整理｜保文

編輯｜燕子

AI 浪潮下，傳統(tǒng)應(yīng)用軟件會(huì)消亡，還是與 AI “共生” ？

在崔牛會(huì)策劃的「DeepTalk 」的第二個(gè)系列話題欄目「AI 的爭(zhēng)議」對(duì)話中，由崔牛會(huì)創(chuàng)始人 & CEO 崔強(qiáng)主持，邀請(qǐng)了明道云創(chuàng)始人 & CEO 任向暉、企業(yè)級(jí) AI 應(yīng)用創(chuàng)業(yè)者張浩然，圍繞 “應(yīng)用軟件消亡論：AI Agent 是否將取代傳統(tǒng)企服軟件” 主題，展開(kāi)了精彩討論。

任向暉認(rèn)為，未來(lái) Agent 將是企業(yè)軟件的一個(gè)重要門(mén)類(lèi)，它與原有企業(yè)軟件是互相融合，而非完全取代的關(guān)系；企業(yè)軟件應(yīng)當(dāng)先建設(shè)好所在應(yīng)用領(lǐng)域的優(yōu)勢(shì)，然后再考慮接入 AI Agent 的能力。

張浩然認(rèn)為，新一波 AI-Native 的應(yīng)用公司，更應(yīng)該關(guān)注的是如何利用好上個(gè)時(shí)代已經(jīng)構(gòu)建出來(lái)的生態(tài)，來(lái)形成自己的價(jià)值交付。

以下是經(jīng)牛透社編輯整理的對(duì)話內(nèi)容：（有刪減）

替代焦慮

崔強(qiáng)：今晚討論的話題是 “AI Agent 會(huì)不會(huì)取代企服軟件”。我們會(huì)從架構(gòu)、知識(shí)壁壘、新老格局三個(gè)方面展開(kāi)討論。請(qǐng)兩位嘉賓先就今晚的話題談一下自己的觀點(diǎn)。

任向暉：我的觀點(diǎn)是不會(huì)取代，雖然這也不代表傳統(tǒng)企業(yè)軟件就可以高枕無(wú)憂。從中短期看，AI Agent 這一新細(xì)分賽道要取代所有企業(yè)軟件的細(xì)分市場(chǎng)并不現(xiàn)實(shí)。主要有以下幾個(gè)原因：

第一，企業(yè)軟件雖然傳統(tǒng)，但并非一無(wú)是處，雖然它不如今天的AI智能，但它也有很多特點(diǎn)比如精確性、可管理性、GUI 本身的獨(dú)特能力等， 這些都是 AI 不太可能完全替代的。

第二，AI 生態(tài)已經(jīng)表現(xiàn)出一種向工具軟件、應(yīng)用軟件主動(dòng)集成的趨勢(shì)，或者說(shuō)它已經(jīng)主動(dòng)采納了這個(gè)技術(shù)架構(gòu)。

比如現(xiàn)在幾乎所有的 AI Flow 產(chǎn)品，都提供了 Function Calling（函數(shù)調(diào)用），包括最新的 MCP 協(xié)議，以及向量化嵌入、知識(shí)圖譜嵌入等架構(gòu)，它們的存在說(shuō)明了 AI 能力要結(jié)合應(yīng)用軟件的能力，才能最終端到端地解決客戶的問(wèn)題。

這好像人家已經(jīng)把手伸過(guò)來(lái)要和你握手了，你卻說(shuō)我不行了，我要去做你這個(gè)，這顯然是非常不理性的。以上是兩個(gè)基礎(chǔ)原因。

第三，從市場(chǎng)角度來(lái)講，AI 領(lǐng)域的公司和傳統(tǒng)的企業(yè)軟件公司在相互滲透時(shí)，是存在一點(diǎn)不對(duì)稱(chēng)性的。

