2025年，百度智能云打响AI落地升维战

如果说从AI到Agent是对于产品落地形态的共识，那么如今百度智能云打响的恰是一个基于Agent进行TO B行业表达的AI生产力升维战。

在这个新的工程体系能力里，除了之前百度Create大会上提出的面向Agent的RAG能力等通用能力模块，对更为专业、个性化的产业场景，其基于千帆平台最新构建出的是一个新的“行业模型+行业智能体”的端到端AI工程体系，让企业近一步降低AI落地门槛，真正将AI转化为可用可见的生产力工具。

作者|皮爷 

出品|产业家 

如果在武汉协和医院就诊，或许人们会经历这样一个和之前截然不同的新流程：

点击预约界面的“帮我预约”，人们自主上传病历，系统会预先基于病历细节主动询问几个问题，回答完成后，正式就诊时医生会直接绕过前面的“基础环节”，直接对症下药，给出精准的治疗方案。

这个高效直接的新流程交互界面，正是武汉协和医院内部如今已经落地的AI导诊，而它的“前身”是百度智能云千帆平台新推出的“智慧就医智能体”。

如果说在2025年，关于大模型，什么是真正的关键词，那么智能体必然是最多数人的选项，这个特殊的产品形态如今已经成为中国企业乃至全球对于AI技术最小落地触点的新共识。

“之前我们意愿虽然强，但内部的AI技术立项更多是落地‘大模型基座’，今年我们开始统一把落地点放到‘智能体’上。”一位新势力车企技术负责人告诉产业家。

根据全球四大会计事务所之一的毕马威（KPMQ）发布的报告显示，自从2025年第一季度以来，全球范围内进行智能体试点的企业比例从37%大幅跃升至65%，超过82%的管理者把智能体落地作为接下来一年里的核心重点项目。

但这个共识背后也更有硬币的另一面。根据相关数据统计，在2024、2025年间，约1/3 ~ 1/2的智能体项目在POC（概念验证）到生产环节，因为ROI不清晰被直接叫停。来自Gartner的数据同样预判，到2025年年底，有超过30%以上的 AI和智能体项目会在POC后被废弃，主因是成本、数据质量等等问题。

实际上，这种需求和价值的冲突也恰构成着2025年上半年人们对智能体的核心讨论——即到底怎样的智能体才能成为真正的AI落地触点？又或者说企业应该搭建怎样的AI环境保障智能体的价值发挥？

百度智能云是被看见的这些问题的回答者之一。一个数据是，如今百度智能云累计帮助用户精调了 3.3 万个大模型，开发出 100 多万个企业级应用。

这些数据对应的真实细节恰是一个个跑在百度智能云上的诸如武汉协和医院这样的AI生产力案例，在这些有温度的场景里，AI已然成为真实的生产力工具和民生助力加持。

为什么是百度智能云？或者说，这个一直定位AI云的平台到底为企业搭建的是一个怎样的AI环境和土壤？以及，这样的环境和土壤对AI技术的普惠化和落地化到底具备怎样的价值？

在这次2025智能经济论坛上，百度智能云把它的答案近一步放到台前。

一、大模型落地2025：

看得见的Agent共识，看不见的工程卡点

在这些答案之前，一个或许更应该被衡量的命题是：2025年上半年，中国的AI大模型落地到底走到哪了？

与这个问题对应的是在过去6个月里一系列和大模型相关的关键词，不仅是DeepSeek，还更有Agent智能体、一体机、推理加速、RAG等等一系列被放到AI舞台中心的新标签。

这些标签串联起来，也恰构成着人们对于AI生产力的期待和热情。但也恰如开篇所说，从技术曲线到真正的产业落地并不是一件容易的事，不仅对中国企业，甚至在全球范围内都有极高的难度。

那么，在上层技术和实现方式都明确的前提下，AI落地的难点还会出现在哪？

“数据安全和准确性是我们最看重的能力，但目前市面上的智能体服务商提供的能力都很难达到金融级的要求，我们自行搭建耗费成本又很大。”一位陕西区域银行技术负责人在采访中告诉产业家。

从全局视角来看，这是当下智能体落地的最大卡点。即对金融、政务、医疗、能源甚至制造行业而言，尽管目前市面上不少云服务商和大模型服务商都提供算力、模型以及数据相关服务，但对企业而言，其仍然很难基于现有的MaaS平台搭建或者调用到足够匹配自身产业场景的智能体。

这其中涉及到的工程难点有很多，比如不同智能体如果要达到最好的效果，应该在底层调用不同的大模型，如文心4.5，如DeepSeek，如Llama等，但大部分平台无法支持这种模型和智能体的多线切换模式，仅支持不同智能体和单一模型之间的调用。

再比如，在智能体本身侧，如今市面上大部分智能体距离真正的产业场景还尚有距离，更多集中在通用场景侧，企业往往需要在现有通用智能体的基础上基于产业场景进行大量调试。

此外，难点也更在模型层。即尽管今年在大模型落地侧基于智能体的推理训练成为人们落地AI的共识，但从效果来看，这个“共识”仍然有可调优的空间。

不少行业人士告诉产业家，单独通过RAG等能力可以满足企业在部分产业场景的AI需求，但如果要在比如智能诊疗、金融风控、工业质检等更为专业的领域，其往往需要在对应的行业大模型基础上进行推理训练，比如金融大模型、能源大模型等等，唯有如此，才能让最前端的智能体能真正落地到企业内场景。

这些都不是容易的事。比如如今市面上智能体更多集中在通用场景的问题，对服务商而言，其如果要构建更细颗粒度适配产业场景的智能体，就必须深挖对应场景和环节的一系列产业know-how，比如流程，比如权限，比如数据格式等等，对服务商而言，这对应的是一个个行业专家团队的投入。

再比如行业大模型难题，即对大部分企业，即使是中大型企业，尽管目前市面上广泛分布着不同的AI Infra厂商和训练方法，但对单个企业而言，进行一个行业大模型的微调其中耗费的成本少则几十万，多则上百万；同时，对大部分企业而言，其也很难收集足够量级的垂直领域数据集进行集中训练。

可以说，如果2024年，人们对AI大模型的定调是第四次工业革命的技术向上，那么2025年，这个定调则恰应该是从AI技术曲线到产业AI工程的“逐步攻坚”。

这其中的难题和卡点不再只存在于AI技术的研究论文中，也更存在于一个个尝试进行生产力重构的真实产业场景，新的难题几乎遍布AI产业链的全部落地节点，从底层的模型层到上层的智能体层，从企业最前端的简单问答到核心场景的智能体构建。

在AI落地已经进入深水区的如今，是否有更优的工程答案？

二、一场百度智能云的AI升维战

实际上，这也恰是过去两年里在百度智能云思考的问题。作为第一个吹响国内AI号角的互联网大厂，相较于其它服务商，这些问题要来的更为汹涌直接。

而在这次2025智能经济论坛上，百度智能云和它的一些新思考被放到台前。

武汉协和医院的案例背后的“智慧就医智能体”恰是这些最新思考的一个缩影。在面向医疗场景的智能体之外，在此次大会上，百度智能云千帆平台还发布了多款面向专业场景的智能体，如面向能源行业的营销供电方案智能体、面向交通行业的公路应急指挥智能体、面向政务行业的生态环境监测智能体。

这些智能体有一个共同的名字，即“百度智能云精选行业场景智能体家族（Agent Family）”。

对这个产品的一个描述是，其恰是百度智能云专门面向不同产业赛道的更核心场景，联合行业对应的专业厂商推出的行业专属智能体，比如营销供电方案智能体背后是百度和国家电网的不断打磨尝试，比如生态环境监测智能体是由百度智能云和中国环境监测总站一起打造。

可以理解为，百度智能云的做法是基于和行业头部领跑企业的深度协同，将其中已经实践成熟的AI工程能力沉淀到对应的行业专属智能体上，这些专属的行业智能体具备极强的行业know-how属性和端到端落地能力，可以在百度智能云千帆平台提供的强Agent工程搭建能力的基础上，更近一步强化企业的使用效果和降低AI落地门槛。

比如精准预约智能体自身就可以让医生审核的准确率达95%以上，节省专家筛选时间85%以上；公路应急指挥智能体则是可以将事故检测准确率提升到95%以上，让监控人员介入处置的工作量降低50%等等。

被放到台面上的思考不仅智能体工程，也更有模型层的新回答。即和前文提到的行业模型对应的是，在这次2025智能经济论坛上，百度智能云千帆还推出了专属的行业大模型——千帆慧金金融大模型。

据了解，本次推出的千帆慧金金融大模型是百度智能云在通用模型的基础上，使用了数百亿tokens的高质量金融领域和通用混合语料，并使用持续预训练（CPT）的方法进行了金融领域的知识注入和增强。

同时，在预训练之外，针对金融行业特有的一些复杂推理和计算场景，百度智能云还结合SFT、强化学习、合成数据等技术，在金融大模型的基础上开发了推理模型，专门面向金融表格推理、金融知识推理、金融计算等核心场景进行了对应的强化。

“其实现在不论是DeepSeek也好，还是其它开源模型也好，企业是没办法得到它的训练数据的，有些情况下，企业越训练甚至模型效果越差。”百度智能云千帆相关负责人告诉产业家，“但基于我们推出的金融大模型，企业可以把自己的数据和我们提供的优化后的模型结合起来，让领域优化效果更好，更实用。”

同时，他还表示，后续在金融大模型之外，百度智能云千帆还将推出一系列面向不同领域的专属大模型，帮助不同产业领域的企业构建更好的模型底座。

从某种程度来看，如果说从AI到Agent是对于产品落地形态的共识，那么如今百度智能云打响的恰是一个基于Agent进行TO B行业表达的AI生产力升维战。

在这个新的工程体系能力里，除了之前百度Create大会上提出的面向Agent的RAG能力等通用能力模块，对更为专业、个性化的产业场景，其基于千帆平台最新构建出的是一个新的“行业模型+行业智能体”的端到端AI工程体系，让企业近一步降低AI落地门槛，真正将AI转化为可用可见的生产力工具。

此外，也更值得一提的是，在这两款产品之外，百度智能云千帆平台作为“智能体工厂”的内部界面也更被进一步提升，比如企业可以基于不同的智能体调用不同的底层模型，再比如企业可以基于不仅可以基于千帆平台进行智能体的开发，还能在平台之上进行智能体的调优和升级迭代，进行智能体的全生命周期运维。

三、AI生产力时代，真的来了吗？

“AI生产力时代，真的来了吗？”

在最近被誉为互联网女皇的玛丽·米克尔发布的340页《AI趋势报告》中，“前所未有”这个关键词出现了51次，她更是将AI冠以“工业化下一阶段”和“人类第二次创世纪”的称谓。

实际上，这些形容词对应的确定性在国内市场也更有所展现。一个数据是，在如今的百度智能云上，有超过65%的央国企企业已然进行深度的AI体系构建，与此同时，百度智能云千帆平台已经汇聚了 12 万家创企和生态伙伴。

这些确定性的数据，也恰构成了百度智能云等企业如今被越来越多人关注的原因，即在百度智能云等站到台前的AI云平台上，其如今呈现出来的是一个全栈可控、具备产业属性，同时又具备可操作、可交互能力的AI工程平台。

这个全栈的能力除了前面提到的不断向AI产业落地纵深延展的千帆，还有先进的算力调度平台百舸，以及国内第一模型梯队的文心4.5 Turbo、X1 Turbo和已经点亮3万卡的国产芯片昆仑芯。

“其实今年伴随着DeepSeek出来，大家对于国产芯片的认可度越来越高，因为相较于之前，部署DeepSeek成了一个新的‘考校场’，越来越多企业发现国产芯片的性能也都很不错。”百度智能云混合云总经理杜海表示。

以昆仑芯为例，其可以将64张昆仑芯P800放到同一个机柜，实现单节点的超强性能，这种方案下，卡间互联带宽可以提升到原来的8倍，单卡的训练性能提升10倍，推理性能提升13倍，一个机柜就能顶过去100台机器。

同时，他还告诉我们，基于百度智能云的百舸平台，企业不同的部署需求都可以快速做到落地满足，“不论是几百卡还是几千卡的部署，还是多种芯片部署训练，我们都可以快速帮助企业达到最好的训练效果。”

一个数据是，基于百度智能云百舸平台，万卡可以实现99.5%以上的有效训练时长，两种芯片混合训练大模型的效率折损控制在5%以内，同时可以做到秒级感知、快速定位，并通过自动回滚机制让迅速恢复运行。此外，基于百舸独特的混合云的形态，可以把整体算力成本压缩至市场价的一半。

实际上，这些从芯片到算力调度到模型再到智能体的全栈链条也正是构成着百度智能云拿下一个个如招商银行等超级大单的底气。在最新的发布的2025年百度第一季度财报中，百度核心净利润同比增48%至76.3亿元，其中百度智能云持续强劲增长，同比增速达42%。

这一切也恰如百度集团执行副总裁沈抖在这次智能经济论坛上所言，“想象未来最好的方式就是去创造它”。在2025年的如今，在百度智能云等企业的加持下，企业的AI想象力、中国的产业AI想象力，正在加速照进现实。

2025年机器人投融资大盘点：谁在为“AI+机器人”买单？

产业资本在机器人硬件时代扮演了推动者角色，但在进入“AI 大脑”时代后，更倾向观望与选择性布局，而由专业 VC 担任主要推手。此时的投资逻辑已经从“补足硬件短板”转变为“押注技术与算法创新”，专业 VC 凭借对算法发展趋势的敏锐把控，占据了更多话语权。

作者|斗斗 

编辑|皮爷 

出品|产业家 

2025年，机器人领域真的太火了。

从春晚的舞台到机器人马拉松，在一系列具象化、富有冲击力的场景背后，早已不只是技术展示那么简单——资本市场也正在为这波“机器人热”注入强大的动能。

整个上半年，整个一级市场的目光几乎都被机器人领域所吸引。IT桔子数据显示，截止2025年5月31日，机器人领域共发生223起融资事件，交易金额为 232.32亿元人民币。但是细数2024年一整年的融资事件也不过302起，交易金额仅为 209.2亿元人民币。

深入拆解可以发现，融资事件同比2024年的97件融资事件，增长约130%，融资金额同比2024年的74.25亿元人民币，同比增长177%。

从这组数据来看，融资事件和融资金额都出现了倍数级的增长，究竟是什么在驱动市场对机器人的热情？资金都流向了哪些细分领域？它们背后的技术与应用能否真正实现规模化？

带着这些疑惑，产业家试图透过数据看到这个赛道发展的本质，一些真相也逐渐浮出水面：

大模型与具身智能结合企业占比达87%，成一级市场爆发关键；

63%的融资事件占领AI大脑方向，资本转向；

产业资本在硬件时代扮演了推动者角色，但在进入“AI 大脑”时代后，更青睐于观望与选择性布局，而由专业 VC 担任主要推手；

进入 2025 年后，无论是“量产/批量交付”能力、“服务场景”拓展，还是“分拣等垂直领域”深度耕耘，都表明这个赛道开始走向产业化与规模化；

接下来，我们将从上述几个方面展开详尽解读。

一、AI大模型+具身智能，

成一级市场爆发关键

第一个需要解答的问题是，是什么在推动机器人领域一级市场的爆发？

产业家通过统计2025年机器人领域的223条融资事件发现，在“公司简介”中同时出现“具身智能/人形机器人”+“大模型”字眼的条目高达194 条，约占全部融资条目的87% 。

由此可见，当下新获融资的机器人或具身智能企业几乎都在强调“基于大模型的感知与决策能力”正与实体系统结合。

举例而言，灵初智能、鹿明机器人、UniX AI等多家公司均在公开资料里直言，“我们在推进大模型与强化学习算法在机器人技能集训练、场景化仿真和指令调度方面的深度落地”。这不仅反映出投资机构对“AI+机器人”的看好，也印证了大模型已成为具身智能研发的底层驱动力。

与此同时，随着大模型提供算力与算法支持，产业链上游的分工也在迅速分化：越来越多生产整机的厂商将目光投向关节电机、伺服驱动和减速器等核心部件的研发。

产业家梳理发现，2025年上半年共有47条融资事件记录里出现关节电机、核心部件、模组化等字眼，其中仅“灵”字系的初创企业（灵足时代、灵手时代、灵思智能等）就占了12条。

他们纷纷表示，“从原有人形整机业务转向高性能关节电机与驱动模组研发”，并已与多家整机厂商达成合作。灵足时代在其融资说明中写道：“本轮资金将重点用于国内首款100 Nm扭矩级关节电机量产化，以满足服务机器人对高扭矩、高精度的需求”；灵手时代则表示，“未来将为人形2.0阶段提供全套关节模组”。

