智能体身份码正式上线，30家单位参与发放，AI员工开始拥有工号

8月31日，上海张江科学之门模力社区内，智能体身份码节点管理平台正式上线。现场展示中，操作人员演示了从身份申领、材料核验到跨主体互联调用的全流程——这并非一次普通的技术发布，而是智能体正式获得组织“编制”的起点。30家单位作为首批节点发放方参与其中，意味着越来越多的AI智能体将拥有类似人类员工的“工号”，即唯一可追溯的数字身份。

这一进展背后，是智能体角色的根本性转变：它们正从个人电脑中被动响应指令的工具，转向能跨系统调用、嵌入业务流程、自主执行任务的“数字同事”。当一个智能体可以独立完成排产模拟、数据关联分析甚至报表生成时，组织必须面对一个更现实的问题：谁来派活？谁负责验收？若出现偏差或错误，责任如何归属？

身份码的落地并非孤立事件。7月17日，在2026世界人工智能大会上，国家网信办联合多部门发布《智能体互信互联互操作全球合作倡议》，明确将“智能体身份标识、协作互认”列为关键基础技术方向；同步发布的《国际人工智能伦理治理行动计划》进一步提出，需围绕工具调用权限与自主决策能力构建差异化风险处置规则，并厘清开发者、部署者与使用者的权责边界。

国内政策同步推进。国家网信办等三部门印发的《智能体规范应用与创新发展实施意见》明确提出，探索建立智能体注册平台，提供数字身份管理、检索发现与能力声明等服务。张江上线的平台正是对这一路径的具体实践——让每个智能体在“报到”时有名有姓、有据可查。

上海亦加速制度配套。8月发布的《上海市“数字上海”建设“十五五”规划》强调，“建设政务智能体驾驶舱，实现工作空间与运行观测”，目标是让人、智能体与系统形成多级高效协同。这意味着智能体不仅要“有名字”，更要“看得见、管得住”。身份码解决的是“认得出”，组织授权解决的是“管得住”，而岗位分工机制才真正决定“用得好”。

身份确立后，下一步是职责划分。上汽帆一尚行已上线超100个数字员工，其计划排产助理可在输出模拟方案后交由人工审核。项目负责人陈宁博士指出：“数字员工的本质是能承接完整岗位职责的虚拟协作者，聚焦单一岗位实现全流程闭环。”这标志着智能体正从辅助角色走向岗位级替代。

更进一步，商汤小浣熊允许业务人员仅输入一句自然语言，即可完成数据关联、趋势研判与报表生成。人从重复性取数中解放，转而聚焦于判断与决策。分工是否清晰，不取决于助手数量，而在于每段任务是否明确归属：哪些环节交由智能体自动化处理，哪些必须保留人工介入。

组织形态随之演进。传统科层制依赖固定职级与部门边界传递任务；矩阵式组织虽支持跨部门协作，仍受限于汇报关系。而“组织智能”则将单元转向任务与角色本身：一名员工可调度多个智能体协同作业，不同专业人员围绕项目动态组合，任务完成后资源重新配置。

管理者的新职责由此浮现：设计人机分工逻辑，并为最终结果兜底。国泰海通已部署超1000个业务智能体，覆盖九大业务领域、260个细分场景，其中超500名员工参与搭建，一线业务人员占比超20%。其实践表明，懂业务的人才应主导派活环节，确保智能体任务与实际需求对齐。

验收环节需制度支撑。人民网推出的001号AI数字员工定岗为“办公室数字协同专员”，考核体系明确以任务完成度、验收通过率与操作合规性为核心指标。《智能体规范应用与创新发展实施意见》也强调，必须厘清“仅限用户本人决策、需授权决策与智能体自主决策”的边界，保障用户对智能体行为享有知情权与最终决策权。

责任归属仍是难点。当一项任务由多个智能体接力完成，风险可能沿调用链扩散。设置“审核”按钮容易，难在责任实体化、制度化与人员化。清华大学经济管理学院教授李宁在《AI原生组织》中指出，现代公司制度本质是“拆解与粘合”——因人的能力有限，故将目标切碎为工种、部门与职级，再靠会议与审批将其重组。如今AI正在抽走这套逻辑的底座：写前端的程序员可顺手搭好后端与数据库，五十人团队被三个带Agent的个体悄然替代。

但硬币另一面是，“生成”变得廉价，“验证”却成为新瓶颈。几百个Agent可瞬间产出海量内容，却无法替人类承担哪怕一秒的犹豫、判断与抉择。组织的分工逻辑，正从“按工作量切分”转向更隐秘的“按认知带宽切分”。

阿里近期动作印证了这一趋势。9月云栖大会上，CEO吴泳铭描绘了上百万Agent协同完成火星飞船建造的远景；10月13日，千问发布Personal Agent“千问Go！”，可执行汽车保养、运动预约等现实长尾任务；企业端则通过“企业上下文”与钉钉集成，构建理解业务的数字员工。其底层平台亦推出Agent Studio与AI座舱解决方案，推动Agent进入生产环境。

值得注意的是，阿里将千问（C端）、千问办公（企业端）与千问AI平台（MaaS）划归不同事业部，统一纳入Alibaba Token Hub事业群统筹，反映其对Agent体系化落地的重视——它不再只是模型能力延伸，而需独立的产品入口、工作流集成与底层服务支撑。

当前挑战仍存：身份码解决了识别问题，但组织尚未普遍建立与之匹配的绩效评估、权限分级与责任追溯机制。部分企业尝试“反蒸馏”防御——员工不愿将经验沉淀为可复用的Skill，担心核心能力被稀释；“影子AI”现象也开始出现，即员工私下使用未备案的智能体完成任务。

这说明旧雇佣契约已难以容纳被AI放大的超级个体，而新利益分配机制尚未成熟。当执行门槛被彻底抹平，人类留在牌桌上的最后筹码，只剩下定义问题的能力与难以量化的判断品味。

智能体有了工号，只是组织变革的第一步。真正的考验在于：企业能否重构一套既尊重AI效率、又保障人类价值的新型协作秩序。