智以致用：从造出智能，到用好智能
一年之前，我们在《AI原生应用架构白皮书》的开篇写下“云智一体，碳硅共生”。那时，我们试图回答的是：当模型从实验室走向产业，云与智应当以怎样的关系存在。答案是让云成为智能的基础设施，让碳基的组织与硅基的算力相互协同，使智能拥有一个可以持续生长的家园。
一年之后，一个更深刻的变化正在发生：思考本身，正在成为一种价格快速下降、供给持续扩大的商品。
工业革命把“力”从人的肌肉中解放出来，使机器生产的力量变得廉价而充沛；今天，人工智能正在把“认知”从个体的时间与经验中解放出来。理解、推理、规划、判断和生成，这些曾经稀缺而昂贵的能力，开始以模型调用的方式被大规模生产。
这并不意味着人的价值被削弱。当越来越多可计算、可重复的思考交给机器，人将更聚焦于机器无法替代的事情：提出渴望、作出取舍、承担责任、建立信任。机器可以生成无数种答案，但为什么出发、选择哪一种结果、愿意为哪一种后果负责，仍然属于人。
当思考的价格持续下降，过去被成本压制的大量需求将被释放。但更廉价的思考，并不会自动转化为更有价值的结果。今天的 AI 仍处于早期产品阶段。蒸汽机最先被用来抽水，真正重塑社会的却是后来出现的铁路、工厂与现代城市；同样，Chatbot、Copilot 乃至今天的 Agent，或许仍只是智能时代的“抽水泵”，真正定义这个时代的产品形态还没有完全出现。
这正是“智以致用”要回答的问题：智能已经被造出来，接下来如何把它组织起来、约束起来，并转化为可以规模化交付的生产力。
把智能真正用出去，首先要从“会回答问题”走向“能完成任务”。上一阶段的AI原生应用大多停留在Chatbot与Copilot：人作出判断，模型提供建议；下一阶段则走向Agent与Managed Agent，由智能承担一个环节、一个岗位，乃至一段完整的业务流程，人只在关键处进行授权、审阅与兜底。
把智能真正用出去，还要从“能演示完成任务”走向“能稳定完成任务”。Demo 验证的是模型能力，生产系统检验的则是确定性：面对长周期、多步骤和不断变化的环境，Agent 能否保持状态、正确调用工具、从失败中恢复；它的行为能否被观察、评估、审计和约束；它能否在性能、成本与安全之间取得平衡。企业真正的挑战，已经不是有没有 Agent，而是 Agent 能否跨角色、跨系统、跨边界地进入核心流程。
从“能对话”到“能交付”，从“点上的智能”到“面上的智能”，需要两条同时向下扎根的主线：全模态与全栈。
全模态，是 AI 理解世界、服务人类的必要界面。仅靠文本，无法完整理解由声音、图像、视频、代码、结构化数据以及物理信号共同构成的世界。如果把大模型看作下一代操作系统，基座模型是内核，芯片是硬件支撑，多模态就是连接人与世界的交互界面。当模型能够自然地读、写、看、听、说，能够理解环境与人的真实意图，应用层将变得更薄，智能能力则会下沉为系统的默认组成部分。
全栈，是智能规模化供给的经济基础，也是 Agent 可靠运行的工程前提。当思考成为商品，决定其能否普及的就不只是能力上限，还有生产和使用智能的成本。从模型、芯片、网络、存储，到推理系统、运行时和安全体系，任何一层的瓶颈，都会在海量 Token 和持续任务中被放大。只有形成端到端协同的全栈体系，才能让 Agent 跑得起来、跑得足够久、成本足够低，并始终运行在可控的边界之内。模型、芯片与 AI 云相互支撑：模型提供智能，芯片持续提升计算效率，AI 云则提供承载各类 AI 应用所需的计算、数据、连接、运行与治理能力。
回到“智以致用”这四个字。“智”是可以被规模化生产的认知能力，“用”是能够被可靠交付的任务结果，而中间这个“以”，正是这本白皮书要讨论的实践命题。
上一版白皮书沿着模型、框架、Prompt、RAG、工具、网关、运行时、可观测、评估和安全，梳理了 AI 原生应用的关键要素。今天，模型仍然是智能的源头，却不再单独构成应用架构的中心。真正的工程中心正在转向 Harness 工程，包括 Agent 运行时与沙箱、AI Gateway、工具与协议连接层、记忆与技能资产、可观测评估与调试，以及持续学习与自进化闭环。
这些能力共同构成了从 AI Native 到 Agent Native 的演进：从“被 AI 增强的应用”，走向“由 Agent 围绕目标动态组织起来的应用”；从围绕一次模型调用优化，走向围绕一项任务的成功交付进行设计；从生产更多 Token，走向用更低的成本、更高的成功率，创造更确定的结果。
如果说“云智一体”回答的是智能生长在哪里，“碳硅共生”回答的是智能与人如何共同工作；那么“智以致用”要回答的，就是一个更迫切的问题：当思考开始变得前所未有地充沛，我们应当以怎样的架构，把它转化为真实、可靠且值得信任的价值？
这本白皮书想给出的，是我们目前所看到的、最接近工程真相的一份答案。