從現(xiàn)在來(lái)看，企業(yè)應(yīng)用去加 AI 能力要相對(duì)容易，而 AI 能力去加企業(yè)軟件所在細(xì)分市場(chǎng)上的領(lǐng)域能力，相對(duì)更難，或者要花的時(shí)間更長(zhǎng)。所以，企業(yè)軟件公司，至少在與 AI 相互融合的難易度方面是占一定優(yōu)勢(shì)的。

第四，是時(shí)間周期的現(xiàn)實(shí)性。在企業(yè)軟件產(chǎn)品規(guī)劃的現(xiàn)實(shí)周期內(nèi)，在 AI 沒(méi)有完全形成替代能力的情況下，企業(yè)軟件仍需要按照現(xiàn)有的技術(shù)架構(gòu)演進(jìn)下去。

所以雖然 AI 技術(shù)是飛躍的，但應(yīng)用產(chǎn)業(yè)飛躍不了，它永遠(yuǎn)都是進(jìn)化的。所以，未來(lái)五年內(nèi)，企業(yè)軟件還是要建設(shè)好所在應(yīng)用領(lǐng)域的優(yōu)勢(shì)，然后再考慮接入 AI Agent 能力，而不是因?yàn)閾?dān)心會(huì)被 AI Agent 完全取代，自己也轉(zhuǎn)行去做 AI Agent 了，這更可能是舍本逐末。

張浩然：這個(gè)問(wèn)題，還要看 SaaS 或者上一個(gè)軟件時(shí)代的本質(zhì)到底是什么。我對(duì)它的總結(jié)是一個(gè)組織所有的工作流程、SOP， 從完全的不在線到在線，然后又有一些工作流因?yàn)樵诰€而變得更好地自動(dòng)化。

從本質(zhì)上講，我們講 SaaS 軟件的時(shí)候，是講一個(gè)由無(wú)數(shù) SOP 或者企業(yè)經(jīng)營(yíng) Know-how 所組成的場(chǎng)景聚合的應(yīng)用載體。這個(gè)應(yīng)用載體過(guò)去完成了在線、自動(dòng)化，接下來(lái)一定會(huì)向智能化方向演化。

在線和自動(dòng)化，提供了非常豐富的數(shù)據(jù)養(yǎng)分和巨大的數(shù)據(jù)體量，構(gòu)建出的 SOP 或者 Workflow，這些都會(huì)成為 AI 學(xué)習(xí)的經(jīng)驗(yàn)。

而智能化的本質(zhì)就是要去思考怎么利用這些數(shù)據(jù)、經(jīng)驗(yàn)，讓企業(yè)的經(jīng)營(yíng)模式在下一個(gè)技術(shù)浪潮中產(chǎn)生改變。

這個(gè)智能化的趨勢(shì)在大模型出來(lái)之前就已經(jīng)發(fā)生了。今天的 LLM（大語(yǔ)言模型）再加上 RL（強(qiáng)化學(xué)習(xí)），其實(shí)是把原來(lái)的深度學(xué)習(xí)、機(jī)器學(xué)習(xí)推到了一個(gè)新的高度。

所以，與其說(shuō)是取代，不如說(shuō)是演化。

這個(gè)過(guò)程中需求也會(huì)發(fā)生很多變化。過(guò)去很多需求都是非黑即白的，現(xiàn)在逐漸開(kāi)始有了一種介于兩者之間的灰度需求，這些需求上一代架構(gòu)是沒(méi)辦法再滿足的，這時(shí)就會(huì)融合產(chǎn)生一種全新的 AI-Native 應(yīng)用。

所以，最終看起來(lái)就是一種取代關(guān)系。

融合之路

崔強(qiáng)：剛才浩然提到了一個(gè)問(wèn)題：原來(lái)的軟件架構(gòu)和現(xiàn)在的 AI-Native 架構(gòu)有什么本質(zhì)不同嗎？現(xiàn)在企業(yè)軟件在架構(gòu)和功能上要做出哪些具體的調(diào)整才能與現(xiàn)在的 AI 進(jìn)行融合？

