10月，ManageEngine卓豪在北京发布新一代AI智能体产品，宣布免费开放自研Zia智雅大模型与预置智能体，并且全程零Token费用。发布会后，ManageEngine卓豪全球副总裁Mathivanan、卓豪公司中国总裁侯康宁、ManageEngine卓豪中国首席运营官李飞、ManageEngine卓豪全球产品市场总监Ananth，与北京福田康明斯发动机有限公司IT经理刘元福一起接受了媒体采访。

智能体是IT管理的第四个阶段

根据李飞先生的介绍，企业IT从自动化往前走，接下来是智能体，也就是第四个阶段。

ManageEngine卓豪中国首席运营官李飞

“大模型能够提供解决方案，而智能体具备动作执行能力。依托该能力，智能体能够落地大模型给出的方案、闭环处理用户诉求，显著提升问题处置效率。”

在笔者看来，这个区别挺实在。过去两年，多数AI工具做的事情是告诉运维人员“问题可能出在哪”，而运维现场缺的往往是人手：告警要有人看，工单要有人分，端口被扫描要有人去关。

产品落地的路径也按这个逻辑来规划。ManageEngine卓豪先做的是使用频次最高的几类：工单分类、根因分析、工单指派。李飞先生估计，仅工单分类一项，就可能占到IT服务管理一半的工作量。目前已经上线的智能体有30款，按计划年内会增加到100多款。

“零成本”的模型，装在自己的机房里

这次发布最受关注的一句话是“零成本”。

按照ManageEngine卓豪的说法，只要是现有客户，一键启用就能使用预置智能体，不额外付费，也不限Token。收费方式没有变化，仍然按管理规模（设备数、服务器数、终端数）和版本功能（标准版、专业版、企业版）来定，智能体不单独计价。

“这些智能体是我们产品的一部分，也部署在我们自己的数据中心里，所以不存在单独收费。”Ananth解释说，“比如你在用ServiceDeskPlus，不管是一线工单的自动化处理，还是自动生成工单摘要，都是产品本身自带的功能。”

ManageEngine卓豪全球产品市场总监Ananth

不额外收费，成本怎么算？Mathivanan先生的答案是模型做得更窄。DeepSeek这类通用大模型能力很强，但参数规模决定了算力和Token的消耗也大；ManageEngine卓豪的做法是针对具体功能做定制化的专用模型。

ManageEngine卓豪全球副总裁Mathivanan

“我们不是用一个模型覆盖所有AI功能。工单的理解和摘要是模型，监控侧的告警关联、事件洞察是另一个模型。每个功能都有为自己定制的模型，所以不需要更多GPU服务器，也不会消耗更多Token。”

侯康宁先生把收费的边界讲得更清楚：用Zia智雅大模型，成本由厂商承担，对客户免费；如果客户要调用DeepSeek这类第三方大模型，ManageEngine卓豪的AI智能体依然可以使用，但第三方部分Token费用就需要企业自己承担了。

卓豪公司中国总裁侯康宁

收益方面，ManageEngine卓豪给了一组数据：全面可观测性相关智能体可以缩短40%到60%的设备修复时间，企业服务管理相关智能体可以处理40%到60%的工单，身份与访问管理相关智能体带来219%的投资回报。李飞先生的说法更直接：“不额外收费，但凡有一点收益，ROI就是无穷大。”

客户最担心的两件事

问到大模型进运维最大的阻力，李飞先生解释说：“第一是幻觉，第二是数据泄露。”

IT环境的特殊性在于，一次错误操作的代价可能是业务中断。ManageEngine卓豪的办法是两道限制：智能体能执行的动作，被限定在产品已有功能的范围内；关键动作要经过人工审批。数据这一侧，客户数据只进入自研的Zia智雅大模型，不会泄露出去，也不用于训练。

Mathivanan先生把这件事讲得更技术一些：“这不是说不要用，而是要说清楚哪些能自动、哪些必须人工审核。给AI更好的上下文和知识，它就能做出更好的判断；但关键任务，今天依然需要人在决策环路内。”

智能体构建器，接住剩下的需求

AI智能体之外，ManageEngine卓豪还提供了两个功能。

一个是智能体构建器。让用户可以用自然语言描述需求，系统生成模板；保证能取用的数据被限定在产品内的配置数据、性能数据和日志数据，能执行的动作也被限定在产品已有的能力里，比如ping设备、重启网络设备、关端口。

