Agent（智能體）已成為AI領域的下一個戰場。日前，作為AI驅動的科技創新與知識產權信息服務領域的領軍企業，智慧芽宣布即將發布更懂技術創新的AI Agent平臺Eureka，開啟全新AI戰略。

獨立前沿科技研究機構“未盡研究”采訪智慧芽，未盡研究創始人周健工與智慧芽創始人兼CEO張濟徽，圍繞AI時代SaaS商業模式轉型，垂直領域AI Agent發展機遇，智慧芽AI戰略，以及AI對企業研發和科學研究所產生的深遠影響等話題，展開深度對話。

以下是精選訪談實錄

1、AI大時代真正來臨

DeepSeek后AI萬眾期待

周健工：春節前，我遇到各行各業的人，都在談AI，但都是以一種看熱鬧的方式在談。但春節之后再談AI，各行各業都是真的想真金白銀，拿點錢去試一把，擁抱AI。

張濟徽：是的。春節回來之后，過去一兩個月約不上的企業客戶高管，現在都約得上了。很多客戶的高管都很愿意說，你們過來給我們講講這個AI怎么用。

AI時代的商業模式和SaaS創新

周健工：B2B SaaS，B端的訂閱制，主要看賣多少個賬戶。AI時代，SaaS的服務模式，還有獲客的方式，會帶來哪些變化？

張濟徽：行業里本來都有轉型的趨勢，不過因為AI，我覺得加速了。以前SaaS通常是以賬號形式收費，公司有多少個員工，就買多少個賬號。可是很多時候他們買了賬號，一年可能用個5次、10次、20次，但還是付一整年的錢。現在因為AI的到來，可能就會通過調用它的次數、token、積分，或者按完成任務的次數等來收費。你對客戶帶來多少價值，客戶就買單付多少錢。我相信這是接下來的商業模式、收費模式的重要趨勢。

對應來說，對于我們這些SaaS供應商的要求也就更高了。你要確保做出來的產品，用戶是天天用，能消耗這些用量，才會真正讓他買單。

周健工：最近OpenAI說，可能將來提供一個博士級的模型或者Agent，一個月收2000美元，因為它可以代替一個高級的研究人才，你們會往這個方向走嗎？我感覺研發領域是特別適合往這個方向走的。

張濟徽：都有在探討。因為流量模式的弊端是對于客戶來說，他可能不清楚到底需要多少流量，應該買多少流量，那就會導致整個銷售周期拉長。所以現在我們會提供“混合模式”，還是以賬號的形式售賣，但用量上會設定一個“軟上限”。

2、AI Agent時代的垂直領域機遇

通用Agent很強大，為何還需要垂直Agent？

周健工：現在其實我也聽到，不少人對Agent有批評的聲音。就是說Agent它都是在一些基座模型上面建立起來的，但基座模型現在依然有很多不完善的地方，比如說幻覺、記憶力，以及在世界模型方面的欠缺。Agent從thinking到action之間，尤其是跟外部世界的互動，包括多模態等，還是有待發展的。你們在開發Agent，給用戶提供服務的時候，有沒有遇到這樣的問題？

張濟徽：因為我們是在垂直領域提供Agent，所以這個范圍就框起來了。比如用戶要求“幫我把今天最熱門的科技新聞里面提到的技術，用專利分析，然后總結亮點”。對于這樣一句要求，大模型識別了這句話的意圖，把它拆成幾塊任務，比如找科技新聞，就分配給谷歌新聞檢索Agent，專利分析分配給智慧芽專利分析Agent。所以現在讓AI來拆解和分配任務，這個范圍是很狹義的，所以它的幻覺還好，是能解決的。

再比如，谷歌有翻譯功能，但我們在專利方面的翻譯就做的比谷歌好，因為我們用特別多專利術語等來翻譯，這其中還是存在專業壁壘的。

AI Agent為什么不直接進入L5階段？

周健工：我最近看到一篇論文，它對Agent做了一些總結，我覺得挺有意思。它說以前人們都把大模型當Agent用了，但實際上大模型不是Agent，只是一個engine（引擎）。就像開車一樣，光靠engine是不能讓你去駕駛得很好，除了engine之外，必定還要有其他的功能和部件。

張濟徽：其實OpenAI的deep research，它背后就用了很多Agent串起來去做。再像我們服務專利領域，其中一類客戶是專利代理人，他的工作中需要撰寫“查新報告”，去對比分析沒有相似的專利。這個你可以理解成相對于deep research，更細分的一種場景。也正是因為更細分了，所以我們的Agent能做的更精準、更聚焦。

周健工：現在Agent會在執行工作任務之前，先把問題跟你定義地更清晰一點，核實一下然后再去做。

張濟徽：這種交互方式的確會更好。現在就算技術上一下子能把產品真的做得到類似自動駕駛領域所說的L4、L5級別，用戶可能都不相信、不信任。你要讓用戶慢慢地從L2、L3開始適應，多一點互動，讓用戶感覺自己是在駕駛艙，而不是在副駕駛。讓用戶有掌控感了，那時間久了，就慢慢信任了，未來就能用Agent做完全部任務了。

AI Agent先解決效率問題？

周健工：你們雖然能夠把在當前技術條件下最好的產品提供給他們。但是用戶在用的時候，有時候要求是比較苛刻的。尤其是做科研研發，要求準確率非常高，你覺得現在到這個程度了嗎？如果沒有到這個程度，跟用戶需求之間的矛盾是怎么去解決的？