与此相呼应，感知层面的升级也在加速。

据产业家统计，截止2024年5月31日，“视觉导航”类企业的数量仅有5家，这一数字在2025年翻倍至10家。

具体来看，2024年，仅有浙江科聪、柏翼智能、天影导航、秦视导航、睿瞳科技五家企业的融资说明里提到“视觉导航”或“视觉SLAM”；而到了2025年，上线了深瞳智能、睿米导航、优瞳科技、灵瞳科技、猎视机器人、米库导航、智瞳导航、睿航智能、景翌导航和易视导航等十家新面孔。

这些企业大多强调，“我们通过视觉+点云融合或视觉+IMU多传感器集成，结合大模型辅助决策，实现厘米级定位与动态避障”，已不再是单纯的摄像头算法，而成为底层嵌入深度学习与大模型的高精度导航解决方案。尤其是在人形机器人等具身智能平台需要在复杂环境中稳定行走、拾物或与人互动时，视觉导航能力几乎成为新一代竞争的必备要素。

当大模型为整机赋能、核心部件厂商模块化发展、视觉导航玩家不断涌现，这些碎片拼凑出的图景让人形机器人进入“2.0时代”成为必然。

所谓“2.0”，是相对于过去那种“硬件拼装＋离线编程”的1.0时代而言。如今，2.0时代的人形机器人需要实现在线感知、大模型高阶指令、模块化关节电机与高精度视觉导航等多重能力的有机结合：这不仅仅是硬件升级，更是系统与生态的重构。

产业家在名单中注意到，已有多家企业直接在融资说明里写明“本轮资金将用于人形2.0平台开发，计划将大模型与强化学习算法适配到运动与交互层面”，或者“我们实现了支持第三方大模型调用的2.0底层封装，可在工厂与物流仓内自主协作”。

总体而言，AI大模型+具身智能，推动人形机器人奔向2.0的畅想，无疑是引爆机器人领域一级市场的关键因素。

二、AI 大脑成新风口，

专业VC 担任主要推手

在过去两年里，随着机器人与人工智能领域的飞速发展，资本对硬件与软件驱动方向的偏好发生了悄然转变。

在 2024 年的 97 笔融资事件中，“硬件研制”类项目占据了重要席位。产业家在“公司简介”中检索“关节电机”“伺服电机”“舵机”“减速器”“模组”等关键词，统计出 23 笔与机器人核心硬件密切相关的融资。可以说那一年产业资本对核心零部件的布局十分热衷。

然而到了 2025 年，虽然硬件赛道依旧不可或缺，但大多数资本的目光已经转向算法与大模型所代表的“AI 大脑”方向。

产业家通过对 2025 年融资事件的“公司简介”与“子行业”进行检索后发现，共有 141 笔融资（约 63%）可归入“AI 大脑”范畴。在这些项目中，“大模型”“多模态”“在线感知”“深度学习”“LLM（大型语言模型）”等关键词频繁出现，“子行业”多为“AI 行业应用”“AIGC”等。

显然，这并非短期炒作，而是与具身智能概念的兴起密切相关：为了赋予机器人更强的自主认知与决策能力，底层控制从单纯的电机与机构驱动，逐步演变为“硬件＋大模型”双核心并行发展。

与此同时，投资主体的偏好也在发生转移。这一点可以通过横向对比2024、2025年主要投资机构排名与下场次数来直观感知这场变化。

在 2024 年的 97 笔融资中，大约 15 笔（约 15.5%）出现了小米、宁德时代、蔚来、华为、阿里巴巴、百度风投、比亚迪、吉利等产业资本的身影，而以高瓴资本、红杉中国、经纬中国、IDG 资本、创新工场等为代表的专业风险投资机构则参与了 52 笔（约 53.6%）。

当时，硬件厂商借着产业资本的支持，一方面满足了下游机器人整机厂商持续扩张的需求，另一方面也为国内供应链国产化贡献了力量。

到了2025 年，产业资本介入力度明显下降，仅占约 3.6%。而高瓴、红杉、IDG、创新工场等专业 VC 依然活跃，占比约 49%。与此同时，政府引导基金、行业基金等“其他”机构也开始加速跟进，将更多资源导向 AI 算法型项目。

这种现象表明，产业资本在硬件时代扮演了推动者角色，但在进入“AI 大脑”时代后，更倾向观望与选择性布局，而由专业 VC 担任主要推手。此时的投资逻辑已经从“补足硬件短板”转变为“押注技术与算法创新”，专业 VC 凭借对算法发展趋势的敏锐把控，占据了更多话语权。

除了投资标的及机构偏好发生改变，融资结构本身也在悄然调整。产业家对2024、2025年融资事件的轮次进行对比，结果令人颇感意外。

从整体数据可以看到，2025年在223笔融资中，“B轮及以上”项目数量跃升至78笔，占比约34.9%，几乎较2024年的18.6%翻番；与此同时，天使轮/种子轮降至22.4%，A系列占据约42.6%。

背后的原因也不难理解。

在 2024 年，以硬件与模组供应为主的初创项目数量激增，融资多集中于早期或成长期。而到了 2025 年，随着 AI 算法与大模型项目逐渐成熟，资本更愿意加码于已完成技术验证、有明确商业落地路径的中后期企业。

这种从“天使/种子＋A轮”为主，转向“大额B轮及以上”并行发展的融资结构，折射出投资机构对机器人赛道信心的显著增强，也意味着越来越多成熟企业正在获得更大规模的追投。

三、2024到2025，

从实验室到量产还有多远？

回顾2024年，在机器人与人工智能领域的众多融资案例中，不少企业亦仍停留在实验室技术与算法验证阶段。

举例来说斯帝尔，其“柔性打磨机器人”背后依托的是实验室研发的高精度柔性打磨算法，尚处于原型验证与小规模测试；鹿机器人的创始团队更是来自一线顶级实验室，其核心诉求也偏向于打造具身智能大脑的算法架构。

这些公司在融资披露中频繁出现“实验室”“验证”“算法”“原型”等关键词，足见技术主要集中在实验室环境下打磨、迭代与优化。

再比如，进化动力、星海图、清昴智能等多家企业，都在实验室环境中通过“芯片+算法+大数据平台”持续试验，或围绕高校实验室论文开展在线推理与算法加速。这便使得2024年的融资案例多呈现“技术源自实验室，尚未大规模落地”的特征，真正走向市场、实现量产的案例相对较少。

然而，进入2025年后，“量产突破”频现，市场格局出现了一系列明显变化。

首先，一些企业开始从实验室走向批量交付。例如，它石智航在本年度的融资披露中明确指出：“首批协作机械臂已完成批量交付给两家头部零部件厂”，并强调自身具备“软硬一体产品量产能力”；与此同时，玄鸟科智的核心机器人减速机模组也已进入量产阶段，并完成了首批交付；源升智能机器人则规划在下半年实现“百台级”生产规模。

这些案例标志着，不再仅仅是在实验室里调试机械臂和算法，而是具备了工业化生产与批量交付的能力，宣告行业实现了从“实验室验证”向“产业化量产”的跨越。

伴随量产能力的逐步形成，市场的应用场景也在加速拓展。

例如，云象机器人已与多家连锁酒店和物业集团签订批量采购协议，明确定位为商用清洁机器人供应商；犀利智能则面向物业巡检与园区安防场景推出“自主导航＋大模型分析”的巡检机器人，正在与多家知名物业管理集团展开试点。这些实打实的项目和订单证明，机器人技术正从工业场景向服务场景延伸，场景边界得到显著扩张。

与此同时，垂直细分领域的专业化解决方案亦在不断深化。

比如，在分拣领域，2025年开始呈现出纵深趋势：朗朗智选专注于电商仓库的服饰与快消品分拣，通过定制化的视觉与机械手系统大幅提升分拣效率；淘美鲜则聚焦水果蔬菜加工分拣，实现了单日5万件的高通量分拣能力。这些案例表明，机器人在通用分拣之外，还在快速延伸到电商、农产品等更为细分的行业应用，凸显出“垂直深化”所带来的市场增量。

总体来看，2024年以实验室技术为主，技术与产品尚处于原型与验证阶段；而2025年则见证了产业化迈出的关键步伐，不仅实现了批量交付与量产能力，还推动了机器人技术从工业场景向服务场景的扩展，并在垂直领域出现了一系列专业化解决方案。

写在最后：

当下的机器人领域，充满各种各样的声音，有人质疑、有人看好。其中，在网红细分赛道上，对人形机器人的热议尤为激烈。金沙江创投总经理朱啸虎就曾公开表示：因“商业模式不明确”，正在批量退出对人形机器人的投资。对其而言，人形机器存在明显的泡沫。

而众擎机器人赵同阳则在一次媒体采访中公开反驳：“中国人形机器人这几年的投入，连个ofo和摩拜单车大战的二分之一的钱都没有，泡沫何来？”

他认为，如果一个赛道由于信息不对称或关注度不足，市场之前对该领域的潜在价值认知很低。随着技术升级，越来越多人开始关注，有了价格的上行，这其实是市场对其“真实”价值的一种逐步发掘和重估，而非纯粹的炒作泡沫。

显然，即便是在基本面良好、前景可期的赛道里，也难免出现或多或少的“泡沫”现象。泡沫并非全然“坏事”——适度的泡沫可以为行业输血、加速技术与商业模式的迭代。

在当下的机器人赛道，前路漫漫，需要更多脚踏实地的创新和更深度的产业协同，才能一步步兑现时代所赋予的想象。

Agent大潮里，知识库落地走到哪了？

从当下来看，AI 知识库的战场本质逐渐清晰，即是企业智能化转型的缩影。技术工具固然重要，但真正的胜负手在于：能否以知识库为支点，重塑组织数据文化与管理范式。那些率先跨越“Demo 陷阱”、将知识库深度融入业务基因的企业，必将在 AI 时代赢得宝贵的“认知红利”。

作者|斗斗 

编辑|皮爷 

出品|产业家 

在知识库领域，有句调侃流传甚广：“Demo 五分钟，上线花一年。”

但自今年 1 月起，这种“落地慢” 的固有印象正在被打破。

“以前搞知识库纯靠手搓RAG，现在比手搓强的免费工具太多了，发展太快了。”一位业内人士告诉产业家。

工具的升级只是表象，更大的变化来自于知识库本身。

OpenAI 发布的报告《企业中的 AI：七家前沿公司的经验》显示，摩根士丹利的顾问因知识库使用率从 20% 飙升至 80%，单次搜索时间大幅缩短，从而能将更多时间投入客户互动。

这些变化表明，AI 正在重塑知识库的底层逻辑：它不再是静态的信息“仓库”，而是企业智能服务的“引擎”。

不过，要看清这场变革，首先要理解知识库的质变。

一、知识库，成为企业“必答题”

2025 年初，随着 DeepSeek 等新兴工具的出现，大模型技术成熟度和可用性显著提升。各大基础模型厂商正从技术竞赛转向应用落地，而知识库，正是贯穿其中的核心环节。

"第一是知识管理能力，这是构建企业智能体的核心基础，企业的智能体最终还是要用企业自己的知识体系来提供服务。"

某云厂商相关负责人这一观点揭示了基础模型厂商为何必须依赖知识库的核心原因：大模型落地需要企业专属知识来提供准确、可靠的服务。

事实上，在通用大模型面前，缺乏专有知识库会导致模型产生“幻觉”回答，难以胜任企业精细场景。集成 RAG 技术后，模型可实时从企业知识库中检索信息，显著降低误答率，确保输出准确可靠。

其次，与早期模糊的AI探索相比，以知识库为基础的智能客服和助手方案已被广泛认可。研究表明，引入知识库可以显著提升客户满意度并加快客服响应速度。比如某健康咨询平台通过AI聊天机器人处理日常咨询，减少了65%的人力客服单量，每年节省支持成本5万美元以上。

因此，知识库已成为大模型厂商与企业实现 AI 商业价值的必答题。

“大模型的热潮很大，但是它的真正落地的时候，场景还是比较局限的，知识库肯定是最顺的路径。”腾讯云副总裁、腾讯乐享负责人答治茜告诉产业家。

这也使得今年知识库市场需求大增，答治茜也直言：“今年以来，知识库需求呈现井喷式增长，增幅达两三倍。”

知识库市场需求的增长也对应着供给侧的频繁动作。

以阿里、百度、腾讯等为代表的大模型厂商提供底层大语言模型及RAG检索增强技术。例如，阿里云百炼、腾讯云智能体开发平台（原大模型知识引擎）等将知识库作为检索增强模块，用以补充大模型对企业专有知识的理解。

Agent 平台则通过构建智能体并内置知识库功能。如腾讯云智能体开发平台、字节的扣子、 AI Agents Flow、BetterYeah 等企业级Agent开发平台，将知识管理、检索和对话编排集成在一体。这些平台不仅支持海量文档的向量存储和检索，还提供可视化流程设计，方便快速构建对话式智能应用。

SaaS 知识库提供商专注于企业知识管理和在线问答的云服务。例如腾讯乐享知识库、 HelpLook 等产品，帮助企业快速搭建集中式知识库并嵌入AI问答机器人。

在基模、大模型+RAG、Agent 平台、SaaS 知识库厂商的协同下，行业生态逐步完善，推动AI知识库快速在企业具体场景中渗透。

二、从“库”到“引擎”：知识库的质变

在销售领域，服务对象需求多样化的问题是固有的问题。某软件企业就时常收到客户在使用产品时提出了各种各样的问题。

过去，为了应对这一挑战，该企业大约会有60%的时间用来协助销售人员解决这些问题。然而，这些问题中有80%的问题是重复出现的，而且这些问题都有标准的解决方案。

面对这一低效且高成本的运营瓶颈，企业决定引入AI技术进行优化。在AI助手的帮助下，企业的自助解决问题的比例提升至30%。此外，过去80%的“隐形知识”由于无法有效检索而闲置，销售人员只能耗费大量时间翻阅文档以寻找答案。

与传统的知识库相比，大模型与知识库的结合带来了显著变化。

“搭建AI知识库之后，整个律师工作效率就高了很多，律师的培养周期，过去需要8年时间，现在6年就够了。”在腾讯乐享的客户案例中，这种变化更加具象化。

这源于AI大模型加持下，知识库发生了质变。

在传统模式下，知识库主要通过全文检索来帮助用户找到答案，检索系统只能提供文档的位置和相关的检索结果，但并不直接给出问题的答案。而大模型与知识库的结合，不仅能够识别上下文，还能直接生成解决方案，这大大提升了查询效率和用户体验。

此外，AI技术的引入还提高了构建和运维的效率。传统知识库的构建通常需要话术师和人工标注。而现在，文档上传后，AI模型能够自动生成问答内容，人工只需进行选择和审核。这意味着，过去依赖专家经验的构建过程现在可以由AI辅助完成，从而提高了效率，缩短了冷启动周期。

在运维阶段，传统的知识库往往因主题划分不清或更新需求大而需要重新标注，甚至需要话术师的再次配置。如今，企业可以建立统一的全企业知识库，AI的参与使得运维过程更加高效，人工干预和成本大幅降低。即使需要新建一个知识库助手，AI也能帮助进行调整和优化，而不必从零开始搭建全新的模型。

总结来看，相比传统全文检索，现代 AI 知识库能够识别上下文，直接生成最佳解决方案；且在构建与运维阶段，AI 可自动生成问答对，人工仅需审核，大幅缩短冷启动时间并降低后续维护成本。企业可在统一知识中台基础上，为不同场景快速部署“轻量”助手，无需从零开始。

如果说，传统的知识库应用场景主要局限于简单的文档存储和信息查询，那么现在在大模型的加持下，知识库的能力边界范围大幅扩大，正在成为企业智能服务的“引擎”。

三、AI知识库的局限性

不过，话说回来，当下的AI知识库真的已经成熟可用了么？

现实并不乐观。

具体来看，当前的AI知识库主要适用于流程标准化、内容固定的场景，对于需要高度创造性和非结构化处理的任务，如深度决策支持或创新内容生成，覆盖范围仍然有限。

此外，由于知识库依赖已有的文档和规则，它在处理那些缺乏先验知识、需要复杂推理的情境时效果不佳。

这与构建企业AI知识库的过程中，企业常面临几个核心痛点息息相关。

首先，规模和复杂性管理是最大挑战。随着知识库规模的扩大，如何高效管理百万级或十万级的知识库，并确保不同团队和角色之间的信息流动顺畅，成为一个系统性难题。

其次，信息的准确性与时效性也是难点。企业知识库包含大量的结构化与非结构化数据，如何确保这些信息不断更新并保持有效性，尤其在大规模组织中，避免过时或错误的知识影响决策，是高效知识库建设的关键。

