# Vol.58 2B-AI Agent的若干问题探讨---2025生成式AI商业高峰论坛实录 屠龙之术 · 2025-04-22 庄明浩与吴炳坤（众数信科）、杨劲松（未来式智能）、高佳辉（逻辑科技）三位CEO探讨2B AI-Agent的落地实践。嘉宾们分享了从SaaS到Agent的范式转变，包括按结果付费的新定价模式，以及垂直行业（高校、航运、酒店文旅）的选择逻辑。他们指出，DeepSeek降价与MCP/A2A协议标准化推动了Agent基建完善，但企业级应用仍需冷静。主持人总结：行业正从“语言”走向“行为”，从“特征描述”走向“看见”，不过Agent依然早期。 ## Key moments - **[0:00] 开场** - **[0:49] 嘉宾介绍** - [0:50] 吴炳坤介绍众数信科聚焦高校、船舶航运和禅宗三个行业，因其知识密度高、AI能力弱且离钱近 - [2:20] 杨劲松介绍未来式智能是一家Agent Native公司，愿景是让每家企业通过平台应用智能体 - [3:56] 高佳辉介绍逻辑科技深耕酒店行业，为集团提供数字管家、数字店长和数字董秘三类数字员工 - **[5:40] Agent简述** - [5:40] 主持人庄明浩指出Agent L3标志着AI从“语言”到“行为”的转变，是25年业界共识 - **[7:09] 体感变化** - [7:44] 吴炳坤形容市场火爆：“整个的市场是一个完完全全就大家感觉就是属于在当年疫情期间卖口罩的这么一个感觉。” - [8:30] 吴炳坤指出MCP协议标准化让工具调用成本大幅下降，一下子把市场打开 - [9:38] 杨劲松认为国内模型能力从千问1.5/2.5后上了大台阶，叠加R1推理模型，绝大多数任务能力已够用 - [10:47] 杨劲松提到MCP和A2A等协议极大加速Agent生态繁荣，每个工具对接不再需要自己完成 - [11:22] Q: 业务体感有何变化？高佳辉观察今年酒店集团高层直接找来做AI，业务激增，但需冷静区分需求 - [12:08] 高佳辉提醒：“AI不是万能的，不要把它神化，上一个AI加上了AI两个字，你的企业立马就降本增效，立马你的钱就进来，这是不可能的事情。” - **[13:47] 垂直与通用** - [15:00] 吴炳坤解释为何选择2B方向：C端易被技术迭代淹没，2B靠数据沉淀行业know-how - [17:06] Q: 选择垂直行业的标准是什么？吴炳坤答：行业壁垒高、AI能力弱、有钱的行业 - [18:16] 杨劲松预测2C通用Agent将收敛到手机、眼镜等入口级产品，成为大厂必争之地 - [19:26] 杨劲松讲述美团思考AI是否会从小角落颠覆其传统业务的故事，说明大企业的战略考量 - [20:52] 高佳辉认为在足够小的垂直赛道，创业公司可与大厂合作而非竞争，整合其原子能力深耕行业 - **[22:58] SaaS对比** - [24:42] 吴炳坤对比AI与SaaS：AI是技能平权解决生产力，SaaS是信息平权 - [26:34] 吴炳坤分享客户愿意按智能体数量付费，商业模式优于传统SaaS一次性购买 - [27:32] Q: 和SaaS有何不同？杨劲松指出Agent直接交付服务结果，可按结果计费，改变SaaS商业故事 - [29:44] 杨劲松以马云早期创业为例，说明Agent公司可能直接改造传统行业，而非仅仅卖工具 - [31:03] 高佳辉指出Manus展示了人机交互范式的转变，个人超级Agent未来可能直接与企业Agent交互 - [32:41] 高佳辉发现AI化项目现在都由企业1号位亲自推动，以打通全集团系统 - **[33:43] Agent定价** - **[34:37] 未来展望** - [35:27] 吴炳坤期待模型产生记忆，实现企业级专家智能体，让智慧永续传承 - [36:54] 杨劲松预测通过降低Agent门槛，最终让知识工作者每周工作4天甚至3天 - [39:10] 高佳辉呼吁2B落地要冷静，AI需要准确性、稳定性和可追溯性，不可一蹴而就 - **[40:31] 三句话总结** - [40:31] 主持人总结三句话：“从语言到行为”、“从特征到看见”、“Agent还很早，基建还不完善” ## Speakers - **庄明浩** (host) - **吴炳坤** (guest) - **杨劲松** (guest) - **高佳辉** (guest) ## Topics 代理 ## Mentioned DeepSeek (company), OpenAI (company), 众数信科 (company), 未来式智能 (company), 腾讯 (company), 英特尔 (company), 逻辑科技 (company), 阿里 (company), ChatGPT (product), Manus (product), 元宝 (product), 千问 (product), 数字店长 (product), 数字管家 (product), 数字董秘 (product), 豆包 (product), 钉钉 (product) ## Transcript ### 开场 **庄明浩** [0:07] 然后我们这场论坛的主题就是关于这个 AI-Agent， 然后其实我今天从早上到现在断断续续听了大部分的内容 ， 或多或少在很多嘉宾的讨论跟演讲的过程中其实都提到了这样一个关键词 。 然后我们可能也是这场论坛唯一 ， 就主论坛里面唯一一场关注在 AI-Agent 的内容 。 