5 年內(nèi),ToB 新手靠 AI 干不掉老炮
-
2025-06-18
牛透社
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。
-
本文作者:牛透社
本文來源:牛透社
-
分享到: