編輯｜燕子

AI 帶來的技術(shù)平權(quán)，是否會讓 ToB 新興公司占得先機(jī)？AI 浪潮中，ToB 行業(yè)的老炮與新手，誰將更勝一籌？

在「DeepTalk 」的第二個(gè)系列話題欄目「AI 的爭議」對話中，由崔牛會創(chuàng)始人 & CEO 崔強(qiáng)主持，與 PingCAP 副總裁劉松，Zion 函子科技創(chuàng)始人 & CEO 蔣耀鍇，圍繞 “AI 會幫 ToB 新手干掉老炮嗎？” 這一主題進(jìn)行了精彩探討。

劉松認(rèn)為， DeepSeek 讓傳統(tǒng)應(yīng)用廠商獲得了新生，大量的客戶資源、數(shù)據(jù)、洞見，以及信任的積累，讓 ToB 老炮比新手更容易解決客戶問題。

與 AI 應(yīng)用層和大模型的技術(shù)熱潮相比，被大大低估的是數(shù)據(jù)的價(jià)值以及數(shù)據(jù)的組織形態(tài)，以及如何用好多模態(tài)數(shù)據(jù)，私域數(shù)據(jù)和領(lǐng)域知識才是行業(yè) AI 應(yīng)用的護(hù)城河。

蔣耀鍇認(rèn)為，擁有和利用局部信息的能力是無法通過 AI 解決的，這正是行業(yè)老炮的優(yōu)勢。Agentic  Workflow（智能體工作流）是目前發(fā)揮 AI 價(jià)值最接近的方式。

以下是經(jīng)牛透社編輯整理的對話內(nèi)容：（有刪減）

老炮 VS 新手

崔強(qiáng)：今晚我們討論的主題是 “AI 會幫 ToB 新手干掉老炮嗎？” 前年，崔牛會做《SaaS 20 年》視頻欄目時(shí)，我采訪用友董事長王文京，他提到 ToB 行業(yè)是 “老炮用新槍”，行業(yè) Know-how 加上新技術(shù)就能煥發(fā)新的青春。

進(jìn)入 AI 時(shí)代，AI 會幫 ToB 新手干掉老炮嗎？每人簡短亮明一下觀點(diǎn)。

劉松：中短期不可能，長期以后不好說。十年以后把老炮干掉的，一定是老炮們做的新一代 AI。

DeepSeek 出來以后，AI Agent 本來就是要替代老炮的，但因?yàn)轭I(lǐng)域知識和工程復(fù)雜度，在 ToB 垂直領(lǐng)域，好的 AI Agent 還是要靠老炮來打磨的。

新手能不能通過技術(shù)干掉老炮，本質(zhì)上還要回到自動駕駛的邏輯：完全的自動駕駛還差很遠(yuǎn)，人機(jī)協(xié)同將是常態(tài)。

未來 10 年，Agent 會從一個(gè)主體化工具進(jìn)化到一個(gè)工具化的主體。

蔣耀鍇：我的觀點(diǎn)是不會。AI 主要提升的是大家的效率基線，SaaS 要解決的是某一個(gè)問題。這個(gè)問題背后的難度是客觀存在的，與你是否用到 AI，與你是老炮還是新手，本質(zhì)上沒有太大關(guān)系。

擁有和利用局部信息的能力是無法通過 AI 解決的，從這一點(diǎn)上看行業(yè)老炮的優(yōu)勢也是不會變的。

劉松：我們要先界定一下 “行業(yè)老炮” 到底有什么？第一是信息和數(shù)據(jù)；第二是行業(yè)和領(lǐng)域經(jīng)驗(yàn)；第三，是行業(yè)洞察力。

對于這三點(diǎn)，目前大模型還存在很大欠缺，但十年以后就不一定了。

蔣耀鍇：我把 “老炮” 的特征，分為 “編程的” 和 “行業(yè)的” 兩個(gè)方面。 最理想的肯定是編程能力強(qiáng)，同時(shí)又對行業(yè)知識領(lǐng)悟得非常透徹。