“比如你描述：日志里出现攻击特征时，把这个端口关掉。这就是一个可以用的智能体。”李飞先生说。

另一个是MCP接口。通过MCPServer把产品能力开放出去，客户可以借助第三方智能体做更复杂的流程。

在笔者看来，这一步比多送几个智能体更实际。运维的大量需求是零散的，厂商想不到；能不能自己搭，决定了免费给的东西到底有没有用。

60多款产品，才是差异所在

市面上讲运维智能体的厂商不少，ManageEngine卓豪的差异在哪？

Mathivanan先生没有先讲模型，他讲的是产品线：“我们提供60多款产品，覆盖工单、监控、终端、网络安全四条线。很多竞争对手只有一到两款产品。”

产品面决定了智能体能做多少事。新员工入职，涉及终端管理和AD域账号两套动作；安全事件发生，要同时分析终端和网络两侧的数据。多产品打通，这些跨系统的动作才有可能自动串起来。

“竞争对手的AI能力可能很强，但它能创造的价值有限。”Mathivanan先生说。

在中国市场，先解决“能不能用”

ManageEngine卓豪在中国给出的数字是：进入中国20年，中国团队超过100人，70%的营收来自合作伙伴。李飞先生提到，这个比例未来可能走向100%，为此公司在各地办培训，去年就有二三十场，目的是让合作伙伴具备POC和自建智能体的能力。

比数字更具挑战的是适配。Mathivanan先生说，把一个全球产品卖到中国，改造成本很高：监控要支持国产设备，移动端适配要规避国内不可用的谷歌服务，云要对齐阿里云，AI要接DeepSeek这类本地模型。

“我们用了大概五六年的时间投入研发，把本地生态的支持一个接一个做进产品线。今天最大的挑战是支持本地大模型，我们已经支持了几款中国模型，后续会把中国市场提出的AI功能需求补上。”

信创是另一道必答题。国产CPU（含ARM架构）、国产操作系统、国产数据库和中间件，都做了适配。产品需求池里，一些需求已经排到三年之后，按优先级取舍。

客户的账本：先把运维做好

把问题交给刘元福先生时，他的开场有点出人意料：“这个问题我非常好回答，因为我们确实没有遇到问题。”

北京福田康明斯发动机有限公司IT经理刘元福

他遇到的问题都在部署之前。设备多、补丁多、域控的图形化界面不好用，工程师只能一台一台去做。“统一换电脑的时候，所有机器要挨个装系统。”

用了之后的变化很具体：二三十台电脑接进网络，晚上自动装完；用户自己改密码、自己装软件，不再找IT。

刘元福把AI落地分成两层。运维是地基，地基不稳，别的都谈不上，这一层他主张用成熟产品解决；业务才是价值所在，于是有了从单点智能体、部门级智能体到企业级智能体的三步走。

已经跑起来的场景有几个挺有代表性。市场数据分析，销售在陪客户的路上拿手机就能问；ERP的物料计划，从订单接入、自动合料和供应商自动交互，到反馈交期、自动排产；还有一套AI原生的CRM，拜访完客户对着手机说一遍，系统自动拆出关键角色、待办和商机，不用回办公室填表。

“现在我们有几十个智能体在运行。”刘元福先生说。他也提到另一面：智能体越强，攻击方也越强，“数据安全和网络安全，变得越来越重要，也越来越困难。”

写在最后

关于AI运维，行业前两年讨论的多是模型有多大、参数有多强。ManageEngine卓豪这次给的是另一个方案：大模型自己训练，智能体装进客户的终端里，不再单独收钱。

对客户来说，这笔账不难算，原本的采购预算没有增加，多出来的功能先用起来。对ManageEngine卓豪来说，压力也真实存在：算力和研发都要自己承担，用户用的多了，成本就大幅增加。ManageEngine卓豪敢这么做，靠的是专用模型带来的单位成本，以及60多款产品撑起来的落地场景。

李飞在采访里反复说的一句话是“先把最常用的让用户用起来”。智能体最终能替企业省下多少人力，取决于这些最常用的场景能不能真跑通，这一点比免不免费更值得看。