烟草行业智能体选型，先要厘清哪些基础概念？核心定义梳理

烟草行业正在从“上系统”进入“用智能体”的新阶段。可是到了选型会上，供应商口中的RPA、AI Agent、大模型、工业大模型、数字员工、ISSUT、信创、私有化部署、无代码平台等概念交织在一起，业务部门和IT部门很容易各说各话。Gartner将代理式AI列为2025年十大战略技术趋势之一，并预测到2028年，约15%的日常工作决策将由AI智能体自主完成。对烟草行业而言，概念不清，选型就容易变成功能堆砌；概念对齐，才能把智能体落到卷烟营销、财务、物流和合规审计的真实场景里。

本文不急着比较厂商，而是先回到基础定义：烟草行业智能体选型，先要厘清哪些基础概念？只有把“智能体是什么、不是什么、能做什么、不能做什么”说清楚，后续的立项、POC、招标和验收才有共同语言。

一、为什么烟草行业智能体选型要先统一“概念语言”？

1.1 烟草行业的特殊性决定了选型边界

烟草行业具有专卖专营、数据敏感、流程严谨、审计要求高等特点。商业公司、卷烟工厂、物流配送中心往往同时运行一号工程、NC、财务共享、营销平台、决策管理、物流系统等多套异构系统。选型时如果只问“能不能自动化”，很容易忽略更关键的问题：能不能内网私有化？能不能全栈信创适配？能不能不改动原有系统？能不能全链路留痕审计？

这意味着，烟草行业智能体选型不是单纯买一套软件，而是构建一套可治理、可审计、可运营的数字员工体系。智能体既要能理解业务语义，又要能跨系统执行，还要满足信创与保密要求。

1.2 概念不清带来的三类选型误区

• 把RPA当智能体：RPA擅长规则明确、高频重复的键鼠操作，但遇到非结构化单据、模糊语义和异常判断时能力有限。
• 把大模型当智能体：大模型有理解和生成能力，但如果没有工具调用、流程编排和系统操作能力，就只能“会说不会做”。
• 把数字员工当传统自动化：数字员工不是单个脚本，而是岗位化、技能化、可考核的智能体交付形态，需要无代码搭建、权限治理和持续运营。

实在Agent在这一层面的价值在于，将TARS工业大模型、Agent智能体、RPA执行能力和ISSUT屏幕语义专利结合起来，既能理解业务，又能非侵入式操作现有系统，帮助烟草企业把概念落到可执行流程。

二、智能体选型必须厘清的7组基础概念

2.1 AI Agent与RPA：从“手”到“手眼脑”

AI Agent通常指能够感知环境、理解目标、自主规划、调用工具、执行任务并根据反馈调整的软件实体。RPA则更像“手”，按照既定规则模拟人工操作。两者不是替代关系，而是互补关系。

• RPA适合高频、稳定、规则清晰的流程，如数据录入、报表下载、系统点击。
• AI Agent适合需要语义理解、异常判断、跨系统决策的流程，如发票验收、销售异常排查、跨系统对账。
• 在烟草场景中，单纯RPA难以处理复杂单据和异常穿透，单纯大模型又无法直接操作系统。

通过实在Agent，企业可以把RPA的执行稳定性和大模型的认知能力组合起来，形成“感知—决策—执行—反馈”的闭环。

2.2 大模型、工业大模型与行业大模型：通用脑与行业脑

大模型是智能体的认知引擎。通用大模型泛化能力强，但对烟草行业术语、业务规则、合规要求的理解往往不够。工业大模型或行业大模型则在通用能力之上，注入行业知识、流程规范和领域语料。

• 通用大模型：适合通用问答、文本生成，但难以直接支撑烟草业务闭环。
• 工业大模型：更强调工业场景、流程逻辑和系统操作能力，如TARS工业大模型。
• 行业大模型：需要持续注入烟草营销、财务、物流、专卖等知识，并支持私有化部署。

选型时要问：模型是否支持内网私有化？是否能理解烟草业务语言？输出是否可控、可审计？实在Agent以TARS工业大模型为底座，更适合对安全、合规、行业理解要求高的烟草场景。

2.3 数字员工与虚拟岗位：从工具到“岗位交付”

