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
摘要
2025 年企业级 AI Agent 的需求爆发，来自模型能力、调用协议和市场预算同时改善。 通义千问 1.5/2.5 等国内模型让多数企业任务进入可用区间，DeepSeek R1 又进一步提升复杂任务质量；MCP、A2A 降低工具对接成本，未来时智能一季度需求已超过去年全年，众数信科春节后满负荷，吴炳坤形容像“疫情期间卖口罩”。
To C 通用 Agent 可能收敛为手机、眼镜等入口，创业公司的可守空间更多在 To B 的私域数据与行业 know-how。 众数信科选择高校、船舶航运、禅宗，标准是“知识密度高、AI 能力弱、离钱比较近”；未来时智能则先服务国家电网、“三桶油”等头部客户，再随技术成熟下沉腰部企业和专业用户。
Agent 相对 SaaS 的核心升级，是从交付工具转向复刻专家、直接交付结果。 吴炳坤将上一轮 SaaS 概括为“信息的平权”，这一轮则是“技能的平权”；杨劲松认为厂商可按服务结果计费、分享客户价值，甚至用三至五倍效率直接进入传统行业参与利润分配。
企业 AI 化正由部门采购升级为“一号位工程”，系统覆盖面上升，但销售与交付周期也会拉长。 高佳辉观察到，项目不再只是 CIO 或单个业务部门买工具，而要打通集团全部系统；厂商因此需要同时经营大型定制项目与按月付“工资”的标准化数字员工。
垂直 Agent 的产品形态不会一刀切，真正的壁垒是把行业差异写进工作流。 奢华酒店仍要由人服务客人，AI 更适合做数字店长、优化流程；数万门店的快捷或商务酒店追求标准化，则需要集团集中处理客人交互。“不要把它神化”，加上 AI 两个字不会自动降本增效。
个人超级 Agent 与企业 Agent 未来可能直接交互。 高佳辉设想，个人 Agent 不必继续模拟人浏览 OTA，而可直接与酒店集团 Agent 沟通甚至“讨价还价”；这会改变流量入口和平台价值，但现阶段仍只是方向判断，企业端或许会先完成部署。
规模化的最大约束不是演示效果，而是 To B 所要求的准确性、稳定性和全程可追溯。 企业客户希望“一月立项、两月上线、立马投入生产”，高佳辉对此明确“浇一盆冷水”；吴炳坤希望看到模型形成企业记忆，杨劲松期待通过垂直强化学习沉淀专家能力。
精读
1. Agent 在 2025 年从语言模型变成了行动系统
庄明浩用 OpenAI 的 L1—L5 类比定调：L1 是 Chatbot，L2 是 DeepSeek、OpenAI o1、o3 代表的推理模型，L3 才是 Agent；前两级处理语言，L3 开始把能力变成“行为”。
他的核心判断是，2022—2024 年行业内很多讨论还停留在描述 Agent 的特征，2025 年则开始“看见”真实产品与业务落地。论坛当天仅上海就有三场同规模 AI 大会，热度已成为全行业共识。
这也解释了企业需求的变化：客户开始直接问“AI 能做什么”，要求它进入生产流程、调用工具并完成任务。
2. 三家公司分别把 Agent 嵌入高知识密度行业
吴炳坤介绍，众数信科成立四年，前两年做数字城市数据运营，后两年参与通用大模型国产化课题，最终定位为 To B 私有化大模型及其上的业务智能体。
众数信科锁定高校、船舶航运和禅宗三个看似分散的行业，共同点是私域知识密度高、现有 AI 能力弱，并且“相对来说离钱比较近”。
杨劲松所在的未来时智能于 2023 年 6 月成立，团队来自达摩院大模型团队，自称 Agent Native 公司，产品是企业级通用 AI Agent 平台，目标是让企业通过产品把智能体放进生产业务。
高佳辉则沿着技术、酒店智慧化、数字化再到 AI 化的路径，为酒店集团提供面客的数字管家、内部管理的数字店长和董事会层面的数字董秘：“你按月给我发工资就好了。”
酒店客户此前尤其担心把数据上传通用模型带来的隐私问题；私有化、本地训练、RAG 和知识检索的发展，使“大模型加垂直行业”变得更可落地。
3. 模型成熟、协议标准化与 DeepSeek 共同点燃需求
吴炳坤回忆，2023 年 9 月推出早期 Agent 时，底层模型的指令遵循能力不足，“很容易翻车”；今年模型能力增强，DeepSeek 又大幅降低了试错成本，市场讨论和尝试迅速升温。
杨劲松认为，通义千问 1.5/2.5 已让国内模型能力上了一个台阶，DeepSeek R1 又提高了复杂任务质量；Agent 所需的 planning、记忆和工具调用，也因 MCP、A2A 等协议逐渐齐备。
商业端随之爆发：未来时智能一季度需求超过去年全年；众数信科春节后团队全面满负荷，十个客户中最多只能沉淀下来一半，并称一个月服务了厦门约 60% 的国企、福建约五分之一的国企，体感像“疫情期间卖口罩”。
4. 垂直选择本质上是在寻找不会被基础模型吞没的壁垒
