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

整理｜保文；編輯｜燕子

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

劉松認為， DeepSeek 讓傳統應用廠商獲得了新生，大量的客戶資源、數據、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 應用層和大模型的技術熱潮相比，被大大低估的是數據的價值以及數據的組織形態，以及如何用好多模態數據，私域數據和領域知識才是行業 AI 應用的護城河。

蔣耀鍇認為，擁有和利用局部信息的能力是無法通過 AI 解決的，這正是行業老炮的優勢。Agentic Workflow（智能體工作流）是目前發揮 AI 價值最接近的方式。

以下是經牛透社編輯整理的對話內容：（有刪減）

老炮 VS 新手

崔強：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，我采訪用友董事長王文京，他提到 ToB 行業是 “老炮用新槍”，行業 Know-how 加上新技術就能煥發新的青春。

進入 AI 時代，AI 會幫 ToB 新手干掉老炮嗎？每人簡短亮明一下觀點。

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，但因為領域知識和工程復雜度，在 ToB 垂直領域，好的 AI Agent 還是要靠老炮來打磨的。

新手能不能通過技術干掉老炮，本質上還要回到自動駕駛的邏輯：完全的自動駕駛還差很遠，人機協同將是常態。

未來 10 年，Agent 會從一個主體化工具進化到一個工具化的主體。

蔣耀鍇：我的觀點是不會。AI 主要提升的是大家的效率基線，SaaS 要解決的是某一個問題。這個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，本質上沒有太大關系。

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

劉松：我們要先界定一下 “行業老炮” 到底有什么？第一是信息和數據；第二是行業和領域經驗；第三，是行業洞察力。

對于這三點，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 “行業的”兩個方面。 最理想的肯定是編程能力強，同時又對行業知識領悟得非常透徹。

現在 AI 擅長寫的還是碎片化的代碼，真正讓它做一個系統經常會做錯。一個事情的難度是內生的，作為一個寫了多年代碼的碼農，我也嘗試過用 AI 復制自己，但它一般也做不好。

在行業方面，很多紙面上的 SOP 和系統上實際運行的很可能是兩個東西，老炮能理解掌握實際運行的 know-how 才是最核心的問題。

劉松：從行業角度看，未來數據和信息越來越好處理了，但行業的經驗以及隱含式的洞察，這些并不是那么顯性的東西。比如醫生、投顧、制造業老師傅身上的經驗和知識，AI 在短期內是很難替代的。

現在醫學界有一種認知，長遠來看最好的醫生要能把醫學大模型的能力和自己的專業直覺融合在一起。

訓練好的大模型可能比醫生想得更全面，但每個醫生獨有的直覺，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關系。

崔強：最近我們去北森，老紀（北森聯合創始人兼 CEO 紀偉國）提到，現在要打造一個 Agent ，技術門檻會非常低，大量的投入在于后面的調優，以及行業 Know-how 的介入。未來的競爭會不會因為技術門檻比較低，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，以及那么多的 AI 工程師、數據工程師，也可以把一個產品做到 80 分，這背后是生產力數量級的提高。

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

這些是最近幾個月最大的變化。

崔強：剛才耀鍇提到他試圖用 AI 復制自己，發現搞不定。這是為什么？

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

劉松：極端地來講，如果把所有的數據都存下來，通過這些數據訓練 Agent 就和個人的經驗很接近了。如何把隱性的知識，沒有表達出來的東西都盡量地顯性化是一個方向。

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

今天的 AI 有了強化學習和強大的推理能力，我們自身頭腦的限制很有可能限制了自己培養的 AI，這一點從 AlphaZero 在圍棋上的創見就開始了。

崔強：現在都在談大模型幻覺，其實人才是最有幻覺的。

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。但在醫療、制造和金融領域就不允許存在，這也和行業的屬性有關。