数字员工不是简单的软件机器人，而是以岗位为单位的智能体交付形态。它通常包含岗位职责、技能组合、流程权限、绩效指标和运营机制。

• 财务数字员工：负责对账、预算分析、发票验收、固定资产审计。
• 营销数字员工：负责销售异常排查、多账套汇总、一号工程数据核对。
• 物流数字员工：负责运费结算、单据核对、异常穿透查询。

实在Agent提供无代码平台，业务人员可以自主搭建流程，IT部门负责治理和权限，这种模式更接近“数字员工上岗”而非“工具上线”。

2.4 非侵入式部署、ISSUT与API集成

API集成是系统对接的常见方式，但烟草行业很多系统建设时间早、接口开放难、改造周期长。非侵入式部署则通过模拟用户操作或屏幕语义识别，在不改动原系统的情况下完成连接。

• API集成：效率高，但依赖原系统开放接口和改造排期。
• 非侵入式部署：不改动NC、一号工程等系统，风险低、上线快。
• ISSUT屏幕语义专利：让智能体像人一样识别界面、控件、表格和状态，而不是依赖固定坐标。

在烟草行业多系统并存的现实下，非侵入式往往更可行。实在Agent搭配ISSUT屏幕语义专利，可以非侵入式对接财务共享、NC、营销平台、一号工程、决策管理等异构系统。

2.5 信创适配、私有化部署与数据不出域

烟草行业对数据安全和保密审计要求严苛。智能体选型必须确认是否支持全栈信创适配，包括芯片、操作系统、数据库、中间件等；是否支持内网私有化部署，确保核心数据不出本地。

• 全栈信创：满足国产化替代和长期合规要求。
• 内网私有化：数据不出域，降低泄露风险。
• 审计留痕：关键操作可追溯，满足保密审计和信创审计要求。

实在Agent支持内网私有化部署和全栈信创适配，能够满足烟草行业对数据安全、合规审计的核心诉求。

2.6 无代码/低代码与流程编排：谁来建智能体

传统自动化项目依赖IT开发，排期长、响应慢。无代码或低代码平台让业务人员也能参与智能体搭建，但前提是IT能够统一治理权限、数据和流程。

• 无代码平台：业务人员拖拽配置，快速响应场景变化。
• 流程编排：支持多技能、多系统、多任务调度。
• IT治理：权限、版本、日志、安全策略统一管理。

实在Agent的无代码平台让业务人员可以自主搭建流程，同时保留IT治理能力，适合烟草行业业务部门多、需求碎片化的特点。

2.7 智能体治理与可观测性：上线只是开始

智能体上线后，需要持续监控运行状态、异常告警、权限变更和版本迭代。治理能力决定智能体能否规模化。

• 权限管理：不同岗位只能访问授权系统和数据。
• 日志审计：每一步操作可追溯，满足审计要求。
• 异常告警：任务失败、数据异常、死线风险实时提醒。
• 版本管理：流程变更可回滚、可对比、可审批。

在烟草行业，智能体治理不是附加功能，而是选型底线。没有治理能力，数字员工越多，风险越大。

三、从概念到场景：烟草行业智能体典型选型地图

3.1 卷烟营销：日调度、月分析与异常排查

卷烟营销涉及每日销售异常排查扣款、月度多账套数据汇总、一号工程数据核对上报、条零异常穿透查询等场景。这些流程往往跨系统、跨表格、跨部门，手工操作量大。

选型时应关注：能否跨系统取数？能否理解异常规则？能否T+0呈现日调度数据？实在Agent可以自动抓取营销和财务数据，完成核对、差异报告和异常穿透查询，让卷烟科从重复劳动转向分析决策。

3.2 财务：对账、预算、固定资产与发票

财务是烟草行业智能体落地最密集的部门之一。典型场景包括供应链清晨对账、预算执行穿透分析、固定资产14界面审计闭环、发票验收自动对账、月末结账及成本审核等。

• 供应链对账：每日自动抓取营销和财务数据，三方核对生成差异报告。
• 预算分析：自动采集预算数据，多维度生成分析看板。
• 固定资产：覆盖新增、折旧计提、报废处置的自动化审计闭环。

某市级烟草企业的脱敏实践中，供应链对账从每日3小时缩减至15分钟，月度预算分析从3天压缩至2小时，整体流程效率提升85%以上。这类成效背后，正是智能体对非侵入、跨系统、高准确和审计留痕的综合满足。

