模型通过测试，是否就能胜任真实岗位？人、智能体与机器意见不一致时，谁来拍板？智能体获得自主执行权限后，又该如何受到有效监督？2026年10月22日，由中国计算机学会（CCF）主办、CCF YOCSEF深圳组织的“AI Ready：智能体准备好‘上岗’了吗？”技术论坛在2026中国计算机大会（CNCC2026）举行。论坛由YOCSEF深圳前AC主席、深圳大学陈小军教授以及YOCSEF深圳AC委员章秦副教授担任主席，邀请高校、科研机构及产业界嘉宾，围绕岗位胜任力、人—Agent—机器协作与可信托付展开报告和开放思辨。

论坛伊始，陈小军、章秦致开场辞。陈小军指出，随着大模型与智能体技术发展，人工智能正从问答交互走向自主规划、工具调用与真实任务执行，逐步进入科学研究、产业生产和日常服务等场景。但能够完成某项任务，并不意味着已经具备持续胜任真实岗位的能力。如何评价其能力、明确协作关系并建立可信的运行机制，是智能体走向实际应用需要回答的问题。

陈小军以无人配送车在复杂路况下的决策冲突为例，引出论坛的三个核心议题：如何评价智能体的岗位胜任力，如何协调人、Agent与机器之间的分工，以及如何建立与自主程度相匹配的可信机制。他表示，希望通过学术研究与产业实践的交流，进一步厘清智能体从“能够执行”走向“可以托付”的条件。

三场特邀报告：科学探索、物理执行与智能体演化

三场特邀报告分别从科学智能体、物流具身智能和开源Agent系统出发，呈现智能体进入真实任务场景的不同路径。

深圳大学张良杰教授以《科学智能体，准备“上岗”了吗？——从自主发现到可验证、可托付的智能体系统》为题，介绍科学智能体从自主发现走向可信执行的探索。他以生物育种科学智能体“Hello Mendel”为例，分享围绕观察、假设、实验与证据验证构建科研闭环的实践，并介绍能力合同（Capability Contract）、执行监管机制（Harness）和证据链等关键设计；同时提出从“会演示”到“结果可托付”的五级上岗成熟度框架，强调模型能力需要通过执行、验证和治理机制转化为真实岗位中的可靠表现。

京东物流科技副总裁、京东物流教育研究院院长范广辉以《跃迁之旅，数字与物理世界融合的实践探索》为题，结合京东物流“超脑”系统与“狼族”机器人体系，介绍人工智能在智慧仓储、智能分拣、供应链预测、运输调度及无人配送等场景中的应用，分享复杂环境感知、风险预测、主动安全防护、灵巧操作与多机协同等技术探索，展示数字决策与物理执行相结合的规模化运营实践。

香港大学黄超助理教授以《从简单助手到自进化：AI Agent系统的范式变革》为题，围绕Agent从被动响应走向自主任务执行与持续能力演化的发展趋势，介绍工具调用、记忆管理、任务规划和环境反馈之间的关系，并结合HKUDS开源智能体系统及相关研究，分享技能沉淀、经验积累和策略优化等探索，分析长程复杂任务、真实环境交互与持续学习面临的挑战。

三场报告分别从科研、物流和数字任务出发，将讨论引向一个共同问题：如何让智能体的能力转化为稳定、可验证的实际交付。

开放思辨 从能力评价走向岗位准入

论坛下半场采用自报家门、举手发言、单轮发言不超过三分钟的方式，围绕岗位胜任力、分工协作和可信托付展开思辨。三个议题既关注智能体已经具备什么能力，也追问这些能力在什么条件下足以支撑真实工作。

议题一 岗位胜任力如何评价与持续验证

山西大学魏巍教授在观点引导中指出，静态基准测试和单项能力指标难以充分反映智能体在真实岗位中的综合表现，可以从规划、执行、协作、泛化、自适应和风险合规六个维度构建胜任力画像。他特别强调，不同能力之间并非完全可以相互补偿，安全、合规等关键维度应设置刚性门槛，不能仅凭综合得分判断智能体是否具备上岗资格。

围绕魏巍教授提出的评价框架，与会嘉宾展开讨论。大家认为，岗位胜任力评价不能简单等同于模型能力排名，而应从“考多少分”转向“能否胜任具体岗位”。一般能力可以量化评价，安全、合规等关键风险则需要设置独立准入门槛；动态仿真、压力测试和真实业务运行，也应成为检验复杂环境适应能力的重要方式。

讨论进一步延伸到资格认证的持续有效性。模型升级、工具变化或业务场景调整后，原有考核结论是否仍然成立？与会者认为，岗位资格不宜一次认证、长期有效，应结合岗位风险、系统变更程度和实际运行表现开展周期性评估或专项复评，避免脱离具体场景一味追求复评频次。

