从前一年，从内容天生走向工作执行，智能体成为大模型能力的新出口，也成为独立模型厂商和互联网大厂争相布局的新赛点
。 在这场变局中，大模型厂商面对艰巨抉择：是持续作为通用能力的提供者，退居底层？还是向上走，构建平台、直达利用？贸易化困局与技术蹊径选择交错下，哪些玩家能留在牌桌？ 近期，《虎嗅·AI无悖论》节目出格约请智谱高技易副总裁、前字节跳动飞书&Lark全球首席贸易官吴玮杰，以及企业知识开源打算首创人、前波士顿征询Platinion董事总经理、前IBM征询全球合资人陈果进行了探求，请他们分享了智能体技术冲击下，模型厂商的战术近况及行业有关的深度思虑： 吴玮杰：我会把大模型当做是一个图书馆
。此刻好多chat类的利用，更像图书治理员，当它接管到一个用户的指令，就会去图书馆里查阅各类图书，给出一个反馈
。 但今天的智能体，它更像是一个项目经理或者项主张副手——基于我的某一个主张去图书馆里查阅相应的文件，最终做出相应的操作，或相应的产品
。 智能体真正火起来是在2023岁首，布景是2022年底ChatGPT等大模型的发作
。大模型最初用于文本天生，后来扩大到图像、音频等“天生式AI”
。再往前一步，人们起头思虑：既然能天生内容，是否也能“天生并执行作为”？这就进入了智能体的领域
。 而对于大模型公司或互联网大厂，智能体则更像是“Photoshop”——用于深度业务场景，模型公司能够把智能体的部门能力“训进模型”自身
； 互联网公司更长于结合用户习惯与入口生态来落地产品
。 吴玮杰：我反而以为这对大模型公司是很好的推进作用
。大模型越来越基础设施化、算力成本降低，能力被用户真正的用起来
。 当然这也带来一个问题，由于模型厂商越发基础设施化，相应的玩家会越来越少，这自身是预期内的事件
。即便没有deepseek这样的开源模型，它也会被裁减，只是功夫迟早的区别
。 今天第一梯队的模型厂商，尤其是服务B端、G端的，在贸易化蹊径上不再只是“提供一个模型”，而是向上层的MaaS平台、智能体平台延长，提供一整套可交付、可执行的能力包
。 吴玮杰：这是个很好的问题
。事实上，从2024年底，有一个很大的变动是好多互联网大玩家进场了，早期的“六幼虎”大多在转型、逐步走向分化，别离聚焦在国内的C端利用、垂直行业的利用、海表的利用
。 这个问题，回到昔时的SaaS时期是一样的
。此刻互联网大厂做SaaS重要做钉钉、飞书、腾讯会议这类工具类的利用，但是不影响市场上有好多深度的垂直行业的SaaS公司
。 一路头好多厂商都能“做云”，但最后真正能留下来的不超过五家，由于底层基础设施的竞争是同质化、高投入、拼成本的，最终往往是头部厂商形成垄断格局
。 AI也一样，最底层是算力和GPU，此刻全球80%的市场份额在英伟达手中
；再往上是基础大模型层，持久来看也只会剩下极少数具备深厚技术和资源能力的公司
。 陈果：也不是
。越往上走、越靠近用户侧，玩家就越多，由于用户需要复杂，场景多样
；上层利用空间足够大，足以包容各类差距化定位
。 所以，大模型之上的几个“层级”才是创业和差距化竞争的空间：一是模型微调层（如幼模型、二次训练、蒸馏等）——会有部门专一垂直场景的技术型公司参加
； 二是智能体构建层——萦绕分歧业业、流程场景构建智能体，是最有可能百花齐放的领域
。 将来的模型市场，一类是以互联网大厂为代表的，有自己的生态，有自己的利用场景，持久以一个比力好的身位在世
；第二类是国内以to B为主、toC为辅的独立模型厂商，给分歧的企业提供差距化的服务
。 我很赞成陈总讲的，大模型越偏基础设施这一层，越是赢者通吃
。第一、第二名活得很开心，第三名艰巨的在世，第四、第五名每天想着能不能活
。 中国市场和海表市场始终不一样的是，无论是SaaS时期，还是今天的模型时期，国表推的好多都是 MCP 尺度化的接口
。但国内这个生态始终没有齐全接在一路，会给一些特定的企业机遇
。 吴玮杰：这是个很好的问题
。其实今天市场上有一个很有意思的景象
。不少B端和G端项主张招投标，还凑不齐三家去参加竞标，由于客户的要求越来越高
