零件有问题、问题出在哪个生产环节”。再比如大型银行，需要用ai处理信贷审核，通用模型不懂银行的风控规则、客户评级标准，而自建大模型能结合银行的历史信贷数据、风控政策，给出更准确的审核结果，还能符合行业合规要求。

第二类：拥有海量数据的中小企业。这类企业虽然规模不大，但手里有“独门数据”，这些数据是它们的核心竞争力，通用模型拿不到，也用不了。比如嘀嗒出行，作为出行平台，有亿级的订单数据、用户沟通数据，这些数据里藏着“用户出行习惯”“订单取消原因”“车乘纠纷焦点”等关键信息。嘀嗒出行没有只用通用模型，而是自建了大模型，用这些专属数据训练，现在已经能自动处理订单取消判责——以前需要人工复核，现在大模型能结合聊天记录、订单信息，判断谁该负责，准确率接近90，还大幅减少了用户申诉率。再比如一家做本地生活的中小企业，有大量商户数据、用户消费数据，自建大模型能精准推荐商户、优化配送路线，这些都是通用模型做不到的。

第三类：用ai颠覆行业的新兴公司。这类公司的核心业务就是ai，大模型是它们的“产品本身”，必须自建才能形成壁垒。比如专注医疗ai的公司，需要开发“ai辅助诊断系统”，要能识别医学影像、分析病历，这就需要用海量的医疗数据自建大模型，形成自己的技术优势；再比如做工业机器人的新兴公司，需要让机器人理解物理世界、自主完成复杂操作，这也需要自建具身智能大模型，而不是靠通用模型“凑合用”。就像中国电信，作为央企，自建了“星辰大模型”，覆盖语义、语音、视觉等多种能力，不仅能服务自己的客服、政务业务，还能开放给其他企业，成为新的业务增长点 。

尤洋特别强调：“自建大模型不是‘越复杂越好’，而是‘够用就好’”。比如中小企业不用建万亿参数的大模型，重点是把自己的专属数据用好，训练出能解决具体问题的“小而美”的模型；传统大企业可以和科技公司合作，不用从零开始，重点是把模型和自己的业务流程打通。总之，自建大模型的核心不是“炫技”，而是“解决自己的专属问题”，这才是企业的核心竞争力。

四、高通万维星：终端侧大模型才是“刚需”隐私安全双保障

提到大模型，很多人会想到“云端”——比如数据传到遥远的服务器上处理，再把结果传回来。但高通公司的万维星却强调：终端侧运行大模型，才是未来的大趋势，核心优势就是“个性化”和“数据本地化处理”。

先解释“终端侧”是什么：就是我们手里的手机、家里的智能家居、身边的机器人这些“终端设备”，终端侧大模型就是把大模