--- title: "对话 DistriBrain CEO 陈凰朝：AI 员工真正托付业务前，还缺什么？" id: "20260612A04OL900" publicationAccount: "非凡产研" originalPublishedAt: "2026-06-12T12:43:36+08:00" canonical: "https://ffcap.cn/research/20260612a04ol900" source: "https://view.inews.qq.com/a/20260612A04OL900" sourceAccount: "https://news.qq.com/omn/author/21759984" language: "zh-CN" tags: ["AI Agent","销售与客服","具身智能","办公协作","融资与投资"] --- # 对话 DistriBrain CEO 陈凰朝：AI 员工真正托付业务前，还缺什么？ 文章中的“非凡产研”是原始发布账号署名，不代表已核实个人执笔作者。引用访谈或圆桌观点时，应按正文标明具体发言人及当时身份；无法确认时不要推断。日期为原始发表日期，历史信息以发布时点为准。 **AI行业观察** ## **你下班之后，它还在不在岗** 对话 DistriBrain CEO 陈凰朝：AI 员工真正上岗之前，还缺什么？ " **陈凰朝跟我讲了一个测试。** **判断一个 AI 算不算真正意义上的员工，标准只有一个：你下班之后，它还在不在岗。** 其实今天市面上绝大多数被称为"AI Agent"的东西，这道坎全过不了。 2024 年是所有人都在讲 Agent 的一年。路演上、发布会上、投资机构的 memo 里，"agentic AI"出现的频次大概跟 2022 年的"元宇宙"差不多。 但 Gartner 泼了一盆冷水：到 2027 年底，超过 40% 的 agentic AI 项目会被取消。原因不是模型不够聪明，是成本、价值和风控。再看另一个数字：在数千家自称做 agentic AI 的厂商里，真正名副其实的，Gartner 估计大约 130 家。其余的，都在做一件事——把旧的聊天机器人或自动化脚本换了个名字，重新包装。 陈凰朝管这叫"Agent Washing"。她创办 DistriBrain 的起点，某种程度上就是对这种现象的反应。 ![对话 DistriBrain CEO 陈凰朝：AI 员工真正托付业务前，还缺什么？ · 原文图片 1](https://inews.gtimg.com/om_bt/O3R3Iu5m7jWvzx-xLrdRgeiQHVpQEnmeGeSrrQG7RGofgAA/1000) ## **你雇了个实习生，但没给他工位和门禁卡** 她打了个比方，我觉得比任何技术解释都清楚。 没有哪家公司会让一个新员工不签保密协议、没有工位、揣着全部密码，跑去网吧办公。 可今天很多企业用 AI Agent 就是这样：在自己的电脑浏览器里，拿着真实的 API key，直连生产系统，跑完 demo 就认为 AI "能用了"。 能跑通和能托付，是两回事。 Klarna 的案例值得细说。2024 年初，他们宣布 AI 客服助手一个月处理了 230 万次对话，效果相当于 700 名全职客服——这个数字当时被引用了无数遍，成了"AI 已经能替代人"的最有力证据。 但到了 2025 年，Klarna 开始重新招人了。CEO 公开承认，过度转向 AI 影响了服务质量，用户抱怨找不到真人。 我觉得这个反转，比原来那个成功案例更有价值——它说明的不是"AI 客服不行"，而是**"没有基础设施托底的 AI 员工，必然翻车"**。Klarna 的 AI 当时聪明吗？聪明。但它没有混合模式，没有人工接管机制，没有质量监控，一直干到客户忍无可忍。 这恰好证明了陈凰朝的整个论点。 她说了一句话，是这次访谈里最准的诊断：**"坏建议只是烦人，坏动作要付代价。"** 当 AI 从出主意变成能真的动钱、发邮件、改权限、部署代码，每一个 bug 都不再是小毛病，而是一次事故。Agent 的危险性，从本质上就和之前那些只会"给建议的副驾驶"不同。 ## **九成七的 AI 账号，权限都超了它该有的** 2025 年，安全圈有一个词突然变得很热：**非人类身份（Non-Human Identity）**。 说的是这样一种现象：企业里的 AI Agent、自动化账号、API 凭证——这些"机器员工"的数量，已经是真人员工的 50 到 100 倍。但给人设计的那套权限管理，根本管不住它们。 原因简单得可怕：传统权限系统只在注册那一刻验一次身份，之后运行时干了什么，没人逐个动作盯着。一个 agent 一旦启动，几秒之内就能把一个请求散成几十个动作，穿越多个系统。 更糟糕的数字：**近九成七的机器身份，带着超出本职需要的过度权限**。平时无事，出事即大事。 