。 互联网大厂其实做的是相对比力通用化的模型，比力easy money
。通过API的挪用，能够基于自己的生态，去推云智一体——卖大模型的主张是为了推动云，靠大模型亏一点钱，顺带去卖一点算力资源，再赚回这个钱
。 陈果：我极度赞成刚才吴总说的，去年的时辰，各人大部门都在跑比跑分，像原先的手机、摄像跑分一样
。但是跑到肯定水平，是有极限的
。 吴玮杰：对，这种情况23年和24年上半年比力多，就是一堆模型公司热衷于刷榜，这是出格离谱的一件事儿，我们甚至有一个阶段性的说法叫路德的下限决定了你排名的上限
。 那个时辰有好多榜单，它都是一些公开的数据集，你能够有针对性的做数据，好多的模型公司都有一个刷榜幼组，专门用于解决榜单排名的问题
。 吴玮杰：注定的，大厂有入口的优势，天然会获得更多的C端客户
。此刻甚至有一些大厂在利用现有的垄断优势，不允许竞争敌手在他们的环境中进行任何的投流工作，只能投自有产品，那这对整个C端的利用场景就造成很大的挑战
。它有更多的语料，所以很容易强人恒强
。 吴玮杰：目前在贸易变现上，通过C端chat类的工具还是比力的难
。其实也不只是智谱，所有国内表通过这种谈天类、订阅的方式去获得变现还是比力难，最近一个起头全免费的是百度
。 主持人：大模型厂商都已经有这么大的压力了，那好比Manus这种没有基础模型、又没法子去to B服务的纯智能体厂家，压力会不会更大？ 吴玮杰：我感触会，这类厂家其实好多的收入来自海表的挪用
。由于海表的市场成熟度更高，贸易市场水平高，用户愿意为此付费
。 吴玮杰：今天很难讲任何一种贸易模式能复造，若是去看大模型的利用的榜单，其实每半年有50%的明星公司就不在榜单上了
。这也是一项技术在高速迭代的过程中，必然会产生的一个情况
。 可能在某一些场景上，deepseek还是比力不错的，在另表一些场景下，智谱的能力是远超其他的敌手的，某一些场景上可能OpenAI还是老迈
？突芄煌ü厦娴腗aaS平台，去选择挪用分歧的模型的能力
。所以我感触还是会出现一些行业内较好的智能体公司
。 陈果：补充一下，其实就是对模型的编排
。所谓的智能体系统，指的是一个大智能体指挥一个幼智能体，主题问题是，你做的是一个面向工作的智能体，还是面向流程的智能体？好比做一个客服的智能体，中央除了接电话，还有好多环节，会有一些综合服务的技术跑路新机遇
。 主持人：那大模型此刻驱动出来一些在chatbot里能够直接点击采办的、原生的智能体，对于大模型厂商来说，是否有利于贸易化的变现？ 陈果：不是国内的问题，全世界大模型公司都还没找到怎么赢利的步骤，若是只谈基础模型的交易收入的话
。全世界大模型真正产生的收入，70%被GPU厂商拿掉了，30%被算力的厂商拿掉了，目前可能没有一家挣到钱
。 吴玮杰：这个问题我有比力多的思考过
。2023、2024年的“几条虎”，在今天已经烧毁基座模型的选择，转型全面做医疗，全面做教育
。那是不是可能在另一条路上可能走得通？我感触其实很有挑战
。 我们刚刚讲了基础模型是最下面那一层，当各人去切换一条赛路，其实就是去做上层更偏利用层的事
。但这两类公司对人才的画像，对基础能力的要求其实是不一样的，当你在一条赛路做的很难的时辰，你在另一条赛路会际遇同样的问题，甚至会更难，由于在这个时刻你没有行业的洞察
。 所以我感触可能今天一家模型厂商，转型来做一个行业模型，不见得比一家已经在这个赛路里面服务于医疗公司的SaaS公司，或者软件公司更有优势
。 我感触是不是联通，还取决于上面的利用
。MCP（Model Context Protocol）不是智能体的和谈，是模型和周边数据互换的和谈
。MCP更偏底层一些，A to A更偏利用层一些
。MCP自身逻辑是个电话号码簿，它有各类各样的接口，好比一个复杂的企业软件，有订单、物料、客户供给商、好多信息的接口，接10个还是100个，接的深还是浅，都有区别
。 更底层的问题是企业的利用系统建设