权限和安全管理同样是重要问题。企业知识库中涉及敏感数据，如何确保这些信息仅被授权用户访问，防止泄露或滥用，必须精细化权限控制。“你能问到哪些，问不到哪些，这一点很重要，如果行销线的知道采购成本，那就是一个事故了。”答治茜说道。

此外，AI应用挑战也是技术难题。在将AI与知识库结合时，如何确保AI生成的回答准确可靠，避免出现误导性内容，尤其是在大规模知识库中，AI应当能够准确回答“不知道”，而非给出错误推测。

技术架构的适应性也至关重要。随着技术的不断发展，知识库架构需要不断迭代与优化，特别是在与AI大模型结合时，需要支持更多的知识格式和交互方式，提升用户体验。

最后，数据迁移与集成难题也需解决。企业初期搭建知识库时，如何将分散在不同系统中的数据整合进知识库，避免信息孤岛，必须支持多种数据格式并简化迁移过程。

总体来看，规模与复杂性管理、信息时效与准确性、权限与安全、技术架构迭代、数据迁移与集成，这些技术成熟度直接决定了AI知识库能做什么，不能做什么。

“要把企业的AI知识库做成一个系统性工程，第一要确保内容准确有效，第二要基于权限让合适的人看到合适的信息，第三才是用AI技术提升检索和生成的精准度。”在答治茜看来，AI知识库落地的关键便在这些“门道”里。

所以，企业在选型时，也必须兼顾技术成熟度与组织协同——既要评估平台本身的检索与生成能力，也要考虑内部流程、权限架构与数据治理的配合程度。

以 SaaS 类知识库平台为例，其产品理念侧重知识内容管理和行业场景适配，强调在一个统一平台中汇集企业知识、优化检索和发布流程。它们更注重知识分类、知识图谱构建和与现有办公系统的打通。

相比之下，Agent厂商理念更强调智能体和流程编排，通过RAG检索和大模型执行具体任务，辅以工作流和自动化集成。Agent平台通常提供“零/低代码”界面，支持业务人员快速定义目标与流程，并可内嵌知识库用以问答或辅助决策。

在系统集成上，Agent平台倾向于提供丰富的API/RPA适配器，方便将智能体嵌入业务系统；而SaaS平台则在知识层面提供跨系统汇聚与多语言检索等能力。

从这些层面来看，SaaS知识库方案适合快速构建通用知识应用、培训或帮助中心等，部署相对便捷；Agent方案则更适合跨系统自动化、跨功能流程场景，需要投入更多设计成本，但能更灵活地实现多步骤任务和智能决策。

总之，企业想要将知识库打造成“智能引擎”，根据自身规模、业务复杂度和安全合规需求，在上述三种路径中权衡利弊，制定切实可行的落地方案。知识库尚未成为“一劳永逸”的通用产品。

四、AI大模型+知识库，下一站在哪？

虽然技术层面还有若干短板，使得 AI 知识库在某些高创造性或复杂推理场景下难以完美胜任，但更大的考验在于：如何在企业内部构建起可持续的运营和治理机制，才能实现从“小试点”到“大规模”落地，让知识库能力转化为生产力？

从技术适配到组织协同，从服务商生态到企业内部架构，这场变革的推进路径远非坦途。

首先，落地过程中要跨过“技术—组织”的三重门。

一是数据整合的问题，企业的内部数据分散在不同系统里，比如CRM、ERP和文档系统，数据类型也很复杂，有的是结构化的，有的是非结构化的，迁移和清理这些数据既费时又麻烦。而且，处理图表、音视频等多种信息的能力不足，导致知识库不完整。

二是场景适配的难题，虽然标准化的客服问答已经能高效运作，但对于研发推理、供应链决策等一些特殊场景，模型经常出错，且响应速度较慢。

三是组织惯性和权责问题，知识管理需要业务部门、IT和知识管理人员的紧密合作，但在传统架构中，知识的“所有权”分散，没有统一的管理机制。

其次，企业在选择构建路径时常陷于标准化工具与定制化需求的矛盾。

轻量化SaaS适合中小企业快速上线，但容易遇到扩展限制；自研加大模型API的方式虽然能进行深度定制，头部企业也很喜欢，但需要承担高昂的研发成本和人才风险；混合云Agent方式既灵活又可控，符合高合规要求，但面临多云运维的复杂性。

而行业知识库已经成为竞争的新焦点——像法律行业的“案例推理库”、制造行业的“故障诊断库”，都需要结合术语库、规则引擎和动态工作流，因此服务商必须从提供通用工具向“专家系统”转型。

企业内部的“烟囱式”建设问题根本在于各个业务部门各自为政，缺乏统一的企业级知识管理体系。解决的关键是建立“双轨制架构”——底层的统一知识中台负责数据聚合、自动分类去重和版本管理，上层的轻量化应用由各部门根据需要构建，既能确保数据来源一致和可控，又能灵活扩展。

在知识库能力转化为生产力的趋势下，供给侧未来或将聚焦两大核心能力：一是行业化深度，二是端到端服务闭环。

目前服务商生态正在分化博弈，已形成三大阵营。基模厂商以“大模型＋RAG＋云服务”捆绑输出，底座雄厚但行业沉淀不足；Agent 平台主打低代码流程编排，易于集成中长尾场景，却增加流程设计复杂度；垂直 SaaS聚焦细分领域，开箱即用但扩展性有待提升。

未来，SaaS或将基于自身积累的行业经验，打造场景优势；基模厂商或搭建生态，招纳 SaaS 以补齐场景方案；Agent 平台则有望以“流程中台”姿态成为跨场景连接器。助力企业落地AI知识库，实现真正的生产力转化。

从当下来看，AI 知识库的战场本质逐渐清晰，即是企业智能化转型的缩影。

技术工具固然重要，但真正的胜负手在于：能否以知识库为支点，重塑组织数据文化与管理范式。那些率先跨越“Demo 陷阱”、将知识库深度融入业务基因的企业，必将在 AI 时代赢得宝贵的“认知红利”。

从elearning到AI Learning，重新理解AI北森

如果说传统的eLearning体系更多的仅仅是构建一个静态的企业线上学习平台，那么北森AI Learning则是对这个知识平台上进行了底层重构，基于AI对每个环节进行了重新设计，真正把企业内部知识培训转化为提高企业人才竞争力、提升人才密度的企业管理服务模型。

“我们在最开始做AI的时候就有两个出发点，一个是从用户真正的需求角度出发，一个是从AI最擅长的角度出发。”纪伟国表示。

作者|皮爷 

出品|产业家 

“我们现在知道应该向AI方向转型，但怎么转？或者怎样以最快的程度和最低的成本转，这些是不够明朗的。”一位SaaS企业创始人告诉产业家。

对SaaS行业而言，如果说过去5年的关键词和标签是生态、渠道、标准化，那么在过去2年里这个标签的答案只有一个：AI。但也恰如该SaaS企业创始人所言，真正契合中国SaaS企业转型的方式应该是怎样的？

实际上，已经有不少企业交出答卷，但答案有所不同。比如有企业是基于固有产品进行AI改造，有企业则是更向下一层，在Agent基础上重新打造AI PaaS平台，同时也更有企业倾向于有确定性需求和商业价值的端到端产品。

其中，北森是不可忽视的一员。“我们AI面试官产品截止5月份已经有超过300个企业客户了，近期企业数还在高速增长。”

关于北森，几乎没有人会陌生。在过去10年的SaaS数字化浪潮中，北森是中国产业土壤中足够特殊的代表性企业，这个中国HR SaaS第一股，它留给市场的印象是一体化、强PaaS能力、HCM领跑者、中大客户等等。

而在如今的AI浪潮里，这些亮眼的标签和已经成型的AI商业化模型也使得它吸引着比别人更多的目光。“我们其实比行业要更早一年布局AI，从2023年年底就开始立项研究，基于国内外的AI尝试进行‘扫射’，寻找AI和HR行业真正能结合的点。”

一个真实的情况是，在过去两年时间里，北森已经构建出一个面向人力资源全场景的AI Family矩阵，这些新Agent产品如今已经真实融入到企业的HR流程中，帮助其进一步提升效率。此外，这些产品也更在构成着北森的新商业化增长数字。

而就在最近，这个HR赛道的绝对领跑者又向前迈了一步，“我们想告诉大家的是，AI Learning时代来了。”

一、2025年，企业培训走到哪了？

如果说AI Learning是什么，可能有人不清楚，那么eLearning怕不会有人陌生。

实际上，在过去多年时间里，伴随着数字化浪潮的来袭，eLearning已经成为不少企业的必备模块，其主要功能是帮助企业人员完成内部相关岗位知识的学习，加速对应人才梯队建设，进而强化企业内部的人才密度，构建核心竞争力。

一组数据显示，过去的几年时间里，全球企业培训市场年复合增长率约7.6%，亚太地区增速最快（17.3%），而中国市场则是年增长率达30%，领先一众欧美成熟市场。

但在企业蓬勃向上的刚需之外，一些问题也更在被加速看见。

根据一组名为《2025年中国企业培训市场前景调研报告》的调查显示，在2024年，企业培训行业即期景气指数为71.1，较上年有较大回落，连续四年行业即期指数均低于100， 反映出近年来培训行业在不景气区间持续低位徘徊。2025年 企业培训行业预期信心指数为97.94，8年来首次落到100以下。

漏水口到底在哪？

“我们基本都很难使用公司的培训系统，上面的一些课程和能力也不是我们现在业务人员真正所需要的。”一位TO B企业销售负责人告诉产业家，“甚至内部的知识课程更新都很慢，很多还是需要靠专门问。”

从赛道的构成来看，目前企业培训赛道可以看作存在三大痛点。

首先是最本质的“知识如何转化为技能”。就目前大部分企业的培训而言，多是停留在eLearning平台上进行视频学习，尽管这些课程是来自业务人员基于内部真实业务问题构建的课程体系，但多是长时课程，看完课程员工学到的是知识，而转化为技能还需要长时间的辅导和带教。

其次是企业培训平台强相关的培训运营，在企业内部，由于固有的课程更多的是传统课程学习的模式，大量千篇一律的学习内容，员工积极性不高，由此催生出来的一种现象是——企业需要专门派遣专人来做培训运营工作，通过各种人为政策和考试“激励”员工学习，推动其参与课程学习。这就造成一种普遍的现象：员工在不断被压强学习知识，但工作应用需要学习的时候又得不到及时的知识/培训支持。

这种基于传统学习课程平台的强运营仍然带来的效果不理想，或者说很难提高员工的学习积极性。根据不完全统计，传统 eLearning 的课程完课率往往不足30%。

最后对企业培训平台的“制作方”而言，在传统模式下，企业培训课程经常由业务专家负责制作，他们需耗费大量时间，从准备 PPT、试讲到最终录制课程。并且许多人对登台讲课并不擅长或颇为抵触，毕竟开口授课对个人能力挑战极大。

实际上，这些问题的出现不仅仅是在今年，在过去的多年时间里它们已经出现，这些课程学习模式和运营体系背后反映出来的恰是员工和eLearning平台之间的“割裂”，即企业培训平台对于员工工作实用角度的真实价值越来越低，员工对企业培训平台的接受度也更逐日递减，而体现到企业人才层面，则是人才梯队的能力建设的难度越来越大。

从行业来看，并不是没有企业培训服务商针对这些问题进行新尝试，比如帮助企业内部制定更严格的考试制度，比如帮助企业引入更大量的同行业课程体系等等，但这些方式仍然没有从根本上解决问题。

真正的企业培训平台应该是这样的？或者说，一个兼备知识萃取、知识传递、技能提升、人才培养，同时可以真正完成技能培养的企业培训管理平台到底应该具备哪些部件？

这正是北森给出的答案。

二、北森AI Learning背后：

一个被AI“重构”的企业培训学习体系

“其实在收购酷学院的同时，我们就在同时思考这个问题——‘下一代企业培训平台到底应该是怎样的’？”纪伟国告诉产业家，“后来开始慢慢想清晰，就是AI Learning。”

而这个理念，在这次北森酷学院AI Learning产品发布会则是被进一步具像化：北森正式发布AI Learning的Agent产品矩阵——AI做课助手、AI陪练、AI学习助手、AI领导力教练、AI考试助手。

客观来看，北森AI Learning产品背后，对应的是对固有eLearning平台的颠覆改造。

即从过去的单向学习到基于Agent动态交互，从单一的知识学习到真实仿真环境里的业务技能训练，从统一型知识平台到个性化定制学习旅程，以及从传统繁杂的做课到更为高效的基于AI的知识快速成型，可以说基于AI Agent形态，北森打造的是一个能够真实提高企业内部人才培训效率和强化人才密度的智能企业培训平台。

具体来看，比如AI做课助手，其颠覆的是固有的课程制作模式，致力于解决企业培训平台的知识信息匮乏难题，基于AI做课助手，企业内部相关业务负责人可以用几个小时的时间完成业务课件的搭建和输出，通过一系列如AI自动生成大纲、智能制作PPT功能、数字人实时录课、自动生成重点和考试题等等功能，帮助业务负责人极大加速课程构建流程，进而从根本上完成企业培训平台知识价值不足的问题。更关键的是，AI做课助手还能解决20种语言的多语课件翻译、多语逐字稿、数字人多语授课等一站式海外培训的难题。

再比如AI学习助手，其是基于AI完全重构了固有的浏览器看课的学习方式，即一方面其从之前的传统单向知识学习改为Agent互动陪伴，员工可以基于自身的问题和需求与AI学习助手进行语音交互，AI学习助手可以从10几万条视频、课程或文档中精准定位课程内容，帮助员工解决问题；同时AI学习助手还能基于员工个人信息和岗位能力给出个性化课程推荐，比如员工晋升时，可以推荐下一职级的课程内容。

另一方面，AI学习助手还可以和员工动态互动，在不同的关键节点，进行督学提醒和学结，帮助管理员进行学习运营。

以及更亮眼的AI陪练，其所做的可以理解为是重构eLearning对企业员工的意义和在其心中的“心智定位”，即从“知识学习”平台真正进阶到“技能训练”平台，AI陪练可以基于企业真实的前端业务情况为销售搭建一个个仿真的工作环境，面向不同画像的客户，基于不同的陪练模式沉浸式练习，通过不断的模拟训练掌握真实的技能，进而可以快速完成和对应岗位的能力培养和适应。

AI领导力教练也更是整个北森AI Learning矩阵中足够亮眼的一个产品。我们都知道，领导力来源于”历练“而非”课程学习“，但往往传统的领导力培训多是进行领导力的灌输而缺少了真实场景的实战训练。

如果说前面几款产品更多的是面向员工角色，那么领导力教练就是一款真正基于领导力实践环境构建的面向企业的实践培训系统，其可以通过各种真实的实践场景模拟帮助不同部门、不同职级的管理者打磨和提升自身的领导力能力。

与国内大部分软件公司相比，北森早在一年前就已经进入到Agent的市场，在DeepSeek火爆全网之前，北森就已经在2024年发布了7大AI Agent产品，如今已经在诸多大型客户内部实现落地，实现真正帮助企业完成管理人员的进一步能力培养。

“和之前eLearning相比，AI Learning最大的不同在于其是基于Agent形态，真正帮助员工、学员完成从知识到技能的提升，同时可以做到面向不同人的个性化学习方案制定。”纪伟国表示，“比如像AI陪练、AI领导力教练这些产品已经有国内顶级的互联网公司在使用。”

可以理解为，如果说传统的eLearning体系更多的仅仅是构建一个静态的企业线上学习平台，那么北森AI Learning则是对这个知识平台上进行了底层重构，基于AI对每个环节进行了重新设计，真正把企业内部知识培训转化为提高企业人才竞争力、提升人才密度的企业管理服务模型。

其不仅基于AI解决了固有企业培训模式的卡点，同时它更可以被看见的新价值还是加速的真实业务知识传递效率、面向员工个人独特有真实价值的学习交互体系、从知识学习到技能成型的仿真陪练环境，以及类“MBA”的领导力先进实践培训体系。

基于这些不同以往的AI Learning产品，企业不仅可以真实构建出一个具备生产力价值、人才科学培养体系的企业培训平台，甚至更进一步，这个平台也更可以作为企业的一个底层生产力引擎，在强化人才密度的同时，推动业务的高效执行和战略目标的快速落地。

