当前，客户期望已从简单的快速对话交互，跃迁至复杂的、由智能体驱动的任务执行。传统IT架构面对这种高并发、多步骤的请求往往力不从心，成为企业数字化转型中的核心瓶颈。正是在这样的科技动态背景下，全球知名金融科技公司Intuit做出了一项大胆决策——彻底重构其业务平台的技术底座。他们将原本追求广泛能力的多智能体系统，转变为一种细粒度、基于技能与工具的架构，并首次将人类专家直接嵌入AI工作流中。这一变革不仅改变了Intuit自身的AI能力边界，也为整个行业提供了关于AI投资与AI独角兽成长路径的重要参考。
客户期望剧变：从简单对话到复杂智能体任务
过去几年，大多数企业AI应用聚焦于对话式客服或简单的自动化流程。用户能接受一问一答的交互，但如今，人们希望AI能够自主完成一系列相互关联的任务：比如从海量数据中提取信息、跨系统执行操作、甚至根据实时反馈调整策略。这种“智能体化”需求，对底层基础设施提出了前所未有的挑战。
传统IT架构通常采用分层设计，各系统间通过API调用进行点对点通信。当任务复杂度上升时，这种架构容易陷入“编排地狱”——每个微服务都需要协调，响应延迟激增，且难以应对上下文切换。Intuit的CIO团队在内部评估中发现，其原有的多智能体系统虽然覆盖了广泛的功能，但每个智能体都像一个“黑箱”，内部逻辑混杂，导致性能调优和故障排查变得极为困难。
与此同时，企业级客户对实时性和准确性的要求也在提高。例如，在财务软件中，用户可能同时需要报销审批、税务计算和现金流预测——这三个任务如果由三个独立的AI智能体完成，相互之间缺乏上下文共享，就会出现数据不一致。Intuit意识到，必须从“大而全”的智能体转向“精而专”的技能单元，才能匹配这种新的科技动态趋势。事实上，这种观点正得到越来越多AI投资机构的认可——那些在架构上具备灵活性的初创公司，更容易获得资本青睐。
Intuit的架构革命：从多智能体到技能工具精细化分解
Intuit AI副总裁Nhung Ho在最近的一次内部技术分享中透露了关键的转折点：“我们从一个多智能体系统——即每个智能体承担大量任务——彻底转向了完整集成工作流、技能和工具，并下沉到最基础层面。我们重写了编排器、规划器、大脑，甚至改变了整个公司所有人构建AI的方式。”这番话背后，是一场彻底的基础设施手术。
具体而言，Intuit将原来庞大的“全能型”智能体拆解为多个独立但可组合的组件：技能（Skills）是原子化的能力单元，例如“识别发票中的日期”、“校验用户权限”；工具（Tools）是与外部系统交互的接口，比如连接银行API或调用抠图服务来处理证件照片；工作流（Workflows）则定义了这些技能和工具的调用顺序与条件分支。这种“脑手分离”的设计，使得AI能够像乐高积木一样灵活组合。
更重要的是，Intuit将人类专家直接嵌入到工作流的关键节点。例如，在风险极高的贷款审批环节，AI先完成所有自动校验，然后将待定案例推送给人工审核员，审核员的决策反馈又会被用来训练后续模型。这种“人在环中”的方式，既保证了关键决策的可靠性，又大幅提升了整体效率。许多观察者认为，这一架构将成为未来AI独角兽企业构建核心竞争力的蓝本。
人类专家与AI协作：嵌入工作流的全新模式
Intuit的变革不仅停留在技术层，更触及了组织协作的本质。在传统自动化项目中，人类和AI通常是串行工作：机器处理简单任务，复杂问题转给人工。但Intuit采取了并行嵌入策略：在每个工作流中，人类专家作为一个独立的“技能节点”存在，AI可以随时调用人工决策或反馈。
例如，当AI在税务申报过程中发现某笔交易存在歧义时，它不会中断整个流程，而是将那个特定步骤包裹成一个“人工技能”，同步推送给有资质的税务专家。专家处理完毕后，AI自动继续执行后续步骤。这种设计极大减少了等待时间，同时保留了人类对高风险环节的控制权。
这种模式对AI行业的影响深远。它不再把AI视为替代人类的工具，而是将人机协作提升到了系统架构的层面。对于那些希望利用AI诗词或古诗词生成等创意工具的企业来说，这种架构同样适用——AI生成初稿，人类进行润色和情感把控。Intuit的做法表明，真正有效的企业级AI，必须让人类专家成为系统的一部分，而不是旁观者。