任向暉：兩年前可能還不太清晰，現(xiàn)在我覺(jué)得整個(gè)智能體、LLM 本身的一些技術(shù)路徑已經(jīng)比較清晰了，結(jié)合無(wú)非是以下幾個(gè)方面：

第一類(lèi)，就是在特定領(lǐng)域里進(jìn)行必要的微調(diào)或者再訓(xùn)練。比如醫(yī)療、法律已經(jīng)有一些嘗試在做垂直領(lǐng)域的大模型，或者是在專(zhuān)業(yè)領(lǐng)域可以提供精確度更高、質(zhì)量更好的服務(wù)；

第二類(lèi)，就是現(xiàn)在應(yīng)用比較廣泛的，如知識(shí)庫(kù)、客服這種 RAG，這個(gè)方面的應(yīng)用方向也比較明確了；

第三類(lèi)，可能是最重要，也是企業(yè)軟件和 AI 能力最主要的結(jié)合方式，就是 Function Calling（函數(shù)調(diào)用），這要求企業(yè)軟件本身的接口要面向 AI 友好地呈現(xiàn)。

如果以往軟件產(chǎn)品的接口設(shè)計(jì)是不夠完善的，現(xiàn)在就要迅速補(bǔ)上這一課。原來(lái)中國(guó)的企業(yè)軟件公司在開(kāi)放性方面做得比較薄弱，有開(kāi)放 API 的少，有高質(zhì)量開(kāi)放接口的更少。

我覺(jué)得今天要盡快把這一課補(bǔ)上，還好它的難度并不算非常高。

崔強(qiáng)：浩然，你怎么看企業(yè)軟件和 AI 的融合、握手這個(gè)問(wèn)題？

張浩然：我覺(jué)得肯定要握手。今天 LLM 驅(qū)動(dòng)的 AI 底座，如果沒(méi)有一個(gè)好的容器，一定是缺胳膊少腿的。所以，AI 如何用好上一代建立起來(lái)的軟件優(yōu)勢(shì)，形成自己的價(jià)值交付是一個(gè)關(guān)鍵。

單純的一個(gè) LLM 驅(qū)動(dòng)的 Agent 應(yīng)用，其實(shí)并沒(méi)有什么壁壘。如何讓 Agent 工作，如何保證 Agent 在不同工作場(chǎng)景里既能夠泛化又能穩(wěn)定地輸出，這是我們應(yīng)當(dāng)關(guān)注的一個(gè)方向。

崔強(qiáng)：Agent 讓?xiě)?yīng)用體驗(yàn)變成對(duì)話式的，未來(lái)會(huì)不會(huì)一些設(shè)計(jì)或者流程就不需要了？

任向暉：現(xiàn)在的判斷是不能。企業(yè)軟件并非今天完成了一個(gè)單一的任務(wù)就結(jié)束，而且有時(shí)的確也存在很多與智能性沒(méi)有關(guān)系的東西。

比如一些現(xiàn)實(shí)性的工作需要，或者是一些行業(yè)性的要求，這些都是需要 GUI 來(lái)輔助的，并不是通過(guò)對(duì)話就能夠完全解決。

基于這些原因，肯定是一個(gè)漸進(jìn)的、融合的過(guò)程，傳統(tǒng)企業(yè)軟件和 AI 這兩個(gè)東西都可能會(huì)存在。

崔強(qiáng)：浩然關(guān)于這個(gè)問(wèn)題怎么補(bǔ)充？

張浩然：人的必要性永遠(yuǎn)存在，只是人的角色可能會(huì)發(fā)生變化。SOP、垂直領(lǐng)域的 Know-how，這些也不會(huì)消失，但會(huì)以另一種方式呈現(xiàn)。

