选对场景，比做得快更重要
一个场景能不能长期活下来，往往在启动之前就决定了：它服务的是谁的日常工作，做成之后哪个指标会变好。这个问题在早期花半天想清楚，比后面三个月的开发更影响最终结果。
What Comes Next
真正的工作量，往往在跑通之后
把 AI 接进来、跑通、看到效果，这一步大多数企业已经完成了。接下来这一段行业里走通的还不多——Gartner 的统计是约 89% 的智能体试点没有进入日常生产使用。原因通常集中在三件事上。
数据接得通，口径也要对得上
Gartner 预计到 2026 年约有六成 AI 项目会因为数据条件不足而放缓。常见的情况不是连不上，而是同一个指标在不同部门有不同算法。AI 会选其中一种，却不会说明它选了哪一种——业务同事拿到数字时，自然会犹豫要不要用它做决定。
上线之后，需要有人一直看着
模型会漂移、业务流程会变、用量上去成本也会变。效果监控、提示词调优、权限调整、成本跟踪，这些工作不复杂，但需要有人固定负责。多数试点停在这一步，往往不是因为做得不好，而是它一开始就只被当成一次性的项目来安排。
How We Deliver
一个场景一个交付单元，上线后转持续托管
每个交付单元有清晰的范围和交付物，做完转入持续托管。前一个单元沉淀下来的东西，下一个场景可以直接用上。
1
选场景
从日常工作流出发，看哪个场景做成之后指标会真的变好。同时判断数据条件和责任人，最后落到一个大家都认可的成功标准上。
2
交付单元
范围、交付物和报价都在开始前谈清楚。一个场景做到能上生产、能验收，并且你的团队能顺利接手为止。
3
转持续托管
上线不是终点。按月托管：效果监控、模型与提示词调优、token 与容量成本管理、季度扩展评审。
4
沉淀与复用
数据底座、指标字典、安全基线、身份与权限模型、智能体骨架，都会作为长期资产留在你这边，下一个场景可以直接用上。
底座、指标口径与安全基线建好之后，下一个场景可以直接站在上面开始
Inside a Unit
一个交付单元里发生什么
上面讲的是单元与单元之间怎么衔接，这里是一个单元内部的六道工序。每一段都有明确的产出，方便双方随时对齐进度。
Identify
场景识别
按部门盘工作流，按 KPI 排优先级，判断数据可达性与技术可行性。
场景清单 · 一个可量化指标
Your IQ
知识与数据层
让 AI 拿得到可信的数据：统一口径、语义层、检索与权限边界。
数据可达性方案 · 语义与知识层
Build
构建
按场景选路径：低代码智能体、专业代码智能体，或直接用现成的 Copilot 能力。
可运行的智能体或应用
Security
安全与治理
内容防护、智能体身份、行级权限、审计与合规，和构建同步推进。
安全基线 · 治理策略
Scale
扩展
从一个场景复制到多个，统一模型网关与调用路由，控制重复建设。
复用模式 · 统一入口
Operate
运维与优化
可观测、成本管理、效果回归、随业务变化持续迭代。
运维手册 · 月度优化报告
「Your IQ」这一段不产出可以演示的东西，却决定了后面五段的可信度，我们通常会建议给它留足时间
Capability Map
诺未 AI 能力全景
这五样不是五个可以单买的东西，是一套有承载关系的东西：数据在下，智能体平台在中，使用面在上。安全与交付则是竖着穿过三层的，不是最后再补的一节。
诺未交付
- Identify场景识别
- Your IQ知识与数据层
- Build构建
- Security安全与治理
- Scale扩展
- Operate运维与优化
同一个团队，从选场景到运维一路到底
使用面 · 人和智能体在哪里干活
Work IQ
Microsoft 365 Copilot
全员办公提效：会议、文档、邮件、数据分析
落地服务 →
Copilot Studio
业务流程智能体：低代码构建，接入现有系统
智能体开发 →
GitHub Copilot
研发效能：编码、评审、测试与工程协作
企业落地 →
Work IQ 提供组织怎么运转的信号——会议、邮件、文档、协作关系。这是让智能体理解「谁在做什么」的基础。
智能体平台 · 模型、运行时与网关
Foundry IQ
Microsoft Foundry
Foundry Models · Agent Service（MAF）· RAG 与 MCP
智能体交付 →
NovaHub Gateway
多模型统一入口：调用路由、配额与成本管理
了解 NovaHub →
Foundry Agent ServiceMicrosoft Agent FrameworkRAG 检索MCP 工具接入可观测与追踪
Foundry IQ 是智能体的统一知识层——带权限的检索、自动源路由，让每个智能体拿到的上下文是对的，而且是它有权看的。
数据底座 · 一切的地基
Fabric IQBronze 原始层Silver 标准层Gold 业务层指标字典Fabric IQ Ontology
Fabric IQ 给业务数据加上机器能读的含义——实体、关系、业务规则。定义一次，上面所有智能体共享同一套口径，答案才对得上。
安全与治理
- Entra Agent ID智能体独立身份
- Guardrails内容防护与提示词攻击防御
- Purview审计、敏感信息识别与合规
- RLS / OLS行级与对象级权限
贯穿三层同步建设，不是上线前再补
从下往上看：数据有了含义，智能体才敢用；智能体有了身份和权限，使用面才敢开放给全员
The Team
谁来做
一个交付单元由四种角色组成，按场景需要配比，不是固定编制。