当然在隔壁的技术论坛其实从上午开始关于 Agent 的讨论就特别的多 。 然后很有幸感谢吴总邀请来主持这场论坛 ， 然后我们三位嘉宾要不先简单介绍一下自己跟自己公司的业务 。 ### 嘉宾介绍 **吴炳坤** [0:50] 大家好 ， 我是众数信科吴炳坤 。 众数是蛮有意思的 ， 我们到今天为止总共成立了 4 年了 ， 前面两年我们主要是基于数字城市做数据运营这一块 ， 所以前面两年我们采的是在数据这个领域的 。 后面两年我们其中一个股东云崇科技 AI 是小龙 ， 我们参与了科技部的一个叫 " 视听交互 " 国家新一代人工智能平台 ，也就是 AI 大模型国产化的通用大模型的一个课题研发 。 所以在后面这两年我们就是另外一只脚踩到了通用大模型里面去 ， 所以就变成是我们一边是踩在数据 ， 一边是在通用模型 。 所以我们选的赛道是在 2B 的一个私有化大模型 ，以及在私有化大模型基础之上来给客户提供业务智能体的这么一个赛道 。 我们主要是选了有三个行业 ， 第一是高校 ， 第二个是船舶航运这一块 ， 第三个的话是很片面很有趣的传统文化里面的禅宗这一块 。 大家可以看这三个行业都蛮有意思的 ， 都是属于它是有诗意的知识密度很高的 。 第二个的话它的 AI 能力是比较弱的 ， 第三个的相对来说离钱比较近 ， 这是我们的一个标签 。 **庄明浩** [2:12] 好 ， 感谢吴总 。 来 ， 杨总 。 **杨劲松** [2:20] 谢谢庄总介绍 。 我是未来式智能的杨劲松 ， 我们是一家 23 年 6 月份成立的 ， 我们叫 Agent Native 的公司 ， 就是最早一批做智能体的这种公司 。 我们团队的话是从达摩院大模型团队出来 ， 当时抱着的一个想法就是说在那个时间节点整个中国接触过大模型训练 ， 包括用的人的话人才还比较少 ，但我们判断的话其实大模型未来会成为每家企业的标配 。 所以说我们做的产品的话 ， 我们叫企业级的通用的 AI-Agent 平台 ， 期望就是说让每一家企业可以通过我们产品把智能体应用到自己的一个生产业务里面去 。 目前我们的核心理念的话就是说基本上不管大模型还是智能体 ， 相对还是有一定的技术门槛 。 所以说它现在在行业里面落地应用的话 ， 基本上还是沿着一个比较明确的新技术落地的一个路径 。 早期的话主要还是国营企业拥抱比较多 ， 慢慢到民营的同步 ， 然后腰部企业和中长尾这样一个趋势 。 所以说它早期技术的话会有很多不成熟还有需要有挑战的地方 。 它实际上我们说今年的话慢慢在去年底 OpenAI 推出这种推理模型 ， 包括 DeepSeek-R1 模型以后的话 ， 智能体慢慢变成比较可用的一个状态 。 我们也在今年看到说可能在一季度的话 ， 整体我们的一个需求的话已经超过了去年的全年， 它其实是在一个爆发阶段 。 今天也很高兴这样的机会跟大家来做交流 。 谢谢 。 **庄明浩** [3:54] 感谢杨总 。 我们下一位嘉宾 。 **高佳辉** [3:56] 大家好 ， 我是来自逻辑科技的高佳辉 。 我跟吴总这边还是有点像的 ， 吴总说做数据运营智慧城市的 ，其实我们一直聚焦在智慧酒店 ， 包括文旅行业 。 我是技术出身 ， 我是华为出来做了 5 年的技术开发 。 我后来就是在酒店行业 、 酒旅行业 ， 我们深耕了大概 10 年， 其实是做酒店 ， 特别是大型酒店集团的整个数字化 。 从去年或者说甚至再往前 ，其实很多酒店都会找到我们说这个跟其实那会儿就大数据了 ， 大数据怎么来去结合 。 包括去年我们也做了一些跟一些大厂 ， 例如腾讯 、 阿里 ， 我们其实都做了这些大模型的 ，但是那会儿可能更多的还是以通用的模型再加酒店的数据 。 但是酒店就会问到一个问题了 ， 我的这些数据如果上到通用大模型里面 ， 会不会牵涉到数据隐私的 ？ 这是酒店非常关注的一个点 。 今年开始了以后， 我们就发现说大模型可以私有化了 ， 可以去做本地的训练了 ， 可以去做 RAG， 可以做这些知识检索了 。 这个就是说把大模型 加垂直行业 ， 就是变成了一个可以落地的一个地方 。 所以我们现在在做的就是 AI-Agent， 我们面向酒店集团 ， 我们想面向客人层的 ， 我们提供数字管家 ； 然后面向内部管理的 ， 我们提供数字店长 ； 然后面向集团层的董事会的 ， 我们提供数字董秘 。 我们的也很简单 ， 我们就是这三个数字员工 ， 你按月给我发工资就好了 ， 大概这样子 。 **庄明浩** [5:29] 理解了 。 就感谢三位的介绍 。其实今天的关于 Agent 的很多细碎问题 ，在三位介绍当中或多或少都有一定的透露 。 我们就正式开始这个内容 ， 就是先做个简单的总结 ， 就是关于 Agent 的讨论在 25 年疯狂的变多 ， 无论大家是否对这个概念有那么深的理解 ， 反正共识已然形成 。 ### Agent简述 **庄明浩** [5:52] 简单讲一下， 就是比如说 OpenAI 在它定义从零到真正意义上实现所谓 AI 的过程中， 它用了一个类似自动驾驶的比喻 ， 叫 L1 到 L5。L1 就是大家看到的最常见的叫 Chatbot， 我们今天常用的这些类似 ChatGPT、 豆包 、 元宝这种东西 ， 对吧 ，Chatbot。L2 它叫推理 ， 推理可能就是今年春节大家一伙的 DeepSeek， 包括之前的 OpenAI 的 O1， 最近的 O3 这种叫推理模型 。 它定义 L3 就是 Agent。L3 的意义在于前两代的自动驾驶在做的事情叫语言 ，因为它们都叫大语言模型 ，是语言 ，是大家去聊天 。 但是 L3 开始这件事情要变成行为 ， 这是这件事情最大的区别 。 