現(xiàn)在 AI 擅長寫的還是碎片化的代碼，真正讓它做一個(gè)系統(tǒng)經(jīng)常會做錯。一個(gè)事情的難度是內(nèi)生的，作為一個(gè)寫了多年代碼的碼農(nóng)，我也嘗試過用 AI 復(fù)制自己，但它一般也做不好。

在行業(yè)方面，很多紙面上的 SOP 和系統(tǒng)上實(shí)際運(yùn)行的很可能是兩個(gè)東西，老炮能理解掌握實(shí)際運(yùn)行的 know-how 才是最核心的問題。

劉松：從行業(yè)角度看，未來數(shù)據(jù)和信息越來越好處理了，但行業(yè)的經(jīng)驗(yàn)以及隱含式的洞察，這些并不是那么顯性的東西。比如醫(yī)生、投顧、制造業(yè)老師傅身上的經(jīng)驗(yàn)和知識，AI 在短期內(nèi)是很難替代的。

現(xiàn)在醫(yī)學(xué)界有一種認(rèn)知，長遠(yuǎn)來看最好的醫(yī)生要能把醫(yī)學(xué)大模型的能力和自己的專業(yè)直覺融合在一起。

訓(xùn)練好的大模型可能比醫(yī)生想得更全面，但每個(gè)醫(yī)生獨(dú)有的直覺，尤其是一些 “老炮” 的直覺，大模型也不可能知道，這兩方面最終會形成長期的互補(bǔ)關(guān)系。

崔強(qiáng)：最近我們?nèi)ケ鄙霞o(jì)（北森聯(lián)合創(chuàng)始人兼 CEO 紀(jì)偉國）提到，現(xiàn)在要打造一個(gè) Agent ，技術(shù)門檻會非常低，大量的投入在于后面的調(diào)優(yōu)，以及行業(yè) Know-how 的介入。未來的競爭會不會因?yàn)榧夹g(shù)門檻比較低，而變得更慘烈？

劉松：門檻降低了，起步雖然是容易的，但要做好很難。Demo 一兩天，生產(chǎn)上線要一年。隨著門檻的降低，“老炮” 有了 “新槍”。

今天 SaaS 類的軟件公司不需要自己的底層技術(shù)，以及那么多的 AI 工程師、數(shù)據(jù)工程師，也可以把一個(gè)產(chǎn)品做到 80 分，這背后是生產(chǎn)力數(shù)量級的提高。

DeepSeek 的出現(xiàn)，讓人們感受到其推理能力和思維鏈，認(rèn)識到 AI 干的事可解釋、靠譜了，尤其在 ToB 領(lǐng)域可用了。此外，開源潮流也解決了大家對部署安全上的顧慮。

這些是最近幾個(gè)月最大的變化。

崔強(qiáng)：剛才耀鍇提到他試圖用 AI 復(fù)制自己，發(fā)現(xiàn)搞不定。這是為什么？

蔣耀鍇：知識有些是隱性的，有些是有時(shí)效性的，這兩個(gè)問題是目前最難處理的。一個(gè)行業(yè)里的知識絕大部分都是口口相傳的，還有一些行業(yè)知識經(jīng)常會過期，能處理好這些問題才是核心競爭力。

劉松：極端地來講，如果把所有的數(shù)據(jù)都存下來，通過這些數(shù)據(jù)訓(xùn)練 Agent 就和個(gè)人的經(jīng)驗(yàn)很接近了。如何把隱性的知識，沒有表達(dá)出來的東西都盡量地顯性化是一個(gè)方向。

這里還有一個(gè)有意思的角度：人自身會不會成為 AI ，尤其 Agent 能力的一種限制。

今天的 AI 有了強(qiáng)化學(xué)習(xí)和強(qiáng)大的推理能力，我們自身頭腦的限制很有可能限制了自己培養(yǎng)的 AI，這一點(diǎn)從 AlphaZero 在圍棋上的創(chuàng)見就開始了。