三、AI大潮里，

理解北森的AI范式是什么？

“我们在最开始做AI的时候就有两个出发点，一个是从用户真正的需求角度出发，一个是从AI最擅长的角度出发。”纪伟国表示，“包括我们的AI面试官、AI Learning产品都是这样的逻辑。”

实际上，这次产品发布会也恰是北森和酷学院合并后真正意义上的首次产品亮相，但从整个行业来看，这也是国内乃至全球首个基于企业培训平台的产品模块层面和流程层面的AI Agent创新。

在这些创新背后，能看到的恰是纪伟国所说的两个出发点，即一方面是面向如今企业对于企业平台的真正刚需，另一方面则是基于现在的AI技术能力边界，同时结合北森酷学院固有的在企业培训侧的多年积累和产业理解，最终构建出了这次引领市场的AI Learning变革。

实际上，在AI Learning矩阵产品背后，北森被看见的布局还不仅这些，比如AI Family矩阵中的一系列产品，如AI面试官、AI招聘助手、AI员工助手等等，这些产品已经实现一定程度的商业化，被不少中大型客户真正接受，在帮助企业构建新的AI人才闭环的同时，也更为北森贡献出新的增长。

“比如AI面试官，截止到今年5月，我们整个的客户数量已经超过300个。”纪伟国告诉我们，“这个数量还在加速攀升。”

从本质来看，不论是AI Learning产品，还是AI面试官、AI招聘助手等等，背后都在折射出北森的特殊AI路线，即一方面是为企业提供端到端的产品服务，另一方面在北森固有的对“人”的深刻理解优势上进行延展。

纪伟国认为，人力资源管理的最终目标是人才发展。在过去的20年中，北森除了在软件领域取得成就外，还形成了定义岗位能力、识别评估人才以及发展人才的关键能力，这些统称为北森的人才科学（People Science）技术。

通过这三大技术，企业可以最大化地发挥人的价值。然而，在过去，这一过程需要依赖专业的人才来完成。进入AI时代，北森借助提示词将20多年的专家知识赋予AI，以工具形式进一步放大人才能力，更大程度将专家资源平权化。这种"专家智慧+AI"的模式，也让北森在HR科技领域建立了独特优势。

一个足够真实的情况是，如今包括AI Learning产品在内的一系列AI Family矩阵也在悄然强化着北森的一体化能力，即在固有的HR全链条基础上和新AI产品配合为企业打造出一套新的“HR+AI”组合拳，给企业带来真实价值的同时，进一步放大北森自身的产品价值。

“我们相信AI Learning肯定还会有更多的发展，但是我们现在想做的是一定要先让企业、先让市场对这个方向有所认知、有所感受，这样基础上才能推动整个企业培训行业的进步。”

在2025年北森酷学院的开春致辞上，纪伟国写下了这样一个目标，即“在3年时间内，北森要做努力到AI Learning的市场第一”。这个目标背后对应的是北森现在真正在做的事，即把对客户需求的真实理解、对企业培训流程的全面AI重构、对HR体系的新思考，转化为北森在AI时代真正的业务增量和新的价值边界。

从需求出发，从真实的AI场景和能力出发，从增量和商业价值出发，从确定性出发。这是北森AI Learning产品背后蕴藏的思考，也正是北森在整个AI浪潮中的进化哲学。

从AI技术到AI落地，Google I/O开发者大会传递出了7个信号

正如谷歌CEO皮查伊所言：“我们正进入AI平台变革的新阶段。”这场发布会不仅是一次技术秀，更是一场关于未来十年产业变革的宣言——AI的战场，正在从代码与算力，转向千行百业的真实场景。

作者|斗斗 

编辑|皮爷 

出品|产业家 

在一片期待与好奇的氛围中，谷歌I/O开发者大会如期而至，5月21日凌晨1点，于美国加州山景城的海岸线圆形剧场内正式拉开帷幕。

不出意外的，AI依旧是今年的主题，但不同于以往，今年谷歌I/O开发者大会的热度高的出奇，网友的口碑也是一片叫好。

在全球科技圈的集体注视下，这次谷歌究竟到底带来了哪些技术升级和新产品？对于AI技术落地企业、行业甚至产业的方向，以及AI技术的走向，又传递了哪些讯号？

一、模型——从秀能力奔向秀落地范式

Gemini 2.5 Pro模型，是这次大会的重头戏。

与前代模型相比，Gemini 2.5 Pro最大的突破在于引入了“动态推理架构”。它不再是单纯根据输入数据生成答案，而是通过生成多个假设分支、模拟不同决策路径，最终选择最优解。这一机制类似于人类在复杂问题前的“沙盘推演”，使AI在医疗诊断、工业质检等高风险场景中的错误率降低。

技术突破的落地往往受制于现实瓶颈。

以往，制造企业长期抱怨AI模型的“黑箱特性”，例如即使模型给出错误判断，工程师也难以追溯问题根源。为此，Gemini 2.5 Pro的“推理过程可视化”功能，将模型决策拆解为可解释的逻辑节点，例如在汽车焊点质检中，系统不仅能识别缺陷位置，还会标注“因焊接温度波动超过阈值导致金属结晶率下降”等具体原因。

2025年，全球AI产业站在了十字路口。当生成式AI在内容创作领域陷入同质化竞争时，企业对AI的期待已不再局限于“回答问题”，而是希望其成为驱动决策的“智慧大脑”。谷歌此时推出Gemini 2.5 Pro，正是回应了这一产业转型的迫切需求。

可以预见，在这一技术升级下，未来具备“决策可追溯性”的AI模型将渗透企业核心业务流程，推动AI从效率工具升级为战略决策中枢。

在模型方面，谷歌还发布了Deep Think超强版以及Flash低门槛版。

Deep Think版本通过引入增强型推理机制，在数学、编程和多模态任务中实现“可能性预判”，显著提升复杂场景的决策精度，其在目前最难的数学基准之一 2025 USAMO 上取得了令人印象深刻的分数。此外，还在一个针对竞赛级编程的难度基准—— LiveCodeBench 上处于领先地位，并在测试多模态推理的 MMMU 上取得了 84.0% 的分数。

其Flash版本则专为速度和低成本而设计，以轻量化设计支持边缘计算。数据显示，该模型响应速度较之前提升40%。

谷歌这种模型分层设计（云端大模型+边缘轻量化），可以大幅解决产业落地中“算力-成本-实时性”的三角矛盾。

总结来说，此次Google I/O开发者大会，谷歌在模型层面不仅仅是秀能力，更多的是通过新产品和技术升级，推动AI真正落地场景、行业、产业，秀的是其AI技术落地路径。

二、AI问答助手：

可听、可看、可操作

除了大模型方面的升级，谷歌还发布了一系列产品，其中Project Astra 所展示出来的多模态交互能力，让人眼前一亮。

其技术突破在于多模态感知的深度融合：摄像头捕捉视觉信息后，系统会结合麦克风阵列的空间音频定位、IMU传感器的运动轨迹数据，在0.1秒内构建出完整的环境模型。

众所周知，AI辅助设备的核心痛点是现有系统依赖语音指令或固定阈值报警，却无法像人类一样感知环境动态。

谷歌Project Astra 的发布，标志着AI开始具备“具身认知”能力——它不仅能“看”和“听”，还能理解物理空间的上下文关系，并主动采取行动。

但实现这一能力需要突破硬件算力的物理限制。传统边缘设备难以支撑实时视频分析所需的算力，而Project Astra通过“动态任务卸载”技术巧妙化解了这一矛盾：低复杂度任务（如手势识别）在本地完成，高负载任务（如3D环境建模）则通过5G网络回传云端处理。

现在，Gemini Live 已整合 Project Astra 的摄像头和屏幕共享功能，并向所有 Android 用户开放，并将于当天开始向 iOS 用户推出。

从更大的视角来看，该产品或将很大程度上，改变AI助手抑或是智能终端在场景割裂（如家庭与办公场景需切换不同设备）和被动响应（仅回答预设问题）的局限，满足企业级连续性需求。

三、AI搜索，

一个能完成各种任务的智能助手

此次大会上，谷歌还首次将 Gemini 2.5 Pro 深度整合至搜索引擎，推出“AI 模式”功能。

据了解，用户可通过多模态输入（文字、语音、图像）直接获取结构化答案，而非传统链接列表。

以规划 “东京五日游” 为例，AI 不仅生成详细的行程建议，还会根据用户的预算、喜好、出行方式等个性化需求，自动推荐合适的餐厅、酒店，并提供在线预订服务，同时还能比价购票，为用户节省时间和成本。在旅游过程中，用户甚至可以通过摄像头实时识别景点，获取详细的背景信息和历史故事，让旅行体验更加丰富和有趣。

这标志着搜索引擎或将从传统的链接列表模式向智能化、个性化、服务化的方向全面转型。

这与传统广告模式的底层逻辑完全不同。

在过去，广告商主要通过购买关键词广告、展示广告等方式吸引用户点击链接，进而实现品牌推广和产品销售。然而，AI 模式通过直接在搜索结果中嵌入商品推荐和 “智能结账” 功能，为电商、本地服务等行业开辟了全新的变现路径。

此外，AI 直接提供答案的模式将减少用户跳转第三方网站的需求。这一变化对内容生产者提出了新的要求，倒逼他们优化数据结构以适应 AI 抓取，推动 SEO（搜索引擎优化）向 “答案优化” 转型。内容生产者需要更加注重内容的质量、深度和结构化，以确保其信息能够被 AI 准确理解和呈现，从而在新的搜索生态中占据有利地位。

据谷歌透露，其搜索业务的 “下一站” 将是 AI 驱动的交互模式升级，用户将体验到更加自然、个性化的信息获取方式，从而重构互联网流量分配规则。

未来，搜索引擎或将不再是简单的信息检索工具，而是一个能够理解用户意图、提供主动服务、协助用户完成各种任务的智能助手。这将彻底改变用户与互联网互动的方式，推动互联网行业进入一个全新的发展阶段，为相关产业带来新的机遇和挑战。

四、AI Agent——从“工具”到“同事”

Project Mariner 代理系统的升级也是本次大会的一大亮点。

升级后的 Project Mariner 代理系统可同时处理 10 项任务，例如在用户指令下自动完成 “查找食谱 → 生成购物清单 → 在线下单” 的全流程。其基于浏览器扩展的架构，能理解网页内容（文本、图像、表单）并模拟人类操作。

对于企业而言，Project Mariner 在重复性流程的自动化处理方面展现出了巨大的价值。

在数据录入工作中，它能够快速准确地将大量数据录入系统，避免了人工操作可能出现的错误和疲劳，提高了数据处理的速度和质量。在订单处理方面，它可以自动跟踪订单状态、更新订单信息、安排发货等，确保订单的及时交付和客户满意度的提升，帮助企业节省运营成本。

目前，谷歌方面表示Project Mariner 的技术将通过 Gemini API 开放给开发者，而这一举措也将进一步扩大了其生态影响力。

开发者可以基于 Mariner 的功能开发出更多符合特定行业和业务需求的应用程序，为企业提供个性化的自动化解决方案。例如，在金融行业，开发者可以利用 Mariner 的多任务处理能力和网页理解能力，开发出自动化的风险管理工具和投资分析平台，帮助金融机构更高效地进行市场分析、风险评估和投资决策。

这一变革不仅提升了生产力效率，也为 AI 代理的商业化应用提供了新路径。

随着 Mariner 技术的不断成熟和应用场景的不断拓展，它将为企业和用户带来更多创新性的解决方案，推动各行业向智能化、自动化方向加速发展，进一步重塑产业格局和工作模式。

五、生成式AI，奔向工业化生产

在内容创作领域，谷歌也带来了一些重大突破，推出了Veo 3视频生成模型和Imagen 4图像生成模型。

据了解，Veo 3支持音视频同步生成，例如为视频添加背景音乐、音效甚至对白，解决了以往AI视频生成中“有影无声”的问题。

提示语：90 年代酒吧里的情景喜剧场景，背景墙上的霓虹灯写着 “fofr”。一对夫妇说了些什么，观众大笑起来。

而Imagen 4的图像生成速度比前代快10倍，分辨率达2K，细节渲染能力显著提升。

目前，两者均被整合至电影制作工具Flow中，支持自定义镜头、场景和角色动作。

开发者大会上，谷歌展示了Veo 3生成的高清视频，其细节渲染能力接近专业电影制作水平。可以期待的是，在短视频和广告行业，创作者未来或将可通过AI快速生成高质量素材，制作成本或将大幅降低。

更值得期待的是，在影视工业领域，Flow工具允许导演用自然语言调整镜头语言，AI实时渲染预览画面，缩短制作周期，这将推动“敏捷创作”模式普及。

总得来看，Veo 3和Imagen 4的推出，显然直接降低了内容生产的门槛。

针对当下生成式AI的广泛应用带来的版权和伦理挑战，谷歌还同步推出的SynthID水印技术，试图通过技术手段解决AI生成内容的真实性验证问题。

这一技术不仅重塑了内容生产范式，也为长尾创作者提供了与大厂竞争的工具，推动创意产业进入“人人皆可创作”的新阶段。  谷歌透露，未来还将推出“AI导演”功能，通过强化学习自动生成完整影片叙事框架。

可以看到的趋势是，AIGC（人工智能生成内容）正从“创意辅助”转向“工业化生产”。

六、AI时代的“Android生态”逐渐完整

在硬件领域，谷歌联合XREAL发布的Project Aura AR眼镜，是本次大会的一大亮点。

据了解，该眼镜搭载高通XR芯片和Gemini助手，支持实时导航、多语言翻译、语音拍照等功能。其基于Android XR平台，可接入谷歌应用生态。

值得注意的是，在这个过程中，谷歌可通过开放Android XR SDK，吸引开发者构建应用，与苹果Vision Pro、Meta雷朋眼镜形成“平台+硬件+内容”的全方位对抗。

此外，谷歌还宣布Gemini将全面融入安卓生态，覆盖手机、智能手表、汽车仪表盘及电视等终端。用户可通过电源键快速唤醒手机端的Gemini，而车载系统Android Auto、智能手表Wear OS及Google TV均已深度集成Gemini模型，支持自然语言交互与多任务处理。

Gemini深度集成至安卓电源键、汽车仪表盘等核心交互入口，本质上是将用户流量从第三方应用（如Spotify、Uber）向谷歌自有服务（如Google Maps、YouTube）导流。

在降低开发门的API与工具链（如Live API、Agent模式）下，开发者一旦接入谷歌生态，其数据存储、模型调用均依赖谷歌云服务，将形成“开发-部署-运营”的全链条依赖。

通过这种“全家桶式”整合，其实是谷歌在为自己成为AI时代的“水电煤供应商”铺路。这张从硬件到软件的生态大网，编织的愈发完整。

七、订阅制商业模式，奔向盈利 

除了产品的技术，在商业模式上的变化，也是谷歌在 AI 商业化道路上的一次重要尝试。

具体来看，谷歌推出了每月 249.99 美元的 AI Ultra 订阅计划，为追求极致体验的用户提供最高权限的模型访问（如Veo 3、Deep Think模式）、30TB云存储及优先体验权。

这一动作背后，其实是谷歌通过这一模式，瞄准企业用户和专业开发者，构建“软硬一体”的利润池。

例如，开发者可通过订阅服务访问Gemini 2.5 Pro的深度推理能力，而企业用户则能利用AI Ultra的生成工具提升内容创作效率。

AI Ultra的推出标志着AI服务从“功能采购”转向“能力订阅”，推动行业向云计算模式靠拢。谷歌的订阅制策略与OpenAI（200美元/月）和Anthropic（200美元/月）形成竞争，但其通过全家桶生态（搜索、Workspace、Android）形成差异化优势。

例如，AI Ultra用户可享受YouTube Premium服务、Google Drive的30TB存储空间，以及由Project Mariner技术支持的代理工具。

这一模式不仅提升了谷歌的盈利能力，也为AI技术的商业化落地提供了新路径。

写在最后：

2025年Google I/O开发者大会揭示了AI技术从实验室走向产业落地的三大核心趋势：

一是从“通用”到“垂直”，Gemini 2.5 Pro的深度推理、Mariner的流程自动化等功能，证明AI技术正逐渐具备解决行业具体痛点的能力。；二是从“替代”到“增强”，AI不再简单替代人力，而是通过AR眼镜、实时搜索等工具扩展人类感知与决策能力；三是从“实验”到“规模”，订阅制、开发者工具链和硬件生态的完善，标志着AI技术在规模化商用这条路上又迈进了一步。  

正如谷歌CEO皮查伊所言：“我们正进入AI平台变革的新阶段。”这场发布会不仅是一次技术秀，更是一场关于未来十年产业变革的宣言——AI的战场，正在从代码与算力，转向千行百业的真实场景。

