當下國外 2B 垂直 Agent 正直火熱，當科技頭條還在熱議「超級 AI 助手何時走入千家萬戶」時，一批「低調務實」的玩家，已經悄然在垂直賽道的 Agent 領域掘到了真金白銀。

扎根垂直領域的 2B Agent，如今正化身企業的「特種兵」——瞄準一個個具體、高頻的業務痛點，用可量化的效率提升或成本節約，讓企業心甘情愿地持續付費。

垂直賽道 Agent，如何找到那個「值錢」的場景？構建讓企業無法拒絕的「高價值閉環」？

在 AGI Playground 2025 上，語核科技創始人分享了 2B 垂類 Agent 的產品理念和經驗，并邀請了兩位在垂直 Agent 領域深度實踐并取得卓越成效的標桿客戶代表，與大家一起共同探討垂直 Agent 賽道到底有多大的商業價值。

嘉賓介紹：

• 翟星吉：語核科技創始人兼 CEO

• 王士昊：上海馬勒熱數字化管理官

• 趙德旭：華寶國際副總裁

TLDR

• SaaS 有一種不一樣的方式去展開的可能性。

• 只做這個公司最核心業務流程里面最核心的阻塞點，直接創造營收或者幫助他很大程度地降低成本，交付真實可控的生產力。

• 2B 垂類 Agent 落地的一個重要概念，就是從 demo 玩具變成生產場景中可控落地的東西。

• 通過每個項目去做產品核心內核的能力，迭代我們的 PMF，讓我們的產品真正能向市場，在未來有一席之地。

• 未來 Agent 一定是垂直 Agent，不會是通用的。

• 在未來的商業格局中，只會有兩類企業：積極擁抱并深度整合人工智能的企業，以及被時代淘汰的企業。

• 選一家真正能提供 B 端服務的企業，這個非常重要，還有平臺的集成性是足夠企業快速落地的。

以下內容基于 AGI Playground 2025 現場對談，由 Founder Park 整理。

超 9000 人的「AI 產品市集」社群！不錯過每一款有價值的 AI 應用。

邀請從業者、開發人員和創業者，飛書掃碼加群：

進群后，你有機會得到：

• 最新、最值得關注的 AI 新品資訊；
  

• 不定期贈送熱門新品的邀請碼、會員碼；
  

• 最精準的AI產品曝光渠道

01反共識，做長期難而正確的事

大家好，我是語核科技創始人兼 CEO 翟星吉，很高興今天能站在這個舞臺上分享我們的一些想法。

我認為創業就是要把你認可的事，也就是你的認知，但別人認為反共識的事堅持下去。把它從你的認知通過戰略、通過執行，把它落地，變成你的項目，再把它轉成商業化的成果，形成一個閉環的驗證。然后在這條路上不斷地去堅持、不斷地在過程中做大量的決策，我們追求連續正確的決策，盡可能把每個決策做對，最后取得一個還不錯的成果。

接下來，我將代入我的視角試圖將過去一年我們的心路歷程記錄下來。

1.1 SaaS 時代的親歷者看到了什么

我們核心團隊一部分來自于帆軟，包括我、我們的 COO、我們的一些業務部門負責人，另一部分來自于年輕一代技術圈，比如 2003 年出生的 Co Founder&CTO 池光耀、一個典型意義上的技術極客。我們團隊完整地經歷了上一個 SaaS 時代從最高峰再跌到谷底的過程，同時我們可能是上一個 SaaS 時代里，在大家公認的不錯的公司里跑得很快的一批人。我們在上個時代有比較多的收獲、有一些既得利益，但是看到了很多遺憾，看到了SaaS 有一種不一樣的方式去展開的可能性。

我們具體看到了什么？

以前我們做數字化工具，要么賣產品，要么賣服務，要么兩者搭配起來賣。

賣服務就是賣定制化，賣人頭，也就是 IT 民工。另一種是賣產品，其實以前賣產品的時候我們遇到了很大的痛點，因為帆軟是做大數據、做 BI 的，我們發現在賣這些產品時需要不斷去說服企業管理者認可我們產品的價值，因為本質上不管是 BI 系統、還是 CRM 系統等各種垂直業務系統，很難直接帶來業務營收，也很難直接改善公司的經營現狀，這類數字化產品帶來的是更多的是管理效率的提升、其實是數字化的餅，這個餅需要老板相信。但很多時候不是所有的老板都會相信，所以需要做很多解決方案告訴客戶在他們這個行業的最佳實踐是什么，都有哪些客戶的競爭對手做了哪些數字化轉型，但是這樣會產生很大的說服成本，嘗試讓客戶相信企業上了這個系統，能給他帶來 10%或者 n%的提升。