崔強(qiáng)：現(xiàn)在都在談大模型幻覺，其實(shí)人才是最有幻覺的。

劉松：對，人類的理性是也有局限的。所以，不能總抱怨大模型的幻覺，人類的幻覺一點(diǎn)也不少，對幻覺的識別才是更重要的。

幻覺在迪士尼就是正面的，那就是想象力。但在醫(yī)療、制造和金融領(lǐng)域就不允許存在，這也和行業(yè)的屬性有關(guān)。

崔強(qiáng)：DeepSeek 通過開源方式把 AI 平權(quán)了，任何人都可以參與，都有機(jī)會向 “老炮” 發(fā)起挑戰(zhàn)，包括外行挑戰(zhàn)內(nèi)行。

新手們沒有邊界和經(jīng)驗(yàn)的束縛，有可能會做出來一些東西，是不是意味著 “老炮” 或者傳統(tǒng)巨頭，他們的技術(shù)壁壘也在坍塌？

劉松：整體來說是受到了威脅。AI 降低了技術(shù)門檻，原來根本不可能做 SaaS 的人現(xiàn)在可以做了。拋開 ToB、ToC 的界限，按照從易到難的順序，我定義了 Agent 的四類方向：

最容易的是過去十幾年移動互聯(lián)網(wǎng)上的泛娛樂 Agent，包含電商、社交、游戲、視頻，用一個(gè)人就可能搞出一個(gè)很好的殺手級 Agent，ToC 是最容易的。

第二是像飛書、釘釘這樣的協(xié)作平臺，要做出新一代 SaaS 更容易，因?yàn)楝F(xiàn)在正是利用 Agent 和人協(xié)作做出最大效果的時(shí)候。

第三種，更難一點(diǎn)的是行業(yè) Agent，最典型的是對容錯性要求較低的行業(yè)，比如醫(yī)療、制造、金融等。

第四，最難的是具身機(jī)器人，廣義看機(jī)器人也是 Agent。

從整體來看，短期內(nèi) ToC 泛娛樂這種 “幻覺友好型” 的行業(yè)更容易成功，一個(gè)人就可能成為一個(gè)獨(dú)角獸。

崔強(qiáng)：耀鍇在做無代碼。GPT 剛出來之后，討論最多的就是無代碼、低代碼是不是要被大模型干掉了，你怎么看這個(gè)問題？

蔣耀鍇：就像我前面提到的：難度是一個(gè)內(nèi)生的東西。AI 編程最有效的是為碼農(nóng)提效，其次是教不會寫代碼的人學(xué)習(xí)寫代碼。

無代碼工具是面向技術(shù)能力更弱的人群，當(dāng)然我們也正在做 AI Copilot 降低對于無代碼學(xué)習(xí)的難度。

劉松：短期內(nèi) AI 還是個(gè)提效工具，屬于較底層較通用的生產(chǎn)力，稀缺性的認(rèn)知可能會越來越值錢，甚至比數(shù)據(jù)還要值錢。

工具越來越強(qiáng)大，但老炮還能存活下來，就在于其認(rèn)知的稀缺性。

去年一個(gè)帖子說千萬不要認(rèn)為無代碼來了，學(xué)編程的人就不重要了，仍然需要。雖然干得越來越少，但仍需要有非常好的訓(xùn)練。

蔣耀鍇：我們現(xiàn)在面向的完全是非技術(shù)型創(chuàng)始人，更多的不是幫他們提效，而是降門檻，讓他們能夠更快學(xué)得會，可以控制自己的產(chǎn)品。

如果效率至上的話，專業(yè)碼農(nóng)再搭配上 AI 應(yīng)該是效率最高的，但做出來的東西是非技術(shù)型創(chuàng)始人自己不可控制的，而且成本也很高。