也就是说今天我们你在今天所有论坛里面 ， 投资论坛不算 ， 所有跟业务相关的论坛里面 ， 大家谈到 Agent 其实就是相当于在做的事情是把 AI 的能力真正意义上用到行为这个层面 ， 就是让它能干活 ， 能做一些事情 。 这是这个时间点业界对这件事情的最直接的共识 ，也是因为为什么会在这个时间点大家会那么期待的看到所谓 AI 的落地的可能性 ， 然后也会有像今天比如在做这几位嘉宾在做的事情出现了一个变化 。 ### 体感变化 **庄明浩** [7:11] 所以我的第一个问题是这样的 ， 就是其实 Agent 的概念在纯业界内的概念其实是要早于今天的探讨之前就已经出现的 ，但是突然间可能 3 月因为一些事件之后，25 年初 Agent 的讨论开始变多了 。 我想第一个问题就变成这样一个问题 ， 就是说在各位业务开展的过程中， 比如说从去年年底到今年年初这一段时间出现了什么比较大的变化 ， 就这个变化到底是不是跟 Agent 这个事情的爆火有很多的关联 。 对 ， 要不还是吴总先开始 。 **吴炳坤** [7:44] 我先说 ， 就是我们从 23 年的 9 月份开始就推出产品化了一系列的一个这种基于大模型驱动了一些算是早期的 Agent。 很明显的一个感受就是说大模型底层的一个能力还不够 ， 所以的一些指令遵循各方面其实是让别人做起来蛮痛苦的 ， 很容易翻车 。 到了今年以后其实有几个变化 ， 第一个很重要的一个是说底层模型的一个能力强化了很多 。 当然很大一块就是因为 DeepSeek 出来以后， 让大家整个的一个交易成本一下直线下降 ， 基本上是属于大街小巷大家都在讨论说这个大模型上面能够基于智能体做什么 。 这是第二个 。 第三个的话是属于说整个大家看到 MCP 出来以后， 实际上我们原来需要用大量的这种工程化的一些能力去做一些这种工具的一个调用 ，但现在整个 MCP 出来以后实际上整个协议标准化了 ， 所以一下子就把整个的市场打开来了 。 我们从春节到现在为止 ， 整个团队是属于一个全面满负荷的这样在做 。 昨天我们非凡资本也帮我们推了一个 ， 我们也比较感谢 ， 就是我们基本上是属于现在 10 个客户 ， 我们最多只能把它给沉淀下来一半 ， 所以我们花了一个月左右的时间 ， 我们公司在厦门 ， 我们在厦门把一半以上 ，60% 的国企 ， 福建省五分之一的国企全部都服务了 。 所以整个的市场是一个完完全全就大家感觉就是属于在当年疫情期间卖口罩的这么一个感觉 。 **庄明浩** [9:27] 好 ， 杨总 。 **杨劲松** [9:29] 对 ，其实我觉得那个主要变化来自几个方面 ，在 Agent 落地这一块 。 首先的话 ， 第一个层面的话其实主要还是技术层面 。 从去年下半年的话 ， 我们说从千问的 1.5 或 2.5 以后的话 ， 整个国内的模型的能力的话其实上了一个比较大的台阶 ， 基本上在大多数企业里面的任务的话其实达到了一个比较真实可用的一个状态 。 这个的话其实是对我们说 Agent 它一个比较关键的 。 然后到了今年初的话 ，其实我们说有了 DeepSeek-R1 这种推理模型以后的话 ， 实际上相对把质量提到更高了 。在绝大多数场任务的话 ， 我们说模型的能力已经完全已经够用了 。 然后第二块的话其实是在 Agent 的基建的各个子能力上 ，因为我们知道 Agent 包括 planning， 就是我们叫规划 、 记忆 ， 还有包括调用工具这一块 。其实规划主要是靠模型来解决 。 目前的话其实在它的调用工具 ， 还有包括它记忆层面的话 ，其实都有了一些更好的一些 ， 比如说行业里的一些标准 ， 或者是像上一代互联网里面这种 HTTP 协议类似这种产品 ， 比如说 MGP 的这种协议 ，A2A 的这种协议出来了 ， 它其实会极大加速整个生态的一个繁荣 。 像以往的 Agent 公司的话 ， 每一项我去对接的工具的话都要我们自己来去完成 。 现在有了这种协议性的东西的话 ， 实际上把整个去构建 Agent 的过程就变得更低了 。 然后第三方面的话确实是在市场层面的话 ， 比如说看到了我们说国内整个客户的情绪的话 ， 被 DeepSeek 其实带得相对比较火热一点 ，但大家对这个事情的话比较热情 ， 就是有比较大的这种投资预算投到这个事情上来 。 所以说的话整体就是导致了今天一个爆发 。 **庄明浩** [11:20] 理解 。 高总 。 **高佳辉** [11:22] 我觉得对我来说 ， 从去年到现在其实最大的一个变化是业务忽然一下就是直接是给多了很多 ，而且就是之前可能是我们在做数字化 ，是更多的是我有一个很复杂的一套整体架构去跟集团去讲我要做什么做什么 ， 然后集团再说我到底我能做什么 。 然后今年就忽然很多集团找过来说高总我们酒店集团 AI 能做什么 ， 我是一定要去做 AI 的 ，而且不是说可能更高层级的 ， 就是从董事长或者到 CIO 这个层级就直接找过来说我一定要做了 。 我遇到的问题其实就是说 AI 其实不是一个 ， 就可能大家今天讨论了很多 ， 就觉得 AI 是万能的 ，其实 AI 在我们看来不要把它神化 ，也不要说是就是这个上了以后， 你上一个 AI 加上了 AI 两个字 ， 你的企业立马就降本增效 ， 立马你的钱就进来 ， 这不可能的事情 。 所以我们在跟这些在谈的时候 ， 我们说首先你 AI 要做什么 ，是要你我认为先要做一个起点 ， 你现在的基础能力是什么 ， 你的基础架构是怎么样的 ， 你是不是已经完成了你的一些基础的一些基建部分 ，在之上然后我们再看 AI 能去做什么 。 