比如以 Zapiar、HubSpot、 Salesforce 這一類(lèi)流程引擎來(lái)說(shuō)，過(guò)去都是把人類(lèi)在這個(gè)世界里構(gòu)建起來(lái)的 Know-how 轉(zhuǎn)化成了一種映射在機(jī)器中的流程，本質(zhì)上它還是人的 Insight（洞見(jiàn)），而不是機(jī)器的洞見(jiàn)。

這一波 AI 最大的價(jià)值，在于機(jī)器有了洞見(jiàn)能力，那么流程是否可能由機(jī)器完成，人的作用要如何改變？

在這個(gè)過(guò)程中，人的作用應(yīng)該是建起一個(gè)河堤，不要讓 Work flow（流程）脫離河堤來(lái)運(yùn)行；而且 AI 也不會(huì)無(wú)限地?cái)U(kuò)展，必定會(huì)被具體領(lǐng)域里的邊界所限制，人更重要的作用是要關(guān)注這個(gè)邊界在哪里。

以往做 SaaS、做軟件其實(shí)是建立起來(lái)了一套 “ 0和1 ” 的規(guī)則。而 AI-Native 應(yīng)用不一樣，它是有灰度的，這個(gè)灰度再疊加上智能性， 讓 AI 可以在定義工作流這件事上，一定程度上替代人類(lèi)，這也是 AI-Native 應(yīng)用一定會(huì)替代 SaaS 的本質(zhì)。

但 CUI（對(duì)話式用戶界面，Conversational User Interface）和 GUI（圖形用戶界面，Graphical User Interface）其實(shí)不是對(duì)抗的，而是相輔相成的關(guān)系。

CUI 最大的優(yōu)勢(shì)是在于意圖理解，而 GUI 的優(yōu)勢(shì)是在于效率。所以未來(lái)一定會(huì)出現(xiàn)一種全新的交互方式。

灰度驅(qū)動(dòng)的新一代智能系統(tǒng)所帶來(lái)工作流的動(dòng)態(tài)變化，才是 AI Agent 在企業(yè)級(jí)市場(chǎng)的最大潛力。

這中間我們需要做的是什么呢？就是在 Plan 環(huán)節(jié)如何去糾正，在運(yùn)行環(huán)節(jié)怎么去控制，以及在運(yùn)行以后如何去觀測(cè)和審計(jì)。

這可能是 AI-Native 應(yīng)用與 SaaS 不同的地方。

崔強(qiáng)：為什么灰度反而推動(dòng)了這樣一個(gè)進(jìn)步呢？你可以補(bǔ)充一下。

張浩然：灰度在我看來(lái)是某種程度的泛化。我在使用 LLM 時(shí)，體驗(yàn)是當(dāng)我在研究每件事情的時(shí)候，它會(huì)突破我提供給它的框架，生成一些我完全沒(méi)有想到的角度。

這其實(shí)可以對(duì)標(biāo)剛才我想表達(dá)的灰度含義：雖然不是絕對(duì)精確，但也不是錯(cuò)誤的。這個(gè)灰度在企業(yè)級(jí)市場(chǎng)里面，和原來(lái)強(qiáng)定義的那套東西不同。

任向暉：灰度目前肯定會(huì)存在的，是沒(méi)辦法精確控制的。目前在 AI 應(yīng)用細(xì)分市場(chǎng)相對(duì)跑得比較快的，都是對(duì)精確性要求門(mén)檻低，如一般的客服場(chǎng)景。

但大部分企業(yè)軟件的門(mén)類(lèi)可能不太能接受灰度，比如財(cái)務(wù)軟件、工作流軟件等。從我們服務(wù)客戶的經(jīng)驗(yàn)來(lái)看，沒(méi)有客戶是喜歡灰度的。

