👦🏻 作者: GaKi
🥷 编辑: Koji
🧑🎨 排版: NCon
「老板」这个词，放在 AI 时代听，多少有些陌生。但 Zleap 智跃创始人 Jomy，却已经是第二年为老板做 AI 了。
过去两年的 AI 发布会上，大家更习惯称呼其为「创始人」，员工则互称「同学」，很少有人把目光放在老板身上。
但 Jomy 认为，企业 AI 转型必须从老板开始，自上而下推进。 因为，采购资源、承担费用、调整工作方式，都需要老板做决定。
而老板人群又有几个特点：
【2】习惯通过层层汇报了解公司，又担心信息被过滤。新工具要先看到效果，才会买单。
Jomy 最初选择的产品切入点，正是老板们所关心的：
一年前，「十字路口」和他做过一次对谈。当时，他希望通过「CEO 管理盒子」让老板率先用上 AI，带动企业迈出转型的第一步。
一年后，他对企业 AI 转型有了新的理解。
接下来，相比于产品概念剖析，我们更想把 Zleap 当作一个观察样本，看看这一年里，企业 AI 究竟发生了哪些变化。
全文将围绕三个问题展开：
【2】老板如何管理员工的 AI？
【3】老板如何让 AI 持续工作？
去年那次对谈里，Jomy 对 CEO 管理盒子的设想很简单：
CEO 管理盒子
这个 Agent 主要出现在群聊和内部系统中，收集、整理工作信息。
Jomy 后来承认，实际推行却遇到了很大的组织阻力。员工会主动避开它，不愿提供工作信息。信息又分散在聊天软件、文档、邮件和项目工具里，每个渠道都要单独接入。
老板的需求没有变，信息收集却很难推开。
当具体工作信息难以完整收集，老板往往会先寻找可量化的指标。2026 年，Agent 的普及带来了新机会。员工越来越多地通过 Agent 完成工作，Token 用量也就成了老板观察团队工作状态的新指标。
毕竟，Token 用量容易统计，也便于比较。
企业也开始把 AI 使用纳入管理。
2025 年 4 月，Shopify CEO Tobi Lütke 发出内部信，要求员工把使用 AI 当作基本习惯，并纳入绩效评估。
微软、Meta、Coinbase 随后也提出类似要求。Coinbase CEO Brian Armstrong 在播客里讲过，公司采购 AI 编程工具后，没有按时使用、又给不出理由的工程师，被他解雇了。
Brian Armstrong 播客对谈切片
围绕 Token 用量的排行榜也随之出现了。
今年 4 月，Meta 一名员工自建排行榜，给 8.5 万多名员工排名，消息传出两天后就被关闭。Amazon 员工自建的排行榜，也因有人为冲榜做无意义任务而被叫停。
这种刻意消耗 Token 的行为，被称为 tokenmaxxing。Amazon 在 10 月的内部备忘录中，称这类指标「有严重缺陷」，转而考察实际上线了多少功能。
但 Jomy 看到了一个新的机会：
当员工越来越多地通过 AI 工作，老板能否从管理 AI 入手，看清他们在做什么？
老板要管理的，是员工使用 AI 的整个过程：
这些环节，往往分散在不同的平台里。
员工可能自行购买 AI 工具，把合同、客户资料发给外部模型，公司难以掌握使用情况。
微软 2024 年的调查显示，在工作中使用 AI 的人里，78% 用的是自带工具。IBM 2025 年的报告则显示，五分之一的组织发生过员工私下使用 AI 导致的数据泄露。
IBM 报告 《Cost of a Data Breach Report 2025》
即便公司决定统一采购，也要解决成本和供应商筛选的问题。
在 Jomy 看来，OpenRouter 模型齐全，性价比却不高；市面上的中转服务良莠不齐，企业筛选可靠供应商也有门槛。
如果分别接入模型厂商，又要开账号、配置密钥，费用也分散在各处，模型如何路由也成了难点。
Zleap 的切入点，是给企业一个统一的管理入口：
它是一套软硬一体、开箱即用的产品。 硬件提供内网中的统一接入点，软件负责模型资源的分发和管理。
大小模型自动路由、信息脱敏、预算管理和工作内容总结，都集成在这套产品里。
Token 是付费资源，Zleap 会筛选并推荐优质的模型资源供应商，再通过路由器统一接入和供给，减少企业自行甄别和逐家对接的工作。
现在，员工可以直接自主安装客户端，就能自动发现内网的路由器并连接，省去逐一配置，员工也无须自行付费。
将接入体验，进行了大量简化，便更容易自上而下推进。员工使用这些 Token，调用自然经过公司的网关。
当然，这类产品的前提是「员工知情，并且乐意将上下文分享给企业 AI」。
官网客户端用量
据 Jomy 介绍，这些能力均来自他过去三年运营 302.AI 模型中转平台的积累。
从模型资源供给到调用管理，他把在中转服务中打磨的能力，整合成了企业开箱即用的软硬件产品。
海外也在发展类似的「AI 网关」，它位于企业和模型之间，分配模型、记录用量、控制预算、过滤敏感信息。
Gartner 去年 10 月为这个品类发布了专门的市场指南。
今年 5 月，Palo Alto Networks 收购了 AI 网关公司 Portkey。AI 用量管理正在成为企业安全采购的一部分。
收购后的 Prisma AIRS AI Gateway 架构图，一侧连接应用和 Agent，另一侧连接 3000 多个模型
海外网关多以软件提供，部署、配置通常依赖企业的技术团队。Zleap 选择软硬一体，面向缺少专门技术团队的企业，硬件形态更容易做到开箱即用。
据 Zleap 披露，路由器已于今年 11 月开售并交付客户，市场反馈不错。