所以，從我們做 Agent 這個方向的第一天起就有一個執著：能否去掉大量的說服成本，能否有一個方式直接告訴客戶購買我們的 Agent 能直接計算出來的 ROI，進而讓客戶直接買我們的東西，而不要花很多時間去做大量的匯報、告訴客戶我們的 Agent 有價值。

因此我們有一個核心價值主張，只做這個公司最核心業務流程里面最核心的阻塞點。

把這個阻塞點找到之后，達成的目標是能否幫助他直接創造營收或者幫助他很大程度地降低成本，這個很大程度不是砍半，我們覺得要做到 1/10，至少 1/5，因為企業內數字化轉型會有很高的管理成本，有很多變動成本，有很大的戰略阻力，如果要推行一個全新的技術和模式，必須帶來足夠顯性的收益。

現在大家提 RaaS（Result as a Service），其實那個時候沒有這個明確的概念，我們那時候只有一個直覺——想直接為業務去增收或者降本，就只有這個執著。其實我們一直做的就是按結果交付的事、做的是 RaaS 的事，讓 Agent 數字員工直接上崗打工，讓它背跟原有的人一樣的 KPI。

1.2 一個季度建聯 100+客戶

基于我們的核心價值主張，下一步是選擇行業。在我們創業的過程中，第一天就有的基礎認知是選垂直賽道、進行聚焦。

我們背景相對比較好一點，擁有比較多的客戶資源，所以我們做了一件事，在一個季度內建聯了超過 100 個客戶、平均每周跟 4 個客戶聊。聊的過程很有意思，我們不會問客戶想要用 AI 做什么，我們會問：第一，你們公司最核心的業務流程是什么、核心業務流程中的核心阻塞點是什么？第二，什么讓你們的公司老板、部門負責人睡不著覺？第三，我們再去判斷能不能用 Agent 嘗試解決這個事，讓老板不再焦慮、不再頭疼。

比如某個客戶是汽車產業鏈的零配件企業，最核心的業務流程就是零配件生產出來之后發給中轉倉，一般中轉倉在整車廠旁邊，整車廠有倉庫貨物的支配權，接下來整車廠會隨時提取零配件、最終定期跟零配件公司結算，汽車供應鏈的業務流程一般是這樣的。在這個業務流程中，我們看到的核心痛點是他們作為零配件企業，對于貨物在中轉倉有多少、整車廠最終使用了多少零配件其實是不太了解的，所以他們雇了很多員工專門去做數據獲取和數據核對，并且人工獲取和核對的頻率是按照周或月、是比較低頻的，客戶問能不能用 Agent 去解決數據獲取和核對的工作、讓數據處理的時效可以更低。

去年我們不追求營收，只追求場景。幾乎把能想到的所有行業都跑了一遍，發現行業其實有共性。

比如醫療行業進入門檻比較高，我們做過導診助手的預分診、導診，也嘗試過醫療記錄生成，我們 POC 驗證過，我們的技術效果特別好，但是沒人買單，核心原因是這個賽道中擠滿了很多大廠、可以不計成本投入拿下客戶案例，這個對我們這類初創公司很難。

比如政企客戶，可以建很高的商務壁壘，能拿下上百萬、上千萬的案子，但這些案子的營收并不一定那么健康。一方面是在整個決策維度中，技術和產品不是最重要的部分，而我們作為初創公司、最重要的能力是產品創新；另一方面是這類客戶的賬款周期壓力比較大，作為一個小公司，現金流風險比較高。

最后我們選擇了高科技行業，也就是中高端制造業。

大家其實對中高端制造業這件事情是有誤解的，中午吃飯時跟一個朋友聊，他問我為什么選制造業，他認為制造業很難做 Agent。這其實是反共識的事，但創業其實就是在做反共識的事。

