網易有道周楓：AI能力競爭，正在進入「Model + Agent + Workflow」時代，網易有道AI Open Day展示AI時代“有道解法”

在9月16日於北京舉辦的「NEXT，AGENT｜有道AI Open Day」活動中，網易有道高層周楓提出一項關鍵觀點：當前AI能力的競爭正從過去單純依賴模型規模的「模型競賽」，正式跨入由「模型（Model）」、「智能體（Agent）」與「工作流（Workflow）」三者協同主導的全新階段。他藉此機會向外界完整揭露網易有道在AI時代的獨特解題思路，這套策略也被外界稱為「有道解法」。周楓在演講中指出，過去業界普遍將注意力集中在參數規模的軍備競賽上，但單純追求更大的模型已不足以滿足真實的應用場景。

未來的競爭關鍵，在於如何將模型的能力與智能體的行動規劃，以及工作流的自動化流程深度結合，才能打造出真正可落地、高效率的AI產品。這項觀點不僅是技術層面的宣示，也直接呼應網易有道近期在AI學習硬體、智慧工具等領域的密集布局。在這場活動中，網易有道一口氣展示了多項基於「Model + Agent + Workflow」理念打造的應用與服務。這些展示涵蓋了教育、辦公與內容創作等多個場景，試圖向外界證明，這套三層架構能夠為用戶帶來更直覺、更流暢的AI使用體驗。無論是自動生成學習計畫的助手，還是能串聯多步驟作業的辦公工具，有道都嘗試將底層模型能力化為可被用戶直接操作的實用流程。

事實上，網易有道在AI賽道上的策略布局早已脫離純粹的模型展示。以教育場景為例，有道推出的AI學習硬體如詞典筆、翻譯設備等，早已內建自然語言處理與即時反饋機制，但過去這些功能多依賴單一模型驅動。如今在「Model + Agent + Workflow」的框架下，同樣的硬體產品可以進一步整合智能體來判斷用戶的學習進度與需求，再透過工作流自動觸發不同的教學內容或練習題目，形成一個完整且個人化的學習閉環。在辦公場景方面，有道也展示了一套結合文書處理、資料整理與排程管理的智能工具。

它並非單純讓用戶對一個對話框下指令，而是由智能體主動拆解任務、調用不同模型模組，並透過預設的工作流程自動完成從資訊檢索到報告生成的過程。周楓強調，這樣的設計才能將AI真正嵌入到使用者的日常工作流中，而不是讓用戶反覆切換不同工具來手動拼湊結果。此外，內容創作領域的展示同樣引起關注。有道展示了如何利用多模態模型加上智能體，協助創作者進行腳本構思、素材生成與後製編排。整個過程不再需要創作者手動在不同平台之間轉移資料，工作流會自動串聯各步驟，並由智能體根據反饋適時調整輸出的方向。這不僅提升了創作效率，也降低了使用AI的門檻，讓更多非技術背景的用戶能夠輕鬆上手。

從整體產業脈絡來看，周楓的這番發言也反映了當前AI發展的一個重要轉折點。過去幾年，業界普遍信奉「越大越好」的模型規模邏輯，各家巨頭競相比拼參數數量與訓練成本。然而隨著模型能力逐漸趨於飽和，以及商業化落地的壓力日益增加，單純的模型競賽開始顯現局限性。如何在有限的算力與成本下，讓AI真正解決實際問題，成為所有從業者必須面對的課題。有道提出的「Model + Agent + Workflow」架構，正是在這個趨勢下的具體回應。模型提供基礎的語言理解與生成能力；智能體負責拆解任務、做出決策並協調資源；工作流則確保整個過程能夠自動化、標準化地執行。

三者的協同讓AI從被動的工具變成主動的夥伴，也讓產品的開發和迭代更加靈活。值得注意的是，這場活動不僅是一次技術理念的發布，更被業界視為網易有道在AI賽道上從「模型競賽」轉向「應用生態競爭」的關鍵宣示。過去有道給人的印象多停留在教育領域的硬體與應用，但透過這次Open Day，他們顯然希望傳達出一個更全面的訊息：有道不僅擁有模型研發能力，更懂得如何將模型嵌入真實世界的工作流程中，讓技術真正為使用者創造價值。現場與會人士觀察到，有道在展示各項應用時，特別強調用戶體驗的流暢度與直覺性。

例如在學習場景中，使用者只需要以自然語言描述自己的學習目標與目前程度，智能體便會自動規劃出一套學習路徑，並在工作流的支撐下逐步推送適合的教材、練習與測驗。整個過程幾乎不需要使用者手動設定任何細節，達到了「說出來就完成」的無縫體驗。周楓也在活動尾聲表示，未來有道將持續深化這套架構，並計畫開放部分工作流模組與開發者生態合作，讓更多第三方應用也能接上有道的模型與智能體能力。這項開放策略若能順利推展，有望進一步擴大「有道的解法」在整個AI應用市場的影響力，形成一個由模型、智能體與工作流共同驅動的生態系。

總而言之，網易有道在此次AI Open Day上，清楚向外界揭示了其對於AI能力演進方向的判斷，以及自身在落地端的策略選擇。從單一模型到三層協同，從技術展示到生態建構，有道正試圖在激烈的AI競爭中找到一條兼顧創新與實用、技術與市場的道路。未來當更多用戶開始習慣於「說一句話、設定一個目標，AI就能自動完成一系列任務」的體驗時，或許正是這套「Model + Agent + Workflow」架構真正發光發熱的時刻。