中国企业管理，迈入AI时代

新成型的丝滑链条背后，对应的也恰是金蝶过去两年的持续思考和更新表达。

这其中有对AI“结果交付”标准的重新理解，有对智能体编排流程新能力的全力攻坚，也更有对过去自身沉淀三十多年的数据、权限理解、企业管理流程理解的新式表达，这些汇聚到一起也恰构成了今天金蝶交出的这份企业管理AI新答卷。

作者|皮爷 

出品|产业家 

“从今年年初DeepSeek出来之后，我们走访了很多客户，大家基本都在内部部署了大模型。”刘仲文表示，“有些场景比如知识管理这些比较容易出效果，但比如问数等企业管理场景，不少企业落地的效果都没有很理想。”

作为金蝶中国副总裁、研发中心总经理，对国内企业特殊的AI水温，他感触很深。

诚然如此。如果说2023年是AI大模型的技术元年，它对应的是人们对于AI时代到来的坚信，那么2024、2025年则可以看作是大模型的落地之年，反映到企业侧则是越来越多的管理者期望用AI来升级自己的企业管理框架。

根据Gartner进行的一份企业AI调查数据显示，在所有参与调研的企业中，有93%的企业认为2025年AI都会促进营收增长，有66%的企业认为错失生成式AI的机会，将会对企业中长期业务发展带来非常大的挑战。

但这并不是一件容易的事。同样一份来自湘江数评面向企业AI的调查报告显示，在所有调查的企业中，有超半数企业反馈AI技术应用效果不佳，其中原因包括业务需求错位（87%）、数据质量不足（80%）及安全审查缺失（61.2%）。

在过去两年时间里，这些无法避开的问题和需求一道，也在成为金蝶内部持续推进“All in AI”战略的背景板，与之同时，也带来着金蝶这家中国头部软件厂商的更新思考：即怎样的AI产品才能成为企业真正的生产力加持工具？企业又应该选择怎样的姿势切入AI体系？再或者说，在如今的AI时代，企业管理到底应该有怎样的新推进节奏？

“如果说之前我们AI产品更多的是copilot的角色，那么现在这些产品是真正的Agent端到端的产品，企业可以开箱即用。”金蝶中国总裁、苍穹平台总经理李帆表示。

在被称为Agent智能体落地元年的2025，金蝶正在给出一个答案。或者说，这家软件行业的领跑企业，正在尝试用AI刷新中国企业的新管理模型。

一、涌动的“企业管理AI浪潮”：

看的见的需求，避不开的痛点

“我们尝试过不少AI大模型，但都很难落到比如营销、生产、差旅、财务等这些需要提效的场景上。”一位国内知名零售企业CIO告诉产业家，“现在我们开始重新审视这件事，即到底应该怎么用大模型。”

这不是个例。

在过去两年时间里，用“冰火两重天”来概括AI在企业内部的落地毫不为过。即一方面AI技术在一个个榜单中不断打破既有能力，各种通用Agent、场景Agent产品层出不穷，被资本市场冠以“颠覆性产品”的称谓，但另一方面对企业而言，除了感受如会议助手、知识问答等通用场景AI带来的便利外，在如财务、差旅、人力招聘等核心的企业管理场景，AI却展现出出人意料的“低智”和“不靠谱”。

原因在哪？或者说，在一个个打榜背后，持续向阳发展的AI技术曲线和企业新管理模型之间的关系式到底应该是怎样换算的？

“AI技术只是企业管理进化的构成因素之一，这其中还有一系列工程能力，比如安全能力、权限管理能力、场景理解能力等等。”刘仲文告诉我们。

诚然如此。或者说，这也是目前企业在尝试AI落地管理场景遇到的核心难点，即不论是企业自行搭建，还是调用市面上如Manus等通用Agent智能体，其本质都不具备真正的行业和企业know-how。

这些know-how具体到企业管理场景也恰是过去十几年中国SaaS企业不断打磨的底层核心价值，比如针对不同环节的流程、组织管理，比如对于内容安全、数据安全可信的把控，比如针对不同企业和产业场景的个性化服务等等。

实际上，从AI的真实视角来看，挑战还远不止这些。就智能体在某个专业场景的落地而言，企业往往遵从“模型—数据—智能体‘的构建链条，其中尤为重要的是数据体系的构建，对大部分企业而言，模型的训练和微调已经不再是难题，但如何构建真正适配对应场景的数据体系和流程体系，这并不是企业具备的能力。

以及对大部分企业而言，难题还在Agent和固有软件流程的嵌入上。即对大部分企业而言，Agent智能体的使用需要和固有的SaaS软件流程进行适合的嵌入编排，唯有如此才能真正让Agent智能体在企业管理场景的链条中成为真实流转的节点。

可以说，不论是对智能体本身的开发细节，还是其和企业内部的集成配合等等，对大部分企业而言，这些都在成为真实的AI落地卡点。只有打通这些卡点，企业才能真正构建自身的AI生产力体系。

也恰如前文所说，这并不是一件容易的事。在过去的一两年时间里，能看到一些模糊的答案被给出，比如专门面向细节场景的技术智能体，比如基于“低代码+AI”的模式帮助企业完成智能体在企业内部的嵌入，再比如帮助企业构建专业的生产环节的知识库等等，但这些答案对企业而言并不是最优解，或者说，其很难在企业内部成为开箱即用、端到端的能力加持。

AI进入到企业管理场景的正确姿势应该是怎样的？或者说，在AI时代，新的企业管理应该是一个怎样的模型？企业的真正AI切入点在哪？

二、金蝶，提供一个答案

“我们每个智能体都是由很多技术智能体构建的，比如财报智能体背后就有16个智能体，其它智能体也都有很多智能体构成。”李帆告诉我们。

这正是金蝶交出的新答案。

在刚刚举办的2025年金蝶云苍穹AI峰会现场，5款智能体被金蝶正式放到台前，他们分别是金钥财报（财报分析智能体）、ChatBI（企业问数智能体）、招聘智能体、差旅智能体以及企业知识智能体。

具体来看，金钥财报作为新式的财报分析智能体，其可以在极短时间内帮助管理者和财务人员快速获得财报信息，同时可以基于智能体输出和不同企业的财报经营数据对比，以方便企业管理者了解自身经营水位。

ChatBI（企业问数智能体）则对应的恰是国内最高频的数据BI场景。企业可以通过对话聊天的形式，自主挖掘数据价值，从提问到洞察，秒级获取可视化结果。相较于之前的繁杂代码配置，金蝶提供的ChatBI智能体足够准确，也更足够高效。

招聘智能体、差旅智能体和企业知识智能体面向的则也是企业内部的核心管理场景，即招聘、差旅和知识库构建，基于这三个智能体，企业可以直接完成对应的环节流程，比如基于招聘智能体，企业可以完成人才的初步筛选，极大提高招聘效率。

以及差旅智能体，其可以根据企业自身的差旅规则和员工对应的需求进行方案制定，帮助企业内部完成一站式从差旅方案制定到最终报销的全部流程，都可以基于智能体完成整个链路闭环。

同样也更核心的是企业知识智能体，其面向的恰是如今大模型浪潮里人们公认AI落地确定性最强的知识库场景。即基于企业知识智能体，企业可以基于智能体内嵌的特殊设定和格式进行内部资料的重新归纳整理，进而为自身构建一个准确清晰智能的知识土壤底盘。

“金蝶和市面上其它服务商不太一样的点是，我们具备很多年在对应环节上的数据积累和场景理解，这些积累在底层是对一个个元数据格式的理解和分类，基于这些新的元数据模式，我们提供的是企业真正可以直接上手使用的智能体。”李帆表示。

如果说5款智能体的发布对应的是金蝶对于企业最广泛AI使用场景的回答，那么苍穹Agent平台的2.0升级则可以理解为是金蝶对企业真正使用AI的底层能力和系统能力加持。

能看到的是，和苍穹Agent平台1.0相比，这个被新放到舞台中心的2.0版本在各个AI工程能力上都有足够亮眼的升级。

比如更丰富的模板和工具，对企业而言，其可以通过海量丰富的任务流模板、提示词模板和预置工具，快速完成企业智能体开发；比如更深度的SaaS连接，这也恰对应着前文所说的如今大部分企业面临的痛点，即智能体更多处于“孤岛”状态，无法集成到企业现有流程中，基于苍穹Agent平台2.0，企业可以丝滑完成智能体和自身SaaS软件之间的接入和打通。

以及更安全的企业级平台和更开放的技术标准。前者对应的也恰是在企业内部一切智能体和软件价值表达都必需具备安全合规，如权限、隐私保护和内容安全等等，这些是智能体能真实落地企业场景的最基本管控；后者则对应的是企业在苍穹Agent平台2.0上，可以基于MCP/A2A开放协议，像用“USB-C”一样，实现从模型层连接外部资源的能力。

“我们现在更多强调的是从产品导向转向结果导向，即从能不能给企业带来结果的角度来判断我们的产品。”李帆表示。

能够清晰可见的是，不论是5款更新的智能体，还是苍穹Agent平台2.0的升级，在这些被放到舞台上的产品背后，对应的是一个个真实可行的AI生产力工具，在这些核心场景的智能体和平台的加持下，企业可以构建出一个更新的企业管理AI体系，通过“人+软件+智能体”的形式提高企业固有的管理效率。

这个新成型的丝滑链条背后，对应的也恰是金蝶过去两年的持续思考和更新表达——这其中有对AI“结果交付”标准的重新理解，有对智能体编排流程新能力的全力攻坚，也更有对过去自身沉淀三十多年的数据、权限理解、企业管理流程理解的新式表达，这些汇聚到一起也恰构成了今天金蝶交出的这份企业管理AI新答卷。

三、2025年，

中国企业正式迈入AI时代

“对我们金蝶而言，挑战也有很多。比如从产品交付到结果交付，内部的很多产品逻辑、交付流程以及开发逻辑这些都要变。”李帆表示，“以及到底什么是大家共同认可的结果，这些判定标准的成型也还在路上。”

但这种难且坚定的变化背后，对应的是金蝶对企业管理模型的新思考。“我们认为，AI时代，企业的数智化平台会演变为一个企业管理AI，从ERP到EBC，再成为今天的EMAI（企业管理AI）。”金蝶中国执行副总裁、经营中心总裁赵燕锡在大会上说道。

对EMAI概念的一个解读是，其对应的恰是用AI对企业内部一众管理场景进行数智化重构，从固有的“人+软件”模式逐步过渡到“人+智能体”的模式，真正让AI成为企业管理场景的驱动者和执行者，帮助企业基于智能化的属性构建新式生产链条。

这也是金蝶这次产品发布背后的新底层哲学。

即不论是5款新智能体，还是苍穹2.0的升级，在产品之外，金蝶本质想做到的恰是帮助企业真实找到切入AI的场景点，如财报分析、差旅招聘、基于MCP的智能体调用，以及新式智能体和原本流程的嵌入集成，对应的都是帮助企业在固有运转的企业管理流程的基础上向AI更迈进一步——从可组装式软件时代迈入企业管理AI时代，让AI不再单纯作为技术供应者，更成为某些流程的执行者和推动者。

“我们今年上半年和很多企业做交流，每一位董事长、企业高管都非常关心AI，都在寻找能突破的场景。”赵燕锡表示，“但从现在来看，在不同领域、不同系统的AI落地方式是不同的。”

这也恰对应着Gartner发布的AI业务速度分层模型，即在这个模型对应的分析里，记录系统、差异化系统和创新系统将会依次被AI重构，而对企业而言，这也恰是最佳的切入方式，即从底层的通用系统进行AI尝试，之后向自身的企业系统和产业特殊环节落地，最后到AI原生场景，最终构建出一个完整的EMAI体系。

这个过程是漫长且艰辛的。比如其中对特定产业环节的AI智能体加持，比如对企业而言需要的低门槛AI组件搭建平台，再比如智能体和智能体之间、智能体和传统软件之间的不同编排流程，以及基于平台底座对外部智能体的调用和集中纳管，这些问题在新的AI进化潮里企业都必须找到答案。

“我们现在有一个AI落地的方法论，简称‘AIGO’,这四个字母分别对应的是包括A (分析与架构)；I（实施与执行）；G（治理与管理）；O（运营与优化），包括评估企业数智化现状、数智化需求、数智化愿景与战略、企业管理AI架构设计、数智化落地与实施管理等，为企业提供AI转型方法路径。”赵燕锡表示。

这也是金蝶必须解决的问题。即从一个软件服务厂商到AI服务厂商，其中需要的不仅是对过去能力的高度抽离和新式表达，也更是对新技术工程体系、衡量标准和新实施模型的探索。实际上，从这次的发布来看，这些在过去几年时间里也恰构成着金蝶的绝对主线。

值得一提的是，这个主线如今已经被反馈到外部企业市场。根据Gartner发布的2024年报告显示，金蝶位居生成式AI模型中国市场占有率前十，在前十名中，金蝶是其中唯一一家企业管理软件厂商。

实际上，更清晰地感知是，变化的不仅金蝶对外的服务模型，发生变化的也更是这家中国头部软件企业自身。据了解，在金蝶内部，每月都会评出AI创新奖，组织所有员工参加AI演讲大赛，同时“AI优先”被作为最核心的企业发展战略。

“从今年开始，我们不再“砸”，我们要每年浇筑一棵树，浇筑企业管理AI之树。我们相信，这个行业也会因为AI而蝶变。”金蝶集团董事会主席兼CEO徐少春说道。

2025 年，中国企业管理加速迈进 AI 时代。 

济南牵手百度背后：什么才是真正的AI工程体系能力？

或者可以说，在百度被选择成为济南“AI原生城市”建设底层的背后，对应的不单纯是产品、方案、数据、服务模型、安全等单个节点的能力，其更准确的表达是百度拥有目前国内最成熟的AI工程体系能力，在过去的几年时间里，这种AI的体系能力于无数不同量级、不同行业的场景中已经得到真实的价值验证。

只有具备这样的综合AI体系能力，才能或者说才有足够的能力成为“AI原生城市”建设的底层助力者。

作者|皮爷 

出品|产业家 

谈到济南，你的印象是什么？

是老舍笔下“故都的秋”的那座充斥着市井生活气的城市，是经十路、泉城广场、72泉等具人文的城市文化部件，还是覆盖电器装备、重汽重卡、电子元件的北方强制造业城市。

而就在最近，这座充斥着北方粗犷气息的城市开始有了一个新标签：AI原生城市。

对于AI原生，市场必然不陌生，伴随着AI大模型爆发的2年多时间里，AI正在以足够迅猛的速度展现其技术魅力，在C端展示AIGC强智能的同时，也在一个个产业场景构建出新的数据驱动范式，而两者的核心载体恰是基于AI大模型技术驱动的AI原生应用。

但若是加上“城市”，这个足够厚重的标签呢？

在济南这个新标签背后，还有另外一家企业被看到，它就是百度。足够清晰的信号是，这个国内打响AI第一枪的服务商，过去两年时间里，正在屡屡出现在诸多政务市场和城市场景，成为越来越多企业、政务机构拥抱AI浪潮的最率先选择。

但在“AI原生城市”的场景建设上，外界需要一个更被厘清的答案——即为什么济南选择的是百度？或者说，从更为宏大的视角来看，从数字城市到智慧城市，再到AI原生城市，济南，以及中国一众城市角色需要建设的AI底层工程到底是怎样的？

滚滚AI浪潮袭来的当下，中国城市群体正在迈向新时代。而济南正在成为一个最佳观察窗口。

一、从制造“泉城”向AI原生城市：

济南在讲一个怎样的新故事？

实际上，在标签背后，对应的是济南从今年以来被加速看见的“AI”动作。

比如在刚刚落幕的第八届数字中国建设峰会上，济南就展现出了自己的“AI城市”新底色，如城市AI巡检系统，如智慧交通平台，以及RPA+AI“虚拟公务员”等等，这些如今都已经成了济南的城市新构成部分。

而这些动作背后，对应的是济南面向“AI原生城市”更为明确的上层定位。在今年3月召开的济南市大数据工作会议上，一系列关于算力底层建设、数据要素体系建设、智慧城市创新场景数字化，以及最前端的“数智员工”等等AI建设的任务都被明确放到台面上。

会议明确指出，2024年是济南大数据职能体系改革重构的开局之年，而2025年则是数字济南建设的“全面提升年”，济南将全面探索建设全国前列的“AI原生城市”。

此外，《济南市新一代人工智能高质量发展行动计划（2024—2026年）》也更给出锚定目标：即到2026年，全市核心产业规模突破600亿元，人工智能企业达到500家，人工智能产业发展总体水平居全国前列。