所以这是我们在跟这些酒店集团在洽谈的时候 ，其实我们认为从 2B 端或者说从垂直领域是要有这么一个过程的 。 对 ， 这是一个 。 然后第二个就是说不同 ，其实在酒店这么或者文旅这么一个行业 ，其实也分不同的客户群体 。 例如奢华型酒店 ， 我们跟这种国际顶尖的这种奢华酒店集团在沟通的时候 ，他们就说了我其实不需要 AI 去帮我解决跟客人的交互层面的东西 ， 我需要的因为这种酒店集团它需要的是用人来服务 ，其实在面向客人侧更多的还是以人。 我们更多面向它的产品就是在于后端的整个的一个数字化的 ， 比如数字店长 ， 帮它怎么去提升整个的企业服务的流程 ， 怎么把它这些原来通过经验化的东西通过 AI 去把它通过流程化 ， 通过这种数据分析 ， 包括说从集团层面看我全球这么多的酒店我来去做什么 。 面向这种快捷型的或者商务型的 ， 它要的是标准化 。 面向客人有这么多的几万个几万家店这样的情况下， 这些客人我怎么来去把它交互层面 ， 我怎么把它集中到集团这儿 ，而不是让单店去做 。 所以就不同的定位可能有不同的这样的一些需求 ， 大概这样 。 **庄明浩** [13:46] OK， 我们就顺着第二个问题 。 第二个问题其实也是我很关心的一个问题 ， 就是本身上在座的三位嘉宾 ， 包括没来两位嘉宾 ，其实当时我看到嘉宾列表的时候 ， 我会觉得就是其实大家在做的事情还是偏 2B 企业端的落地的事情 。在 Agent 的这一轮探讨过程中就出现了其实在上两轮探讨中也出现的问题 ， 就是垂直跟通用的问题 。 ### 垂直与通用 **庄明浩** [14:11] 然后你会发现今天这个时间点 ， 至少从 L1 到 L2 再到 L3 过程中都在频繁的讨论这样的问题 。 当然这个问题可能我觉得是没有必要拿 ， 它是在动态变化的 。 当然作为初创公司或者创业公司 ， 你在选择你创业方向的那一天 ， 你可能就已经基本决定了这个选择 。 从结果来看 ，在座的几位其实都是做 2B 方向的 ， 甚至刚才吴总还介绍过程中就提到了我们专注了什么什么行业 ， 对吧 ？ 我这个问题就很简单 ， 就是在这件事情上的选择上， 比如说当时为什么可能杨总公司比较新 ， 还没有那么强的界限 ，但是吴总公司 、 高总公司在行业上其实基本上已经有非常清楚的界限的设计 。 这个考虑跟这个过程为什么会出现这样一个结果 ， 或者说对于通用还是垂直的这个事情大家是怎么考虑的 ？ **吴炳坤** [15:00] 这个其实也是心路历程 。 我们在 23 年 5 月份跟云从发布了通用大模型以后， 其实一直在找说首先第一个问题实际上是 2C 还是 2B。2C、2B 选完以后才是 2B 的话 ，是哪几个行业 ？ 这里面我们一直以一个感觉就是两个层面的 。 第一个 ， 整个大模型的底层技术迭代的太快了 。在那个时间点如果来做 2C 的话 ， 大概率是会被模型的一个迭代 ， 技术的迭代给淹没掉了 。 **庄明浩** [15:31] 给拉爆 。 **吴炳坤** [15:32] 对 ， 实际上实验证明我们过去看了很多爆款的 APP 都是这么没了 。 所以我们选择 2B 的这个 。2B 的这个其实很重要的一块是数据 ， 现在整个算力持续下降 ， 这个算法一直在开源 ， 所以数据是非常重要 。 我们作为一个技术服务商怎么样在服务客户的过程中怎么样把这个数据一提炼出来 。 第二个 ， 这个数据能够不断的沉淀下来 。在过往就是我们在服务客户的时候 ， 你随便这个行业 knowhow， 那么 AI 时代的这个行业 knowhow 要怎么来沉淀 。 所以我们自己选择的是一个是我目前还是很坚定就是说在一些相对行业知识密度比较高的 ， 就它实际上是有行业的一个壁垒的 。 别的大厂也好或者别的竞争友商进来 ， 它要有一定的一个时间壁垒过来 。 这是一个 。 第二个的话就是说这个行业它不是那种充分竞争的 。 不是充分竞争的话就是说你还是跟前面的一个问题是一样 ， 你是有更多的一个时间在这里面在深耕 ， 等别人来的时候你已经准备就绪了 。 所以这是我们选择行业这块的一个主要的标志 。 **庄明浩** [16:42] 现在是刚才您说的三个主要的方向 。 然后据我了解您因为您公司在厦门 ， 包括很多厦门的政府其实客户也蛮多的 ， 对吧 ？ **吴炳坤** [16:54] 我们实际上因为过往我刚好是做数字城市的 ，但往往我在现在的所有我去年的营收里面 ， 整个政府的收入占比不到 10%。 为什么 ？ 因为这里面其实现在大家都知道整个大环境里面做 2G 的其实不是一个非常好的一个商业生态 。 **庄明浩** [17:13] 不太容易 。 **吴炳坤** [17:13] 对 ， 所以我们选了这几个行业三个标签 。 一 ， 刚刚说到的一个行业壁垒 。 第二个的话 ， 它的整个 AI 能力比较弱 。 第三个 ，有钱的行业 。 **庄明浩** [17:25] OK， 杨总 。 **杨劲松** [17:28] 就是比如说现在因为你们我觉得三家公司里面你们成立时间最新 ， 对吧 ？ 包括背景也更互联网更现代一些 。 这个时间点你们从比如成立之初到今天可能两年左右时间 ，在客户的分类上我估计你们内部也经历过一些调整也好或者是划线然后又擦掉又再划的这样一个过程 ， 就大概是这样一个 。 **高佳辉** [17:55] 明白 。 对 ，因为我们思考的问题的话基本上还是以总为始 ， 从中局来思考这个事情 。 我们说 2C 的这种通用 Agent 的话 ， 它从我们判断的话最终会收敛到一些入口级的这样一些产品上面 ， 包括我们的手机或者眼镜 ， 然后它也是大厂包括大模型厂的一个必争之地 。 