最近在关注企业 AI 落地的时候，发现特赞要在 3 月 27 日发布一个叫 GEA 的东西，我觉得这可能代表了企业 AI 发展的必然方向。

馬熙澄

最近在关注企业 AI 落地的时候，发现特赞要在 3 月 27 日发布一个叫 GEA 的东西，我觉得这可能代表了企业 AI 发展的必然方向。


特赞这次要发布的 GEA，全称是 Generative Enterprise Agent，翻译过来就是企业级智能体系统，他们想解决的问题确实是很多企业正在头疼的事情。

1️⃣ 企业 AI 正在经历一次关键转变

现在市面上大部分企业 AI 工具，本质上都是 Copilot 模式，也就是副驾驶。

你让它写个文案，它帮你写；你让它分析数据，它给你分析结果。

这种模式下 AI 永远是被动的，它不会主动发现你的业务里有什么问题，不会主动提醒你竞品发了新品，更不会在你下班之后继续帮你推进工作。

换句话说，现在的企业 AI 还是工具思维，人在用工具完成工作。不过最近 OpenClaw 的大火，展示了 AI 可以“主动干活”的潜力。

但特赞提出的 GEA 的企业级智能体，是另一种 proactive agent 的思路，AI 不只是回答问题，而是主动发现问题、提出建议、推进任务。GEA 让 AI 开始“主动经营业务，带来业务价值”。 如果说 OpenClaw 是一个能干活的 AI 员工，那么 GEA，是一整支 7×24 小时运转的 AI 团队。

这个转变听起来简单，但背后的技术逻辑完全不同。

传统 Copilot 是响应式的，你输入什么它输出什么。

而 Proactive Agent 需要理解业务上下文，知道企业在做什么、目标是什么、现在进展到哪一步，然后主动判断下一步该做什么。

2️⃣ GEA 的四层架构

很多人以为企业 AI 就是把 GPT 或者 Claude 接入到企业系统里，再训练一下就行了。

但特赞这次展示的 GEA 架构告诉我们，真正能落地的企业级智能体要复杂得多。

他们把整个系统分成四层，从上到下分别是：

Intent（意图层），负责理解用户到底想干什么。

这一层不只是简单的语义理解，而是要把模糊的业务目标转化成可执行的任务。

Orchestration（编排层），这是核心中枢。基于特赞自研的发散推理模型（Creative Reasoning Model），它会把一个复杂任务拆解成多个子任务，决定先做什么后做什么，需要调用哪些能力，怎么协调不同的智能体。

Agent Skills / MCP（智能体技能层），这一层是具体的执行单元。比如用户访谈、情绪分析、策略生成、数据分析等等，每个技能都是一个专门的智能体。

Context System（企业上下文系统），这是特赞特别强调的一层。

他们认为企业 AI 的差异化不在模型本身，而在于能不能调用企业自己的上下文。

这个上下文包括品牌历史、过往项目、用户数据、竞品信息等等——不是文件，不是聊天记录，而是切实的生意场景的决策背景，一些被称为企业“经验”的东西。特赞把这套系统叫做 企业上下文管理系统 Context Sytsem。

这四层架构的设计逻辑其实很清晰：上层负责理解和决策，中层负责编排和执行，下层提供能力和数据支撑。

这样的分层让整个系统既灵活又可控。

3️⃣ 三个真实场景

说了这么多理论，我们来看几个具体场景，这样更直观。

场景一：市场研究自动化

假设你是市场部的，老板让你做一个新品上市前的调研，目标用户是东南亚年轻女性，产品是无糖饮料。

传统做法是你得先设计问卷，找调研公司，等几周拿到报告，再自己分析。

但如果用 GEA 的话，你只需要在特赞的用户研究智能体 GEA 里输入一句话：帮我分析东南亚年轻女性对无糖饮料的需求。

接下来系统会自动拆解任务，调用 AI Persona 模拟不同背景的目标用户进行访谈，同时从企业上下文系统（Context System）里调取你们品牌过去的调研数据和竞品素材，最后生成一份包含用户洞察和新品机会的报告。系统不仅会生成一份包含用户洞察和新品机会的报告，还会持续更新对用户需求的判断，让研究从一次性项目变成持续运行的能力。