第一，我們看到中高端制造業是國家的基本戰略，未來一定不會太差。我們認為作為一個企業服務公司，很多時候最重要的不是來自于我們自己多厲害，而是來自于我們的客戶有多厲害，就算我們特別厲害，當我們的客戶日子很難的時候，你也沒太大希望的，所以你要選一個好的利基行業。

第二，其實中高端制造業的數字化程度遠高于大家的想象，為什么小米、特斯拉可以一個流水線幾分鐘自動化生產出一臺車，為什么芯片可以被批量制造出來，而整個產線上一個人都沒有？這是依托背后強大的數字化能力、信息化能力，這類企業已經幾乎把所有能上的系統、能做的數字化全部做了。這遠遠顛覆了大家對傳統制造業的認知，在中高端制造業中做 Agent 場景，反而是數據最完整、最合適的一個點。

第三，中高端制造業的客戶是比較有錢的，客戶一般一條產線動輒幾十億，一套比較先進的業務系統動輒幾千萬，對于一個幾十萬、百萬的 Agent 項目而言，是有充足預算和試驗欲望的。

第四，客戶有強烈的轉型需求。現在制造業本身的經營壓力相對比較大，制造業同時也是成本管理的高手，他們現在有迫切的訴求想用 Agent 把一些低效的工作替代掉，讓這些人去做更有價值的事。

第五，這個行業有極其高的進入壁壘，知識壁壘極其高，一個新人進入這個行業，在半導體行業可能要熟悉 3～6 個月，到裝備制造又得重新熟悉，每一個細分行業都必須經歷從頭學習的過程。

02從 demo 玩具，到生產場景中可控落地
2.1 創始人深度參與

垂直 Agent 時代，最重要的是業務的 Know-How，這是大家的共識。

我們怎么找到自己的 Know-How，怎么打磨我們的產品？核心是堅持一個原則：創始人深度參與。

我不負責公司的對外商業化、我主要負責產品，但早期我深度參與了公司的每個 PoC，每個 PoC 都是我親自去做，每個客戶我都親自去現場調研，深入地去探討他們的核心業務流程是什么，他們的痛點是什么，只有這樣才能真正拿到客戶真正關心的東西。

我們本質上是幫客戶解決問題，所以客戶才是業務場景的專家，我們是解決方案專家，我們只有深入地真正理解客戶的場景之后，才有可能做出來一個還不錯的東西。

我們做 PoC 或做技術驗證的過程中需要做三層抽象。

第一層抽象，是判斷這個客戶的場景有沒有共性，我們能復制推廣到多少客戶去，價值夠不夠高？第二層抽象，是判斷標準化程度夠不夠高，能不能抽象成一個標準產品，在不同客戶之間快速復制。第三層抽象，是判斷我們的產品未來是否具有核心競爭力，這里的技術攻堅點是否值得去做？

2.2 交付真實可控的生產力

在所有的 PoC 驗證中，很重要的一個概念是要把一個 Agent從 demo 玩具變成生產場景中可控落地的產品。

去年接觸客戶時，很多企業客戶都在自己做 Agent，很多時候客戶是簡單嘗試了一下、感覺效果特別棒，匯報時效果特別好，輕輕松松做一個特別不錯的 Agent，但是領導說現場把 Agent 拿出來真實地用一用，而不是做成 PPT 的形式，大家就吃癟了、會很擔心現場演示效果不可控；如果再把 Agent 推給業務用戶真實地用，那就更癟了，大部分情況下業務基本上都會棄用、反饋穩定性太差，幻覺現象很嚴重。

這里面很重要的點，是能否交付真實可控的生產力。

我們做的是一個數字員工，對企業而言，雇 Agent 跟雇人的邏輯一樣，當企業在某一特定崗位上雇一個員工，如果這個員工每件事都干到 60 分，作為業務 Leader 的反應應該都是開掉這個員工。我們去年看到的現狀是，大部分 Agent 很輕松地做到 60 分，但是做到 90 分真的很難。很難是因為要做好這件事情真的要對業務場景有足夠多的 Know-How，有足夠多的數據，做了足夠多的驗證，同時愿意把這件事情做好，必須得相信做好準確率是一件很重要的事。在此基礎上，你又有能力用技術做好準確率這件事情，這個時候才有可能把 Agent 變成可控的生產力。

