非凡大赏｜AI Agent：人机协同实践与管理范式升级

2025年4月18日，由非凡资本领衔主办，霞光社、给力讯息、云赛空间协办的「生成式AI商业高峰论坛暨第六届非凡奖颁奖礼」在上海漕河泾万丽酒店圆满落幕。

此次盛会吸引了超过80位AI领域的演讲嘉宾和千名AI相关从业者参与。通过主题演讲、圆桌论坛、互动展览和晚宴派对等丰富多彩的活动形式，非凡资本为参与者打造了一个全面而深入的AI行业交流盛会。

本场圆桌会议以《AI Agent：人机协同实践与管理范式升级》为主题。主持人是趣丸科技首席战略官庄明浩。嘉宾包括：众数信科创始人&CEO 吴炳坤、未来式智能 CEO 杨劲松、逻辑科技 CEO 高佳辉。以下是圆桌讨论核心内容：

庄明浩：我觉得这场论坛，其实吴总应该在上面。早上我看这场直播的时候，吴总（吴畏）说他写了一本书叫《AI Agent：AI的下一个风口》，对吧？大家如果打开非凡咱们今天这场直播的直播间，会看到这本书的广告，但我觉得其实（书）没有写早，因为下一个风口还没来，对吧？

我们这场论坛的主题就是关于 AI Agent。其实我今天从早上到现在断断续续听了大部分内容，或多或少在很多嘉宾的讨论跟演讲中，都提到了这样一个关键词。我们可能也是主论坛里面唯一一场关注 AI Agent 的内容。当然，在隔壁的技术论坛，从上午开始关于 Agent 的讨论就特别多。很有幸，感谢吴总邀请来主持这场论坛。我们三位嘉宾，先简单介绍一下自己和自己公司的业务。

吴炳坤：我是众数信科的吴炳坤。我们到目前成立了刚刚好四年了。前面两年，我们主要是基于数字城市做数据运营，所以前面两年我们踩的是数据治理底层技术这个领域。后面两年，我们参与了股东云从科技承接的科技部的“视听交互国家新一代人工智能平台”的课题研发，也就是 AI 大模型国产化的通用大模型研发。所以在后面这两年，我们另一只脚就踩到了通用大模型底层技术里面去。所以我们是一脚踩在数据，一脚踩在通用模型（领域）。我们选的赛道是在 B 端的私有化大模型，以及在这个私有化大模型基础之上，给客户提供业务智能体的赛道。

我们主要选了三个行业：一是高校，第二个是船舶航运，第三个的话是很有趣的传统文化里面的禅宗。大家可以看，这三个行业都有个共同的特点，一是都属于有私域（知识）、而且知识密度很高的。第二个，行业的 AI 能力是比较弱的。第三个，离钱比较近。这是我们选行业的重要标签。

杨劲松：我是未来式智能的杨劲松。我们是一家 2023 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。我们团队是从达摩院大模型团队出来的。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、包括使用的人才还比较少。但我们判断，大模型未来会成为每家企业的标配。所以说我们做的产品，我们叫企业级的通用 AI Agent 平台，希望让每一家企业可以通过我们的产品，把智能体应用到自己的生产业务里面去。

目前我们的核心理念就是说，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，基本上还是沿着一个比较明确的新技术落地路径。早期主要是国央企拥抱比较多，慢慢到民营企业同步，然后是腰部企业和中长尾（企业）这样一个趋势。早期技术会有很多不成熟，还有需要挑战的地方。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 AI 模型以后，智能体慢慢变成比较可用的一个状态。我们也在今年看到，可能在一季度，我们整体的需求已经超过了去年的全年。它其实是在一个爆发的阶段。今天也很高兴有这样的机会跟大家来做交流。

高佳辉：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，那我们其实一直聚焦在这个智慧酒店，包括文旅行业。我也是技术出身，我是华为出来做了五年的技术开发，后来在酒店行业、酒旅行业我们深耕了大概十年。

