这份新政文件只有10条，却将彻底改写国际物流的行业规则

近日，北京市发布了一份特别重磅的政策文件——《北京市关于加快智能体引领发展的若干措施》（京发改〔2026〕1185号）。

文件很精简，一共只有10条，但信息量极大，覆盖了Agentic AI、Harness Engineering、需求智能、超级软件、Token经济……这些技术用词第一次被一口气写进了地方政府的正式文件。

这也是我国地方政府第一次以政策的形式宣告：智能体时代已经到来，并且要用一整套政策工具箱，去定义和引领这个时代。

对于国际物流行业的你我而言，无论是企业，还是个人，这份政策都不只是技术风向标，更直接点明了大家未来的工作方式：怎么干，和谁干，用什么干。

今天，WallTech从物流行业视角，斗胆做一篇通俗易懂的解读。

开始。

01

这几年AI的发展有多快，不用我多说。

可为什么国际物流行业，录单靠人盯着托书一个字一个字敲，订舱靠人守着船司网站一遍遍刷，查运价、追货物轨迹、对账、开票……依然大量依赖人的纯手工操作。

为什么？AI明明这么聪明了。

过去几年，大模型比拼的是智力：数学、代码、知识类测试的得分是评价AI好坏的核心标准。

可真实业务里，Agent拿到的往往只有一个模糊目标。它要自己补齐信息、拆解计划、调用工具、读取反馈、发现错误、修正路线，一直不断的执行直到交付结果。

国际物流恰好是最典型的长链路行业：一票货从托书到签收，几十上百个动作环环相扣，任何一环出错都要有人来兜底。

AI 模型的“聪明”很难在这种需要实操的复杂业务场景里直接兑现。

所以，政策第一条将 「持续提升大模型实际任务完成能力」 作为核心方向。本质是推动 AI 从「能回答问题」向「能完成工作」进化，推动代理式人工智能（Agentic AI）的进化，重点攻关在线学习、超长程任务处理、复杂推理规划、工具调用、多智能体协同等技术。

可靠的行动能力，是如今行业对 AI 的核心诉求。

这既是国家长期的指导方向，也是技术演进方向。

恰好匹配了国际物流行业的智能化需求，也为物流 AI 的落地扫清了核心技术障碍。

02

第二条的原文是：

“支持创新主体实施驾驭层工程（Harness Engineering），围绕上下文工程优化、任务持久化、多智能体协作、系统可扩展等夯实智能体共性底座。”

Harness 的含义是：模型的智能程度能不能稳定兑现为工作表现，取决于模型外的一套支撑系统：业务工作流的设置、可调用的业务工具、人在哪里接管、如何控制不同岗位的操作权限、执行失败后如何重试、最终结果如何校验。

这就是驾驭层工程：好马要配好鞍，马儿才能跑得快。

高质量的任务环境，会成为 AI 时代的核心产业资源。

目标、计划、动作、观察、纠错、结果，这一整条链，构成了一个行业特有的执行轨迹。

通用软件和AI厂商，不掌握垂直行业的深度业务逻辑。碎片化、场景化的行业知识，无法通过通用互联网语料训练获得。

这些深度的行业理解和用户数据，构成了垂直行业领域的软件服务壁垒：

十几年服务数千家货代沉淀下来的，有海量真实业务数据、对行业单据格式和业务流程的理解、对行业用户操作习惯的把握。这些沉淀，正是构建Harness最好的原材料。

所以AI时代，垂直行业软件的不可替代性，正在变得更强。物流行业选择具备垂直行业积累的软件系统服务商来落地 AI 能力，比基于通用大模型从零搭建的落地效率更高、试错成本更低，能快速投入到实际工作中、产生业务价值。

03

政策提出，要「开发以需求智能为核心驱动的原生 AI 软件和超级软件」，推动软件产品基于智能体重构底层架构与交互范式。

回看软件智能的进化，大致经历了三个发展阶段。

第一阶段是功能智能：软件多一个按钮，帮你识别一张单证、生成一封邮件，AI 只负责单个节点的操作，剩下的流程依然靠人点击和搬运。

第二阶段是流程智能：AI能串起连续几个步骤，在固定工作流里替人跑完一段相对完整的动作，比如从托书识别到自动订舱的单链路自动化。

第三阶段是需求智能，用户只说想要的结果，例如，“查询x月x日开航的订单，筛选出船东是某某的那几票，把船东改为某某”，或者“批量给客户报价，价格下限是xxx，如果客人同意成交，或者要求砍价，你必须喊我接手”。系统自己判断要分几步、调用哪些模型和Skill、哪一步需要人批准，最后把结果交给你定夺。