去年我們參加了世界人工智能大會，那時候我們沒有產品、沒有 demo、沒有演示視頻，什么都沒有。我們只有一個觀點：Agent 需要交付真實可控的生產力、需要做到 90%+準確率，而我們可以做到。我們發現大部分團隊都遇到了這個痛點，并且很痛，我們拿到了很好的正反饋，加了幾百個微信聯系人、有很多線索，如此大的正反饋讓我們覺得這個方向可能真的押對了。

2.3 迭代產品核心技術競爭力

那么，當我們明確了需要攻克的難點后，具體怎么做呢？我們的答案是與客戶共創、持續迭代。

我們第一個核心技術能力——復雜文檔的解析能力，是和一家芯片設計領域的龍頭公司進行共創迭代了四個月才完成初版的。在這四個月中，我們的核心精力是不斷打磨我們的技術，這個過程很累、很苦，但當我們將產品打磨出來后，這個客戶本身是否和我們簽約已經不重要了，因為我們發現我們拿到了一個很有技術競爭力的優勢，可以拿這個優勢功能去直接打很多其他的客戶。

我們的第二個核心技術能力是結構化內容的提取能力。這是我們跟某海運客戶共創的場景，他們在全球有超過 50 個當地的口岸，在每個口岸都有大量的各種單據、發票處理的工作。中國現在的發票很標準，并且是電子發票，傳統的 OCR 技術進行發票內容提取已經相當成熟，但海外沒有標準發票，很多時候只有收據，比如吃飯給的小票，每家餐廳的小票格式都不一樣，如何果用技術將這類格式完全不同的單據自動錄入系統呢？他們以前找了一家大公司，花了一千多萬、面向每一個版式訓練一個基于深度學習的 OCR 小模型，但這套系統維護的成本很高，并且效果不穩定，因為很多場景它沒有見過。

這不是重點，重點的是它不能幫人解決問題。我覺得我們需要關注我們做的產品是否真的能幫客戶解決問題，像這個產品就不能，比如有的發票識別準確率為 90%，但是這套系統只能告訴你整體統計意義上有 90%的準確率、10%錯了，但是沒辦法精準指出哪些錯誤了，這意味著每個業務人員還需要將每張發票全部看一遍，這樣這套系統的價值就直線下降了。我們做的事情就是直接給出來置信度，可以指出正確的 90%部分的發票，我們有信心它比同等人類員工的準確率要高，同時剩下的 10%是可能有錯的，需要重點去看看，這樣業務真的會解放出來。

03不接超級大單，專注打造「端到端」Agent 數字員工

3.1 保持戰略定力

最后一點，是如何選擇客戶？

我們過去做了很多戰略取舍，其內核是關注一件事：我們的產品在客戶的場景中是否具有核心價值？

希望產品有價值、公司有長期存在意義，這個問題是作為一個創始人應該關注和認真思考的事。因為這個年代想賺快錢太容易了，有太多企業買 DeepSeek 一體機、想上 KPI 驅動的 AI 項目，這些機會很考驗人性。在這些時候，能不能真的堅持自己、堅持創業的初心，而去放棄很多東西？

對我們而言，KPI 型的項目一定不會去做，比如某個大公司總裁、CEO 拍板定下來要做一個 AI 的創新項目，找業務部門強行湊出來一個。我們會認真評估這類機會，里面的業務價值可能不高，但是內部匯報會比較順利。很多這類項目錢真的很多，金額都在上百萬，買一個 Agent 產品，再加一堆場景包。

我們拒絕這類項目，有我們更進一步的思考，這類項目，要么是項目中有大量非 Agent 相關的業務，比如傳統數字化的業務，我們確實可以做、也確實可以賺到這個錢，但那不是我們想要的。除非商務能力特厲害，能將這個機會從 100 萬運作到 500 萬，我們沒有這個能力，所以這個錢我們也賺不到。

我們堅持想要做業務價值最顯性、最核心的產品，想通過每個項目去迭代產品內核、迭代 PMF，讓我們的產品真正能面向市場，在未來有一席之地。

3.2 未來 Agent 一定是垂直 Agent，不會是通用的

那么，具體而言，應該朝著什么方向去迭代產品內核呢？

在我看來，只有聚焦到一個又一個垂直的場景下，才能真正把 Agent 做好。比如我們看 DeepResearch 就是研報助手，是一個垂直的崗位，在這個崗位下有明確的崗位職責，有明確的 SOP，這樣才能做好這件事情。假如我們用 DeepResearch 去做一些其他垂直場景，比如進行客戶分析、銷售策略建議，它可以做、但是一定不專業。