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，那会儿就叫大数据了，大数据怎么来去结合？包括去年我们也做了一些跟大厂的合作，比如腾讯、阿里，我们都做了这些大模型（相关的项目）。但是那块可能更多的还是以通用模型再加酒店的数据。但是酒店就会问到一个问题了，那我的这些数据如果上到通用大模型里面，会不会牵扯到数据隐私？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，这个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。这就把大模型加垂直行业变成了一个可以落地的地方。所以我们现在在做的就是 AI Agent。

我们面向酒店集团，提供面向客人层的数字管家；面向内部管理的，我们提供数字店长；面向集团层董事会的，我们提供数字董秘。我们的（模式）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。

庄明浩：其实今天关于 Agent 的很多细碎的问题，在三位介绍当中或多或少都有一定的透露。那我们就正式开始。先做个简单的总结，就是关于 Agent 的讨论在 2025 年疯狂地变多，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。

简单讲一下，比如说 OpenAI 在它定义从 0 到真正意义上实现所谓 AGI 的过程中，他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 Chatbot，我们今天常用的类似 ChatGPT、豆包、元宝这种东西。 L2 它要有推理能力，推理可能就是今年春节火的这个 DeepSeek，包括之前的 OpenAI 的 o1、o3，这种叫推理模型。它定义 L3 就是 Agent。那 L3 的意义在于，前两代的（模型）在做的事情是语言层面的，因为它们都叫大语言模型，是用来聊天的。

但是 L3 开始，这件事情要变成行为，这是最大的区别。也就是说今天我们，在所有论坛里面（投资论坛不算），所有跟业务相关的论坛里面，大家谈到 Agent，其实就是在做把 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最直接的共识，也是为什么在这个时间点大家会那么期待看到所谓 AI 落地的可能性，然后也会有像今天在座这几位嘉宾在做的事情出现了一些变化。所以我的第一个问题是这样的：Agent 这个概念在纯业界内，其实是要早于今天的探讨之前就已经出现的。

但是突然间，可能因为三月的一些事件之后，2025 年初 Agent 的讨论开始变多了。我想第一个问题就变成，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？这个变化到底是不是跟 Agent 这个事情的爆火有很多的关联？

吴炳坤：我们从 2023 年的 9 月份开始，就推出产品化的一系列基于大模型驱动的、算是早期的 Agent。很明显的一个感受就是说，大模型底层能力还不够，所谓的指令遵循各方面，实际上让（Agent）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。第一个很重要的就是底层模型的能力强化了很多。当然很大一块是因为DeepSeek出来以后，让大家整个的交易成本一下子直线下降了。基本上是属于大街小巷，大家都在讨论大模型，大模型上面能够基于智能体做什么，这是第二个。第三个是，大家看到 MCP 出来以后，实际上我们原来需要用大量工程化的能力去做一些工具的调用，但现在整个 MCP出来以后，协议标准化了，一下子就把整个市场打开了。

我们从春节到现在为止，整个团队是处于满负荷的状态。昨天非凡资本也帮我们推了一个推文。我们基本上是属于（这样的情况），十个客户（需求），目前的人手最多只能承接一半，也特别欢迎优秀的人才加入我们。我们花了一个多月左右时间，把厦门一半以上的国企都服务了。

杨劲松：其实我觉得主要变化来自几个方面，在 Agent 落地这一块。首先第一个层面，主要还是技术层面。从去年下半年，我们说从 Qwen 1.5 或 2.5 以后，整个国内的模型能力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，达到了一个比较真实可用的状态。这个其实对我们说 Agent 是一个比较关键（的因素）。然后到了今年初，有了 DeepSeek AI 这种推理模型以后，实际上相对把质量提得更高了。在绝大多数任务上，模型的能力已经完全够用了。