所以说做 2C 通用的 Agent 的话相对来说可能很难建立自己的一个长期壁垒 。 所以我们早期的话就是还是定位在 2B，但 2B 的话它也分成我们说是针对这种大型企业还是说通用这种场景的这种两种打法 。 我们其实判断的话就是还是讲刚才一个新技术的话 ， 早期的话实际上在它不成熟的时候 ，C 端更多是一些尝试 ，B 端的话在头部领先的企业的话 ， 它会试图用这个技术来去做一些我们说改造行业的事情 。 或者这里面我大概举一个 ， 比如说作为一个企业它思考新技术的一个三个层面 ， 这个也是跟国内一个非常大互联网公司的 1 号位去我们去讨论出来 。 比如说像类似于像美团或者是阿里这种大的企业 ， 它看到这种大模型这种新的机会的时候 ， 首先第一个想到的问题是说会不会因为这项技术的出现导致从一个不知名的角落里面出来一个新的业态 ， 它通过这个技术把我本身的这样一个业务属性给颠覆了 。 举例来说 ， 比如说对于美团来说有没有可能从哪个角落里面出现了一个 AI 朋友 ？ 我们未来所有的对餐馆的评价 ， 包括我们的订外卖的话 ， 都是通过我跟这个朋友来去问建议 ， 然后通过 API 去调用美团 ， 这样的话美团价值就被颠覆掉了 。 这个是他们从第一个战略层面要去想说这个技术对我的一个到点这个行业有什么一个改变 。 第二个层面的话就是说这个 AI 技术的话能不能给我这个产品提供一些新的业态或者一种新的这种收入源 ， 这我们说第二级别的这样一个思考 。 到第三级别的话可能更多是一个降本增效 。 如果从这个角度上来说的话 ， 三种的投入的话从最往上的话是最高的 ， 然后逐渐递减 。 一个新技术早期的话一般的话还是头部企业再去被应用 ， 所以说我们最开始是以切入头部企业 ， 包括像国营企业这种为主 ， 包括像国华电网 、 三统油这种是我们主要的一个客户 。 但这个事情的话它会随着技术的成熟 ， 我们说慢慢会把它去覆盖到我们叫腰部企业 ， 甚至到最终的话我们对于专业用户的话也会有这种针对它工作场景下的这种标准产品 ， 然后来去做更大的规模和体量 。 它更多还是一个技术发展阶段上的一个选择 。 **庄明浩** [20:48] 好 ， 理解 。 高总 。 **高佳辉** [20:52] 我理解庄老师的话可能是分成两个 。 第一个就是说我为什么去选择酒店行业 ，其实这个我觉得也不具备 ，因为是从我的履历来说 ， 做技术然后去做了酒店的智慧化 ， 再去做酒店的数字化 ， 再去做酒店的 AI 化 ，其实这是一个我认为是个顺理顺理成章的一件事情 ， 所以这也不具有通用性 。 我想第二个问题就是说垂直行业跟通用行业 ， 对于我们来讲 ， 刚才我一直在做这个行业 ，但是也遇到问题就是说刚其实杨总这边也说了大厂跟我们创业公司的区别 ，其实目前我们基本上跟大厂都在合作 ， 像我们是腾讯的智慧酒店的战略的唯一的战略合作伙伴 ， 我们也是阿里云的智慧酒店战略合作 ， 我们跟英特尔也在合作 。 所以就是说跟大厂之间的话 ，其实我们可以理解成也许我这个赛道足够小 ， 大厂是不屑于做 ， 或者说大厂因为他们对我们的要求就是说我有这些原子能力 ， 即使大模型也在大厂里面也属于原子的能力 。 我们跟腾讯我们用它的大模型 ， 例如元宝 ， 例如这个 通那个那个那个大模型 ， 对 ， 然后再结合腾讯地图的 API， 结合腾讯音乐 ， 结合 QQ 音乐 ， 结合等等等这些系列 ， 我把它整合起来 ， 然后在酒店国内行业去用 。 我们在跟阿里合作的时候 ， 我用阿里的钱包精灵 ， 我用了钉钉 ，其实对他们来讲的话 ， 你只要把这些原子能力在这些行业里面去深耕 ，也帮他们建立了壁垒 ，也是帮我们去整合型的这样一个东西 。 所以我觉得跟大厂其实我们基本上我认为目前不存在竞争 ， 更多的还是合作的一个情况 。 **庄明浩** [22:33] 因为确实无论是美国还是中国 ， 通用模型的竞争确实在这个时间点还是非常非常剧烈的 ， 对吧 ？ 但确实大家期待可能 23 年是模型年，24 年是所谓的应用年的尝试年，25 年大家可能真正意义上在希望看到无论是在 2B 还是 2C 的落地的东西的出现 ， 对吧 ？ 这也是一个很简单跟很质朴的逻辑推导 ， 对吧 ？ 然后还有一个我们再下一个问题 ， 就是上午有一场关于投资人的论坛 ， 吴总问了几位投资人一些很直接的问题 ， 对吧 ？ ### SaaS对比 **庄明浩** [23:07] 因为原来我也做投资的 ， 如果我们类比中美两国 TMT 行业的发展 ， 从 2010 年为现 ， 过去的 15 年， 中美两国其实走了完全不同的两条线 ， 就是美国基本上就是在 2B 企业服务 、SaaS、 云这条线上策马狂奔去了 ， 对吧 ？ 我们这边就 2C 策马狂奔去了 ， 对吧 ？ 所以导致一个结果是至少截止到比如这个时间点之前 ，因为原来我们美元基金看 ， 包括上午那几位投资人其实里面也有投企业服务跟 2B SaaS 的投资人也很多 ， 从结果来看 ， 从投资的结果来看不是那么理想 ， 对吧 ？ 或者说大家谈论很多中国的 2B 的生态的问题 ， 包括吴总刚才讲过 2G 的各种各样的问题 ， 至少上一波的以移动互联网爆发为代表的这一波 ， 你说企业服务公司也好 ，2B 的公司也好 ，SaaS 的公司也好 ， 甚至是上一波的 AI 的公司也好 ， 对吧 ？ 