整个过程可能只需要几个小时，而不是几周。

场景二：产品创新验证

产品经理最头疼的事情之一，就是不知道自己的新产品概念到底行不行。以前要做用户测试，得找真人，约时间，做访谈，成本高周期长。

现在你可以在产品创新 GEA 里输入：模拟专业用户测试这个产品概念。系统会自动构建一个 AI Persona 焦点小组，这些虚拟用户会基于真实用户画像进行讨论，提出各种角度的反馈。同时，上下文系统会调用你们品牌历史产品数据，帮你判断这个新概念和品牌基因是否匹配。

最后你拿到的不只是用户反馈，还有具体的改进建议和产品定位方向。并可以基于结果继续推进下一轮优化，而不是一次性验证结束。

场景三：品牌内容策略制定

市场总监要做春节 campaign，以前的流程是开会、头脑风暴、找 agency 提案、内部评审，来来回回可能要一两个月。

用 GEA 的话，系统会先从上下文系统里读取你们的品牌 DNA 和历史 campaign 数据，然后自动生成三种策略方向。

每个方向都会通过 AI 模拟消费者反馈，并结合过往数据进行推理判断，告诉你哪个方向可能效果更好。

更重要的是，这些策略可以在执行后持续回收反馈并优化，让内容策略从一次提案，变成一个可以不断迭代的增长过程。

最后输出的是一份经过验证的策略建议，而不是拍脑袋的创意。

4️⃣ Context System 才是企业 AI 的真正护城河

看完这几个场景，你可能会想，这些功能用 GPT 加上一些插件是不是也能实现？

这就是最关键的部分：模型能力正在趋同，企业 AI 的差异越来越来自自身可被调用的上下文系统。

什么意思呢？

就是说，当每家企业都可以主流的大模型，并且 OpenAI、Anthropic、Google 这些公司的基础模型能力差距会越来越小，大家都很强。

但企业和企业之间的差异在于，你有没有把自己的品牌资产、项目经验、用户数据、业务流程这些东西结构化，变成 AI 可以调用的上下文。

全球范围内近两年对企业上下文的讨论，也进入了深水区。从 Andrej Karpathy 提出的 Context Engineering，到 Andrew Ng 的 Context Hub，再到 Palantir、Salesforce、Adobe 等公司的系统实践，Context 正在成为 AI 的“操作系统层”已经成为共识。

特赞的企业级上下文系统（Context System）就是在做这件事，它不是一个存储系统，而是一个能够理解企业各种各样经营和业务场景下的，企业内容、提取上下文、支持智能体决策的 Context System。

这也解释了为什么 GEA 不只是一个 AI 工具，而是一套运行在企业 Context System 之上的智能体系统。

没有 Context System，智能体就是无根之木，只能做一些通用的事情，没法真正参与到企业的具体业务中。

企业 AI 正在从工具变成业务伙伴。

以前我们用软件，是人在使用工具完成工作。SaaS 时代也是这样，软件帮你提高效率，但决策和执行还是靠人。

但 Proactive Agent 代表的是另一种模式：AI 直接参与业务运行。

它不只是等你来问问题，而是主动监测业务状态，发现问题，提出建议，甚至自己推进一些任务。

这种转变对企业意味很多重复性的、需要大量信息处理的工作，可以交给智能体去做。它不是一个个独立干活的 OpenClaw，
而是一套基于上下文系统驱动的多智能体协同系统，
在企业级合规与安全规则下持续运行。

市场洞察、用户研究、产品验证、内容策略这些场景，都可以从周为单位缩短到小时为单位。

特赞这次发布 GEA，其实是在回答一个很多企业都在问的问题：AI 到底怎么在企业里真正落地？

他们给出的答案是：不要只盯着模型本身，而要构建一套完整的企业级智能体系统，包括意图理解、任务编排、技能调用、上下文管理和模型支撑。更重要的是，要让 AI 从被动响应走向主动推进。

2026 年的企业 AI 会发生什么？从 Copilot 到 Proactive Agent 的转变，可能只是开始。

另外，3 月 27 日特赞会有线上发布会，详细介绍这套新一代企业级 Agentic AI 系统。

如果你是品牌决策者、技术负责人或者 AI 从业者，建议去听一下。