崔強(qiáng)：當(dāng)時(shí)感受 Agent 爆發(fā)的速度，到今天肯定是欣欣向榮，但現(xiàn)在反而覺得這個(gè)市場很冷清。

劉松：從美國硅谷到國內(nèi)自媒體，關(guān)于 AI 的新聞都有點(diǎn)過度 “demo” 了，即把一個(gè) demo 當(dāng)作現(xiàn)實(shí)可能性。

這個(gè)刻意樂觀的文化會有很大的副作用，因?yàn)殚L期看會讓整個(gè)社會對于 AI 這種 “狼來了” 反而變得麻木了，也不知道怎么去用它。實(shí)際上，有了大模型，干了 20 年的業(yè)務(wù)架構(gòu)師反而更值錢。

要做一個(gè) AI Agent，數(shù)字化這門課必須補(bǔ)齊，這一課在中國的企業(yè)尤其需要補(bǔ)。

我們看到，當(dāng) DeepSeek 出來以后，傳統(tǒng)的應(yīng)用廠商反而一下獲得了新生。由于積累了最大量的客戶、最多的數(shù)據(jù)以及客戶信任，他們比那些創(chuàng)業(yè)型的垂直 Agent 公司更容易幫助客戶解決實(shí)際問題。

知識進(jìn)化與 ToB 新機(jī)會

崔強(qiáng)：兩位都提到了一個(gè)非常重要的問題：知識的進(jìn)化。如何才能利用 AI 工具，讓數(shù)據(jù)、知識和圖譜逼近人類專家的能力？

蔣耀鍇：每一種類型的知識，都有它的管理和更新的方式。可以模擬人類的思維方式，比如：

當(dāng)你收集到新的信息之后，在數(shù)據(jù)庫中通過查詢，判斷是否需要更新或者刪除舊的知識；當(dāng)你在使用某個(gè)知識時(shí)，一邊要找到一類曾經(jīng)發(fā)生過的事實(shí)，另一邊要去找解決問題的套路。套路加事實(shí)就是一個(gè)合成信息的基本來源。

人類的知識進(jìn)化大部分時(shí)候是依賴另外一個(gè)人的，讓這套流程模擬人類之間的口口相傳，并將這個(gè)流程自動化，真正讓 AI 變成一種更接近員工的方式。

劉松：最難的還是動態(tài)知識圖譜，怎么把新、舊知識持續(xù)地建立起連接。目前，一般的大模型窗口可能還是太小了，如果窗口變得很大，動態(tài)的知識圖譜反而變得更重要了。

這當(dāng)中主要有兩個(gè)難點(diǎn)：一個(gè)是意圖識別以后的判斷或者調(diào)度能力，另外一個(gè)是發(fā)現(xiàn)和建立新舊知識的連接。

現(xiàn)在有一種預(yù)測，2026 年以后，強(qiáng)大的推理窗口加上 Graph RAG 和數(shù)據(jù)庫的能力，能夠提高發(fā)現(xiàn)新知識的效率。

現(xiàn)在我們關(guān)注的是：能否最及時(shí)地找到一個(gè)東西？

但明年，我們要討論的可能是：如何讓 Agent 能夠發(fā)現(xiàn)新的知識和判斷？

崔強(qiáng)：前段時(shí)候，我看到一個(gè)探討大模型 “投毒” 的視頻，你們怎么看這種現(xiàn)象？

劉松：往大模型中 “裝知識”，是需要人進(jìn)行管理的。大模型最大的弱點(diǎn)在于它被 “投毒” 了以后，并沒有一個(gè) “解藥” 能馬上把 “毒” 清除掉，要等下一次訓(xùn)練。所以，大模型是很脆弱的。

崔強(qiáng)：現(xiàn)在這個(gè)問題有解嗎？

蔣耀鍇：第一個(gè)是要關(guān)掉聯(lián)網(wǎng)搜索，不要什么事都打開聯(lián)網(wǎng)搜索。你開著聯(lián)網(wǎng)搜索，別人 “投毒” 就太容易了，根本沒辦法控制。