交付负责人
对指标负责，不对工时负责。范围、节奏和验收标准由他收口，出了问题找他一个人。
AI 工程师
写代码的人直接和业务人对话，不经过需求文档转述。少一层传话，就少一次走样。
数据与语义工程师
打通数据可达性、统一口径、建语义层。这是决定 AI 敢不敢被信任的那个人。
安全与治理顾问
权限边界、内容防护、审计合规。和构建同步介入，不是上线评审时才出现。
一个团队，一路到底
Microsoft 365 Copilot、Copilot Studio、GitHub Copilot、Microsoft Foundry、Microsoft Fabric，一直到上线后的持续运维，都由同一个团队承接。从选场景到运维只有一个对接人，中间的衔接不需要你来协调。
Our Work
项目实践
两个起点不同的项目：一个从智能体平台开始，一个从数据底座开始。
一家全球制造业企业 · 多智能体平台
基于 Microsoft Agent Framework 构建、部署在 Microsoft Foundry 上的多智能体平台。架构上有三个关键设计：每个智能体拥有独立的 Entra Agent ID，调用链通过 OpenTelemetry 全程可追溯，闲置时 scale-to-zero 控制成本。
一家大型能源企业 · 统一数据底座
风电、光伏电站运营数据，加上 ERP 财务、CRM 客户与多年历史 Excel，在 Fabric 与 OneLake 上建统一数据底座。做法上先编企业指标字典、把跨部门口径谈拢，再进入开发——这样后面的报表和智能体才共用同一套定义。
Why NovaTech
为什么是诺未
诺未科技（NovaTech）是微软解决方案合作伙伴，自 2011 年起深耕微软技术栈，为超过 1000 家企业提供从战略咨询到持续运维的端到端服务。
全栈微软资质，端到端交付能力
微软云全六项 Solution Partner 认证：
- Modern Work · Data & AI (Azure) · Digital & App Innovation
- Infrastructure (Azure) · Business Applications · Security
Advanced Specialization 与双通道资质：
- AI on Azure · Infra & Data Migration
- Adoption & Change Management · Custom Solutions for Microsoft Teams
- 21V CSP / OSPA / NCEI · HK 1T/2T CSP · SG 2T CSP · ECIF Certified Partner
连续两年微软黑客松冠军
2025 年
「Eva」智能体在微软中国区 Copilot AI 创新大赛获第一名
2026 年
「Sales Deal Agent」多智能体方案在微软 Frontier Agentic Hackathon 摘得「智胜全能金奖」（第一名），同年获FY26 微软市场拓展先锋奖
FAQ
常见问题 FAQ
Q1：一个交付单元的范围怎么定？包含哪些东西？
A：一个单元对应一个业务场景，范围在评估阶段就写死：涉及哪些数据源、哪些系统、哪些角色使用、成功标准是哪个指标。交付物包含可上生产的应用或智能体、配套的数据与权限配置、安全基线，以及一份能让你的人接手的运维说明。周期取决于数据源条件和集成复杂度，会在评估结论里明确给出，而不是先承诺一个数字。范围之外的需求我们会记录下来，放进下一个单元一起规划，这样双方对当下在做什么都很清楚。
Q2：持续托管包含什么？不包含什么？
A：包含效果监控与告警、模型与提示词调优、token 与容量成本跟踪、小幅调整、以及季度扩展评审。不包含新场景的开发——那是下一个交付单元的事，我们会在季度评审里一起判断值不值得做。另外，Azure 与微软许可的费用是你直接向微软或渠道支付的，不在托管费里，我们建议在报价中单独列示，方便你内部走预算。
Q3：你们的工程师会常驻我们这里吗？
A：不做长期常驻，但关键节点一定到场——场景评估、跟岗观察、联调、上线和培训这些需要面对面的环节，我们的人会在现场；日常开发与迭代以远程协作为主，进度和产出按周同步。这样安排的好处是，我们的精力会花在把方法和资产沉淀下来、让你后面的场景做得更快，而不是按在场时间计费。
Q4：我们数据还没准备好，能开始吗？
A：能，但顺序要对。多数企业的第一个单元里，相当一部分工作量在「Your IQ」这一段——把数据接通、把口径谈拢、把权限边界划清。这部分不产出可以演示的东西，却决定了后面结果的可信度。我们通常建议第一个场景挑数据条件相对好的，先把底座和方法跑顺，再去处理更复杂的部分。
Q5：我们是国内企业，有些微软服务用不了怎么办？
A：这是我们第一件要确认的事——你的租户在哪、签约主体在哪、数据能不能出境、有没有境外分支机构。同一个业务需求，纯境内主体和有境外主体的出海企业，可行的架构是不一样的。诺未同时持有 21V CSP 与香港、新加坡的 CSP 资质，两边都能落。我们会在评估阶段把这件事确认清楚，再给出方案和报价。
Q6：会不会把我们锁死在一套架构里？
A：我们在两个地方刻意留了出口。一是模型层：通过 NovaHub Gateway 做统一入口，换模型不改业务代码。二是交付标准：每个单元的验收条件里都包含「你的团队能接手继续改」，交付物含文档与知识转移，不是只给一个跑着的黑盒。判断标准很简单——如果我们撤了，这套东西还能被你的人维护下去，那就没有被锁死。