我們知道術業有專攻，就像人的工作一樣，每個人有特定的崗位、有自己的業務 Know-How，Agent 也一樣。我們現在認為 Agent 不是聚焦在一個行業，是聚焦在一個職能、一個又一個特定的崗位上，我們需要把某一個特定崗位的能力做爆，在這個崗位上我們收集足夠多垂直數據，包括 Agent 執行任務時的任務思考數據和任務路徑數據，形成一批高質量的數據，再去做垂直 Agent 的預訓練、微調，這是我們在探索的路。

目前這個方向還比較前沿，還未成型，但這是一個未來的方向，我們認為未來幾年內一定不是一個通用的大的 Agent 能解決所有事情。

在這個趨勢下，未來公司賴以生存的是有多少個垂直的 Agent 能幫我們在市場里交給用戶可以開箱即用。建立在這個基礎上，現在有一個 300 萬的案子和 30 萬的案子，300 萬是靠堆人就可以做的，但對核心產品沒有迭代；30 萬的案子，雖然沒有特別高的利潤，但是能幫我們的產品和場景的核心進行迭代，在這種情況下，我相信大家心里都會有自己的選擇。當然作為一家創業公司可能會有短期的營收壓力、現實壓力，但是我們要明白初心是什么，這個很重要，我們這個時代的風口浪尖沖浪，我們要看見更未來、更大的機會。

04客戶需要怎樣的垂直 Agent？

任何商業模式的成功，根基都在于客戶價值。 再好的 Agent 數字員工，其真正價值也必須由客戶實踐來檢驗和放大。

以上是我們站在第一視角對我們過去的選擇進行的思考。

而在語核科技所服務的客戶看來，他們對于 Agent 的價值和落地中遇到的挑戰又有著不同的思考，

更重要的是，在他們看來，Agent 供應商成功的關鍵也有所不同。

Q：請兩位嘉賓快速介紹一下公司的基本情況以及公司內部 Agent 應用落地的情況。

趙德旭：我們是亞洲最大的味道實業控股集團，下面有三家上市公司，覆蓋了 40 萬億的消費市場，在每天的 24 小時之內大家一定會接觸到我們的產品，從早上用的洗發液、化妝品、香水；中午吃的大米先生、永和大王，包括吃日料的芥蘭，我們占了中國 70%的份額；下午喝的奶茶以及晚上使用的香氛或精油，可以說我們的產品與服務滲透在大家生活的方方面面。

因為我們是定制化的，所以對 AI 的需求比較強烈。在香精香料方面，公司內部的 Agent 技術已從概念驗證走向核心業務場景的使用。在研發與生產環節， Agent 能夠實現定制化香精的開發與生產，將專家經驗的復雜過程智能化；在銷售與客戶服務環節，我們利用 AI 實現了調料的售前方案，生成高度個性化的售前解決方案；在運營與決策支持環節，我們通過 AI 數據分析，實現了市場洞察，幫助我們更好地預測市場的變化。

王士昊：我是來自上海馬勒熱系統公司的王士昊，我們是上汽集團和德國馬勒合資的一家公司。作為傳統的汽車零部件制造企業，我們屬于技術密集和勞動密集型產業。這幾年汽車行業的競爭非常激烈，面對市場環境的巨大挑戰，企業的數字化轉型非常緊迫。

從去年開始，我們一共部署了 28 個智能體來支撐核心業務決策。這些智能體包括銷售預測、產量預測和市場預測，我們也做了專門的銷售風險預測智能體，用于實時識別和評估潛在的銷售風險。目前來說我們更加關注研發生產、開發以及工藝管理這三個環節，提升效率與質量，實現從創新到交付。

Q：問一個比較宏觀的問題，你們或者你們看到的其他企業做 Agent 商業化落地時，從戰略上、宏觀上希望 Agent 給這個公司帶來的商業改變是什么？帶來的商業機會是什么？