第二块，其实是在 Agent 基建的各个子能力上。因为我们知道 Agent 包括规划、记忆，还有包括调用工具这一块。规划主要是靠模型来解决。目前在它调用工具，还有记忆层面，都有了一些更好的，比如说行业里的一些标准，或者是像上一代互联网里面那种 HTTP 协议类似的产品。比如说像MCP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繁荣。像以往的 Agent 公司，每一项我去对接的工具都要我们自己来完成。现在有了这种协议性的东西，实际上把整个构建 Agent 的过程门槛就变得更低了。

第三方面，确实是在市场层面，看到了国内整个客户的情绪被 DeepSeek 其实带得相对比较火热一点。大家对这个事情比较热情，有比较大的投资预算投到这个事情上来。所以说整体就导致了今天的一个爆发。

高佳辉：我觉得对我来说，从去年到现在，最大的一个变化是业务忽然一下子多了很多。而且之前可能是我们在做数字化，更多的是我有一个很复杂的一套整体架构，去跟集团讲我要做什么。然后集团就说，那我到底能做什么？然后今年就忽然很多集团找过来说：“高总，我们那个酒店集团 AI 能做什么？我是一定要去做 AI 的。” 而且不是说（来自）可能更高层级的（人），就是从董事长或者 CIO 这个层级就直接找过来说：“我一定要做了。” 那我遇到的问题其实就是说，AI 其实不是… 可能大家今天讨论了很多，觉得 AI 是万能的。其实 AI 在我们看来，不要把它神化，也不要说上了 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。

所以我们在跟这些集团在谈的时候，我们就说，首先你 AI 要做什么？我认为先要做一个起点（评估）。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基建部分？在这之上，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洽谈的时候，认为从 To B 端，或者说从垂直领域是要有这么一个过程的。这是一个。然后第二个就是说，即使在酒店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。因为这种酒店集团需要用人来服务，在面向客人侧更多的还是以人（为主）。我们更多面向他的产品，就在于后端的整个数字化的数字店长，帮他怎么来提升整个企业服务的流程，怎么把他这些原来通过经验化的东西，通过 AI 去把它流程化，通过这种数据分析（来实现）。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，他要的是标准化。面向客人，有这么多的、几万家店，这样的情况下，那这些客人我怎么来把交互层面集中到集团？单店怎么去做？所以就不同的定位，可能有不同的需求。

庄明浩：那我们就顺着（聊）第二个问题。第二个问题其实也是我很关心的一个问题。就是本质上在座的三位嘉宾，包括没来的两位嘉宾，当时我看到嘉宾列表的时候，会觉得大家在做的事情还是偏 To B 企业端的落地。在 Agent 这一轮探讨过程中就出现了，其实在上两轮探讨中也出现了的问题，就是垂直跟通用的问题。你会发现今天这个时间点，至少从 L1 到 L2 再到 L3 的过程中，都在频繁地讨论这样的问题。当然这个问题我觉得是没有标准答案的，它是在动态变化的。作为初创公司或者创业公司，你在选择创业方向的那一天，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 To B 方向的，甚至刚才吴总还介绍过程中提到了专注了什么什么行业。

那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这个事情，大家是怎么考虑的？

吴炳坤：这个其实也是心路历程，我们在 2023 年 5 月份跟云从发布通用大模型以后，其实一直在找（方向）。首先第一个问题实际上是 To C 还是 To B？那 To C、To B 选完以后，如果是 To B 的话，那是哪几个行业？这里面我们一直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得太快了。在那个时间点，如果来做 To C 的话，大概率是会被模型迭代、技术迭代给淹没掉的，“拉爆”。实践证明，我们过去看了很多爆款的 APP 都是这么没的。所以我们选择 To B。

那 To B 其实很重要一块是数据。现在整个算力持续下降，算法一直在开源，所以数据是非常重要的。我们作为一个技术服务商，怎么样在这个服务客户的过程中，把数据提炼出来？第二个，这个数据能够不断地沉淀下来？在过往我们服务客户的时候，你随便（哪个）行业弄一下（就行）。那么 AI 时代的行业要怎么来沉淀？我目前还是很坚定在一些相对行业知识密度比较高的（领域）。它实际上是有行业壁垒的，别的大厂也好，或者别的竞争友商进来，他要有一定的时间壁垒要，这是一个。第二个就是说，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问题一样，你是有更多的时间在这里面深耕，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考量。