劉松：同樣的，企業(yè)在建知識庫時(shí)也要控制上傳文檔的員工，如果他上傳的文檔質(zhì)量很差，也等于是 “投毒” 了。

蔣耀鍇：你可以信任大模型訓(xùn)練者對于大模型攝入信息的控制，對于時(shí)效性不強(qiáng)的信息不要打開聯(lián)網(wǎng)搜索。

崔強(qiáng)：今天討論的話題是 “AI 會不會幫新手干掉老炮”，但實(shí)際上，也有可能是 “AI 幫助老炮干掉了新手”，對吧？

劉松：完全有可能，過去兩年大公司的實(shí)習(xí)生都變少了，因?yàn)槟莻€(gè)工作已經(jīng)被 AI 替代了。

蔣耀鍇：最便宜的能力基線在往上拔，所以但凡個(gè)人能力沒有在一個(gè)領(lǐng)域超過大模型提供的能力基線，你的價(jià)格就不到這大模型的市場價(jià)格。

劉松：但也要正面來看這個(gè)問題。雇用 “一個(gè)老炮” 和 “多個(gè)新手”，再加上自動化編程，這可能是現(xiàn)在 ROI 最好的一種組合。

蔣耀鍇：AI 本質(zhì)上是一種認(rèn)知能力。每當(dāng)社會上一種能力的邊際成本大幅度下降之后，將帶來兩種結(jié)果：第一是百花齊放，第二是不斷出現(xiàn) “二八效應(yīng)”，最后再形成頭部。

所以，AI 出來之后，一定會出現(xiàn)一片新應(yīng)用。十年后，這一片新應(yīng)用里 80% 都死了，剩下 20% 中有 80% 在掙扎，還有 20% 里面的 20% 可以活得很好。

劉松：未來幾年會重現(xiàn)過去十多年移動互聯(lián)網(wǎng)類似的 “先膨脹再收縮” 的過程，只是形態(tài)更高級了，更有智力含量了。

崔強(qiáng)：ToB 的一個(gè)好處是不容易死，在一個(gè)小市場、小領(lǐng)域，只要有幾個(gè)客戶就能生存。

劉松：這里隱含的邏輯是：有了 AI 以后，SaaS 公司的護(hù)城河是否會發(fā)生變化？

以往，SaaS 公司的護(hù)城河是深耕垂直領(lǐng)域與客戶信任，以及一部分領(lǐng)域知識。這兩年，在美國，一些從 Salesforce、Workday 出來的創(chuàng)業(yè)者，他們結(jié)合 AI 和原來的數(shù)據(jù)做了一些面試、銷售、客服場景，都是穩(wěn)賺。

本質(zhì)上，他們是在做知識自動化，這件事在國內(nèi)也依然是有機(jī)會的。而且未來兩年比前兩年機(jī)會更大，因?yàn)榻裉焱评砟Ｐ偷拈T檻更低，也更靠譜了。

未來之路

崔強(qiáng)：接下來我們聊商業(yè)模式的變化，有 “底薪+提成” 的模式，也有人提 RaaS（結(jié)果即服務(wù)，按效果結(jié)算）這種付費(fèi)方式。

劉松：按效果付費(fèi)，工具提供商變成了效果提供商，客戶當(dāng)然也愿意。但按效果付費(fèi)在今天還有很多坑，工程難度也很大，最難的還需要客戶配合。

比如，要給醫(yī)院做一個(gè)按效果付費(fèi)的在線診斷，醫(yī)院所有的診斷數(shù)據(jù)愿不愿意向乙方公開？還有語料質(zhì)量、工期配合……所有這些都做到了，才可能保證輔助診斷的精度。

不管甲方還是乙方，這是一個(gè)共同利用新技術(shù)、新模式創(chuàng)造效果的邏輯。

蔣耀鍇：按結(jié)果付費(fèi)，基本上逃不掉人機(jī)回環(huán)（Human-in-the-loop）。服務(wù)商和甲方應(yīng)如何去承擔(dān)人力成本，如何把人放到合理的位置上，這些都是挑戰(zhàn)。