趙德旭：在未來的商業格局中，只會有兩類企業：積極擁抱并深度整合人工智能的企業，以及被時代淘汰的企業。在 AI 的加持下，我們可以看到各類商業進行精準化，未來一定是一個個性化的世界，也是一個人工智能的時代。如今，企業仿佛擁有了「無數個 AI 領域的專業博士」，關鍵在于如何高效組織、釋放這些智能體的潛力。對我們來說，AI 一定會成為一家公司的生產力，商業本身是否能夠具有自我進化的能力非常重要，比如今天公司賣的是產品和服務，產品和服務只是表象，后面應該是通過產品和服務是否能獲得消費者精準或私有的數據，幫助你的商業模式本身快速自我的更新和迭代，再去更精準地服務客戶。

王士昊：從這兩年的感受來講，數字化的沖擊和 AI 智能化的沖擊其實對制造業的影響非常大。當前企業利潤空間在不斷壓縮，尤其是制造業持續承壓，降本增效是老板重點關注的，相較于單純的成本削減，我們的核心是「增效」。為此，我們搭建了先進的「AI 教練」等智能化系統，深度賦能企業運營。一方面，利用 AI 強大的生成與分析能力，提升用戶洞察、互動與運營效率，實現更精準的營銷和服務；另一方面，通過 AI 自動處理重復性、規則化任務，釋放人力聚焦更高價值的工作。

Q：趙總在 SaaS 創業圈非常有經驗，這一代 Agent 和上一代 SaaS 的核心差異是什么？跟數字化會有不一樣？真的不一樣嗎？

趙德旭：SaaS 的本質是工具與功能模塊，其核心價值在于通過標準化流程和數字化界面，讓人更順暢、更規范地完成工作。 它主要作用于提升操作效率和建立執行規范。而 AI Agent 的定位有所不同，它不是工具，而是能獨立思考和行動的「員工」。Agent 的核心目標是自主完成復雜任務，通過「自我調用」能力協調資源、決策行動，最終實現「讓人干得更少、更快」，并釋放中高端勞動力去聚焦更具戰略性和創造性的工作。

當前的 SaaS 公司普遍處于焦慮之中，因為業界已形成一個明確共識，未來的 Agent，憑借其自主性、目標驅動性極有可能從根本上取代許多現有 SaaS 公司的價值定位和生存空間。

Q：上海馬勒熱已經有 28 個智能體在企業跑通了，華寶國際的 Agent 落地也做得很不錯，想問下兩位在為 Agent 選型時會考慮什么因素呢？優先選什么場景？

王士昊：首先制造業會有點區別，尤其是汽車制造業，汽車制造業有嚴格的信息安全的要求，信息不需要保密的東西先做。所以我們先做了專利的場景，之前一年專利申請量只能是 15 個，去年上了智能體，申請了 74 個，這就是 AI 帶來的沖擊力。

第二類對內部叫企業的知識庫，行業內的實踐讓我發現一個很有意思的點，就是 AI 技術出現以后，企業上什么場景？上知識庫。它是 AI 教練發揮作用的基礎與核心，也是非常現實的一個場景，企業私有化，落到本地以后，各類的智能體就慢慢地可以相互之間數據關聯，去搭建它的神經網絡，然后再搭建企業運營智能體。

還有很多其他的場景，我們會去看員工在與 AI 對話時輸入的問題是什么，用來作為我們的參考。值得一提的是，成功實施 AI 項目，管理層的支持和企業運營體系的支撐不可或缺。 尤其需要強調的是，從業務部門的視角來看，企業上 AI 并非簡單地「上線一個 AI 工具」那么簡單，「懂 AI」的深層含義遠超于「上 AI」的技術動作本身。

趙德旭：在評估和部署企業級 AI Agent 時，需要系統性地考量多個維度。 首要問題是明確 Agent 的能力邊界：它能否獨立解決完整的業務問題，能否有效執行特定崗位的一些操作？ 鑒于 Agent 開發存在成本，我們目前會聚焦于高頻、重復性強且容易出錯的業務環節進行試點和推廣。

當前階段的 Agent 并不具備顛覆企業現有成熟 IT 系統的能力，其核心價值更在于能否與這些系統深度集成并協同工作。安全性是重中之重，必須嚴格設計細粒度的權限控制機制以保護公司敏感數據，并評估私有化部署、公域部署或混合模式的協同方案以滿足不同安全等級需求。此外，Agent 解決方案的可拓展性至關重要，需確保其能適應業務增長、流程變化以及未來可能接入的新系統或數據源。