“超级软件”的含义不在功能多，而在于能跨越原有软件的边界，围绕用户要的结果，统一调度、编排能力，最终把决策权交还给人。

而要做到这一点，通用Agent远远不够，你必须拥有懂行业的Agent。

行业Agent的稀缺性，就在这里。

这也是我们WallTech一直秉持的理念：Build on AI，Powered for Logistics。

以AI为地基去建造，造出来的一切，都为物流这一特定行业场景所用。

04

经常玩AI的朋友都知道，Token的消耗飞快，波动性也很大。

这次的智能体新政，提出「鼓励创新主体从 Token 消耗量计费转向价值计费」，推动 Token 经济向价值经济转型。

客户买的从来不是模型烧掉了多少Token，而是问题有没有被解决。

企业出售的是Agent的能力，理应按创造的价值收费。

按实际业务价值计费，会是未来物流 AI 服务的主流商业模式。

05

政策第七条专门针对智能体的安全治理提出要求。

全面提升安全治理能力。

聊天机器人说错一句话，问题有限；

Agent智能体有行动权，它做错一件事，可能直接造成损失。

Agent安全至少要同时处理五个风险：

目标理解错了，权限越界了，外部内容通过提示词注入操控了它，长期记忆被污染了，多个Agent之间还可能把一个错误快速放大。更麻烦的是，Agent要连接大量第三方工具和Skill，任何一个接口出问题，都可能沿着任务链进入核心系统。

因此智能体设计的关键挑战，就是明确执行边界：

哪些操作可以自动执行、哪些必须人工二次确认、哪些数据仅开放读取权限、哪些权限为单次有效、哪些结果必须由人承担最终责任。

安全体系的构建需要前置设计。如果早期没有设计好，后面接入的工具越多，风险债务越大。

这意味着，AI时代的安全治理难度大幅上升，自己攒一套系统去踩这些坑，代价极高。

深耕行业、具备成熟企业级服务经验的SaaS软件厂商，通常在安全设计上有更长期的积累与实践验证。

安全既是约束，也是准入证。

谁能证明自己的AI可控、可查、可停，谁才有资格进入企业的核心流程。

06

Agent 天生要连接。

智能体生态的网络效应会非常强。一个新Skill接入，不只服务一款产品，所有兼容协议的Agent都能获得这项能力。Agent越多，开发者越愿意提供Skill；Skill越多，Agent越有用。

所以，文件提出高水平建设中国与上合组织国家人工智能应用合作中心，研究一国一策的大模型和智能体出海路径，同时建设有全球影响力的开源社区。

在国际物流行业，供应链上下游存在大量的“散装”数据、工具和服务。

例如，报关、舱单、反恐等通道类服务；

货物轨迹查询、船期查询等数据类服务；

OCR识别等应用类工具。

生态化，意味着更多细分场景的能力可以被快速调取、聚合在统一平台。

未来很多软件的直接用户，会变成Agent。政策正在为Agent之间、Agent与软件之间的大规模互联，提前铺路。

一场软件的重构，已经开始了。

这份仅 10 条的政策文件，清晰勾勒出了智能体走向产业落地的完整路径，也为国际物流行业的智能化应用指明了方向。

对国际物流来说，这个转折尤其值得兴奋。这是一个被重复劳动压了很久、流程链条超长、被大量重复、繁琐的手工操作占据人力成本的行业。同时执行结果可验证，是Agent落地的理想土壤。

软件会从功能集合走向任务系统，商业价值会从“用了多少人、多少小时、多少Token”，走向“最终创造了什么结果”。

对企业来说，AI模型能力上去了，真正的问题是，能不能给它一套可以工作的软件系统环境。

这也是WallTech这些年一直在做的事。今天，我们的企业级AI智能体已经在帮物流人实实在在地干活：

智能录单 无需预先训练模板，PDF、Word、Excel、图片都能识别，批量生成订单；智能订舱 实现7×24小时无人值守，从托书到船司回执全程自动化；智能沃宝 就像系统里的AI助手，用自然语言就能批量操作订单、查询运价、跟踪货物轨迹；超级自定义 用零代码生成表单和定时任务，可自动执行复杂、多环节、重复性的长链路任务；AI ChatBI 让你聊聊天就能查数据、出图表、做分析。

2026年，政策文件所指向的方向，WallTech 已经走在前面。不是更会聊天的AI，而是更能完成任务的AI。

当然，还只是开始。

今年10月，WallTech将举办国际物流AI产品发布会暨15周年庆。届时会有更多重磅AI应用发布，进一步覆盖物流全链路的自动化场景。

智能经济的序幕已经拉开，Agent已经开始工作了。

物流行业的生产力变革，正在逐步成为现实。

接下来的好戏，我们10月见。