从我们这帮沾满铜臭的投资人的角度来看 ， 结果不是那么理想 ， 就是说至少没有特别好的结果 ， 那就迎来这个问题 ， 就变成这一波 AI 来了之后 ，因为大家都在做 2B， 然后也扎根在无论是行业还是地区还是什么样的角度 ， 从各自的体感来看 ， 大家会不会觉得这一波会有很大的不太一样的变化 ？ 这个变化比如说来自于什么 ？ 是技术 ，是产品 ，是行业竞争 ，是商业化还是什么 ？ 对 ， 我都是这样一个问题 。 **吴炳坤** [24:42] 从我们在实践当中有两个维度 。其实首先第一个就像 AI 这一波智能体和 SaaS 的一个对比 ，其实我认为说是有一个非常大的不一样 ， 就是原来 SaaS 更多的就互联网时代 ， 它更多实际上是解决一个叫信息的平权 ，但是大模型来了 ， 它更多是一些技能或者是说一些这种生产力这方面的更大的一个提升 ， 它是一个技能这块的一个平权 。 这里面能够解决的一个问题其实反而比以前更多 ，以前其实更多是解决一个信息流通这一块 ， 现在实际上是在它的各个生产环节去做重塑了 。 所以我们在客户这边交付下来的一个实际的一个成像是这样子的 。 首先第一个 ， 它不像是原来 SaaS 的一个东西 ， 我卖这个客户拿过来给另外一个客户 。 所以这样子变成说我们为什么原来一直都在说在中国做软件其实挺苦逼的 ，因为大家觉得你都做出来了 ， 反正你考一份给我 ， 基本上不用钱 。 大模型里面我们现在觉得有一个蛮有意思的一个点 ， 就是说虽然可能我不同的客户 ， 当我们在选择的时候一定是围着某一个行业这边来做 ，但是跳开这个范式 ， 就是我不同的客户看上去的我说是琳琅满目各种智能体 ，但实际上它从它的一个根源上面不外乎就是问答 ， 各种比如说创作 、 审查等等这一块的东西 ， 无非就是说把这些能力再结合一些知 识库组装出来以后， 对客户来说它就是一个又一个的一个不同的智能体 。 我们通过过去这半年多我们已经跑通了 ， 就是说我可能一次性给到客户这边一个私有化大模型 ， 这是一个底座跟一些 AI 中台以外， 后续的客户是能够愿意为了不同的智能体按这个智能体的数量来买单的 。 所以它其实整个付费的逻辑跟原来 SaaS 也很类似 ，但是在客户这边的一个体感 ， 它实际上又是属于说它花这个钱是值得的 。 我认为实际上这个是一个维度 ， 就是说跟原来 SaaS 纯我买一个一模一样的一个平台过来 ， 这是一个 。 第二个的话 ，因为它是直接嵌入到很多流程里面去 ， 实际上是已经不是纯线上的这种方式 ， 它是用场景高度融合 。 场景高度融合以后， 实际上我们现在慢慢很多东西都跟一些硬件也连接起来 ， 就走出原来那个魔咒 ， 就是我还是买一套标准的一个软件产品 ， 我实际上买的是一个有 AI 赋能的这么一个硬件来解决我日常工作或者说日常的一些生产过程中所有的这些效率提升等的这块一些问题 。 所以整个我们看到的是完全跟原来 SaaS 不一样的这么一个商业模式的重构 。 **庄明浩** [27:30] OK， 杨总 。 **杨劲松** [27:32] 好的 ，因为我们其实说 Agent 的话 ，其实它最核心的话 ， 我们说它价值在于是复刻了我们行业专家的一个能力 ， 这个其实是它本质的一个点 。 以往的 SaaS 的话 ，其实它更多一个工具 ， 我们完成一个任务的话 ， 还需要我们的专家拿这个工具去提供这样一个结果 。 但是 Agent 的话 ， 它其实是可以直接交付这样一个服务结果 ， 我觉得这个是跟传统 SaaS 的一个最大的一个区别 。 现在的话 ，因为这样一个 Agent 它的一个特点 ， 现在有一个新的商业模式 ， 就是说我们是直接按照 Agent 它提供的服务结果来计收 ， 它跟一个卖工具你一次性的一个收入 ， 变成说我卖的是一个服务结果 ， 可以去分享它给客户带来价值的一部分的话 ， 完全是一个不同的生意模 式 。 所以说我们说 Agent 的话 ， 它会改变原来 SaaS 的一个整个生态的一个我们说商业的一个故事 ， 这个我觉得是最大的一个点 。 然后第二个特别大的点的话 ，其实我们 一直在给很多企业里面的 CEO 或者 1 号位的讲 ， 就是说如果给你这个企业里面无限量的供给的这种专家 ， 你会在这个行业里面做一些什么样新的一个尝试 。 实际上我们说 Agent 它是可以通过它带来的一些专业化能力的话 ， 拓展企业 ， 它可以去开展业务的一些范围的 。 比如说我们以前限于我们自己去招人的成本的困难 ， 或者是专家难于获得的这样一个困难 ， 我去难以探索 ， 比如说一个新的市场或者做一个新的尝试 。 类似这种服务的话 ， 未来都可以通过 Agent 相对比人工提供服务的成本会更低的方式去获得 ， 我们会有很多新的这样一个尝试 。 另外一个就是我们说对于 Agent 公司 ，其实我们现在也有一个所谓的这种新的这么一个商业模式 ， 就是说其实我们可以在一些垂直领域里面直接用这个技术把它转化成一种新型的生产力 ， 参与到这个行业里面去做所谓的一个新的价值分配 。其实我记得因为 GRAIL 的老板上午刚才也在 ， 对吧 ？ 实际上他们的逻辑就是说 ， 我用与其我说这个技术 ， 我想要去卖给企业主 ， 要证明它的 ROI 是非常困难的 ， 为什么我不能直接拿这个技术去来改造一些传统上它技术没有那么先进的这样一些行业呢 ？ 我做的这个效率比你传统行业这些玩家的话 ， 比如说有个 3 倍和 5 倍的提升 ， 我可以直接拿这样一个商业结果去做我的一个商业的回报 。 稍微类比一下的话 ， 就是比如说马老师创业最开始是做我们叫黄燕 ，他是觉得说互联网这个技术非常好 ， 我希望把它给每一个企业说你都要有一个自己的网站或者有自己的行业 ， 这个是一个非常辛苦的事情 ， 这个创业失败了 。 