3.3 物流：运费结算与跨系统核对

物流场景中，物流单据流转滞后、运费结算依赖跨表人工核对、异常穿透查询困难。智能体需要具备单据识别、跨系统核对和异常告警能力。

通过实在Agent，企业可以自动完成物流单据运费跨系统核对结算，打通营销、财务、物流系统数据壁垒，减少人工核对和滞后风险。

3.4 安全与信创：数据不出域、全链路审计

烟草行业智能体必须满足数据清洗、脱敏、安全合规和信创审计要求。选型时要确认：是否支持企业核心数据不出本地？是否满足烟草行业信创与审计要求？是否具备全链路安全合规体系？

这些不是技术细节，而是烟草行业智能体能否通过立项和验收的前提。

四、烟草行业智能体选型评估清单

4.1 业务适配度

• 是否覆盖卷烟营销、财务、物流、专卖等核心场景？
• 是否能处理非结构化单据、跨系统数据和异常穿透？
• 是否能支持日调度、月分析、T+0等时效要求？

4.2 技术底座

• 是否具备大模型+Agent+RPA+屏幕语义的综合能力？
• 是否支持非侵入式部署，不改动原有系统？
• 是否支持全栈信创和内网私有化部署？

4.3 交付与运营

• 是否提供无代码平台，业务人员能否自主搭建？
• 建设周期和扩展成本是否可控？
• 是否有烟草行业脱敏案例和可量化成效？

4.4 安全合规

• 数据是否不出域？权限、日志、审计是否完整？
• 是否满足保密审计、信创审计要求？
• 是否具备异常告警、版本管理和流程回滚能力？

五、一个脱敏案例：概念对齐后，场景如何落地

某市级烟草企业在选型初期也面临概念混杂的问题。后来，他们以“非侵入、私有化、信创、无代码、可审计”作为共同语言，选择以RPA数字员工+TARS大模型为核心底座，非侵入式对接财务共享、NC、营销平台、一号工程、决策管理等异构系统，覆盖财务智能风控、卷烟自动化运营、智慧物流结算三大业务部门。

落地后，供应链对账突破“06:30死线”，每日自动抓取营销和财务数据并生成差异报告；财务预算执行实现穿透式分析；固定资产形成14界面自动化审计闭环；卷烟科构建“日调度+月分析”数字化平台。成效上，跨系统数据准确率达到99.9%，固定资产账实一致率100%，日调度数据T+0实时呈现，释放10余名高素质员工，年节省人力成本约120万元，建设周期缩短50%，扩展成本降低60%。

这个案例说明，概念对齐不是务虚，而是直接决定POC能否验证闭环、项目能否规模化复制。

六、常见问题解答

Q1：烟草行业智能体和RPA到底有什么区别？

RPA更偏向规则化执行，像“手”；智能体则具备理解、规划、决策和反馈能力，像“手眼脑”。在烟草场景中，两者通常组合使用，实在Agent也是将RPA执行与大模型认知结合。

Q2：为什么烟草行业特别强调非侵入式部署？

因为烟草企业常有一号工程、NC、财务共享等系统，接口改造难、周期长、风险高。非侵入式部署不改动原系统，能更快落地并降低合规风险。

Q3：大模型一定要私有化部署吗？

烟草行业数据敏感、审计严格，通常需要内网私有化部署和全栈信创适配，确保数据不出域。选型时应把私有化和信创作为硬性指标。

Q4：业务人员真的能自己搭建智能体吗？

在无代码平台支持下，业务人员可以搭建常见流程，但权限、数据和审计仍需IT统一治理。实在Agent的无代码能力可以降低门槛，但不能替代治理体系。

Q5：POC阶段最应该看什么指标？

建议看场景闭环率、跨系统准确率、审计留痕完整性、异常处理能力、效率提升幅度和扩展成本。不要只看演示效果，要看能否在真实系统中稳定运行。

七、结语：先统一概念，再选择智能体

烟草行业智能体选型，先要厘清哪些基础概念，这不是纸上谈兵，而是降低返工成本的关键一步。建议企业成立由业务、IT、合规和供应商共同参与的概念对齐会，用POC验证非侵入、私有化、信创、无代码和跨系统闭环能力。只有把AI Agent、大模型、数字员工、ISSUT、信创等概念翻译成业务语言，烟草行业智能体选型才能从“听概念”走向“看效果”，真正让数字员工在营销、财务、物流和审计场景中稳定上岗。

实在Agent