。在SaaS时期，有个说法是一个硅谷的公司或许会用一百多种SaaS，在每一个藐幼的环节都用一个，你的业务要跑起来，这些系统资源都要买通，天然而然就形成了生态，中国的情况是所有的厂商恨不得我把客户生意全做完了
。 另表一个原因是客户自身的需要也有问题
。一种是偏差于用大厂全弄完了，第二个情况是大型公司自己干，造成整个企业数字化的割裂和大厂的垄断，企业和企业之间相互不接触
。 陈果：利用系统之间是不是买通这个问题，跟是不是智能系统并没有直接的关系
。智能体只是一种新状态的软件，软件行业、企业的利用环境正本如此，不是由于有智能体就变了
。 智能体要有工具、环境，才叫智能体
。智能体只是脑子推理说我要去ERP里做个订单、做个账，做账还是做账，做订单还是做订单
。智能体是在企业的主题信息系统里跑的，换句话说，智能体是车，ERP是车跑的那个路
。你有了大脑后，就像有了车，但没有路，车在哪里开？ 主持人：所以您的概想是，在AI智能体这个时期，在中国依然是没有通用的这种和谈存在，不会有一个比力通畅的尺度让A to A进行衔接、智能体跟智能体之间挪用，server和server之间还是割裂的？我相信吴总注定不赞成
。 吴玮杰：我最近在一个峰会上，他们问了我类似的问题，我其时讲了一句话，可能显得不那么有情商，就是当某一天在座的这群45岁以上CTO都退休的时辰，我感触这个时期会来临
。 还有一个新的入口就是操作系统和智能终端的结合
。有的在做耳机，有的在做眼镜，有的在做手机，各人其实都是在做抢占入口的作为
。 当智能体的能力越发前置，作为操作系统的一部门时，就可能越过APP、跳过好多利用场景来做执行
。举个例子，我能够直接通知我的操作系统，助我订一张从上海飞往北京的机票，对智能体自身而言，它不会关注背后你用到的是什么APP，而是从各个APP中去找一个最便宜的机票助你跳转从前
。 这种情况下，现有的贸易生态城市变动，开屏告白怎么卖？竞争是否造成后端供给链的竞争，而不是一个前端的入口竞争了
。 但今天的大模型是基于衔接主义的，它是基于神经网络的
。所以它自身存在一个致命的问题就是始终不成以诠释、不成预测
。 从信息系统的道理上讲，智能体是行动系统（System of Actions），在业务流程、人机交互这一层，它可能产生范式的刷新，但是在底层的话——企业的主题数据，也就是纪录系统这一层，至少目前，我还看不到范式的刷新
。 类比十年前，全球造作业智能化时出现两种技术蹊径，一种是美国提出的“工业互联网”，不动原有系统，通过“表挂”方式增长智能，打个譬喻，就像是在老式水表上加一个摄像头，远程看到读数
。另一种是以欧洲为代表提出的“工业4.0”，索性把水表换成个智能的
。 今天好多企业在用智能体时，还是“在老水表上加摄像头”——让智能体助你去ERP系统里点一下下单按钮，处置一下表格，像一个AI版的按键精灵，我知路下一步是什么，而后让它去执行
。 由于当我有越来越多的数据，大模型可能通过某种方式，甚至通过不休的迭代找出一套不齐全基于原来这套“我要先做1，再做2，再做3，再做4”的规定引擎
。 陈果：去年某个头部的造作业，是中国自建GPU最大的公司之一，他们自己买了一千张GPU，投入好几个亿，自建算力平台，部署了各类大模型
。 我其时还问那个掌管人，你们为什么不用智能体做客服，他寺凤面会有一些合规司法风险在里面，好比车坏了该怎么怎么建？消费者依照AI指令建了之后，万一出事算谁的，但若是让人去检建，客服人员又一点没减
。 举个例子，国内一家驰名企业用了我们最新的模型，再加了一些模型的微调，做一个行业垂直模型
。但是或许运行了4到5个月，随着KU酷游官网基座模型能力一提升，他发现微调过的这个模型还不如提升过的基模
。因而企业主来问我说，是不是从这个视角上来说，这个项目就不成功了？ 这是个很典型的话题，我感触这还是个成功的项目
。由于在这个过程中，由于KU酷游官网模型服务助这个业务达到了5到6个月确当先窗口期
。主题点是你需不必要这5到6个月确当先期
。 从24年下半年至今，我们会发现客户会越来越聚焦在你到底能产生几多的贸易价值，也就是陈总讲的，推算ROI
