"一个70分的模型配合良好的智能体平台，效果可能超过80分模型但无智能体支持的平台。"7月28日，360集团创始人周鸿祎在"纳米Work"发布会上抛出了这个引人深思的观点。在他看来，AI行业正处在一个重要的转折点，竞争的重心正在从模型本身的能力参数，转向智能体在实际场景中的落地效果。这个转变意味着AI行业的竞争规则正在被重写：过去谁训练出了最好的模型谁就赢，未来谁能把模型用出最好的效果谁才是赢家。
纳米Work正是360对这一判断的实践产物。这款被定位为"专门面向企业的智能体工作平台"的产品，与面向个人开发者的Claude Code、Codex等开放式智能体工具有着根本性的区别。周鸿祎在演讲中强调，个人智能体允许一定程度的随机性和不确定性，但企业场景需要的是确定性，在给定时间内完成给定任务，且成本可控、结果可预期。这个定位差异决定了纳米Work在架构设计上的诸多关键选择，也决定了它与其他智能体产品的本质不同。
纳米Work的诞生源于360内部一场持续150天的智能体实验。这场实验覆盖了公司630个不同岗位类型的员工，从研发、产品到市场和职能岗位全面参与，消耗了约350万亿Token，收集了5.6万条员工反馈。实验过程中，360团队发现了一些令人警醒的事实：开放式智能体的任务完成率并不高，而且存在成本失控的风险。周鸿祎在发布会上举了一个生动的例子，有员工使用智能体制作一份PPT，竟然消耗了上亿Token。"跟他工资相比，这是降本还是升本？"
基于这些实验数据，360总结出了企业智能体的四项核心标准：成本可控、使用简单、运行稳定、全程可审计。这四项标准看似朴实，但每一项在实际落地中都充满了挑战。将大模型的能力转化为企业可用的生产力工具，需要的不仅仅是更好的模型，而是一整套围绕企业场景设计的工程化体系。周鸿祎在发布会上强调，智能体的企业级应用必须有一个核心原则：在提升效率的同时绝不能牺牲安全性和可控性，这是360多年来在网络安全领域积累的核心经验在企业AI领域的自然延伸。
纳米Work在安全设计上做出了一个引人注目的选择：采用"云上虚拟电脑"方案，将智能体的运行环境与用户的本地设备完全隔离。这意味着智能体执行任务时，所有代码运行和数据处理都在云端的安全沙盒中完成，用户的本地系统不会直接暴露给智能体。
周鸿祎对这个设计的解释直白而坦诚："智能体比你聪明，但比你聪明的智能体在内网会干什么？99%的行为可以预测，但有1%不能预测。"对于企业客户而言，这1%的不可预测性可能意味着灾难性的安全后果。纳米Work的隔离方案从架构层面堵住了这个风险，让企业在享受智能体效率提升的同时，不必承担潜在的安全敞口。
在底层能力方面，纳米Work支持灵活的多模型调度机制。企业用户可以根据任务类型自主选择底层模型，也可以让系统根据任务的复杂程度自动匹配。简单的任务调用响应快、成本低的模型处理，复杂问题再调配能力更强的模型。周鸿祎用一个形象的比喻概括了这一设计："就像企业团队不可能全用博士生。"这种多模型智能调度策略在实际测试中帮助企业客户将整体AI调用成本降低了约40%，同时任务完成率提升超过30%，验证了"好钢用在刀刃上"的核心理念。
纳米Work设计了三种递进式的工作模式，覆盖从简单到超复杂的任务类型。第一种是"边想边干"模式，适用于确定性高的简单任务，智能体可以快速执行。第二种是"先规划后执行"模式，适用于复杂任务，智能体先制定工作计划，经用户确认后再逐步执行。第三种模式针对超复杂任务，智能体可以调用一切可用路径、工具和方法来完成任务目标。
这种分级设计体现了一个重要的产品哲学：智能体的价值不在于它在所有场景下都"自作聪明"，而在于它在合适的场景下做合适的决策。对于企业而言，一个可以预测、可管理的智能体，远比一个固然强大但不可控的智能体更有价值。
从横向对比来看，360的纳米Work并非孤例。同期，联想也披露了其"乐享"企业超级智能体的运营数据：月活突破700万，日均处理交互超100万次，累计带动销售额突破50亿元。联想在全球GAIA智能体榜单中获得总体得分91.36%的全球第一成绩。这些案例正在共同证明，企业智能体正从"技术概念"走向"业务刚需"，一个以智能体为核心的新生产力时代正在加速到来。
值得关注的是，360的纳米Work发布恰逢企业智能体市场从"教育客户"阶段进入"规模落地"阶段的转折点。在此之前，企业客户对AI智能体的顾虑主要集中在安全性、可控性和成本三个方面。360通过150天的内部实验积累了大量一手数据，验证了企业智能体在合理框架下可以同时提升效率和降低成本。这种来自"实战"的数据比任何宣传都有说服力。