吴炳坤曾先在 To C 与 To B 间选择。他判断 To C 产品大概率会被模型快速迭代“拉爆”，许多爆款 App 已因此消失；算力持续下降、算法不断开源后，To B 的重要沉淀是客户数据与行业 know-how。
众数信科的筛选条件是行业有知识壁垒、竞争不充分、AI 能力偏弱且有付费能力。尽管团队有数字城市背景，政府收入在去年营收中不足 10%，因为 To G “不是一个非常好的商业生态”。
杨劲松从终局推演：通用 To C Agent 最终可能集中到手机、眼镜等入口，并成为大厂和模型公司的必争之地；创业公司较难建立长期壁垒，因此先切头部企业，再随成熟度下沉。
高佳辉认为垂直公司与大厂目前更多是合作而非竞争：大厂提供模型、地图、音乐、钉钉、天猫精灵等“原子能力”，创业公司负责组合并嵌入酒店流程。
5. 头部企业买 AI，首先防颠覆，其次才谈降本
杨劲松将大型企业的决策分成三级：先判断新技术会不会颠覆原有业务，再寻找新产品业态，最后才是降本增效；三层对应的战略投入由上至下递减。
他用美团举例：若未来出现一个了解用户的“AI 朋友”，餐馆评价和外卖选择都由它完成，再通过 API 调用美团，美团自身的入口价值就可能被削弱。这是头部企业最先需要思考的变化。
因此新技术不成熟时，最积极的往往是头部企业。未来时智能早期客户以国企、国家电网和“三桶油”等大型组织为主，并把这视为技术扩散阶段，而非永久客户边界。
6. 酒店行业证明，同一垂直领域也不能套用同一种 Agent
高佳辉主张项目开始前先做“体检”：企业的基础架构、数据和数字化基建是否完成，再决定 AI 能做什么；“加上了 AI 两个字，你的企业立马就降本增效”并不现实。
奢华酒店强调人的服务，不需要 AI 取代面客交互；数字店长更适合梳理服务流程、分析经营数据，并把依赖经验的管理方式流程化。
快捷型和商务型酒店面对数万门店，目标则是标准化。它们更需要把客人交互集中到集团，而非让单店各自处理，因此集团级 Agent 的价值更高。
7. Agent 重写 SaaS 的价值单位，也打开结果付费
吴炳坤的区分是：互联网 SaaS 解决“信息的平权”，大模型和 Agent 解决技能、生产力的平权。前者交付相同软件，容易被客户理解为“拷一份给我”；后者能进入生产环节重塑流程。
众数信科把问答、创作、审查等基础能力与客户知识库组合成不同智能体，在私有化模型和 AI 中台之外，客户愿意为不同智能体按数量继续付费。
杨劲松强调，SaaS 仍需专家拿工具完成任务，Agent 则可以“复刻行业专家的能力”，直接交付服务结果。计费因此可从一次性卖工具，转向按结果收费并分享所创造价值。
当证明 ROI 过于困难时，Agent 公司还可亲自进入传统行业。杨劲松以“黄页”转向互联网零售作类比：与其说服所有企业采用技术，不如用三至五倍效率重新参与行业价值分配。
8. 企业 AI 化成为一号位工程，规模与周期同步增加
高佳辉观察到，最近一年酒店集团的 AI 项目往往由董事长或 CIO 直接推动，已不再是单一部门购买某项功能，而是要求全集团系统互联。
只有一号位能够协调这种改造，但覆盖范围扩大也会使项目周期变长。逻辑科技因此一边承接集团级 AI 化，一边把约 80% 共性能力做成标准产品，服务付费能力较弱的客户。
吴炳坤则看到 Agent 与硬件、线下场景逐步结合：企业购买的不再只是标准软件，而是能嵌入日常生产、持续提高效率的 AI 化硬件与工作流程。
9. 个人 Agent 与企业 Agent 将形成新的交互界面
高佳辉认为 Manus 展现了人机交互范式的变化，但当前仍通过网页浏览、模拟人类完成订酒店等操作；未来个人超级 Agent 可能直接连接酒店集团 Agent，甚至替用户讨价还价。
他的判断带有明确保留：何时形成全民超级入口“现在我也不知道”，但企业智能体可能先于个人智能体大批量出现，先成为企业新的服务界面。
吴炳坤更关注企业内部记忆：从通用模型、行业模型、企业私有模型到智能体是一条连续路径，下一步应让模型把记忆内化，形成“专家级的 AI 分身”，实现“企业智慧永续传承”。
10. 下一阶段要沉淀专家能力，但必须先过生产级可靠性
杨劲松期待垂直强化学习成为帮助 Agent 落地的重要方向：编码、数学等任务已因奖励模型和大量数据达到很高水平，甚至“可能超过 ACM 冠军”。
他的目标是从用户使用 Agent 的过程沉淀专家能力，复制为智能体，让“全球十亿知识工作者可以十倍效率工作”，并可能让每个人每周只需工作四天甚至三天。
高佳辉对此“浇一盆冷水”：To C 出错可能问题不大，抓取一些信息点、提供一些建议即可；To B 则要求准确、稳定且每一步可追溯，因此不能指望“一月立项、两月上线”后立即投入生产。他希望全国 2,000 万间客房将来都能用上公司的数字员工。
庄明浩最后把整场讨论压缩为三句：“从语言到行为”“从特征描述到看见”，以及“行业还很早期，不是很完善”。Agent 正在进入工作场景，但基建、商业模式和交付标准仍需共同补齐。