張浩然：我在這個(gè)地方的視角，是因?yàn)榻裉斓?SaaS 只是交付過(guò)程，而不是交付結(jié)果。

如果五年后 AI  Agent 交付的是某個(gè)結(jié)果，但在交付結(jié)果的過(guò)程中，很可能是到了交付的里程碑節(jié)點(diǎn)，需要人的互動(dòng)。但和以往相比，需要人介入的顆粒度可能是被拉粗了，某種角度，這個(gè)灰度是被 AI 內(nèi)部消化掉了。

雖然，某些情況下存在一定的灰度性，但這個(gè)里程碑卻是可控的。

任向暉：相信今天做 AI 來(lái)解決企業(yè)軟件問(wèn)題的人，都想實(shí)現(xiàn)端到端的目標(biāo)。你也提到了它不可能一步達(dá)成，有時(shí)只能跳到某一個(gè)里程碑，這時(shí)需要人的參與。

問(wèn)題是你不知道這個(gè)里程碑會(huì)失敗在哪個(gè)點(diǎn)上，它可能在整個(gè)鏈條當(dāng)中隨時(shí)都可能失敗，這就意味著你在每一個(gè)環(huán)節(jié)還是要安排觀察窗，需要提供人類(lèi)操作的入口，這和現(xiàn)在并沒(méi)有什么不同。

這也從另外一個(gè)角度來(lái)說(shuō)明，今天我們構(gòu)建的企業(yè)軟件，可能就是在實(shí)現(xiàn)端到端之前必須做的一個(gè)事情。而且如果僅是企業(yè)的端到端，意義并不大，因?yàn)楹芏嗲闆r下需要跨越企業(yè)邊界，但企業(yè)邊界并不一定就是同步發(fā)展的。

未來(lái)五年，甚至十年企業(yè)要實(shí)現(xiàn)真正的端到端其實(shí)是很困難的。在這種情況下，堅(jiān)持做好觀察窗，還是領(lǐng)先優(yōu)勢(shì)的保障。

張浩然：觀察窗一定不會(huì)消失，但定義可能會(huì)被改變。如果把 GUI 視作觀察窗，過(guò)去是由人來(lái)控制，今天可能是由 AI 來(lái)控制。

過(guò)去我們做軟件是面向人做，下一步會(huì)不會(huì)轉(zhuǎn)變成面向 AI 來(lái)做？就像以往瀏覽器是給人用的，今天大家都在面向 AI 做瀏覽器，這就是一個(gè)變化的奇點(diǎn)。

如果我們把上一代已經(jīng)建立好的互通的 API、Workflow、流程，變成面向 AI 來(lái)做，這時(shí)就可能產(chǎn)生一些新的變化，這也是新的創(chuàng)業(yè)者的機(jī)會(huì)；從另一個(gè)角度，我也認(rèn)同 LLM 發(fā)展到一個(gè)階段以后會(huì)停下來(lái)，沒(méi)有辦法向著所謂的端到端發(fā)展，可能會(huì)有更新的框架來(lái)解決這個(gè)問(wèn)題。

今天在 LLM 基礎(chǔ)上疊加了各種 Agentic 系統(tǒng)，才是有可能替代 SaaS 的東西。絕對(duì)以大模型驅(qū)動(dòng)的端到端是很難實(shí)現(xiàn)的，但以 Agentic 系統(tǒng)來(lái)完成應(yīng)用構(gòu)建的端到端的新方向會(huì)到來(lái)。

任向暉：未來(lái) Agent 肯定是一種很重要的軟件形態(tài)，可能是企業(yè)軟件中的一個(gè)重要門(mén)類(lèi)，原來(lái)的門(mén)類(lèi)和它有所結(jié)合，現(xiàn)在大家應(yīng)該都看得到這個(gè)愿景了。

現(xiàn)在的智能體市場(chǎng)，有很多年輕的創(chuàng)業(yè)者來(lái)做這樣一個(gè)新的門(mén)類(lèi)，我覺(jué)得是更為可取的。原來(lái)的企業(yè)軟件產(chǎn)品公司，也有去做智能體編排工具的，我覺(jué)得這就沒(méi)有必要了。