这也解释了为什么越来越多的AI投资机构开始关注“人机协作”能力作为评估初创公司的关键指标。一个纯粹的自动化方案可能很快触及天花板，但能够灵活嵌入人类智慧的架构，往往具备更长的生命周期和更强的适应性。
解耦编排与模型提供商：保持灵活性与最佳工具选择
Intuit重构的另一个核心亮点，是实现了编排层与模型提供商的彻底解耦。在旧架构中，企业往往被绑定在某个特定的大模型供应商（如OpenAI、Google或Anthropic）上，更换模型的成本极高。Intuit通过构建一个抽象的“智能系统层”，使得编排器可以动态地选择最合适的模型——无论是来自大型模型提供商，还是内部自研的专用模型。
这种解耦不仅降低了长期供应商依赖风险，还让Intuit能够根据任务的特性选择最优工具。例如，对于需要高创造性的任务（如生成营销文案），系统可以优先调用GPT-4；而对于高精度、低延迟的数据提取任务，则可能切换到一个经过蒸馏的专用小模型。甚至在某些场景下，系统会同时调用多个模型进行交叉验证。
与此类似，企业在构建AI工具导航时也应考虑类似的抽象层，以便快速接入不同的AI服务。Intuit高管将在VB Transform 2026大会上进一步分享这一抽象层的技术细节，包括如何设计统一的模型接口、如何管理不同模型的成本与延迟权衡。
这一趋势正在重塑AI独角兽的估值逻辑。那些能够提供“模型无关”编排平台的公司，正在吸引大量资金——因为它们帮助企业降低了技术迁移风险，这正是企业级客户最关心的问题。
VB Transform 2026：行业领袖共探智能体编排前沿
Intuit的Nhung Ho将于2026年7月14日至15日在VB Transform大会上发表主题演讲，详细解读上述架构决策背后的技术权衡。这一会议已迅速成为企业AI基础设施领域的旗舰活动。除了Intuit，还有多家顶级公司的高管将分享其实践经验：
- Target公司SVP技术Siobhan McFeeney将探讨如何利用智能体AI实现“从信号到货架”的产品精准匹配； - Instacart CTO Anirban Kundu将展示如何通过智能体AI消除重复劳动、提升团队效能并降低开支； - Asana首席产品官Arnab Bose将区分“MCP连接”与真正的编排，阐述智能体执行层的构建逻辑； - Rivian与Databricks的高管将联合发布“智能体劳动力”蓝图，帮助企业规模化部署AI操作而不陷入混乱； - Atlassian团队实验室负责人Molly Sands则会带来“生活实验室”中上下文感知智能体的大规模部署案例。
这些分享共同勾勒出未来企业AI基础设施的进化方向：从孤立的工具到协同的智能体网络，从固定的工作流到动态的编排系统。对于关注AI投资的读者来说，这些演讲不仅展示了技术前沿，也间接揭示了哪些领域可能诞生下一代AI独角兽。
对AI投资和AI独角兽的深远影响
Intuit的架构变革对更广泛的AI生态系统具有示范意义。首先，它证明了“精细化”优于“大而全”的理念——在智能体系统设计中，拆解得越细，系统的可维护性和可扩展性就越强。这直接启示AI初创团队：与其盲目追求全栈能力，不如先打磨几个核心技能，并通过标准化的工具接口融入更大的生态。
其次，人类专家嵌入工作流的模式，为AI独角兽提供了差异化的竞争壁垒。纯算法公司容易被巨头复制，但“人+机”融合的行业知识系统很难快速模仿。那些深耕垂直行业、将专家经验转化为可复用技能的团队，更容易获得AI投资机构的溢价。
最后，模型解耦的趋势将催生一个新的中间层市场——帮助企业编排和优化多模型调用的基础设施服务。这类似于云计算时代的“混合云管理平台”。能够抓住这一机遇的初创公司，有望成长为下一批AI独角兽。
总之，Intuit的探索不仅是技术层面的成功，更是一面镜子，映射出整个行业正在经历的深层变革。从AI画图到文生图，从艺术签名到企业级智能体，AI应用的底层逻辑正在被重新定义。关注最新科技动态，就是关注这些悄然发生但影响深远的架构演进。