陈凰朝的解释很直接："别给 AI 员工一整串钥匙，让它哪扇门都能开；给它一张门禁卡，只进今天该进的那几扇门，干完就把权限收回。" 行业里管这叫"最小权限"原则，不是新概念，但在 agent 场景下格外要命——因为 agent 会自己串联，一个被授了过多权限的 agent，能顺着权限链一路摸到你最不想让它碰的地方。 DistriBrain 做的 VM 隔离、加密隧道、API key 分离，是在把这件事当工程问题来解。每个 AI 员工有独立的工作环境，出了事不波及全局，每一步都有记录。 不过这里有一个必须说清楚的边界：这套基础设施解决的是**技术层面的可追溯性**，不是法律层面的责任归属。当 AI 员工真的造成重大事故，谁来负法律责任——这个问题全球法律框架都还没建好。陈凰朝的系统能创造事实记录，让问责成为可能；但法律的确定性，要等立法赶上来才有。这是行业诚实面对的边界，没有人能假装它不存在。 ## **模型给智商，业务给经验** "企业花钱请人，请的从来是经验，不是智商。" 这句话陈凰朝说得很肯定。她对此有一个更具体的论断——**模型升级是所有人共享的底座，不是任何一家企业的护城河。** 这个判断现在越来越多人在印证：更普遍的做法是，在闭源模型上做原型，在开源模型上做部署。原因很简单，模型之间的差距每个季度都在缩小。"永远用最大的闭源模型"早不是默认答案了——DeepSeek、Qwen 这些把差距追平的开源模型，恰好都是中国的。 那护城河在哪？ 陈凰朝的答案是：**在企业自己的数据和经验沉淀里。** 一个 AI 员工如果能带着记忆回来，知道上次那个客户为什么生气、这类单子一般卡在哪个环节、老板说的"差不多"是多少——它才从"会查资料"，变成"懂这家公司"。这两件事不一样。 她管这叫从出厂水平到"越用越值钱"的过程。技术上不是把聊天记录存进数据库就了事，而是让系统自己学会哪些该记、哪些该忘、何时该翻出来用。 中间层最大的批评，历来是"套壳"——夹在模型公司和云厂商之间，两头受挤，生命周期短。陈凰朝没有回避这个批评，她的回答是：纯粹做连接管道的公司，确实是最危险的位置。但如果你做的是让企业的业务理解长在这套系统里、迁不走，那这一层就从管道变成了土壤。 这个逻辑成不成立，取决于"迁不走"这个动作是否真实发生——这是 DistriBrain 要用市场来验证的命题，而不是现在就能定论的事。 ## **新加坡，是那个让各方都能坐下来谈的地方** 陈凰朝在新加坡做的另一件事，是联合创办了 CSAIA——中新人工智能协会，全球成员超过 1500 人，合作机构将近 100 家，包括字节跳动、谷歌、亚马逊，以及南洋理工大学、新加坡管理大学。 她说这个协会不是规划出来的，是从 2024 年一个 500 人的华人 AI 社群里自然生长出来的。疫情后新加坡第一个华人 AI 社群——人聚在一起，彼此之间的需求就显现了：一个团队花三个月才搞懂的本地合规，隔壁团队又从头踩一遍；这边有技术找不到市场，那边有资源找不到好项目。 新加坡的价值，她给了一个干净的答案：**中立。** "新加坡是中美两边的 AI 公司都能落脚的中立地带。钱哪儿都能找，能让各方都放心坐下来谈的地方，不多。" 中国 AI 团队出海东南亚，她观察到最普遍的误区，不是技术不够，而是：**把"东南亚"当成一个市场。** 它不是。东南亚是十几个语言、宗教、监管逻辑和消费习惯都不同的碎片化市场。光语言这一点，本地已经有专门做东南亚多语言的开源大模型在跑——这件事本身就说明了碎片化有多严重。你在新加坡跑通的东西，搬到印尼、越南，可能是完全另一套打法。 第二个误区是低估本地化和渠道的重要性。很多团队觉得产品好就行，但在这边，能不能找到对的本地合作方、能不能过合规，往往比产品本身更决定生死。 ## **对人的要求，是变高了，不是变低了** 访谈最后，我问了一个很多人都想知道的问题：AI 员工越来越能干，人的角色会变成什么？ 她的判断很清晰：**往上走。从干活的，变成定方向和把关的。** 具体执行这一层，AI 接得越来越多，挡不住。但这反而把人解放出来，去做更难也更值钱的事：搞清楚什么才是对的目标，判断 AI 交出来的东西够不够好，在关键决策上拍板担责。这几件事短期内 AI 替不了，因为它们要的不是算力，是判断和责任。 "未来公司里最稀缺的能力，不是会执行，是会定义问题、会验收结果。一个人能不能管好五个 AI 员工，看的不是技术多强，是能不能把一件模糊的事说清楚，能不能一眼看出交付的东西哪儿不对。对人的要求是变高了，不是变低了。" 然后她说了这次访谈里情绪张力最大的一句话—— **"这可能是普通人用极低的门槛、快速把一个想法变成现实的最后一个创业时代。"** 我们做的事，归根结底，是让每一个有想法的人，第一次真正拥有一支团队。 这句话挺重的。如果它是真的，那 AI 员工的上岗条件，就不只是一个企业软件问题，而是关于"谁有资格创业"的基础设施问题。 ## 最后 AI 行业争了两年，争的都是谁的模型更聪明。 但聪明和能干活，是两回事。聪明解决的是"能不能做到"，能干活解决的是"在真实世界里能不能被托付"。 后者需要的，是一整套我们还没建好的东西：隔离的工作环境、精确的权限边界、完整的审计记录、关键时刻的人工接管、以及随着时间积累的业务记忆。 这些东西不光鲜，没有发布会上那种"震撼时刻"，但它们是 AI 从能聊变成能干活的那道真正的门槛。 陈凰朝说，她做的不是又一个更聪明的聊天机器人。 我相信她说的是真话。剩下的问题只有一个： 谁来把这道门建好，谁就接住了这波。 ## **精选 Q&A** **Q1：你会怎么跟一个不了解 DistriBrain 的企业客户解释你们在做什么？** 陈凰朝（DistriBrain CEO）：AI 这件事分三层，底层算力和大模型大厂把着，上层各类应用起落都快，中间一层是把模型和企业真实业务接起来的。帮一家公司微调自己的模型、训练自己的智能体、嵌进自己的流程，时间一长，它的业务理解、踩过的坑、跑顺的路径，全长在这套系统里，迁不走，也越用越值钱。DistriBrain，分布式大脑——我不相信未来所有的智能都集中在几家大厂手里。 **Q2：Agent 和 Employee 的差别到底是什么？** 陈凰朝：差别就在一个词：职责。Agent 完成一次任务，给个指令，给个结果，事就结束了。Employee 承担一份职责，给的是目标，它要自己拆解、自己排期、自己处理中途的意外，最后对结果负责。判断标准很简单：你下班之后，它还在不在岗。 **Q3：企业真正想要的是聊天入口，还是能执行任务的工作者？** 陈凰朝：没有人真的想要又一个聊天框。企业里真实的场景是：管理者要的不是"陪我聊聊这个方案"，是"这事你办了，办完告诉我"。聊天框把活儿又还给了人，你得一句句问、一步步盯，到头来干活的还是你，AI 只是个更会说话的搜索框。 **Q4：为什么 AI Agent 进真实业务后，安全隔离会变得这么重要？** 陈凰朝：坏建议只是烦人，坏动作要付代价。当 AI 从出主意变成能真的动钱、发邮件、改权限、部署代码，每一个 bug 都不再是小毛病，而是一次事故。企业里现在 AI 账号的数量已是真人的几十到上百倍，而它们没有上级、永不过期，给人设计的那套安全机制根本管不住。 **Q5：企业在给 AI 员工开放工具权限时，边界怎么定？** 陈凰朝：别给 AI 员工一整串钥匙，让它哪扇门都能开；给它一张门禁卡，只进今天该进的那几扇门，干完就把权限收回。近九成七的机器身份都带着超出本职需要的过度权限，平时无事，出事即大事。能力是开放的，边界是收紧的，这两件事并不矛盾。 **Q6：AI 员工如果要 24/7 工作，除了模型之外还需要什么？** 陈凰朝：至少这几样——调度，它得知道什么时候干什么；权限管理，谁能干什么管得住；日志和审计，每件事留得下记录；异常处理，卡住报错时能停、能回滚、能叫人；记忆，否则它每天上班都像第一天；还有人工接管，关键决策上人能随时按下暂停。模型再强，没有这一整套兜底，它就只能在演示里上岗。 **Q7：模型升级和业务训练，哪个对 AI 员工更重要？** 陈凰朝：模型升级给的是智商，业务里跑出来的东西给的是经验。企业花钱请人，请的从来是经验，不是智商。一个更大更新的模型，全世界都能调，它不是你的护城河，是所有人共享的底座。企业的数据一旦沉淀进来，就不会轻易迁走——新模型出来，受益的是所有人，但你这些年攒下的业务理解只长在你这套系统里。 **Q8：中国 AI 创业者出海东南亚，最常踩的坑是什么？** 陈凰朝：最大的误区，是把"东南亚"当成一个市场。它不是，是十几个语言、宗教、监管、消费习惯都不同的市场。光语言这一点，本地已经有专门做东南亚多语言的开源大模型在跑。你在新加坡跑通的东西，搬到印尼、越南可能是另一套打法。第二个是低估本地化和渠道，第三个是不够尊重当地企业的真实需求——说到底是同一个毛病：把自己的经验当成了普适的真理。 **Q9：AI 员工会最先在哪些场景跑起来？** 陈凰朝：先在目标清楚、结果可衡量、容错空间还行的场景。销售线索的挖掘跟进、客服、运营里重复性高的活、内容生产、研发里写代码，会最先成规模。相反，一步错就是大事故的场景——比如直接管钱、管医疗决策——会慢一些，不是 AI 干不了，是大家敢放手的那天来得晚。我个人尤其看好创始人助理这个方向。 **Q10：AI Employee 真正改变的不是自动化任务，而是什么？** 陈凰朝：是一个组织的能力上限。它改变的不是"谁来干活"，是"谁有资格创业、谁有能力扩张"。从前你的野心受限于你能雇到多少人，往后，一个人也能调动一整支队伍。我们做的事，归根结底，是让每一个有想法的人，第一次真正拥有一支团队。 --- 原始发布版本：https://view.inews.qq.com/a/20260612A04OL900 本站阅读页：https://ffcap.cn/research/20260612a04ol900