综合现场讨论，形成两点认识：一是岗位胜任力应坚持任务和场景导向，明确适用岗位、任务范围及运行条件，将一般能力评价与安全合规准入相结合；二是岗位认证应与持续验证衔接，根据业务变化和运行表现动态判断适用性。认证主体、复评周期及重大变更的重测标准，仍有待进一步探索。

国内产业探索为这一认识提供了参照。杭州机器人学校通过入学检测、分科实训、实景考核和技能认证培养机器人应用人才，并以“一机一码”关联培养档案和考核记录。这启发我们，智能体能力认证也应明确“哪套系统、在哪类岗位、什么条件下”通过考核；但该案例并不意味着已建立统一法定准入资格或固定周期复考制度。

物流仓储、分拣与配送等规模化场景则说明，岗位胜任不能只看单次任务是否完成，还应考察连续作业中的任务质量、效率、稳定性和异常处置能力，并在作业对象、设施或流程变化时重新验证。

议题二 人与智能体如何分工并完成可靠交接

哈尔滨工业大学（深圳）漆舒汉教授以“人机共生”为切入点，指出Agent在规划、推理和信息处理方面具有优势，可以承担任务分解、方案制定及部分决策工作，而人在目标设定、价值判断和高风险情境决策中仍然发挥关键作用。他结合自动驾驶等案例指出，当效率与安全发生冲突时，需要明确最终决策权、人工接管机制和责任归属，同时也要避免频繁人工确认给协作带来额外负担。

围绕人和智能体如何分工，与会嘉宾展开讨论。有观点认为，传统岗位中的部分工作可以进一步拆解，交由不同专业智能体协同完成，人则更多承担目标设定、任务监督和关键决策；也有观点强调，岗位重组不能忽视人的价值判断与责任承担。

讨论进一步聚焦决策权和控制权。部分观点强调人在安全、责任和重大利益等关键环节应保留最终控制权；也有观点主张依据任务风险、系统能力和运行可靠性动态分配权限，在低风险、可验证任务中给予Agent更大自主空间。双方共同关注的是如何兼顾自主执行效率与必要的人工监督。

综合现场讨论，人—Agent—机器协作不仅要明确任务由谁完成，还要明确决策权限和执行责任：谁生成方案、谁确认执行、谁有权暂停或终止，异常及意见冲突时如何升级处置。协作模式应根据岗位特点和风险等级灵活配置。

国内外产业实践也提供了参照。GXO的仓储部署将人形机器人与移动机器人、输送线及软件平台结合，BMW的人形机器人产线试验则关注机器人与既有生产系统的通信和集成。这些实践说明，人机协作不能只看单机动作，还应考察业务流程完成质量、等待与交接成本，以及冲突和故障能否及时处理。

在智慧仓储、智能分拣、运输调度和无人配送等场景中，数字决策需要与现场感知、设备执行和业务流程衔接。协作评价既要关注单个设备效率，也要考察任务分解、状态反馈、异常调整和人员介入是否顺畅，避免局部效率提升将等待或处置负担转移到其他环节。

议题三 智能体如何从能力合格走向可信托付

澳门城市大学朱天清教授以“AI Agent的新安全”为切入点，指出智能体能力不断增强，并不意味着系统天然可信。随着工具调用、自主规划和资源操作权限扩大，智能体行为可能产生更广泛的影响，因此必须同步建立授权边界与运行监管机制。她强调，在高风险场景中，应保留必要的人工决策和干预机制，同时重视身份认证、通信安全、隐私保护、权限滥用和责任追溯等问题。

围绕智能体如何实现可信托付，与会嘉宾讨论了管理方式与监管机制。有观点主张借鉴传统软件和工具管理，通过能力说明、权限约束和安全规则控制使用；也有观点认为，面对自主规划、工具调用和多智能体协作，静态权限管理已难以覆盖复杂行为，需要发展动态监管机制。

讨论还涉及自主执行与安全监管的平衡，包括按风险分级授权、识别超出预期的行为，以及通过风险预警、动态约束和人工干预防止风险扩大。现场也探讨了监管机制或监管智能体的可行性，同时指出其独立性、可信性和责任边界仍需验证。

综合现场讨论，可信托付不只是判断智能体是否具备执行能力，更要建立覆盖任务全生命周期的安全机制：执行前明确任务目标、授权范围和行为约束；执行中监测行为偏差，支持预警、暂停和人工接管；执行后保留可核验记录，支持问题定位、责任认定和持续改进。