那么，从更大的视角来看，“AI原生城市”到底该如何建？或者说，这个城市的新进化工程具体的步骤应该是怎样的？

实际上，从济南的一系列动作可见一斑。比如在一系列城市动作和城市决策中，能明确看到的几个动作是：完善算力基础设施层建设，即构建算力枢纽城市底层；加速数据要素体系的搭建，其中包括数据标注、数据清理、数据集、数据可信空间等一系列产业链建设；以及推动上层政务、民生、产业链等诸多场景的AI落地。

这不是一件容易的事。

比如算力层，相较于企业对于算力的本地化或公有云化部署需求，城市需要的是一个更为庞大的智算中心底座，其不仅对算力部署量级有要求，也更对算力调度、算力利用率等工程能力有更强的要求，只有这样，才能保证做到在诸多企业场景和产业场景的灵活算力调度。

再比如数据层，作为“开放数林指数”全国第二的城市，济南在数据要素的建设侧本身就布局甚早，这也意味着其对于接下来数据产业链体系以及可信数据空间等建设有足够高的要求，其中包括通用的如数据标注、数据清理等数据产业链基础能力建设，也更包括数据安全可信、优质数据集构建等等高质量数据工程体系搭建。

以及上层应用层，相较于全国其它城市，济南的城市产业复合度更高，其中不仅包括常规的政务民生场景，也更对应的是一众如电子制造、工业机床等传统制造业场景，以及“车路云”等新城市模式的场景探索，在底层算力和数据层的加持下，其也需要足够强的AI垂直场景工程能力，打造适配对应场景的AI应用或者AI Agent产品，进而基于底层的算力和数据价值，释放固有的强制造产业优势。

可以说，这是一个从算力层到数据层，再到上层应用场景落地表达的全面复合工程，甚至相较于企业级场景，能明确看到的是，城市级AI工程建设对算力管控、数据安全、AI场景适配和底层操作系统都有更高的要求。

从更大的视角来看，从智慧城市迈向“AI原生城市”，其面临的挑战不仅是城市自身对于城市新运作机制的重新理解和重构，于AI大模型狂飙2年的当下，更多的难点是如何更精准、更安全、更高性价比地建立一个城市底层的AI工程操作系统，只有基于这个完备的底层系统，上层的“AI原生城市”的故事才能充分演绎。

二、为什么是百度？

百度恰是这个挑战的另一个拆解者。

从官方透露的信息显示，在刚刚达成的牵手合作中，济南政府接下来与百度的合作方向主要集中在人工智能基础设施建设、数据要素产业发展、人工智能行业应用、“车路云”一体化应用等领域。

具体来看，在AI基础设施层面，除了智算中心相关的合作之外，百度还将在济南落地数据标注产业基地，打造集数据采集、加工、交易、应用等为一体的基础数据服务体系。

此外，百度还将与山东省、济南市各政府部门、企业、高校等单位合作，围绕政务、交通、医疗、教育、能源、化工、制造等领域，提供算力及大模型等技术服务，探索不同行业的业务场景应用。

以及在“车路云”方向和AI人才培养方向，一方面双方将加速在济南落地智能交通场景，共同推进高精度地图等关键环节的攻坚等；另一方面将持续推进AI相关人才培养机制的完善，据了解，未来五年，百度计划与济南的高校及职业培训机构深化合作，开展AI数据服务人才孵化。

能够明确感知到的是，双方的合作几乎覆盖AI全部产业链条，即从底层AI算力设施到数据要素体系再到上层AI垂直场景的产业表达，真正构建出一个完备的“AI原生城市”的立体操作系统。

这也恰构成着济南选择百度的原因。

即在“打响国内AI第一枪”的标签之上，在过去的几年时间里，百度几乎在AI产业的各个节点都有足够清晰的表达，不论是底层的国产芯片布局，还是上层以百度智能云为窗口的模型工程体系和AI应用产品体系，抑或是从数据标注到数据治理再到数据表达的全数据产业链条，在百度和一个个产业案例的合作中，这些都在成为真实推动企业构建AI生产力的核心组件。

这些组件在2025年也更被进一步清晰表达。

比如前文提到的城市级算力难题层面，就在最近，百度近期正式点亮了昆仑芯P800的三万卡，这也是国内首个正式点亮的自研万卡，同时，基于百度智能云百舸平台，企业可以完成足够稳定、极速、高效的算力调用和支配。

以及数据体系层面，据了解百度智能云在数据标注基地的市场份额连续多年保持行业第一，在百度于泰安落地的数据标注基地里，集聚1500余名“人工智能训练师”，覆盖图片、自动驾驶、语音等多类型数据处理。同时，在本次Create2025百度AI开发者大会，百度智能云千帆平台还推出了数据开发平台产品，即帮助企业完成自身的数据体系搭建和数据价值表达。

同样被外界清晰看见的还有百度智能云的一系列上层应用落地，比如基于百度智能云千帆的模型开发平台和应用开发平台等MaaS产品，企业可以有效完成从模型调用到模型微调，以及RAG、应用构建等全部链条，基于自身情况完成真实的AI价值落地。

如果说这些全栈产品能力是这次合作中，百度“被选择”的水面之上的构成。那么，在这些之外，还有一些更为真实的产业落地能力验证，比如百度智能云拥有中国最广最深的大模型产业落地规模，如今已有超60%的央企跑在百度智能云上，再比如根据IDC报告显示，2024年上半年，百度智能云位居中国MaaS市场、中国AI大模型解决方案市场两个市场第一。

此外，更真实的服务模型还体现在早在之前百度就已经和山东省进行了一系列AI场景落地合作。如国网山东电力公司基于百度飞桨平台开发了电网智能巡检系统，实现隐患识别准确率超90%，功耗降低30%，并支持5分钟间隔的实时图像分析，如今已在山东电网规模化部署；以及前文所说的百度之前就在泰安落地的数据标注基地，其在完整的标注基地体系的同时，也更在培育本地AI数据服务企业，构建工业、医疗等领域特色数据集。

或者可以说，在百度被选择成为济南“AI原生城市”建设底层的背后，对应的不单纯是产品、方案、数据、服务模型、安全等单个节点的能力，其更准确的表达是百度拥有目前国内最成熟的AI工程体系能力，在过去的几年时间里，这种AI的体系能力于无数不同量级、不同行业的场景中已经得到真实的价值验证。

只有具备这样的综合AI体系能力，才能或者说才有足够的能力成为“AI原生城市”建设的底层助力者。

三、新城市故事，新AI基建

在过去的多年时间里，对于数字化服务商，国家更多的定位是新时代的数字基建者，即其可以帮助城市、帮助企业构建具备成长力和内生力的数字化体系，基于数字模式进行自我管理和自我进化。

如今，在济南牵手百度构建AI原生城市的这次合作中，能清晰感受到的是，这种基建的属性也更在向前一步，即AI。

这种新基建属性的成型一方面是源自济南这座城市对于自身从制造属性向智造属性的转型意识，而另一方面也恰是基于百度，这类成熟的AI服务商如今已经成型的完备的AI工程体系能力，这种转型意识和转型能力的双向匹配，也恰造就了一个新的“AI原生成熟”新故事的产生。

实际上，不仅济南，包括山东省内，以及北上广深等越来越多的城市如今都在推进城市AI土壤的建设，其背后对应的本质在于基于城市单位构建出的AI原生环境可以为其中的企业个体、产业群体以及C端人群提供更为优渥的AI转型基础和AI价值体验，进一步加速城市的发展，进而推动区域经济向更优更快的节奏迈进。

根据高盛发布的一组数据显示，在未来10年时间里，生成式预计将提升全球GDP 7%（约7万亿美元）的增长；此外，其还预测，生成式AI预计从2026年开始提升中国潜在经济增长率，到2030年累计贡献0.2-0.3个百分点的GDP增长。

在其中，城市是AI经济增量的最核心构成单元之一。不过，也恰如济南和百度的合作所显现的这样，要做到这些增量，必然是一个任重道远的新城市工程，这其中从城市战略定位、城市新大脑底层，以及上层新场景、新产业经济的从0到1的搭建和尝试，需要的也都是各方力量的参与和加持。

但同样，透过两者的合作，也更能欣喜地看到这样的AI新故事已经在拉开帷幕，不论是双方在AI算力基础设施的持续协作投入，还是在数据标注基地等数据工程上的全面布设，以及在产学研等AI人才体系和“车路云”创新场景等上的持续加码，这些细节也恰在昭示着济南这座新“AI原生城市”的悄然成型。

关于城市的表达，作家伊塔罗·卡尔维诺在《看不见的城市》里的有这样一段描述：城市不会泄露自己的过去和现在，只会把它像手纹一样藏起来，它被写在街巷的角落、窗格的护栏，楼梯的扶手、避雷的天线和旗杆上，每一道印记都是抓挠、锯锉、刻凿、猛击留下的痕迹。

如果说在过去的时间里，城市的温度表达更多的是建筑，是摩天大楼，是完备的商场等基础设施，那么在接下来的智能化和AI时代，这些表达的温度还将体现在一系列AI化、智能化的民生、政务AI应用、产业数据环境，它们也恰在构成着城市自己的新进化和新内涵。

这是百度智能云等企业的价值，是新时代AI基建者的价值和使命，也更是济南等中国一众城市个体的新时代跃迁。

国产软件崛起，腾讯「交卷2025」

这是腾讯交出的答卷，也更是中国国产软件企业正在不断向上攀登的路。

作者|木人裴 

出品|产业家 

“我们在融合创新侧更多的是发挥自己的优势。”李强告诉产业家，“专注在自己擅长的领域，能够更好的服务更多的客户。”

实际上，这句话对应的是——在过去的几年时间里，在AI大模型战略布局和技术迭代被观察的同时，作为腾讯集团副总裁、政企业务总裁的李强和腾讯云的另一块核心业务也更在成为市场观察的对象：软件自主创新。

一个市场消息是，截止2027年，国内大部分央国企都要把核心系统甚至上层软件系统切换到国产软件侧，在数据侧、安全侧提出更高要求，这其中涉及到的产品环节有大众看得到的数据库、本地算力部署、上层办公系统，也更有隐藏在水面之下同样重要的大数据体系、数据存储等等。

对服务商而言，这不是一件简单的事。不论是腾讯，还是阿里、华为、火山引擎等等一众云厂商都在成为这个战场的核心参与者，但角逐点公开透明——产品性能、数据安全、自主可控。

腾讯走到哪了？或者说，对这样一家具备稳健风格的企业而言，在这个特殊的战场上，它的“稳健风格”是否还一如既往？

就在最近，腾讯又刷新了自己的答案。“中国造软件厚积薄发，正在加速从可用迈向好用”。李强说道。

一、答好自主创新的必然命题

实际上，从全球视角来看，伴随着如今科技领域竞争加剧，基础软件的安全可靠，正在成为确保企业乃至不同产业数字化韧性的根本。

这种信号伴随着2020年信息技术融合创新产业的进程也更在愈发加速。

比如在政务，如果说前几年的核心改造是集中在一线二线城市的核心城市系统、民生系统，那么在2024年一系列四五六线城市的数字化政务系统迈入自主可控区，比如数据的全面本地存储，比如上层办公系统的全面国产化等等。

再比如金融领域，相较于前几年更多是集中在数据库等核心系统的替换，那么如今两条线正在愈发清晰，一方面从边缘系统向全面系统全面推进，另一方面从大行向区域性银行、民营银行等逐步延伸，加速自身数字化体系的自主创新。

而在李强看来，“2025年将是产业爆发的临界点”。

诚然如此。能清晰看到的是，不论是在核心系统还是边缘系统，在过去的几年时间里，一系列的攻坚战都迅速打响，从数据库到大数据平台，从底层的数据存储计算到上层的软件适配，一个完备的从0到1的流程已然成型。

二、被看见的腾讯

在国产软件方向，腾讯一直是被看见的对象。

这种被看见是如今几乎是行业内最全面的环节加持，比如在基础软件侧“6T”——数据库TDSQL、操作系统TencentOS、专有云TCE、专有云PaaS平台TCS、大数据TBDS、腾讯云TI平台，目前也都已适配主流国产软硬件生态系统；再比如在上层的应用软件服务，如腾讯会议、企业、腾讯文档、腾讯乐享等。

其中，据了解，腾讯云数据库TDSQL核心代码自研率为100%，服务器操作系统TencentOS也是全链路自研，并且连续6年在虚拟化领域国内开源贡献第一。这两款产品如今都已通过国家的安全可靠测评。截至目前，腾讯云有百余款产品进入工委会软硬件图谱，取得了2100多项互认证证书，是国产生态链中最重要厂商之一。

在产品之外，被看见的还有腾讯全面的融合创新经销商体系，据了解，截至目前，腾讯的融合创新经销商覆盖28个省，一大批具备私有化产品销售和服务经验的专业渠道伙伴都在帮助企业基于腾讯的全链条产品进一步完成自身自主创新体系的搭建。

一个数据是，在过去几年时间里，腾讯已经和50多家合作伙伴联合打造了65个具备可复制性的行业解决方案，覆盖政务、金融，也覆盖医疗、教育、能源、交通等30多个行业。

这些产品和合作伙伴体系的完备也恰构成着腾讯在无数场景中的被选择。比如2019年，腾讯云就基于一云多芯的专有云TCE，为广东省政府打造了一朵全国最大的省级融合创新云，支撑68个省级单位的1000多个业务系统平稳运行，全面支撑“粤系列”平台：粤省事、粤商通、粤省心。

再比如，腾讯云数据库TDSQL如今已覆盖超过1000家金融机构。其中，国内前10大银行中就有7家用腾讯云TDSQL，40多家金融机构的核心系统都切换成了TDSQL，打破了该领域对国外数据库的长期依赖。

以及腾讯云还为央视总台构建了“私有云+专有云+公有云”的混合云架构，基于新的数据中台体系，良好地支撑了总台各类重大赛会活动的高并发访问。在数据中台的搭建中，腾讯云TBDS与自研高性能MPP数据仓库TCHouse共同承担了核心任务。

在2024年巴黎奥运会期间，数据中台以QPS突破500万、日处理超 200 亿条数据的能力，保障了超过 180 小时的日直播量及 7000多场比赛的数据分析需求。以乒乓球赛事为例，总观看量突破 11 亿人次。在樊振东对战张本智和的比赛中，高并发写入流量一度达 1300 万/秒，是流量平峰的10倍以上，腾讯云成功应对流量洪峰。

“软件竞争不仅是产品，更是生态的竞争。”李强表示。这种表述背后对应的是腾讯在生态侧的持续加码，比如去年9月，腾讯和生态伙伴共同组建了融合创新生态联盟，目前已经吸纳了50多个联盟成员，并且在过去6个月，携手落地了20多个头部标杆项目。

同时，腾讯也向所有伙伴提供培训赋能服务，在今年Q1为300多伙伴学员提供了融合创新类的专项培训。

从传统制造，到新能源汽车、动力电池、光伏、无人机，越来越多的中国制造正在全球成为领跑者的角色，而在这个过程中同样被看见的还有出现在无数业务场景和服务场景中的中国软件，它们如今也更在成为新的全球化企业的更优选。

这是腾讯交出的答卷，也更是中国国产软件企业正在不断向上攀登的路。

从昆仑万维财报，看见真正的AI增长内核

从某种程度来看，AI商业化飞轮在昆仑万维的业务体系内被打响也属必然。

不论是大模型市场人们讨论的从算力（芯片）到算法到数据的全技术栈布局，还是从模型到产品到场景的AI商业布局，这两个大模型持久战或者价值验证的必经路线在昆仑万维身上都能看到清晰的答案。

作者|皮爷 

出品|产业家 

“我们现在还在PMF验证阶段，商业化还在铺量的过程中。”一位国内头部AI应用产品负责人告诉产业家，“AI应用的商业化阈值比之前的软件产品要更高。”

更具体的细节是，这款产品如今仍然处于和“客户”共创的过程中，刚刚完成产品功能基于需求的迭代，对于面向市场的商业化还没有明确的时间表。

这种情况在AI大模型市场不再少数。

从整个行业的视角来看，即伴随着Manus等一系列Agent智能体产品的出现，从AI技术到商业化场景落地的热情被加速释放，这其中不仅产生的不仅有面向各个企业场景的Agent产品，也更有无数面向C端需求场景，如游戏、社交、娱乐等等方向的AI应用出现。