庄明浩：现在是刚才您说了三个主要的方向。据我了解，因为您公司在厦门，包括很多厦门的政府（客户）其实客户也蛮多的，对吧？

吴炳坤：因为过往我刚好是做数字城市的，但往往我现在的所有、我去年的营收里面，整个政府的收入占比不到 10%。为什么呢？因为这里面其实现在大家都知道，整个大环境里面做 To G 其实不是一个非常好的商业生态，不太容易。所以我们选的这几个行业，三个标签：一，刚刚说到的行业壁垒；第二个，它的整个 AI 能力比较弱；第三个，有钱的行业。

庄明浩：因为我觉得三家公司里面，你们成立时间最新，包括这个背景也更互联网、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，或者是画线，然后又擦掉，要再画的这样一个过程。就大概是这样一个（情况）。

杨劲松：因为我们思考的问题，基本上还是以终为始，从终局来思考这个事情。我们说 To C 的这种通用 Agent，从我们判断来看，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 To C 通用的 Agent，相对来说可能很难建立自己的长期壁垒。所以我们早期还是定位在 To B。但 To B 它也分成我们说是针对大型企业，还是说通用场景的这两种打法。

我们其实判断还是讲刚才那个（逻辑），一个新技术，早期在他不成熟的时候，C 端更多是一些尝试。B 端的话，在头部领先的企业，他会试图用这个技术来去做一些我们说改造行业的事情。这里面我大概举一个例子，他比如说作为一个企业，他思考这个新技术的三个层面。这个也是跟国内一个非常大的互联网公司的一号位去聊，我们去讨论出来的。比如说像类似于美团或者是阿里这种大企业，他看到大模型这种新的机会的时候，首先第一个想到的问题是，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业务属性给颠覆了？

比对于美团来说，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，包括订外卖，都是通过我跟这个朋友去问建议，然后通过 API 再去调美团？这样的话美团的价值就被颠覆掉了。这个是他们从第一个战略层面要去想，这个技术对我的行业有什么样的一个改变。第二个层面就是说，这个 AI 技术能不能给我这个产品提供一些新的业态，或者一种新的收入源？这是我们说第二级别的思考。到第三级别，可能更多是一个降本增效。如果从这个角度上来说，三者的投入从最往上的话是最高的，然后逐渐递减。

那一个新技术早期，一般还是头部企业在应用。所以说我们最开始是以切入头部企业，包括像国有企业这种为主，包括像国家电网、三桶油这种是我们主要的一个客户。但这个事情，它会随着技术的成熟，慢慢会把它覆盖到我们叫腰部企业，甚至到最终，我们对于专业用户，也会有这种针对他工作场景下的标准产品，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选择。

高佳辉：我理解庄老师的话可能是分成两个（问题）。第一个就是说我为什么去选择酒店行业？其实我觉得这也不具备（普遍性），因为是从我的履历来说，做技术，然后去做酒店的智慧化，再去做酒店的数字化，再去酒店的 AI 化，其实这是一个我认为顺理成章的事情，所以这也不具有通用性。

我想（回答）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，刚才其实杨总这边也说了大厂跟我们创业公司的区别。那其实目前我们基本上跟大厂都在合作。像我们是腾讯智慧酒店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伙伴，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，大厂不屑于做。

或者说大厂……因为他们对我们的要求就是说，（他们）有这些原子能力，比如即使大模型在大厂里面也属于原子能力。我们跟腾讯合作，我们用它的大模型，例如元宝，例如混元大模型，然后再结合腾讯地图的 API，结合腾讯音乐，结合 QQ 音乐等等这一系列（能力），我把它整合起来，然后在酒店文旅行业去用。