崔強：DeepSeek 通過開源方式把 AI 平權了，任何人都可以參與，都有機會向 “老炮” 發起挑戰，包括外行挑戰內行。

新手們沒有邊界和經驗的束縛，有可能會做出來一些東西，是不是意味著 “老炮” 或者傳統巨頭，他們的技術壁壘也在坍塌？

劉松：整體來說是受到了威脅。AI 降低了技術門檻，原來根本不可能做 SaaS 的人現在可以做了。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網上的泛娛樂 Agent，包含電商、社交、游戲、視頻，用一個人就可能搞出一個很好的殺手級 Agent，ToC 是最容易的。

第二是像飛書、釘釘這樣的協作平臺，要做出新一代 SaaS 更容易，因為現在正是利用 Agent 和人協作做出最大效果的時候。

第三種，更難一點的是行業 Agent，最典型的是對容錯性要求較低的行業，比如醫療、制造、金融等。

第四，最難的是具身機器人，廣義看機器人也是 Agent。

從整體來看，短期內 ToC 泛娛樂這種 “幻覺友好型” 的行業更容易成功，一個人就可能成為一個獨角獸。

崔強：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，你怎么看這個問題？

蔣耀鍇：就像我前面提到的：難度是一個內生的東西。AI 編程最有效的是為碼農提效，其次是教不會寫代碼的人學習寫代碼。

無代碼工具是面向技術能力更弱的人群，當然我們也正在做AI Copilot降低對于無代碼學習的難度。

劉松：短期內 AI 還是個提效工具，屬于較底層較通用的生產力，稀缺性的認知可能會越來越值錢，甚至比數據還要值錢。

工具越來越強大，但老炮還能存活下來，就在于其認知的稀缺性。

去年一個帖子說千萬不要認為無代碼來了，學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練。

蔣耀鍇：我們現在面向的完全是非技術型創始人，更多的不是幫他們提效，而是降門檻，讓他們能夠更快學得會，可以控制自己的產品。

如果效率至上的話，專業碼農再搭配上 AI 應該是效率最高的，但做出來的東西是非技術型創始人自己不可控制的，而且成本也很高。

崔強：當時感受 Agent 爆發的速度，到今天肯定是欣欣向榮，但現在反而覺得這個市場很冷清。

劉松：從美國硅谷到國內自媒體，關于 AI 的新聞都有點過度 “demo” 了，即把一個 demo 當作現實可能性。

這個刻意樂觀的文化會有很大的副作用，因為長期看會讓整個社會對于 AI 這種 “狼來了” 反而變得麻木了，也不知道怎么去用它。實際上，有了大模型，干了 20 年的業務架構師反而更值錢。

要做一個 AI Agent，數字化這門課必須補齊，這一課在中國的企業尤其需要補。

我們看到，當 DeepSeek 出來以后，傳統的應用廠商反而一下獲得了新生。由于積累了最大量的客戶、最多的數據以及客戶信任，他們比那些創業型的垂直 Agent 公司更容易幫助客戶解決實際問題。

知識進化與 ToB 新機會

崔強：兩位都提到了一個非常重要的問題：知識的進化。如何才能利用 AI 工具，讓數據、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：

當你收集到新的信息之后，在數據庫中通過查詢，判斷是否需要更新或者刪除舊的知識；當你在使用某個知識時，一邊要找到一類曾經發生過的事實，另一邊要去找解決問題的套路。套路加事實就是一個合成信息的基本來源。

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

劉松：最難的還是動態知識圖譜，怎么把新、舊知識持續地建立起連接。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，動態的知識圖譜反而變得更重要了。