然后他第二个做的事情是说 ， 与其我说改变大家的想法这么困难 ，但是我又知道互联网技术非常好 ， 我就自己来做零售 ， 我把之前的零售方式搬到了互联网上面 ， 我变成了一个互联网时代上的一个新的一个商店 ， 我算是商业模式比你们去可以有更广泛的一个货物供给 ， 比你有更快的一个送达 ， 我就可以把你原来这些线下的都给打掉 ， 这也是 Agent 公司的一个可能的一个生 态 ， 所以说它的价值空间也会非常大 。 **庄明浩** [31:03] 我的理解第一个首先从产品层面肯定是跟之前的 SaaS 的话是完全不一样的 ，因为我认为从 AI 或者大模型再到最近 Manus 出现 ，其实它是代表了一个产品交互的一个或者说就是叫范式的一个转化 ， 这个也是从 Manus 看到了以后， 大家可能所有人都看到说好像交互方式跟以前的人机交互方式完全是变掉了 。 至于说是不是什么时候能到每一个人手里边变成一个超级入口 ， 这个现在我也不知道 ，但我相信这个时间不会特别长 。 但是我认为在企业端 ，其实每一个企业都会有这样的 Agent，也许到了最后可能是过两三年， 每个人的超级的 Agent 它会跟每个企业的 Agent 直接去交互 。 像 Manus 上表现的其实是你的超级 Agent 是你这个超级入口 ，其实它还通过网页的方式去浏览 ， 比如我要去订酒店 ， 我去 OTA 上面去浏览去模拟人的操作 。 但是未来也许说我的超级个体知道我的所有的需求了以后， 我直接可能跟酒店集团我的 Agent 直接去交互了 ， 甚至说我可以去跟他去讨价还价 。 我认为说在个人智能体还没有完全大批量出来的时候 ，也许企业的智能体会先于他们会去出来 。 我认为这是一个第一个首先是产品层面会有一个很大的一个变化 。 第二个就是说在商业层面或者商务层面 ， 我们也发现一个很大的一个区别 ， 就是原来的 SaaS 可能更多的还是说我的业务部门或者说我的某一个业务部门或者我的 CIO 决策就去采购一个东西解决我的某一个问题 。 但是我们发现在 AI 的这个时代了以后， 就是最近今年开始 ， 几乎 AI 的 AI 化都是 1 号位 ， 这个相当于说整个集团的一个工程 。 这个跟原来的区别就在哪里 ？ 区别在于说原来的做某一个部门的功能 ， 它可能需要协同的是几个部门或几个系统 ，但是如果说它要做集团层面 ，是要跟整个集团的这些所有的系统全部要打通的 ， 这个是只有 1 号位才能去决策的 。 当然这个也会带来另外一个问题 ， 就是我们的承担的周期会比较长 。 所以我们一方面在做这种大的集团的这种 AI 化 ， 另外一方面我们也把这种我们已经积累的这种行业的这种能力 ， 比如 80% 能力我们做成自己的通用产品 ， 这样面向其实这些通用产品跟 SaaS 的话 ，其实我认为有点差不多了 。 我面向更多没有说有那么大付费能力的 ， 我可以 SaaS 化的形式 ， 例如我刚说的数字员工 ， 你可以按照每个月然后付我工资的形式 ，其实也是一个 SaaS 的一个模式这样去做了 ， 大概这样 。其实刚才在各位回答过程中有一个更细微的微观层面的问题 ，也是最近一段时间业界关于 Agent 的探讨很新的问题 ， 就是关于定价的问题 。 ### Agent定价 **庄明浩** [33:55] 理论上说确实它跟 SaaS 的原来那套形态不太一样 ， 甚至跟 2B 的定制服务商的商业模式也不一样 。 面对这样一个新兴的可能性的东西又那么大跟那么确认 ， 这个商业或者这个行业的新的定价方式也可能需要有些变化 。其实刚才在几位回答过程中也或多或少的透露 ， 对吧 ？ 无论是按人按基础加附加 ， 对吧 ？ 还是按什么样的方式 ， 甚至直接把它颠掉 ， 对吧 ？ 我们不走你原来的路径 ， 我们直接来 ， 对吧 ？ 可能都是一种定价方式 。 我觉得这是一个这个阶段也是在做这个业务的很多厂商都在探索的一个没有答案的一个问题 ， 对吧 ？ 我们就不展开 。 然后我们今天进入探讨的最后一个问题 ， 就是因为整个的 AI 行这一波 AI 行的爆发是从 22 年 11 月底拆 GP 发布到现在的 ， 对吧 ？ ### 未来展望 **庄明浩** [34:46] 大概两年多的时间 。 然后上午也有很多嘉宾说 ， 就是说其实纯从技术发展角度来讲 ，在慢慢慢慢的慢下来并且收敛 ， 对吧 ？ 虽然它还在很快的爆发 。 我这个问题就相对简单 ， 就是说比如在各自的角度 ， 无论是业务还是自身关注的方向 ， 肉眼可见的比如说 25 年底或者 26 年底 ， 大家希望看到什么样的变化 ， 无论是 AI 模型也好 ， 开源闭源也好 ，Agent 也好 ， 产品边界也好 ， 还是商业转化也好 ， 希望看到什么样的里程碑变化能够让这个事情再到一个新的台阶 ， 就是小小的展望一下 。 **吴炳坤** [35:27] 好 ， 我们的整个的一个愿景是让企业叫智慧永续传承 ， 等于说给每个企业打造这种专家级的 AI 分身 ，不是普通这种 AI 员工 。 从过往的一个产品形态 ， 我从通用大模型到行业模型 ， 行业模型到企业私有模型 ， 私有模型再到业务智能体 ， 实际上一整个下来以后都一脉相承 。 我们从今年开始投入比较多的一些研发 ，在做一些什么事情 ， 做模型的一个记忆的内化这一块 ， 实际上沿着这条路径下去以后的话 ， 实际上模型应该很快产生记忆 。 我看其实 GPT 已经出来了 ，但它这个可能现在我们看到的时候还是比较早期的 。在企业这一块 ， 实际上它可能会更加 ， 刚才我们高总也提到了 ， 可能在企业这边也会更加看到的是一个企业这种专家级的这种智能体更快的呈现出来 。 