我们在跟阿里合作的时候，我用阿里的天猫精灵，我用了钉钉。其实对他们来讲，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，我们基本上认为目前不存在竞争，更多的还是合作的一个情况。

庄明浩：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剧烈的，但确实大家期待，可能 2023 年是模型年，2024 年是所谓的应用年的尝试年，2025 年大家可能真正意义上在希望看到，无论是在 To B 还是 To C 的落地的东西出现，这也是一个很简单跟很质朴的逻辑推导。

还有一个问题。那我们再聊下一个问题。就是上午有一场关于投资人的论坛，吴总（吴畏）问了几位投资人一些很直接的问题。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 年为限，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 To B、企业服务、SaaS、云这条线上策马狂奔去了。我们这边就 To C 策马狂奔去了、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 To B SaaS 的公司，投资人也很多。这个从结果来看，从投资的结果来看不是那么理想、

或者说大家谈了很多中国的 To B 生态的问题，包括吴总刚才也讲过 To G 的各种各样的问题。至少上一波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，To B 的公司也好，SaaS 的公司也好，甚至是上一波的 AI 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：这一波 AI 来了之后，因为大家都在做 To B，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？

吴炳坤：这从我们在实践当中有两个维度。首先第一个，像 AI 这一波智能体和 SaaS 的一个对比，其实我认为是有一个非常大的不一样。就是原来 SaaS 更多是，就互联网时代，它更多实际上是解决一个叫信息的平权。但是大模型来讲，它更多是一些技能，或者是说一些生产力这方面更大的提升，它是一个技能这块的平权。这里边，能够解决的问题其实反而比以前更多。以前更多是解决信息流通这一块，现在实际上是在它的各个生产环节去做（赋能）了。所以我们在客户这边交付下来的一个实际的呈现是这样子的。首先第一个，它不像是原来 SaaS 的东西，我卖给这个客户，（然后把同样的东西）拿过来（卖）给另外一个客户。这样子变成说，我们为什么原来一直在说在中国做软件其实挺苦逼的？是的。因为大家觉得你都做出来了，反正你这个拷一份给我，基本上不用钱了。

那大模型里面，我们现在觉得有一个蛮有意思的点。就是说，虽然可能我不同的客户、当然我们在选择时候，一定会是围绕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是琳琅满目、各种智能体，但实际上它从根源上面，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不同的智能体。我们通过过去这半年多，已经跑通了：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。后续，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。所以他其实整个付费的逻辑跟原来 SaaS 类似，但是在客户这边的体感，他实际上又是属于说他花这个钱是值得的。我认为实际上是这一个维度，就是说跟原来 SaaS 纯粹“我买一个一模一样的平台过来”是不一样的。

第二个，因为它直接嵌入到很多流程里面去，实际上已经不是纯线上的这种方式，它是跟场景高度融合。场景高度融合以后，虽然我们现在慢慢很多东西都跟一些硬件也连接起来，那么就走出原来那个魔咒，就是“我还是买一套标准的软件产品”。（现在）我实际上买的是一个有 AI 赋能的硬件，来解决我日常工作或者说日常生产过程中所有的这些效率提升等等这一块的问题。所以整个我们看到的是完全跟原来 SaaS 不一样的商业模式在重构。

杨劲松：因为我们其实说 Agent，它最核心的价值在于复刻了我们行业专家的能力，这个其实是它本质的一个点。以往的 SaaS，其实它更多是一个工具。我们完成一个任务，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，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 的一个最大的区别。现在因为 Agent 的这样一个特点，有一个新的商业模式，就是说我们是直接按照 Agent 提供的服务结果来计费。那它跟卖工具（那种）一次性的收入（模式）相比，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，那完全是一个不同的生意模式。所以说我们说 Agent，它会改变原来 SaaS 的整个生态，我们说商业的故事。这个我觉得是最大一个点。