我不否認(rèn) Agent 是一個(gè)很重要的形態(tài)，但它只是與企業(yè)軟件的結(jié)合，而不會(huì)把原來(lái)的這個(gè)門(mén)類(lèi)的軟件都替代。

崔強(qiáng)：我們?cè)谑褂?AI 的時(shí)候，怎么保障它的安全性？在這個(gè)過(guò)程中企業(yè)自己的數(shù)據(jù)會(huì)不會(huì)被公有化，怎么在保證數(shù)據(jù)的隱私和安全的前提下去迭代？

張浩然：這是個(gè)難點(diǎn)，但并不是一個(gè)新問(wèn)題。以 Agent 和 Agent 之間的互動(dòng)協(xié)議為例，這些通信協(xié)議中能夠獲取的權(quán)限也是要被管理的。

過(guò)去人在系統(tǒng)中需要身份認(rèn)證，今天 Agent 在整個(gè)系統(tǒng)中同樣需要身份認(rèn)證，這意味著以往的安全性保障體系在 AI 時(shí)代仍然需要，問(wèn)題是它們?nèi)绾稳诤系叫碌?AI 系統(tǒng)中，來(lái)完成第一道安全屏障。

第二道安全屏障，我認(rèn)為同態(tài)加密這類(lèi)技術(shù)也會(huì)火起來(lái)。

任向暉：這與 SaaS 的公共云和私有云服務(wù)是類(lèi)似的。如果采用 Function Calling，從本質(zhì)上并沒(méi)有把私有數(shù)據(jù)存放到大模型里去。

如果大家覺(jué)得只要和自己的內(nèi)部數(shù)據(jù)有通信就是不安全，這其實(shí)是有點(diǎn)過(guò)度了。這也導(dǎo)致了 DeepSeek 出現(xiàn)以后，大家都想要私有部署一個(gè)，我覺(jué)得這是不可持續(xù)的，因?yàn)樗?strong>成本是不合理的。

大企業(yè)可能還具備規(guī)模經(jīng)濟(jì)效益，但對(duì)于絕大多數(shù)中小企業(yè)來(lái)講這是不現(xiàn)實(shí)的。而且模型本身也在進(jìn)步，沒(méi)有理由未來(lái)的成本也像今天這么低，所以基本上最后絕大多數(shù)中小企業(yè)還會(huì)使用公共服務(wù)的模型。

只有大型企業(yè)可能會(huì)選擇私有部署。而且安全的本質(zhì)也不是靠部署模式來(lái)決定的，而是一個(gè)全方位的東西。

因此，我不覺(jué)得這與 AI 有什么特定相關(guān)的關(guān)系。

AI 生態(tài)之變

崔強(qiáng)：目前國(guó)內(nèi)生態(tài)都不太開(kāi)放，用 MCP 的方式也很難解決聯(lián)通的問(wèn)題。從國(guó)內(nèi)生態(tài)環(huán)境來(lái)看，五年后 AI 的生態(tài)會(huì)發(fā)展成一個(gè)什么樣的狀態(tài)？

張浩然：很難說(shuō)，整個(gè)基礎(chǔ)設(shè)施還在不斷完善， Agent 調(diào)用工具的準(zhǔn)確性還會(huì)繼續(xù)增加，所以 MCP 這種基礎(chǔ)能力會(huì)成為一個(gè)共識(shí)，但它能否成為 AI Infra 的一環(huán)也說(shuō)不好。

但是以五年來(lái)看，Agent 調(diào)用工具的準(zhǔn)確性會(huì)非常高，這意味著一個(gè) Agent 單元的邊界會(huì)被定義得非常清晰、具體。

大家可能通過(guò) SaaS 以往的定義和想象，來(lái)清晰描繪出未來(lái) Agent 的定義和想象，這可能也是下一步會(huì)看到的一個(gè)變化。