所以我们也是希望说能够更快的看到说整个的一个模型有记忆 ， 它更加像是人一样 ， 像这种超级个体出来以后更好的一个服务 ， 更好的提升效率 。 **庄明浩** [36:42] 杨总 。 **杨劲松** [36:44] 就今天我怎么讲的公司愿景 ， 我们讲一下我们公司愿景 。 我们公司的愿景的话是让全球的 11 知识工作者可以 10 倍效的工作 。 我们说过去一两年的话 ， 整个 Agent 和大模型的话 ，其实它相对门槛还是比较高的 ， 包括企业想要去应用 。 所以说我们的致力于一直就是说怎么去降低 Agent 或者模型应用的一个门槛 。 我们觉得随着技术的一个进步的话 ， 我们发现就是说这个事变得越来越可行了 。 说白了就是我们想实现就是说不管是你多么复杂的业务 ， 然后或者是哪怕是比较日常的这种重复性的任务 ， 通过这种我们产品或者这种工具 ， 可以去快速的把这样一个专家能力或者就是你的这样一个任务能力的话进行一个复制 ， 然后可以让我们去把更多精力去聚焦到那一些对我们说整个更高价值的这样一些场景上面来 。 这个是我们想要去努力的目标 。在技术层面的话 ，其实我觉得其实今年比较大有希望去能对这事有帮助的话 ，其实主要是我们叫所谓这种垂直领域的一个强化学习的一个技术 。 就是目前的话 ， 我们说 coding 还有数学这种科技任务上， 实际上大模型厂商已经做得非常优秀 ， 甚至可能超过 ACM 冠军这样一个水平 。 典型的一个背后的技术的话 ， 它是通过强化学习来去基于我们说叫建立比较好的一个奖励模型 ， 然后去提供大量的一个数据去把模型底层能力提升到这个效果 。 但是到了比如说每一家企业每一个随时行业的话 ， 这个事情的话其实就不一定是大厂它能够去大模型厂它去通吃的这样一个局面 。 我们也希望是说可以提供这样一套基建 ， 可以让每一个企业的话 ， 实际上可以基于用户使用 Agent 的过程或使用产品的过程 ， 把它的专家的一些能力的话沉淀成一系列这样一些智能体 。 它可以把整个我们企业的一个管理水平都提升到一个专家级别 ， 然后让我们每个企业的这种运营效率更高 。 当然的话 ， 更往下再延伸的话 ， 可能就是到每个人， 就是让我们可以每周工作 4 天或者 3 天 ， 这是我们的一个愿景 。 **庄明浩** [39:08] 好 ， 高总最后 。 **高佳辉** [39:10] OK， 借用刚才前面杨总提的一个就是以终及始 。其实每个企业的 AI 化 ， 包括智能体 ， 这个其实已经是非常确定的一个事情了 。 但是我觉得可能对行业来讲还是要浇一盆冷水 ，不要那么狂热 ， 对吧 ？ 因为从到那个阶段 ，其实这是一定有一个过程的 。 不像我们现在有些接触的一些客户 ， 客户说可能他就希望说一劳永逸 ， 一个月底下， 两个月就上线 ， 然后立马就能投入产品了 。 因为 2C 跟 2B 完全是不一样的 ，2C 可能说我出了错没问题 ， 对吧 ？ 然后我就抓取一些信息点 ， 我可以提供我的思维就可以了 。 但 2B 要的是准确性 ， 要的是你的稳定性 ， 要的是你的所有的每个过程的可追溯性 。 这是我觉得 2B 是需要有一个过程的 。 所以这是我认为可能在整个行业需要有一个这样的一个冷静的一个思考 。 对于我们来讲的话 ， 我们其实聚焦酒店跟文旅行业 ， 我们的愿景其实我在讲 ， 我是希望说全国 2000 万间客房将来都能用上我的数字员工 ， 然后所有的叫文旅行业 ， 可能以后大家住酒店或者去景区玩 ， 都能跟我们的数字员工去交互 。 这些企业这些聚焦后面这些 ，他们用我们的 AI 店长 ， 用我们的 AI 董秘来去服务于大家这样的一个产品 。 **庄明浩** [40:28] OK， 感谢这个 。 作为主持人， 最后简单总结一下， 我觉得三句话就是大家来参加这种会议 ， 就是 AI 行业这么热火的嘈杂的声音 。 ### 三句话总结 **庄明浩** [40:41] 今天光在上海 ，AI 行业类似这个规模的大会就有三场 ， 光在上海 ， 然后信息爆炸 ， 大家会频繁的面对这些东西 ，不知道该怎么办 。 我总结基于我们这个场景 ， 我总结三句话 ， 可能方便大家未来面对所有这些信息都可能会更容易找到那个路径 。 第一就是这个行业在经历从语言到行为 ， 这个行业在 25 年在经历从语言到行为 ， 你看到的各种各样的变化 ， 各种各样新的东西都在验证这件事情 ，25 年 。 第二句话叫这句话很有意思 ， 这句话是我写的 ，但是今天上午我来的时候 ， 我去隔壁看隔壁的技术演讲嘉宾的 PPT 上， 发现这句话被抄上去了 。 我重新讲一遍 ， 这句话的意思是这样的 ， 就是我们只看 Agent 这件事情 ， 今年的 25 年在经历从特征描述到看见 。Agent 的概念其实在 22 年 GPT 火了之后就出现了 ，但在 22 年、23 年、 甚至 24 年， 行业内的很多的利益相关方我们在做的事情叫特征的描述 ，但是 25 年我们叫看见 ，在做的公司其实在做的事情就是看见 。 第三句话是说这是一个很新的东西 ， 新的东西就代表它可能连基建还很不完善 ， 还有很多周边的事情要大家一起去努力去尝试去做 。 你会看到很多的公司在做相关的事情 ， 就这三件事情大家记在心里 ， 从语言到行为 ， 从特征到看见 ， 到这个行业还很早期不是很完善 ， 方便大家理解日后所有看到的任何的新闻 。 --- 本节目库由 PodHood（https://podhood.com）提供支持——播客网站平台。