第二个特别大的点，其实我们一直在给很多企业里面的 CEO 或者一号位讲：如果给你这个企业里面无限量供给的专家，你会在这个行业里面做一些什么样新的尝试？虽然我们说 Agent 是可以通过它带来的一些专业化能力，拓展企业可以去开展业务的范围。比如说我们以前限于招人的成本困难，或者是专家难以获得的困难，（导致）我难以探索一个新的市场或者做一个新的尝试。那类似这种服务，未来都可以通过 Agent，以相对比人工提供服务成本更低的方式去获得。那我们会有很多新的尝试。

另外一个就是我们说对于 AI 公司，其实我们现在也有一个新的商业模式就是说，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。其实我记得因为奇瑞的老板上午也在，那实际上他们的逻辑就是，与其说我这个技术想要去卖给企业——主要证明它的 ROI 是非常困难的——那为什么我不能直接拿这个技术去改造一些传统上技术没有那么先进的行业？我加上这些行业，我做的效率比你传统行业这些玩家，比如说有个三倍和五倍的提升，那我可以直接拿这样一个商业结果去做我的商业回报。

稍微类比一下，就是比如说马老师创业最开始是做我们叫“黄页”。他是觉得互联网这个技术非常好，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（主页）。那这个是一个非常辛苦的事情，这个创业失败了。他第二个做的事情是说，那与其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，那我就自己来做零售。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商店。我的商业模式比你们可以有更广泛的货物供给，比你有更快地送达，那我就可以把你原来这些线下的（模式）都给打掉。这也是一种Agent 公司可能的一个生态，所以说它的价值空间也会非常大。

高佳辉：我的理解，第一个，首先从产品层面，肯定是跟之前的 SaaS 化是完全不一样的。因为我认为从 AI 或者大模型，再到最近这个 manus 出现，其实它是代表了一个产品交互的范式的转化。这个也是从 manus 看到以后，大家可能所有人都看到说，好像这个交互方式跟以前的人机交互方式完全是变掉了。

那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 Agent 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，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，那我去 OTA 上面去浏览，去模拟人的操作。但是未来也许说，我的超级（智能）个体知道我的所有需求了以后，我直接可能跟这个酒店集团的 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出来。我认为这是一个、首先是产品层面会有一个很大的变化。

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区别。就是原来的 SaaS 可能更多的是说我的业务部门，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 这个时代了以后，就是最近今年开始，几乎这个 AI 化都是一号位，相当于说整个集团的一个工程。那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。但是如果说他要做集团层面，是要跟整个集团的所有系统全部要打通的。那这个是只有一号位才能去决策的。

当然这个也会带来另外一个问题，就是我们的承担周期会比较长。所以我们一方面在做这种大的集团的 AI 化，另外一方面我们也把这种我们已经积累的行业的、比如 80% 的能力，做成自己的通用产品。其实这些通用产品跟 SaaS 化，我认为有点差不多了。我们面向更多没有那么大付费能力（的客户），我可以 SaaS 化的形式。例如我刚刚说的数字员工，你可以按照每个月、按工资的形式（付费），其实也是一个 SaaS 的模式这样去做了。

庄明浩：其实刚才在各位回答的过程中，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 探讨的核心问题，是关于定价的问题。就是理论上说，确实它跟 SaaS 原来那套形态不太一样，甚至跟 To B 的定制服务商的商业模式也不一样。那面对这样一个新兴的、可能性的东西，（潜力）又那么大，要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透露了，无论是按人、按基础加附加，还是按什么样的方式，甚至直接把它颠覆掉，我们不走原来路径，我们直接来，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问题，那我们就不展开。