国内外产业安全实践提示，安全验证不能只关注正常生产状态。OSHA指出，机器人编程、维护、测试、安装和调整等非例行工况同样存在风险；BMW的人形机器人产线试验也将安全性作为持续评估内容。因此，异常工况、人工介入和人机交接都应纳入测试，并验证授权变化或监管失效时系统能否安全停止和恢复。

无人配送和物流机器人等场景进一步体现了动态安全保障的重要性。系统需要持续感知环境、识别突发障碍和潜在风险，并采取减速、避让、停车或请求人工介入等措施。可信托付应贯穿执行前确认、执行中监测、异常处置和恢复前复核，确保行为可控、风险可防、过程可追溯。

论坛总结：推动智能体从技术能力走向真实岗位应用

围绕“AI Ready：智能体准备好上岗了吗？”这一主题，三场思辨从岗位胜任力、人机协作和可信托付三个层面展开，分别追问智能体能否胜任岗位、能否与人可靠协作，以及自主执行能否受到有效监督。

论坛形成的认识是：智能体进入真实岗位不仅是技术升级，也将推动岗位形态、组织结构和人才培养方式变化。未来岗位可能由人、多个专业Agent和智能设备共同承担，岗位评价、企业流程和安全治理也需要相应调整。

要把讨论转化为实际行动，需要学会协会、企业、高校和职业教育机构协同推进，并围绕具体行业岗位开展验证。

一是发挥学会和行业协会作用。建议CCF及相关人工智能、智能体和机器人组织联合高校、科研机构与企业，围绕客服、仓储物流、政务服务等岗位梳理任务、能力要求和风险边界，形成场景化评价指标、测试方法和测评指南，并通过专题研讨、标准工作组和行业测评开展试点。试点可从少数典型岗位入手，建立任务清单和测试场景，记录评价对象、模型与工具版本、运行条件及安全约束，逐步积累可复用案例，避免将通用模型榜单直接等同于岗位资格。

二是鼓励企业开展人机协作试点。物流企业以及银行、医院、政务服务等机构可选择边界清晰、风险可控的岗位，拆解人、Agent和机器人协同任务，明确权限、异常接管和责任边界，并持续评估任务质量、运行效率、稳定性和人工介入成本，验证新流程能否带来整体收益。

三是推动高校将智能体工程与人机协作纳入课程和实践教学。高校可结合企业岗位设计综合项目，将任务规划、工具调用、多Agent协作、场景交互、异常处理和安全审计纳入教学，并通过仿真或真实任务评价系统的质量、协作效果和安全性。

四是加强企业、高校与职业教育机构的人才培训协作。围绕智能体配置、任务监督、设备操作和异常处理开发岗位培训，通过实操训练和场景考核提升从业人员的人机协作能力。

五是推动自主智能体安全测试与运行审计。学会协会、专业安全机构和企业可共同研究自主规划、工具调用、资源操作及多智能体协作中的风险，推动形成分级授权、执行监测、异常干预、人工接管和过程追溯的测试方法，并将模型升级、工具变化和场景迁移纳入持续验证。

上述工作可从行业试点逐步推进：学会协会组织评价研究，企业开放真实岗位与流程，高校提供技术研发、测试环境和人才培养，职业教育机构推动在岗人员技能更新。通过积累可复用的岗位案例、测试方法和教学资源，为智能体规模化应用打下基础。智能体是否准备好上岗，最终不取决于它在演示中表现得有多聪明，而取决于它能否在真实岗位中持续创造价值，能否与人形成可靠协作，以及能否在明确的规则和责任边界内安全运行。

参考资料

[1] 人民网，2026年6月30日，《浙江省首个“机器人学校”在杭州开学》；新华网，2026年10月16日，杭州机器人学校培养认证与“一机一码”报道。https://zj.people.com.cn/n2/2026/0630/c186327-41625058.html ； https://www.xinhuanet.com/tech/20261016/0e4aaf6b5f2f4e7cb085a54db0545bda/c.html

[2] GXO，2024年6月27日，GXO Signs Industry-First Multi-Year Agreement with Agility Robotics。企业部署公告，相关能力与部署描述按发布方口径引用。https://investors.gxo.com/news-releases/news-release-details/gxo-signs-industry-first-multi-year-agreement-agility-robotics/

[3] BMW Group，2024年9月11日，Humanoid Robots for BMW Group Plant Spartanburg。本文引用其产线试验、系统集成与持续安全评估信息，未据此推断通用岗位胜任。https://www.bmwgroup.com/en/news/general/2024/humanoid-robots.html

[4] OSHA，Robotics — Overview。工作场所机器人安全背景资料，非针对本次论坛所讨论系统的事故统计。https://www.osha.gov/robotics/

图文 | 陈小军

编辑 | 章秦

审核 | 段海涵