這當中主要有兩個難點：一個是意圖識別以后的判斷或者調度能力，另外一個是發現和建立新舊知識的連接。

現在有一種預測，2026 年以后，強大的推理窗口加上 Graph RAG 和數據庫的能力，能夠提高發現新知識的效率。

現在我們關注的是：能否最及時地找到一個東西？

但明年，我們要討論的可能是：如何讓 Agent 能夠發現新的知識和判斷？

崔強：前段時候，我看到一個探討大模型 “投毒” 的視頻，你們怎么看這種現象？

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

崔強：現在這個問題有解嗎？

蔣耀鍇：第一個是要關掉聯網搜索，不要什么事都打開聯網搜索。你開著聯網搜索，別人 “投毒” 就太容易了，根本沒辦法控制。

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

蔣耀鍇：你可以信任大模型訓練者對于大模型攝入信息的控制，對于時效性不強的信息不要打開聯網搜索。

崔強：今天討論的話題是 “AI 會不會幫新手干掉老炮”，但實際上，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習生都變少了，因為那個工作已經被 AI 替代了。

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

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

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

所以，AI 出來之后，一定會出現一片新應用。十年后，這一片新應用里 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：未來幾年會重現過去十多年移動互聯網類似的 “先膨脹再收縮” 的過程，只是形態更高級了，更有智力含量了。

崔強：ToB 的一個好處是不容易死，在一個小市場、小領域，只要有幾個客戶就能生存。

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

以往，SaaS 公司的護城河是深耕垂直領域與客戶信任，以及一部分領域知識。這兩年，在美國，一些從 Salesforce、Workday 出來的創業者，他們結合 AI 和原來的數據做了一些面試、銷售、客服場景，都是穩賺。

本質上，他們是在做知識自動化，這件事在國內也依然是有機會的。而且未來兩年比前兩年機會更大，因為今天推理模型的門檻更低，也更靠譜了。

未來之路

崔強：接下來我們聊商業模式的變化，有 “底薪+提成” 的模式，也有人提RaaS（結果即服務，按效果結算）這種付費方式。

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

比如，要給醫院做一個按效果付費的在線診斷，醫院所有的診斷數據愿不愿意向乙方公開？還有語料質量、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，這是一個共同利用新技術、新模式創造效果的邏輯。

蔣耀鍇：按結果付費，基本上逃不掉人機回環（Human-in-the-loop）。服務商和甲方應如何去承擔人力成本，如何把人放到合理的位置上，這些都是挑戰。

去年，有個朋友在用 Agent 為醫院做一個麻醉前預檢的自動化，這需要獲得病人數據，還要改變業務流程，需要醫院 CIO 與醫生的共同配合，產生的價值也非常大。

假設一個護士一小時的成本是 100 美金，如果用兩美金可以買 50 萬個 token 來解決這個問題，剩下的98%就是醫院的利潤或者價值空間。

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

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

崔強：我們現在看到 SaaS 的商業模式，開始向按效果付費的方式轉變。此外，還看到一種訂閱方式的變化，國內幾個 RPA 廠商開始轉變為賣數字員工，有點像一個人力資源的外包供應商。

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

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

崔強：最后請兩位用最簡短的方式，總結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。這種形態背后被大大低估的東西，是數據的價值、數據的組織形態，以及如何用好多模態數據。

最近，我們談論 AI 應用太多了，而忽略了私有數據、數據素養、多模態數據的混合處理能力，甚至Data Agent（數據智能體）才可能是未來冰山下最重要的東西。

蔣耀鍇：關于 AI 帶來的能力，我的總結是知識的復制，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，每一個環節都可以有決策的能力。問題是怎么把它用好，在什么樣的環境下通過什么方式去用 AI，才能真正發揮它的價值。

我認為目前最接近的方式是Agentic Workflow（智能體工作流）。

崔強：特別感謝兩位，今天晚上的調研結果就客觀多了，“五年內，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”，真正能進入 ToB 創業熱潮中的，都值得敬佩。

我覺得 AI 肯定也會重新走以往互聯網的發展道路，但創業者不要刻意樂觀，而是要冷靜地去思考 AI 發展的現狀，以及它能做什么。

說明：文章為牛透社原創，未經允許謝絕轉載。