但在这种“热潮”背后，一个真实的问题也更在被越来越多人关注，即这些AI产品真正有价值吗？或者从企业的业务视角来看，这些智能体产品能构成公司的业务经营主体吗？

互联网时代，业务价值/产品价值对应的是对特定需求的满足，而这种对需求的满足也恰构成着企业商业价值的呈现，不论是C端场景，还是B端场景，都不外乎如此。

但就当下的大部分AI企业而言，这些问题的答案是“否”。

根据一份来自Gartner的数据显示，目前有超过80%的AI产品因为无法适应对应的场景而失败，其中原因涵盖数据安全、场景满足度不够等等；此外，更有不完全数据统计显示，在2023年至今，有接近90%的AI产品发布后因“参与度低、采用率为零”被市场淘汰，仅极少数头部产品维持用户活跃度。

“这一轮创业和之前的创业不同，这次创业需要在大厂的射程范围之外，否则都很难被市场认可，更难做商业化。”一位投资人告诉产业家。

但也有例外，比如伴随着AI大潮的袭来，逐渐被越来越多人关注的昆仑万维。

在刚刚过去的5月份，这家定位全球化的企业交出两份亮眼的“AI财报”。在2024年度财报数据中显示，昆仑万维2024年全年营收56.6亿元，同比增长15.2%，整体毛利率达73.6%；2025年第一季度，昆仑万维营收同比大增46%至17.6亿元，AI业务商业化落地加速。

构成这些增长的产品细节数据是，根据财报显示，截至报告期末，昆仑万维AI社交产品报告期内单月最高收入突破100万美元，成为海外收入增长速度最快的中国AI应用之一；AI音乐年化流水收入ARR达到约1200万美元（月流水收入约100万美元），短剧平台DramaWave年化流水收入ARR达到约1.2亿美元（月流水收入约1000万美元）。

这是一份亮眼的成绩单，或者准确来说，这是一份在中国乃至全球的AI浪潮里也可以称之为优秀的成绩单，这种“优秀”的最核心表现恰是——AI已经构成了昆仑万维，这家全球化企业财报数据底层的真实增长支撑。

它做对了什么？或者说，这个已经成型的商业化闭环，能“跑起来”的关键是什么？

一、AI商业化验证，

昆仑万维打响“第一枪”

一个足够准确的说法是：昆仑万维打响了AI商业化第一枪。

从2024年度财报和第一季度财报都能明显看出的是，在昆仑万维财报中三个产品尤为亮眼，它们分别是短剧平台DramaWave、AI音乐产品Mureka、AI社交产品Linky。客观来看，这三款产品也恰构成了昆仑万维的“AI商业化第一枪”。

首先来看短剧平台DramaWave，据第三方数据显示，截至2025年3月，DramaWave月活跃用户量已经突破1000万大关、下载量突破3000万大关，而在爆火短剧《订婚风暴》的推动下，其于4月12日在韩国市场实现对Netflix的超越；此外，根据财报数据显示，2025年第一季度，在市场竞争最为激烈的美国区，DramaWave的下载量也位居TOP5、应用内购收入位居TOP7。

在这个增长速度飞快的“短剧明星”产品背后，市场的反馈是它的AI味越来越浓，比如，在核心的内容创作侧，基于昆仑万维推出的专项AI短剧创作平台SkyReels，平台创作者可以进行快速地AI创作，加速自身作品的成型。

再比如在分发侧，基于DramaWave推出的智能聊天功能，用户可针对剧情、角色与剧中人物进行沉浸式互动；以及最新上线的AI配音功能，用户可实现16种语言转译配音，无障碍观看短剧。

而和DramaWave 的“内容+AI”逻辑不同的是，AI音乐产品Mureka和AI社交产品Linky则是市面上纯正的AI产品逻辑，即基于底层对应的模型进行相应的上层产品表达。

前者为用户提供从创作到交易的全AI音乐链条服务，仅仅上线9个月就取得月流水收入100万美元的成绩，在刚刚过去的3月份，其全球访问量达333万，环比增长86.5%，增速更是位列全球AI音乐品类第一。而后者则是基于大语言模型，基于虚拟角色构建全新的AI社交产业链，一个数据是，Linky产品业务最高收入突破100万美元/月，月活跃用户超过300万。

实际上，对于昆仑万维的AI商业化成绩单，可以从两方面理解它的特殊性——一方面是明星级产品DramaWave，它代表的是AI技术对昆仑万维自身原有平台业务（短剧）的升级加速效果已经彰显，另一方面是纯原生AI应用Mureka和Linky，在不到1年的时间里，迅速完成了商业价值路径验证。

这都是不容易的点。

首先从DramaWave的视角来看，其本身对应的是AI技术对于平台能力和平台价值的加强，这点从AI市场来看尤为难得。即尽管AI大模型从2023年发展至今，放眼国内乃至全球市场，不论是一众电商平台，还是短视频、社交等一系列其它平台，都还没有产生像昆仑万维这样AI驱动固有平台业务增长的效能，不论是基于创作者端，还是如平台功能端。目前市场面上有相关成熟尝试的也只有剪映等产品，但剪映等产品的逻辑也是嵌入到原有的工具产品中，本身对后端视频平台的牵引力不强。

其次是Mureka和Linky。作为两款真正的AI原生应用，能在如此短时间内取得这样的成绩实属亮眼，两者均在不到1年的时间（Linky尽管之前已推出，但真正结合AI能力是从2024年下半年）迅速完成了从产品冷启动到商业化验证的过程。

根据Sensor Tower不完全统计，在全球市场，包括ChatGPT、豆包等生成式AI应用通过订阅制快速验证的时间是20个月；同时，当红炸子鸡Deepseek用户破亿仅用7天，但商业化验证实际收入达标周期也更长达约11个月。

这也是Mureka和Linky被关注的原因，即尽管在过去一两年时间里，AI音乐和AI社交一度是被投资人看好的赛道，但即使从全球范围来看，真正能在短时间完成商业化验证的产品寥寥无几，更多仍处于产品功能迭代阶段，距离商业化的距离还尚远。

可以看到，不论是SkyReels +DramaWave，还是Mureka、Linky，再或者财报中的其它业务，如AI游戏、社交娱乐平台StarMaker，在昆仑万维的业务体系里，AI商业化，这个在全球AI市场范围内都称得上是卡点的难题似乎在以不同的方式得到正向反馈和结果，不论是和固有业务的商业化“1+1>2”，还是AI原生产品的“从0到1”，从财报数据看，这些被加持后的平台和产品甚至已经构建起了2025年昆仑万维的最大增长极。

昆仑万维，这个“孵化场”，有什么特殊之处？

二、拆解昆仑万维的AI飞轮

对于昆仑万维，市场最早的标签是包括搜索、社交、游戏娱乐等在内的互联网平台企业，但在最近的两年里，这家企业的全部标签开始被浓缩为一个：AI。

这种标签的浓缩对应的不单纯是在战略方向上的”All in AGI与AIGC”，也更是在企业整个产品架构上的增长飞轮重构。

在如今的大模型时代，一个公认的说法是，“模型即产品”——这句话在论证模型重要性的同时，也更在彰显一个全新的AI时代的产品逻辑，即只有底层的模型足够强大，由此衍生出的上层产品才能具备足够强的功能。

DeepSeek是如此，豆包是如此，昆仑万维也更是如此。只不过，和前两者不同的是，昆仑万维的做法是选择做细分领域的SOTA模型，在大厂“射程”范围外找到新的确定性机会。

沿着上层几个已经被市场广泛关注的产品（DramaWave+SkyReels、Mureka、Linky）向下看，能看到的是昆仑万维频繁密集的AI大模型成绩单。

比如，Skywork R1V多模态推理模型达到开源SOTA（State of The Art，当前最佳水平）；在视频生成领域，SkyReels-V1模型与支持精准表情动作控制的SkyReels-A1算法位居全球领先地位，后者实现技术突破性SOTA；再比如，在AI音乐领域，Mureka V6与全球首款融合CoT技术的Mureka O1形成组合优势，其中Mureka O1凭借创新架构设计实现对竞品的全面性能超越，登顶行业SOTA。

以及在综合AI大模型，昆仑万维 “天工”系列大模型，也更在复杂任务处理、多模态等方面不断传出新消息，从Hugging Face等多个权威榜单数据来看，天工大模型AI技术实力位于国内第一梯队。

可以理解为，昆仑万维也恰是基于这些细分领域大模型的SOTA能力，同时辅以自身在这些对应领域（娱乐、社交、游戏等）积淀的多年用户需求理解，进而构建出上层专项的产品，形成真正的前端AI触角。

这些触角一方面以AI服务的形式满足现在市场对于细分领域AI产品的需求，可以迅速完成从“需求出现—需求满足—商业验证”的AI产品路线；另一方面这些AI产品也更能够嵌入到原有的软件业务形态里，比如嵌入到DramaWave短剧业务的上下游产业链中，帮助整个产业链从创作到分发扩散实现智能化升级，进一步加码和放大原有平台产品的价值属性，创造增长营收。

实际上，谈到飞轮效应，在现在的AI时代，市场往往会想到的是微软。即从底层模型出发，微软有上层足够广阔的模型部署场景，比如可以把GPT直接部署到Office系列产品上，之后基于Office3.87亿用户对写作建议的采纳率、修改行为等数据用于优化GPT-4的办公场景理解，再比如可以基于Teams Copilot的会议记录分析、GitHub Copilot的代码生成反馈，形成“应用-数据-模型”动态迭代的过程。

微软的AI飞轮效应在于其可以把模型的进步和上层场景进行有机结合，将GPT足够强的模型的能力和价值充分在上层场景中进行商业化和产品表达，同时将这种表达的结果进一步回收至大模型的训练流程中，帮助其进一步旋转飞轮。

这也正是昆仑万维的模型，只不过相较于微软的工具型场景，昆仑万维已经形成闭环的是自身的消费级场景——从SOTA模型能力出发，在自身已有的上层平台场景或已有的对（搜索、社交、游戏、短剧等）特定领域需求的理解场域中进行专属表达，基于真实的用户需求理解，进而构建出对应的新AI产品模块，一方面帮助昆仑万维强化自身的产品版图，另一方面释放对应的商业价值；同时这些真实的AI数据又回反流至领域模型，进一步强化模型的SOTA能力。

这也是昆仑万维和微软等企业的特殊之处。即在这个已经成型的AI飞轮闭环中，企业的出发点不是从0开始，而是基于固有的对特定领域的理解和认知（用户需求）、和固有的场景沉淀，从需求出发，构建出一个完备的从模型到产品再到模型的闭环。

也可以说，这种出发点本身也恰在一开始就决定了整个体系具备极强的商业化价值。对昆仑万维而言，其在过去多年的真正价值底层恰是对市场需求和用户需求的本质理解，这种理解在互联网时代体现为UI设计、平台机制和用户活跃度，而在AI时代则升级为从模型到应用再到场景的完整AIGC商业化飞轮。

三、被低估的昆仑万维，

被重估的昆仑万维

从整个AI产业链的角度来看，这种商业化飞轮也更取决于昆仑万维的特殊性，即在这家全球性的企业场域里，有构成这个AI飞轮运转的一切养料，比如底层数据积累，比如研发能力，比如前端的固有商业场域，以及新AI产品能被引爆的庞大用户群体，这些都构成了昆仑万维如今在持续运转，甚至正在加速旋转的AI商业飞轮。

而这些飞轮的任何一个节点，在真实的市场里都是分散的，甚至是不成体系化和不成型的，但在昆仑万维如今的版图里，这些却已经形成一个“用户AI需求—模型研发迭代—AI应用/功能表达—场景验证”的完整AI产业链闭环。

这也是昆仑万维这次财报被市场尤为关注的点，即人们看到的不仅是这家全球性企业在AI商业价值上的成型，也更看到其整个AI体系的完善，这其中最为突出是其底层的技术投入。

根据财报数据显示，在2024年全年，昆仑万维全年公司研发费用为15.4亿元，同比增长59.5%；而今年这个数字还在攀升，即仅在2025年第一季度，在AI算力芯片、大模型及应用的研发迭代上，昆仑万维的研发费用就已达4.3亿元，同比增长23%。

此外，在2023年昆仑万维通过增资方式控股AI算力芯片企业——北京艾捷科芯科技有限公司，如今也已经完成了“算力基础设施—大模型算法—AI应用”全产业链布局。目前，其整体研发进度已经过半，向实现量产迈出了坚实的一步，据了解，截至一季度末，艾捷科芯员工数量已经接近200名。

从某种程度来看，AI商业化飞轮在昆仑万维的业务体系内被打响也属必然，即不论是大模型市场人们讨论的从算力（芯片）到算法到数据的全技术栈布局，还是从模型到产品到场景的AI商业布局，这两个大模型持久战或者价值验证的必经路线在昆仑万维身上都能看到清晰的答案。

前者保证了昆仑万维可以一直“坐在大模型牌桌上”，而后者则是保证了昆仑万维在坐在牌桌的同时，更可以不断洗牌，进而打出一手手好组合。

这个好牌如今也更在持续演进。根据财报披露的消息显示，据了解，在接下来的5月，昆仑万维将发布全球首款生产力场景通用Agent平台Skywork.ai，以高频使用场景为核心，构建由五大专家级AI Agent组成的智能体系，分别针对专业文档、数据表格、演示文稿、播客及网页内容进行深度优化。

可以说，如果说昆仑万维过去更强的能力在于针对细分SOTA领域，如对用户娱乐、社交、搜索等AI需求的满足，那么如今这些对细分AI需求的满足能力在自身愈发全面的AI布局下，正在向更大的场景和领域延展。

这种延展来自于被率先真实运转起来的AI商业闭环（真实数据），也更来自于昆仑万维不同于互联网大厂的内部快速反馈、快速行动、快速验证的产品价值闭环。

也或者可以说，在自己擅长的领域率先出击并且完成AI飞轮闭环，这种真实世界的模型反馈下，创业公司的战斗力不见得比互联网大厂的战斗力差，Deepseek是如此，昆仑万维也是如此。

结尾：

从资本市场来看，昆仑万维的一系列AI动作，或者更准确来说是基于AI的业务增长模型早已经有了正向反馈。

比如根据华泰证券最近给出的报告显示，通过SOTP估值法，认为昆仑万维的目标市值为552亿元，对应目标价44.84元/股。

需要解释的是，昆仑万维现在的估值模型设定更多的是传统估值体系（传媒行业），即在企业大规模研发投入基础上的总营收和利润等数据，整体得出了较低的PS值，进而换算出总估值。

但这种单从营收利润数据出发的估值体系并不合理，也是远远低估的，实际上，其如今正在被SOTP估值（不同业务分别计算估值），甚至是更为真实反应企业增长面的科技估值体系（AI估值体系/SaaS估值体系）所代替，比如AI大模型（天工系列）可以对标Hugging Face（估值45亿美元），甚至进一步如DeepSeek（1500亿美元）、短剧与AI应用（DramaWave+Mureka）可以对标HeyGen（PS 15-20倍）等等，这些高成长性的业务分别在资本市场都能找到足够适配的新估值标的。

甚至，如果一旦在2026、2027年基于昆仑万维的战略规划实现AI产品的盈利指标，SOTP估值还将可以进一步转化为AI或SaaS估值模型，届时估值将在552亿的基础上进一步提升。

可以说，从传统估值模型到SOTP估值法再到后续的AI企业估值模型，这种变化的估值模型背后，对应的也更是市场对昆仑万维AI新增长内核的肯定和看见，这些肯定包括对更广用户的覆盖，对更大市场的满足，以及更有前景更确定性的基于AI的商业增长空间。

AI驱动增长，不是一句空话，在昆仑万维身上更是一个确定性的表达，这次的年报和一季度财报正是一个前奏。

Zoho在2025：三个支点和一个新故事

这些独特的能力模型在新的水温环境下如今正在被Zoho拆解成对应的新进化方向——AI驱动、平台加持和生态助力。

而也或者可以说，这三个支点也更构成的是一个新的SaaS故事。即在这个故事里，企业自身的AI力、产品力、技术力和对需求的拆解力被无限放大，同时伙伴的交付和服务能力被充分发挥，进而为无数中国不同产业的企业提供更为细分和贴身的AI和软件服务。

作者|皮爷 

出品|产业家 

今年年后，夏海峰很忙。“DeepSeek破圈后，有很大一批企业找过来要上相关的AI能力，有些是基于CRM、智能客服、BI上的能力有明确需求，有些企业不知道要上什么能力，但是会‘坚定’告诉我们‘要上AI’。”