去年，有個(gè)朋友在用 Agent 為醫(yī)院做一個(gè)麻醉前預(yù)檢的自動化，這需要獲得病人數(shù)據(jù)，還要改變業(yè)務(wù)流程，需要醫(yī)院 CIO 與醫(yī)生的共同配合，產(chǎn)生的價(jià)值也非常大。

假設(shè)一個(gè)護(hù)士一小時(shí)的成本是 100 美金，如果用兩美金可以買 50 萬個(gè) token 來解決這個(gè)問題，剩下的 98% 就是醫(yī)院的利潤或者價(jià)值空間。

劉松：我特別同意耀鍇這個(gè)例子，它表明了知識自動化 + 流程自動化可以節(jié)省很重的人力成本。

今天回到兩個(gè)參照物：一個(gè)以移動互聯(lián)網(wǎng)為例，它解決了所謂的信息不對稱，10 年前的云計(jì)算、公有云，本質(zhì)上是降低了應(yīng)用的門檻；今天的 AI，最重要的是解決了腦力的不對稱，它降低了每個(gè)人解決問題的門檻，但仍有大量工程化的東西需要做。

崔強(qiáng)：我們現(xiàn)在看到 SaaS 的商業(yè)模式，開始向按效果付費(fèi)的方式轉(zhuǎn)變。此外，還看到一種訂閱方式的變化，國內(nèi)幾個(gè) RPA 廠商開始轉(zhuǎn)變?yōu)橘u數(shù)字員工，有點(diǎn)像一個(gè)人力資源的外包供應(yīng)商。

劉松：也不完全是，本質(zhì)上還是降本。今天 AI 是在知識自動化和流程自動化的基礎(chǔ)上，提供一種降本的能力。

比如我們的一些客戶、業(yè)務(wù)部門熱衷于用 Agent 的原因是為了避免加班。如果五年內(nèi) Agent 還沒有把中國的 “996” 消除，我覺得也是一種失敗。

崔強(qiáng)：最后請兩位用最簡短的方式，總結(jié)一下今晚討論的心得。

劉松：我相信，未來幾年 Agent 還是軟件里面最重要的形態(tài)。這種形態(tài)背后被大大低估的東西，是數(shù)據(jù)的價(jià)值、數(shù)據(jù)的組織形態(tài)，以及如何用好多模態(tài)數(shù)據(jù)。

最近，我們談?wù)?AI 應(yīng)用太多了，而忽略了私有數(shù)據(jù)、數(shù)據(jù)素養(yǎng)、多模態(tài)數(shù)據(jù)的混合處理能力，甚至 Data Agent （數(shù)據(jù)智能體）才可能是未來冰山下最重要的東西。

蔣耀鍇：關(guān)于 AI 帶來的能力，我的總結(jié)是知識的復(fù)制，以及模糊信息的翻譯合成，而釋放 AI 這種能力的方式正是 Agent。

有了 AI 之后，每一個(gè)環(huán)節(jié)都可以有決策的能力。問題是怎么把它用好，在什么樣的環(huán)境下通過什么方式去用 AI，才能真正發(fā)揮它的價(jià)值。

我認(rèn)為目前最接近的方式是 Agentic Workflow （智能體工作流）。

崔強(qiáng)：特別感謝兩位，今天晚上的調(diào)研結(jié)果就客觀多了，“五年內(nèi)，AI 會幫 ToB 新手干掉老炮嗎？”，其中選擇 “會” 的是 22%，“不會” 的是 78%。我覺得大家理性很多了。

不管是 “新手” 還是 “老炮”，真正能進(jìn)入 ToB 創(chuàng)業(yè)熱潮中的，都值得敬佩。

我覺得 AI 肯定也會重新走以往互聯(lián)網(wǎng)的發(fā)展道路，但創(chuàng)業(yè)者不要刻意樂觀，而是要冷靜地去思考 AI 發(fā)展的現(xiàn)狀，以及它能做什么。