張濟徽：比如在IP場景中，首先要證明通過Agent來完成工作任務，比過去傳統的方式來完成是更高效的。像是專利代理人，以前他們可能用一兩天做一份報告。而現在通過Agent，生成同等質量的報告，只需花半小時到一小時。這其中的ROI提升是很明確的。所以現在很多專利代理所，都已經愿意買單了。當然技術還在持續迭代，可是現在這些Agent已經實實在在能幫助客戶降本或者提效，那他就已經愿意買單了。同時，我們也會跟著技術的發展，一直持續提高我們Agent的準確性，降低幻覺等。

3、智慧芽AI路徑：專注技術創新

更懂技術創新的AI Agent平臺

周健工：你們現在在服務通用研發，是服務企業的整個研發工作鏈路嗎？換句話說，你們提供的是類似R&D machine的產品，還是說只是R&D machine里面的一個工作流或者一個子域？

張濟徽：這個會從短、中、長期來看。即便外部已經有了很多材料或者生物醫藥大模型，但在短期內，因為專利數據的挖掘及其AI化還是我們的強項，所以還是先在與專利文獻相關的生物序列或者化合物成分等領域去發力。等這些能力成熟后，的確可以跟外部AI相結合。現在有新的一個協議叫MCP協議，就是Agent和Agent溝通的協議。所以，我給團隊的目標就是，今年年底前，先把跟專利相關的Agent做到全球第一。

AI Agent平臺也是AI社區

張濟徽：我們已經搭建了一個技術創新領域的AI Agent平臺Eureka。先把過去十幾年積累的成熟能力做成AI Agent，比如生物序列檢索、化學式檢索等，能夠在Eureka平臺上調用。不過只是我們提供Agent還不夠，未來會接入第三方的AI能力。其實這在內部已經內測上線了，接下來人人都能創建Agent。比如前面提到的，用戶想要找把今天最新的熱門的科技新聞分析一下，找到里面的科技亮點。這個任務執行的背后，就是由各種Agent能力協同組合起來，變成一個完全滿足特定場景的Agent。具體調用的可能是我們的Agent，也可能是第三方比如谷歌的Agent，我覺得會是重要趨勢。

周健工：哪些領域你們會重點發力呢？

張濟徽：我們的AI Agent平臺Eureka有四條主線：第一條線是IP（知識產權），包括查新、FTO侵權分析……；第二條線是通用研發，就是幫助研發人員更好地尋找技術方案，服務制造業、高端制造等領域的研發場景。我們加入了一些技術發明的原理去訓練AI。第三條線是生物醫藥，其中不僅僅專利，還包括靶點、基因序列、臨床等數據相關的場景。第四條線就是材料。

面向中國市場的，支持AI本地部署

周健工：SaaS服務通常是提供給客戶賬號就行了，但現在很多客戶又想要本地部署，想拿他的數據去RAG一下，這些你們都要做嗎？還是說你們會找一個合作伙伴一起來做？

張濟徽：現在這個階段我們先自己閉環。一方面，我們會持續開發和提供SaaS版本，也就是線上的AI智能體，讓客戶試用過后，覺得的確是好用的，是更高價值的。

下一步，如果客戶問這些智能體能不能放在他自己的服務器，在智慧芽提供的智能體的基礎上，再加一些客戶自己的過去積累的比如研發立項報告等。目前已經有客戶買單了這種模式了。

4、AI的未來

AGI之辯

周健工：Anthropic的創始人Amodei談過， 21世紀是一個壓縮的世紀，以前花一個世紀所能完成的科學探索，現在可能用五年、十年就完成了。從你們業務的角度，你覺得make sense嗎？

張濟徽：業內有一種反駁的聲音是，如果這種觀點是對的，那下一個“愛因斯坦”應該出現了。現在匯集了那么多信息、全球的知識，為什么還沒有一個“愛因斯坦”能發明發現全新的理論呢？所以對于這個argument，我覺得也是有道理的。總體上，我覺得LLM還是通過大批的數據，statistically來統計說下一個詞出現的是什么，會有它的一些局限性，當然目前的確已經很強大了。但如果要做到AGI，我個人覺得應該還要結合其他的能力。

AI Agent帶來組織進化

周健工：未來是不是Agent組織化，會替代公司部門之間的組織化？企業里面以前更多的是人和人之間，部門和部門之間的協作。但很多工作流以后都可以自動化了，是不是Agent之間，就能Agent2Agent，組織化起來？

張濟徽：的確，以后靠Agent和Agent之間溝通協調，就能完成很多工作了。我在想象，比如十年后，或者我的下一代去創業，肯定就只需要幾個人，而不是招1000個人去創業了。

科技信息服務賽道的新競爭

周健工：你會不會擔心，突然間中國或者國外出現一個AI原生的科技情報服務的競爭對手？

張濟徽：我覺得真正可能會來disrupt顛覆的，是來自這種做大模型的廠商。現在deep research，已經達到了類似麥肯錫中一位associate級別的員工，直接能做一份有深度的報告了。所以隨著大模型持續迭代，它們的能力跨越和發展，是我覺得要重點關注的。

不過對于垂直領域而言，我覺得還是存在垂直領域的壁壘的。比如專利領域，我們畢竟積累了這么多年的加工處理過的專利數據。一個大模型無論多厲害，智商多高，有些垂直領域數據沒有接觸過，就是不能自己想象出來。所以我覺得這一塊還是會存在壁壘的。當然我們也是在持續關注，不是說我們有這批數據，就肯定很安全了，還是要緊緊跟著技術迭代的步伐去走。

AI是機遇和風險并存的。Deepseek這一波帶來的好處是，它把我們很多客戶都教育了一遍，讓他們意識到原來是可以這么用AI的。不過他們實際用的時候也就會發現幻覺等問題。那這就是我們要持續迭代，持續發力的點，要在這種特定工作場景，讓我們AI的幻覺達到更低，成為我們的優勢。我覺得只要跟著AI技術的發展，相信總能博弈到一個適合我們的空間。