任向暉：這可能要依靠?jī)蛇叺墓餐Α?strong>一方面模型能力肯定還會(huì)繼續(xù)提高，它也許還能提供比我剛才所講的三種結(jié)合方式更好的方式，但有一點(diǎn)是肯定的，企業(yè)軟件自身也是需要努力的。

這需要耐心，同時(shí)要避免做無(wú)意義的事。比如我們今天做的事，就是利用 Agentic 能力調(diào)度我們的內(nèi)部接口，通過(guò)用戶提示和提供的材料，能夠生成自己定義的 Agent ，這是明道云自己的零代碼應(yīng)用模型。

但這個(gè)過(guò)程說(shuō)起來(lái)簡(jiǎn)單，實(shí)現(xiàn)起來(lái)需要拆成非常多的步驟，每個(gè)細(xì)節(jié)可能都要打磨幾個(gè)月才能達(dá)到可以接受的準(zhǔn)確度，這也是我們做應(yīng)用軟件應(yīng)當(dāng)去努力的。如果不在我們這一側(cè)去做對(duì)齊、驗(yàn)證，即使另一側(cè)模型的能力越來(lái)越強(qiáng)，我們也解決不好客戶的問(wèn)題。

所以，五年其實(shí)是可以走很遠(yuǎn)，但大家要盡快取得一些共識(shí)，即不要做那些無(wú)意義的事。如果你不理解現(xiàn)有的技術(shù)限制，而是只想做一些噱頭性的功能，就等于是在浪費(fèi)時(shí)間。

崔強(qiáng)：我們現(xiàn)在看到一種趨勢(shì)，大模型也在推一些新能力，比如 Kimi 推出了 PPT、思維導(dǎo)圖這樣的通用能力，這可能會(huì)對(duì)一些做單點(diǎn)應(yīng)用的產(chǎn)品帶來(lái)一些困擾。

同樣的，一些工具型軟件也在往上走，去訓(xùn)練自己的私有小模型。未來(lái)兩位怎么看 AI-Native 和傳統(tǒng)軟件之間，以及大廠之間、模型平臺(tái)之間這種格局的競(jìng)爭(zhēng)？

任向暉：我覺(jué)得小廠是有巨大優(yōu)勢(shì)的，而且這和 AI 沒(méi)什么關(guān)系。比如最近我們購(gòu)買(mǎi)了一款錄屏軟件，這個(gè)產(chǎn)品就是完全靠設(shè)計(jì)取勝的，它是國(guó)外一個(gè)小團(tuán)隊(duì)做的，它的功能設(shè)計(jì)也和 AI 沒(méi)有特定的關(guān)系。

這說(shuō)明競(jìng)爭(zhēng)絕對(duì)是不在于技術(shù)路徑的，和有無(wú)采用 AI 也沒(méi)有太大關(guān)系。

在大多數(shù)情況下，贏得客戶的心，都是要靠主流技術(shù)以外的東西。因?yàn)橹髁骷夹g(shù)是所有人都關(guān)注的，今天的 AI 幾乎是一個(gè)公共的東西，它的門(mén)檻也越來(lái)越低。

所以對(duì)于小廠來(lái)說(shuō)，關(guān)鍵在于你能否在很多細(xì)分市場(chǎng)中找到獨(dú)特的機(jī)會(huì)，并且專(zhuān)注去做。

崔強(qiáng)：你的觀點(diǎn)是小廠還是有很大優(yōu)勢(shì)，不要糾結(jié)在技術(shù)、品牌實(shí)力上，而是完全要靠創(chuàng)新，找到屬于自己的細(xì)分市場(chǎng)。

張浩然 ：我非常認(rèn)同，我覺(jué)得技術(shù)不是本質(zhì)。新一波 AI-Native 的應(yīng)用公司，更應(yīng)該關(guān)注的是如何利用好上個(gè)時(shí)代已經(jīng)構(gòu)建出來(lái)的生態(tài)，而不需要再去考慮怎么去建立那些已經(jīng)被人建立過(guò)無(wú)數(shù)次的底座了，而是要考慮怎么利用它們，通過(guò) AI 創(chuàng)造出的新價(jià)值。