我们今天进入探讨的最后一个问题。因为这一波 AI 行情的爆发是从 2022 年 11 月底 ChatGPT 发布到现在的，大概两年多的时间。然后上午也有很多嘉宾说，其实纯从技术发展角度来讲，在慢慢地慢下来并且收敛，对吧？虽然它还在很快地爆发。我的这个问题就相对简单：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 2025 年底或者 2026 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：我们的整个愿景是让企业“智慧永续传承”。那等于说给每个企业打造这种专家级的 AI 分身，而不是普通这种 AI 员工。从过往的产品形态，我从通用大模型到行业模型，行业模型到企业私有模型，私有模型再到用智能体，实际上一整个下来都是一脉相承的。我们从今年开始也投入比较多的研发，在做一些什么事情？做模型的记忆内化这一块。实际上沿着这条路径下去，模型应该很快产生记忆。我看其实 GPT（相关技术）大家都在出来，但他这个可能现在我们还是比较早期的。那在企业这一块，刚才我们那个高总也提到了，可能在企业这边也会更快看到企业这种专家级的智能体呈现出来。所以我们也是希望能够更快地看到整个模型有记忆，它更加像是人一样，像这种超级个体出来以后，更好地服务，更好地提升效率。

杨劲松：既然吴总讲了公司愿景，我也讲一下我们公司愿景。我们公司的愿景是让全球的 10 亿知识工作者可以十倍效率地工作。我们说过去一两年的话，整个 Agent 和大模型，其实它相对门槛还是比较高的，包括企业想去应用。所以说我们致力于一直怎么去降低 Agent 或者模型应用的门槛。我们觉得随着技术的进步，我们发现这个事儿变得越来越可行了。说白了就是我们想实现，不管是你多么复杂的业务，或者是哪怕是比较日常的这种重复的任务，通过这种我们产品或者工具，可以去快速地把这样一个专家能力，或者就是你的这样一个任务能力进行一个复刻。然后可以让我们去把更多精力聚焦到那些对我们来说更高价值的场景上面来。这个是我们想要去努力的目标。

那在技术层面的话，我觉得其实今年比较大有希望对这事有帮助的，主要是我们叫所谓这种垂直领域的强化学习技术。目前我们说 Coding 还有数学这种科技任务上，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，它是通过强化学习，基于建立比较好的奖励模型，然后去提供大量的数据，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、每一个垂直行业，这个事情其实就不一定是大厂能够去通吃的局面了。我们也希望是说可以提供这样一套基建，可以让每一个企业实际上可以基于用户使用 Agent 的过程，或使用产品的过程，把他的专家的一些能力沉淀成一系列这样的智能体。那他可以把整个企业的管理水平都提升到一个专家级别，然后让我们每个企业的运营效率更高。当然，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四天或者三天，这是我们的一个愿景。

高佳辉：借用刚才前面杨总提的一个就是“以终即始”。其实每个企业的 AI 化，包括智能体，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、因为到那个阶段，其实一定有一个过程的。实际上我们现在有些接触的客户，客户说可能他就希望一两个月就上线，然后立马就能投入产品。因为 To C 跟 To B 完全不一样的。To C 可能说我出了错没问题，。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 To B 要的是准确性，要的是稳定性，要的是你所有的每个过程的可追溯性。这是我觉得 To B 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冷静的思考。

对于我们来讲的话，我们其实聚焦这个酒店跟文旅行业。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我的数字员工。然后所有的文旅行业，大家可能以后住酒店或者去景区玩，都能跟我们的数字员工去交互。这些企业后面用我们的 AI 店长，用我们的 AI 董秘来服务于大家的一个产品。

庄明浩：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，AI 行业这么热火、嘈杂的声音。今天光在上海，AI 行业的类似这个规模的大会就有三场。信息爆炸，大家会频繁地面对这些东西，不知道该怎么办。我总结就基于我们这个场景，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，这个行业在 2025 年在经历从语言到行为。你看到了各种各样的变化，各种各样新的东西都在验证这件事情。

第二句话，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：我们只看 Agent 这件事情，今年的 2025 年在经历从“特征描述”到“看见”。Agent 概念其实在 2022 年 GPT 火了之后就出现了，但在 2022 年、2023 年甚至 2024 年，行业内的很多利益相关方在做的事情叫“特征的描述”。但是 2025 年我们要“看见”。在座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，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。