2026 年 10 月，Oracle 在拉斯维加斯举行的 AI World 大会上发布 Fusion Claw——一套面向 Fusion 云应用的企业智能体运行时。它随 25 个新智能体应用一同上线，使 Oracle 的智能体应用总数达到 75 个；架构上把模型推理与大规模计算解耦，模型只做判断与规划，重计算交由确定性引擎完成。治理层面配套 企业运营边界、结果信任框架与结果凭据三件套，让智能体的每一次执行都可审计。Oracle CEO Mike Sicilia 的表述是，AI 正从「辅助」推进到「执行」。
一、从「回答问题」到「交付结果」：25 个新应用，总数 75 个
10 月的拉斯维加斯，Oracle 把年度用户大会直接更名 AI World。会上发布的核心是 Fusion Claw——官方定义为「面向 Fusion 智能体应用的受治理智能体执行运行时」。它随 25 个 Claw 驱动的新应用上线，把 Oracle 的智能体应用组合推到 75 个。Oracle 应用开发执行副总裁 Rondy Ng 的说法是，财务运营中过去靠人盯的静态工作流与手工动作，将被更具上下文感知能力的自主智能体取代。
更值得注意的是口径变化：这 25 个应用是「结果导向」而非「功能导向」，客户设定目标、权限与问责，应用负责编排过程并交付结果。
二、架构关键：推理与执行解耦
Fusion Claw 最值得企业关注的不是智能体数量，而是架构选择。用大语言模型逐条处理海量交易记录，成本会迅速高到不可持续；Claw 的做法是让前沿模型只做一次上下文判断与逻辑设计，重计算下放给确定性引擎。
收益有两层。成本上，token 消耗与「需要判断的次数」挂钩，而不再与「处理的行数」挂钩；可靠性上，记账、对账这类环节容不下「大概正确」，交给确定性代码等于消灭了一类幻觉风险。智能体运行在隔离环境中，模型不直接改写 Fusion 业务对象——模型提议，确定性软件校验并执行。
三、治理三件套：边界、信任框架与结果凭据
要让企业敢把敏感数据交给智能体，光有隔离不够，还得有可追责的记录。Oracle 的三层结构如下：
| 治理组件 | 作用时点 | 覆盖内容 |
|---|---|---|
| 企业运营边界 | 执行前 | 目标、作业流程、策略、权限、风险阈值、决策权与升级边界 |
| 结果信任框架 | 执行中 | 对每次运行的身份、能力、数据与动作施加约束 |
| 结果凭据 | 执行后 | 所用权限、证据、作出的决策、执行的交易与结果 |
Oracle 称结果凭据比传统审计日志携带更多上下文，包含所适用策略的全文。客户还可为每个流程设定自动化等级，从「快速辅助」到「在授权范围内全自动执行」。Oracle 智能体产品管理高级总监 Natalia Rachelson 表示，任何任务都能跑全自动模式，但预期企业会从更多人工复核起步。
四、落地样本：四个应用与 13 个免费智能体
Oracle 重点介绍了四个场景：Ledger 在结账前核对会计分录、排查异常，帮助财务负责人提升结账准备度；Workforce Staffing 生成可执行排班方案，在技能资质、可用性、工时规则与成本之间权衡并持续重排；Shipping Consolidation 在时间、运力、服务承诺与成本之间建模以压缩运费；Account Territory Growth Plan 对区域配置做情景建模，改善销售覆盖。
同期在 Fusion ERP 与 EPM 中免费提供 4 个财务智能体（应付、总账、计划、支付），HCM、供应链、客户体验各 3 个，覆盖发票抽取与合规校验、总账差异预警、现金流优化、薪酬假期问答与订单拣配优化等动作。
五、成本与锁定：需要冷静评估的部分
三点提示。其一，Claw 随智能体应用产品提供、不额外收费，但该产品在标准 Fusion 订阅之外需单独购买，且按完成的工作量消耗 AI 单位计费，预算取决于智能体实际完成多少工作。其二，首发仅支持 Google Gemini 与 OpenAI 的前沿模型，暂不支持客户自带更低档开源模型，对有数据驻留偏好的企业是约束。其三，整个体系运行在 OCI 之上，分析师认为治理确有提升，但也会加深供应商锁定，目前仍处早期试点，Oracle 未公布可测量的成本节省数据。
六、对国内企业的三点参考
第一，先把边界写清楚再谈自动化。目标、权限、审批与升级边界本质上是一份业务规则文档，做 AI 大模型定制之前先梳理出来，比选模型更决定成败。第二，把判断与执行分开。能用确定性代码完成的批量计算，就不要让模型逐条跑，既省钱也更可控。第三，留凭据。每次自动执行的权限、证据与结果都要可追溯，否则无法归因。
在杭州一道网络科技有限公司服务智能制造与消费类企业的实践中，上述三条也是交付顺序：先梳理规则与数据口径（含数据挖掘），再选型与定制模型，最后接入业务系统。Oracle 把这套顺序产品化，说明企业级 AI 的门槛已从「能不能做」转向「敢不敢让它做」。资讯中心持续跟踪企业智能体落地方法。
常见问题（FAQ）
传统企业 AI 助手以对话形式给出建议，最终动作仍由人完成；Fusion Claw 被定义为受治理的智能体执行运行时，客户只设定目标、权限与问责，由应用自主编排并在授权范围内直接执行业务流程，处理后留下可审计的结果凭据。Oracle CEO Mike Sicilia 将其概括为从 AI 辅助推进到 AI 执行。
大语言模型逐条处理海量交易记录时，token 消耗随数据量线性增长，成本很快不可持续。解耦后模型只做一次上下文判断与逻辑设计，繁重的批量计算交由确定性引擎完成，token 消耗与需要判断的次数挂钩而非数据行数挂钩。同时记账、对账这类容不下误差的环节交给确定性代码，也能规避一类幻觉风险。
三件事：一是把业务规则文档化，明确目标、权限、风险阈值、审批要求与升级边界，这套边界就是智能体可执行的范围；二是梳理数据口径，把散落在各系统的数据归集并结构化，这是数据挖掘的前置工作；三是确定自动化等级，从人工复核起步、逐步放开到授权范围内的全自动执行，并保留每次执行的凭据以便归因。