通过统一管理 AI 的使用，Token 路由器实现了最初 CEO 管理盒子的目标：让老板看清员工在做什么。
员工通过统一入口调用模型，工作记录也随之集中。Zleap 再用自研的 SAG2 信息处理技术，从海量记录中提取关键内容、总结进展。
基于 SAG2 的开源项目 SAG-Wiki，也在一天内获得了超过 1000 个 GitHub Star：
记录里既有任务要求，也有模型生成的内容，能帮助老板了解实际工作的进展。
通过工作记录理解公司，在海外也有人讨论。
今年 3 月，Block 创始人 Jack Dorsey 与 Sequoia 合伙人 Roelof Botha 发文，认为公司层级主要承担信息传递的作用。
Sequoia 「From Hierarchy to Intelligence」层级树演变为环形网络
当决策、讨论、代码和进展都有记录，AI 就能维护一份「公司世界模型」，减少许多中层管理工作。
Jomy 自己就在使用 Token 路由器，快速了解各部门的进展。
用他的话说：
统一供给和接入，让员工真正用上 AI，是企业迈出 AI 转型的第一步。
员工提出需求，Agent 交付代码、文档或方案，完成一次任务后结束。Jomy 把这种工作方式称为创建时（Build-Time）。
按他的判断，现有的绝大多数 AI 工具都是服务于这一阶段，工作循环由人推动。中国多数企业，刚开始进入这一阶段。
下一阶段呢？
在 Jomy 看来，AI 转型的第二步，要让工作逐步摆脱由人反复发起任务的限制。
他称之为运行时（Run-Time）：
海外 AI 圈对这个方向已经讨论了近两年。
LangChain CEO Harrison Chase 在 2025 年初提出 ambient agents，指监听业务事件、自动行动的 Agent。a16z 今年 10 月的一篇文章写道：新一代 Agent 会按事件或截止日期自己唤醒，并在工作中持续学习。
黄仁勋在今年 8 月的财报会上说，未来的 Agent 会一直运行，并且和其他一直运行的 Agent 协作。
我们也能明显看到产品侧在向这个方向发展，Claude Code、Codex、Cursor 都已经把编码 Agent 部署到云端，用户关掉电脑，Agent 仍在服务器上工作。
Cursor Cloud Agents 在云端运行
不过，从某种角度来说，这些产品大多停在一个中间状态。它们由定时或事件自动触发，但每次仍然只完成一个任务，交付一次。
围绕目标长期运行、依靠反馈持续改进的能力，多数还在预览阶段。前 OpenAI 创始成员 Andrej Karpathy 的看法更保守，他认为这会是「Agent 的十年」。
Jomy 的理论是，现在的公司就像人和 Agent 共存的 harness。
在 Agent 领域，harness 指模型之外的运行环境，包括工具、数据、权限和反馈机制，现在市面上已经有非常多的优秀实践了。
如果把公司看作一套更大的 Harness， 那么也可以借鉴 Agent Harness 的设计思路，将企业的目标、数据、执行环境和反馈机制连接起来，让人和 Agent 在同一套体系中协同工作。
基于这套理论，Zleap 正在做第二个产品—— Zleap OS。其定位是面向企业 Agent 持续运行的服务器操作系统：
Jomy 为它列了几项要求，可以归为三组:
【1】Agent 能在应用之间连续工作
所有应用都为 Agent 设计，Agent 运行在服务器上，员工下班、电脑关机后仍然在工作。
Agent 工作界面
【2】组织协作有边界
员工、Agent 和部门之间能协作、交接任务。权限决定谁能读取信息、执行动作，上下文和知识在授权范围内共享。
团队网盘
【3】人和 Agent 都能用，并且能自我迭代
人通过界面设定目标、查看进展、中途介入。Agent 持续执行、接收反馈，并判断调整是否改善了业务结果。
桌面工作区
这个方向上已经有不少参与者，Anthropic、OpenAI、微软、Kimi 今年都推出了企业 Agent 托管服务。
此前一段时间，这类服务的反响并不热烈。行业里常见的解释有四条，分别是 Agent 表现不够稳定、企业数据难以接入、权限和治理没有想清楚、成本难以预估。
Zleap OS 提出的几项要求，基本对应了上述问题。真正的难点，是如何把这些能力整合起来，做成一套企业开箱即用的产品。
目前，Zleap OS 基础框架已全部完成，正在内测，并按垂直领域打磨，计划于今年 12 月底正式发布。
现在，Token 路由器提供模型资源、路由和管理，Zleap OS 则提供 Agent 持续运行的完整系统。
此外，Jomy 预测，随着 Agent 开始持续自主运行，Token 需求还会大幅增长。
OpenRouter 的数据显示，今年 8 月，Agent 消耗的 Token 已是人类用户的约 5 倍。Goldman Sachs 则预计，2026 年至 2030 年，Token 消耗量将增长 24 倍。
不过，这些数据并未区分 Build-Time 和 Run-Time 的消耗。
Jomy 判断：
用他的话说：
助力企业转型为 AI 原生组织，一直是 Zleap 的愿景。
最早从 CEO 的管理需求出发，现在落实到员工的日常工作，未来进一步改变整个组织的运作方式。
在 Jomy 看来，当企业拥有自己的 AI 运行时，并让它持续承担核心业务，才算真正成为 AI 原生组织。
但我们从他那宏大的愿景下，似乎看到了一点小小的私心：