。今天上市公司，它若是但愿可能提升市场对它的信心，不是对表宣称我上了一个模型，而是要有明确的链路，想通过模型带来怎么样的价值，并且这个价值相对是有一个比力明确的蹊径的，本钱市场才会对它有肯定认可
。 吴玮杰：我感触此刻企业的需要还是比力分散
。一类是极度单一向接的降本增效
。明确必要在几多功夫内收回投资成本、取代几多的人员假造
。尤其是像智能客服这样的场景中会比力显著
。 吴玮杰：对，这是一类
。第二类是打造一个新的产品
。正本这件事做不了，由于大模型的出现，今天这件事能够干了
。好比汽车企衣凤的智能座舱、多意图识此外回覆
。 第三类我把它统一叫做POC，就是我有个美好的欲望，但是不知路模型能不能做
。这类需要根基上有一个共同点，就是客户的预算肯定低于100万
。各人往往把它作为一个试验田，指标定的出格高，但最后现实做下来，大无数和预期会有肯定的误差
。 陈果：我跟一家公司聊，这家公司是中国市值最高的一家造作企业，他们已经也去找国内最头部的一些科技厂商去建工业视觉
。 但仅仅做了POC之后，他们就起头自己干了，由于对他那个企衣反讲，技术是机密，他不会让任何厂商去干，任何厂商去做它的机械进建，其实就蹬宗把它的工艺给拿走了
。 所以最初给他做的那个厂商，也只挣了个名而已，再来个一点点项目费，后面啥都没有
。这注明厂商创新不形成一种社会机造的话，它有可能就成先烈了
。 吴玮杰：一个企业在AI上的竞争力，有几个参数能够参考
。第一，他造作模型选择了什么样的基座模型
。第二，他自己是一个什么样的组织能力，好比像智谱这样的公司，可能必要做好多预训练，必要好多指令工程师，但有一些企业更多做利用，它更必要产品经理，不必要算法工程师
。第三，它有哪些数据资产
。第四，它有哪些利用场景
。 拿数据资产来举例，若是今天在这个访谈过程中，忽然边上放出音乐，我们会以为是个噪音，但是我若是一幼我在家里躺在床上，听着音乐就不是噪音了
。所以数据资产始终是跟用户场景强关联的
。你这个资产在这个场景上它是有价值的资产，那它就可能服务于企业
。所以今天我们会建议企业会越发聚焦在它的利用场景，无论数据资产是不是被洗濯过的高质量数据资产，剩下的这一部吩熹实都是能够通过越来越多的技术把它提炼出来，做一些能力优化
。所以回到您刚刚的这个问题，到底企业从什么场景起头最好，其实没有这个答案
。 若是这个大模型的选择，它是从一个IT团队来提议的，那大部门城市从智能客服或者知识库起头，由于这两类场景失败的可能性是最低的，差距无非是正确率是85、87还是91，从一个打工者的视角，它的安全系数最高
。 但一个企业主往往不会从这个几个点来做选择，由于对他而言做一个行政问答知识库，只是降本增效，带来的价值是有限的，他会越发深刻在业务自身
。 吴玮杰：第一扭转的还是软件行业自身，尤其是以代码模型为主体的、偏前端的工程化的公司
。好比有工程师正本五天实现的工作，借助代码模型三天就能搞定，另表两天能够用来摸鱼
。 好比此刻跟大模型说，助我分析一下北京向阳区和北京海淀区在从前一年大模型赛路所涌现的企业，它就能够天生一份1-2万字的价值分析汇报
。 我以为数据信息网络、分析工作会被代替，但是像我这样的合资人是不成以被代替的，为什么呢？由于征询自身不仅仅是写文章，还有人与人之间面对面的沟通，会提供感情价值
。 我年纪比力大我也很有经验，企业辅导愿意跟我聊，这里矛盾在哪里呢？若是我们把幼伴侣全数用机械代替之后，他没受到磨炼，他怎么成为合资人？我感触人为智能从社会逻辑上来讲有好多矛盾
。 吴玮杰：我感触从人为智能的发展的过程，可能有一些启发
。人为智能最早干的一件事儿叫下棋
。图灵测试自身也是拿人跟机械去下，看你能不能感触到对面是一个机械
。 下棋有一个器材叫棋谱，也就是它的规定引擎
。学围棋，学象棋，都是把几千种几万种分歧的棋谱学到，但是AlphaGo当使亟胜李世石的那一次，只有一手，我们后来把它界说叫神之一手，由于在所有的棋谱中都找不到这一手
。