定義清楚價(jià)值，不斷思考怎么用新一代的 AI-Native 應(yīng)用去交付價(jià)值才是重點(diǎn)。

崔強(qiáng)：SAP 在每一輪轉(zhuǎn)型的過(guò)程中都做了相應(yīng)的收購(gòu)，未來(lái)中國(guó)的企服生態(tài)會(huì)不會(huì)也有這樣的狀態(tài)，即大廠在轉(zhuǎn)型過(guò)程中收購(gòu)一些新的小廠，來(lái)補(bǔ)充自己的技術(shù)版圖？

任向暉 ：總會(huì)有這么一天，這也是產(chǎn)業(yè)規(guī)律。但我覺(jué)得 “老大哥” 們要先解決好眼下的問(wèn)題，即自身的造血能力要補(bǔ)回來(lái)。我覺(jué)得一兩年內(nèi)都是比較麻煩的，要三五年才可能走到這樣一種整合狀態(tài)，這樣也更健康。

張浩然：這是非常好的，比如一個(gè) AI-Native 的應(yīng)用，今天靠快做出了一個(gè)垂直場(chǎng)景的交付，但是應(yīng)用的底座其實(shí)是存在很大競(jìng)爭(zhēng)壁壘的，不是短短幾年就能夠搞定的。

這時(shí)如果小的創(chuàng)新型 AI 應(yīng)用公司，能夠適時(shí)地把我們定義好的價(jià)值，找到一個(gè)可以將它放大 10 倍、20 倍的底座交給他們，這其實(shí)也是一個(gè)好的結(jié)果。

任向暉 ：其實(shí)大部分 SaaS 公司的創(chuàng)始人天天關(guān)注的也是他們的 AI 產(chǎn)品，或者是產(chǎn)品如何利用 AI 能力。這時(shí)我覺(jué)得相比較錯(cuò)過(guò)，容易做多做錯(cuò)的風(fēng)險(xiǎn)反而會(huì)更高一些。

崔強(qiáng) ：最后兩位再用最簡(jiǎn)短的話來(lái)總結(jié)一下今天自己的觀點(diǎn)和內(nèi)容。

任向暉 ：大家知道一個(gè)最經(jīng)典的對(duì)比，就是 100 多年前汽車(chē)替代馬車(chē)的例子，把 SaaS 公司比作是馬車(chē)， AI 原生應(yīng)用比作汽車(chē)。但大家可能更容易忽略一個(gè)歷史事實(shí)，是很多汽車(chē)公司都是從當(dāng)年的馬車(chē)公司轉(zhuǎn)型過(guò)來(lái)的。

所以大家從歷史回顧來(lái)看，都容易過(guò)度簡(jiǎn)化，但是從微觀事實(shí)來(lái)看它并不是這樣。傳統(tǒng)企業(yè)一直都在關(guān)注這個(gè)市場(chǎng)。所以，更大的可能性就是技術(shù)融合，也不要太焦慮。

張浩然 ：我認(rèn)為整體上看它絕對(duì)不是一個(gè)替代關(guān)系，而是融合與生長(zhǎng)。我們沒(méi)有理由說(shuō)巨頭們?cè)谶@上面一定會(huì)落下。

AI-Native 應(yīng)用，與以往應(yīng)用軟件最大的區(qū)別就是它的發(fā)散性和生成式，這兩個(gè)核心帶來(lái)的灰度也會(huì)生長(zhǎng)出不太一樣的需求，這些不太一樣的需求一定會(huì)和傳統(tǒng)軟件拉開(kāi)一個(gè) “身位”，而這也是我們今天最重要的切入點(diǎn)。