在 Agent 應用場景方面，制造型企業最愛用兩個方向，一是銷售，是否能幫我賣更好的產品，還有研發側，這是整個生命線的保證。就這兩個點，之后再選它的難度，如果難度很大，我們也會先放一放，先做一些容易的，這樣大家會有信心。我們也會重點選 2～3 個標桿，會注入資源，不計代價把這個推出去，形成一種趨勢。

Q：聊完了項目怎么選，下一部分是錢怎么來？中國很多企業是預算制，前段時間紅杉觀點也很明確，創業團隊一定要做經常性預算的項目，不要做非經常性預算的項目。王總怎么看？

王士昊：在評估 AI 價值時，需要明確其帶來的 ROI 更多是潛在的；期望通過上線 AI 系統就能直接減員從而實現 ROI，這種預期缺乏保障。更務實的路徑是先從 SaaS 模式切入，在非敏感數據的場景中讓用戶實際感受應用效果，這種方式已能初步驗證足夠的成效。

尤其考慮到當前制造業普遍面臨預算壓力，創新型預算空間已非常有限。在分步落地的過程中，員工會自然涌現大量具體需求，企業 IT 部門可以借此機會，結合已驗證的場景價值和實際需求，逐步規劃和申請預算。對于需要本地部署的系統，其投入可更清晰地納入投資回報框架進行計算和考量。

Q：Agent 進入企業時咱們怎么選伙伴？內部做 or 外部做？外部做的話，選什么伙伴，怎么選？

王士昊：其實 2B 端有很現實的點，就是 2B 端的玩法真沒有那么多時間給他們去試練。我最近接觸幾家比較大的集團公司，IT 真的落到企業服務級不一定能行。所以我個人認為選一家真正能提供 B 端服務的企業，這個非常重要，而不是單獨去找某一家單領域 AI 的功能提供商，這是不行的。

還有平臺的集成性是足夠企業快速落地的，要將 DeepSeek 或 ChatGPT 這類大模型安全地嵌入企業級數據環境，其安全加固的復雜性遠超想象，在這種情況下選擇一家已經集成完的 2B 服務企業可能更好、更快。

趙德旭：在選擇 AI 解決方案合作伙伴時，我們核心關注幾個維度：

首先，供應商能否真正理解我們真實的業務場景？ 這至關重要。

其次，供應商是否具備深厚的行業經驗？有直接經驗最好，類似行業經驗也可以接受。

再者，團隊穩定性我們也很看重， 很多創新企業在項目中途就可能出現問題。在供應商類型上，我們更傾向于選擇創業公司而非巨頭，因為大公司往往缺乏精力深耕細分領域的垂直落地，且大型組織在當前時代通常成本高、靈活度不足。

還有前面聊到的費用預算，我們認識到 AI 轉型是當下的必選項，屬于戰略性投入，因此不會在初期就嚴格考核短期 ROI，而是需要保持足夠的容忍度和耐心，并著重發掘和培育成功的標桿案例。整個項目的驅動邏輯是：立項由戰略目標自上而下推動，但實際成效和價值則需通過基層應用自下而上地涌現和驗證。

Q： 前面提到我們做 Agent 立項時，是戰略驅動的，從上到下，其實落地過程中是從下到上，對一個又一個單點場景來說，有前期立項、規劃、落地，最后怎么去評估效果？因為企業做戰略，今年可以創新、明年可以創新，但不能一直投下去。

趙德旭：評估 Agent 是否成功落地并產生價值，其核心在于考察它是否真的能幫助員工完成實際工作。具體效果可以從幾個維度衡量：能否有效減少特定環節的人力需求、縮短任務處理時間？能否降低人為操作導致的錯誤率？ 以及，能否獨立地完成一個閉環的業務任務單元？

必須強調的是，每一家企業的業務流程和痛點都具有獨特性，因此成功的 Agent 解決方案必須是為企業深度定制化的，能夠緊密嵌入其特有的業務場景并解決實際問題，而非提供通用的、脫離實際的「萬能」工具。

轉載原創文章請添加微信：founderparker