同时集中找过来的还有另外一个需求群体—出海企业。根据不完全统计，截止2025年5月份，仅中国市场，就有超过30%的企业开始考虑或者加强出海和全球化方面的布局。

夏海峰和Zoho对这个数据的感知更为真实。“在一季度，我们新增企业数就超过40%，其中接近70%多是有出海相关需求的企业。”

这种来自AI和出海的需求也更构成着在Zoho内部的新思考：即在AI浪潮和如出海等垂直细分场景新SaaS需求蓬勃向上的如今，作为一个定位中国土壤的软件厂商，新的进击姿态应该是怎样的？或者说，应该如何调整自身的企业模型，来更好地成为TO B市场新需求的满足者和承载者。

这不仅是Zoho面临的状态，这些问题也更在成为着一众中国SaaS企业的思考，即伴随着Manus等产业智能体的出现、国际水温的变化以及中国数字化水温的整体提升，SaaS企业构建的下一个能力基座和核心竞争力锚点到底应该是什么？

实际上，在这些思考发生的同时，在Zoho内部，一系列的变化和调整已经在悄然出现，这些变化的背后是关于AI产品、平台、生态的新答案。

2025年，关于Zoho，一个新的进化故事正在拉开帷幕。

一、2025年，

被重新测量的SaaS水温

“基本每个过来的企业我们都会跟踪评估。”夏海峰告诉我们，“但有些我们需要帮客户先明确他们的AI需求到底是什么，以及是不是能解决的。”

从更大的视角来看，不仅Zoho，这是几乎所有国内头部SaaS厂商都在面临的问题，即面对企业蓬勃而生的AI需求，服务商应该以怎样的姿态应对？

这种姿态的考量对应的是市场对SaaS企业的新要求。即在AI需求到来的同时，一些其它的问题更随之而来，比如在涌过来的需求侧，部分企业对于AI需求的表达过于个性化和“想当然”，比如部分企业自身的数据土壤并不完善，再比如企业在AI需求提出的同时，也更对数据安全有极高的要求等等。

以及服务商本身的供给侧，即如果想要完成自身所在软件赛道，如CRM、ERP、低代码、BI、HR等领域的AI化，企业需要思考资金和投入的新问题——即是基于自身软件层面的“+AI”，还是重新做一个AI Agent产品，再或者是像海外Salesforce等TO B巨头一样重新打造Agent PaaS（基于智能体平台的PaaS服务）等核心基座。

可以说，这些变化也更在成为过去两年时间里，中国几乎全部SaaS厂商都必须面对的新外部环境。

不仅如此。在猛烈爆发的AI环境之外，在固有的SaaS需求链路上，水温也在变化。

除了前文提到的旺盛出海需求，夏海峰还告诉我们，“今年不少中大型客户对Zoho的各个产品提出了更多个性化的需求，包括产品功能、UI等等各方面纬度，场景需求更在被不断强化。”

这点不难理解。即伴随着数字化对中国产业土壤的持续浸润，两个明确的趋势也更在凸显，即一方面越来越多的不同传统产业赛道的企业开始选择更为专业的SaaS软件，如CRM软件、HR SaaS软件等作为自身下一步发展的新根基，另一方面切入数字化一定时间的企业开始选择更适合自身业务模型的软件形态，这其中对应的也正是对SaaS厂商的更个性化的产业需求。

但对服务商而言，这并不是一件容易的事。不论是CRM、EPR还是低代码等等产品形态，如果想要做到对行业个性化需求的充分满足，其必须具备足够分子化和产业化的PaaS平台能力，以及对应配套的生态交付体系，才可以实现用更低的成本和更优质的效果完成企业的个性化需求满足。

可以说，不论是如雨后春笋般出现的AI化需求还是持续向深处延展的行业化需求，对SaaS企业而言，这些在构成新的水温环境的同时，也更带来的是全新的产品和战略考量。

SaaS企业必须要变化。但应该如何变？以及真正能适应新水温的新SaaS企业模型应该是怎样的？

二、进化的Zoho：

三个新支点，一个新故事

“其实去年我们整体的付费客户流失率算是创了新低，几乎是历年最低的水平。”夏海峰告诉产业家。

对Zoho的一个侧写是，如果说在中国市场上有的SaaS企业的风格是渠道为王，有的企业的风格是定制化交付贴身服务，有的企业更多是把持产品订阅的红线，那么Zoho的一个公认标签正是：产品。

这种产品对应的是Zoho对外提供的以CRM软件为头排兵的All in One产品体系，基于这套服务体系，企业可以满足自身对于多个内部环境的数字化需求。

“我们去年的产品交叉销售比例在明显增加，有的赛道增涨30%上下，但有的增增长也会到100%，这其中对应的也是整个客单价的提升。”夏海峰表示。

但尽管是这样一张优秀的成绩单，在夏海峰看来，Zoho还是要变。

但如何变，以及怎样才能保证前进方向的正确性？一个真实的情况是，对SaaS企业而言，其在构建新的服务模型的同时，也更需要考虑的是自身的创业模型和商业模型。

不过，在大量真实需求的驱动下，Zoho却很快锚定了方向。“我们内部也讨论了很久，比如生态策略，平台策略等等。”

这些讨论如今转化为Zoho的新的三条线，即AI 进化、平台模型和生态策略。

AI进化自然不用多说，对几乎所有SaaS企业而言，这是一个必然的进化方向，但Zoho选择的却是其中“最彻底”的做法，即基于Agent PaaS的形态从底层重构AI能力。

换言之，基于Agent PaaS能力，Zoho可以做到基于不同Agent模块的组合帮助不同产业场景、不同需求的企业构建专有适配自身的Agent产品体系，真正做到专企专用，最大程度满足。

值得一提的是，这也正是Salesforce切入AI的姿态。在中国市场，这个方式目前还没有厂商发出对应的动作信号。“其实我们之前已经在和一些伙伴一起在做一些Agent开发，帮助一些传统产业结合硬件提高效率，但Agent PaaS一旦成型，我们可以为他们提供更灵活、更适配的AI能力。”

其次是平台策略。如果说之前Zoho的标签之一是强产品能力，那么接下来它会加速把这个标签转化为“平台能力”，即在AII in One的产品体系加持下，真正从产品交付向后“退一步”，以平台的身份面向生态伙伴和企业赋能，这其中不仅包括固有的超过55+的产品能力开发，也更包括一些如PaaS层和即将成型的AI PaaS层能力开放，真正为市场提供平台原子化组件能力。

而与平台策略对应的也更是另一个重大调整，即生态策略。“包括很多企业有非常旺盛的出海需求，以及在不同行业，中国的行业SaaS需求都在蓬勃兴起，我们需要和生态伙伴一起来服务企业客户。”夏海峰表示。

诚然如此。根据数据显示，垂直行业。数据显示，‌2023年全球垂直SaaS市场，如针对特定行业需求定制的服务，如医疗健康、教育、农业等，整体销售额达到了911.9亿美元‌，预计到2030年将达到2347.3亿美元，年复合增长率为16.3%‌而在中国市场，这种产业个性化的SaaS需求也更在加速倍增。

这个在Zoho几乎讨论最久的策略如今也得到了最为彻底的执行。

据了解，在这个策略驱动下，几条被同时推进的线是：一方面Zoho将会把自身交付的很大一部分线索比例开放给生态伙伴，让生态伙伴负责交付的同时帮助生态伙伴成长；另一方面自身原有的产品交付团队转型为生态伙伴服务体系，对生态伙伴进行赋能加持，以及随时的支援保障；此外，强化前端产研团队，放到产品/平台的能力优势，帮助生态伙伴打磨更强的产品武器。

“我们预计将在今年的第二季度，在每个区都培养出一些大型的生态伙伴来。”夏海峰表示，“而且在接下来的3—5年，我们的生态策略会进一步强化放大。”

实际上，这三个策略的支点也更对应的是Zoho对中国市场的个性化解决能力，比如Zoho的强产品能力（前端产品和底层PaaS分子能力），比如Zoho自身在市场“物超所值”的市场印象，以及作为一家国际企业对于AI可以完全彻底化投入的态度等等。

这些独特的能力模型在新的水温环境下如今正在被Zoho拆解成对应的新进化方向——AI驱动、平台加持和生态助力。

而也或者可以说，这三个支点也更构成的是一个新的SaaS故事。即在这个故事里，企业自身的AI力、产品力、技术力和对需求的拆解力被无限放大，同时伙伴的交付和服务能力被充分发挥，进而为无数中国不同产业的企业提供更为细分和贴身的AI和软件服务。

三、AI时代，

中国SaaS要走向何方？

2025年，中国SaaS会走向何方？这个问题几乎是每个SaaS企业都在被问询的问题。

和这个问题一道出现的，还有国内SaaS行业愈发分野的趋势，比如不同方向的投资并购、强强联合，比如不同领域赛道的全新生态政策，再比如面对AI到来时的敏捷抑或抗拒表达。

这些也恰在构成着SaaS行业的内部水温——固有的SaaS共识被打破，新的SaaS定义和衡量标准正在成型的路上。

但需求是真实的，对需求的新供给能力也更是明朗可看见的。这种对于新“供需”的明确表达在海外市场已经有所体现，比如Salesforce、ServiceNow、Workday等国外SaaS巨头在过去两年里也都在不断调整自身的产品和服务模型，不论是基于AI Agent体系对固有产品的全面改造，还是对于组织架构的新调整（如Salesforce宣布新招聘4000名AI销售等等），都在成为着对SaaS这个服务形态的新补充。

实际上，这也是夏海峰和Zoho几个策略之外体现出来的进化哲学——即以需求为锚点，基于TO B需求的供需模型向产品要结果，向生态要结果，向组织能力要结果。

不论是基于Agent PaaS的全面AI化，还是平台、生态的全面加码，这些策略一同瞄准的恰是构建出Zoho的新需求满足能力模型。在这个新的能力模型上，出海将不仅仅是Zoho的最大“甜点”，包括一系列AI个性化需求、行业CRM等SaaS需求都会更加成为这个头部SaaS企业的新覆盖地。

换言之，技术上纵向要深度，服务模型上横向要广度。“其实现在中国市场还有很多人是不知道CRM等这些软件的，甚至很多企业只有一个财务软件，这些都是未来的市场空间。”

和外界认为的SaaS行业面临的巨大挑战相反的是，根据相关数据预测，在接下里的几年时间里，通用型SaaS（CRM/ERP）增长还将持续保持 15%-20%的增速，而垂直行业SaaS（如医疗/教育），在政策等倾斜下，增长率将达到25%-35%；此外，“PaaS+SaaS一体化”的交付方案增长率也将超30%。

这些数据背后，也更对应的是中国数字化市场的蓬勃生命力，是SaaS行业可以持续深耕的蓝海市场。

“中国市场一直都是一个需求创造市场，像我们之前很多年前提出的问题需求现在才开始在其他国家区域出现，但在国内市场我们已经能很好的解决了。”夏海峰表示，“尽管中国市场贡献的营收在全球市场里不是最高的，但我们对于Zoho整个产品的理解、需求创造以及未来规划具有深远的意义。”

对于2025年，人们往往会说今年是一个大模型落地元年。对Zoho等企业而言，这个正在进行的充满变化的一年也更是讲好一个新故事的年份。

这个故事不仅仅是关于出海和全球化，也更是关于AI技术，关于平台，关于在中国在土壤上的生态模型，关于Zoho的新未来。

千帆800天：中国产业AI的「工程化创新」破局

关于百度，关于百度智能云，伴随着AI大模型浪潮的带来，外界一直以来的印象是“AI第一枪”、“先行者”、“领跑人”等等标签，但在这些“速度”的定语底层，这家在每个时代都保持进化的互联网巨头还有另外一些表达，如扎实务实，如体系创新。

这些新的体系表达里对应的是把技术转化为生产力的工程AI能力，对应的是在每个千帆平台细小产品模块上的对产业know-how表达的精益求精，也更是从需求到产品再到需求的系统进化飞轮。

作者|皮爷 

出品|产业家 

“我们这些产品不是凭空捏造来的，而是根据企业真正的需求一个个打造出来的，包括我们千帆模型开发平台、应用开发平台以及数据智能平台。”林小琳告诉产业家。

作为百度智能云平台产品事业部增长运营负责人，她所说的是百度智能云千帆大模型平台的三个核心产品。

对于千帆大模型平台，外界并不陌生。从某种程度来看，这是继2023年百度面向AI发布文心大模型后，打响的“第二枪”，而就全球范围来看，这甚至是真正将“AI落地流程”进行产品化呈现的AI工具层“第一枪”。

而林小琳所说的恰是这个工具层的内部产品运营逻辑。“这些都是为了保障真正的落地，很多产品的具体功能都是我们和落地AI的企业深度共建的，也是真实‘趟’出来的。”

实际上，从更广的视角来看，“AI落地”——这个百度智能云千帆核心“KPI”，如今也逐步成为一众中国企业提升生产力的首要指标。

但这并不是一件容易的事。根据不完全统计，在如今全部启动的AI项目中，有接近30%-80%的项目陷入困境，比如根据RAND智库统计，有80%的AI项目失败，失败率是传统IT项目的两倍，再比如根据2025年Gartner报告显示，有30%的生成式AI项目因成本高昂、数据质量差和商业价值不明确被搁置。

AI作为注定引领生产力革命的技术手段，其正确的打开方式和落地SOP应该是怎样的？以及即使对2025年的如今而言，这些工程化的“基座”是否已经准备好了？这些问题，在数据体系构建不完整的中国土壤上也更被无限放大。

这些问题，也是过去2年多时间千帆平台的进化主线——从技术到产品，从基座模型到行业模型，从数据体系到Agent。这些被拆解的工程化模块在帮助一个个企业完成AI大模型落地的同时，也更构建着千帆平台的最新进化。

关于创新，谷歌联合创始人拉里·佩奇曾有这样一个说法，“创新的本质不是创造新奇，而是让复杂的技术变得简单可用。”

800天，千帆正在交出一份属于产业AI的创新答卷。

一、中国产业AI落地，走到哪了？

首先，一个毋庸置疑的信号是：在中国产业土壤里，尝试AI企业的企业在明显增多。

根据一份2023年的相关《白皮书》统计，在当时进行的一份市场调查问卷中，积极落地AI的企业仅仅占到53.7%；而在2025年，根据贝壳财经的调查数据显示，这个口径对应的数据则是增长到了91%。

但与这个“热情”形成鲜明对比的还有另外一组数据，即居高不下的AI落地失败率，即在2023年Gartner的报告统计口径中，AI项目的失败率高达63%，而根据2025年这一权威报告机构的最新报告统计口径，也更是有超过80%的AI项目未达预期。

AI落地，到底难在哪？

在回答这个问题之前，可以先来看当下AI落地的整个链路，总体来说分为三步，即“选择基座模型—精调企业模型—Agent相关产品开发”。

在这三个大的节点中又分为一些小的节点，比如在这个链条之前，企业需要选择API公有云接入还是本地私有化部署，在“选择基座模型”环节，是选择直接部署基座模型还是选择在某个基座模型的基础上蒸馏小模型，以更具性价比的方式进行部署。

比如在“精调企业模型”环节，企业需要优先构建好自身的企业数据和对应的行业数据集，基于此进行模型的精调；再比如Agent开发环节，企业需要明确定位好自身需要使用AI的场景，以选择将AI能力嵌入原来的软件，还是单独打造Agent产品等等。

如果想要做好AI落地，对企业而言，这些节点都必须完成。但从现实的情况来看，这些节点也可能是一个个“难点”。

从最底层的模型部署来看，许多企业对调用模型API接口比较熟悉，但由于自身业务性质特殊，部分企业需要本地化部署模型。然而，本地部署后的模型运维（如蒸馏、精调等）与公有云版本存在差异，这就要求企业具备相应的部署和运维经验。

首先，在模型蒸馏方面，2024年年中之前，相关技术尚未完全成熟，企业很难基于基座模型高效地蒸馏出小参数模型。这不仅导致部署成本较高，模型效果也受到明显限制。

其次，在模型精调环节，由于国内大部分企业仍处于数字化建设的早期阶段，数据体系尚未完善，知识库等基础设施也相对薄弱。因此，企业往往缺乏足够的数据支撑，难以通过精调让模型适配自身的工作场景和业务流程。

最后，在Agent部署阶段，场景匹配成为关键挑战。目前业内的共识是“AI落地，场景为王”。企业在构建Agent之前，需要先梳理自身业务，明确哪些内部流程或行业特性最适合优先引入AI技术，以确保实际应用效果。

但对大部分中小企业，乃至大型企业而言，这种“诊断”体系并不存在，一方面大部分企业对于AI能发挥的价值点到底在哪并不清晰，另一方面对不同产业、不同内部流程的企业而言，这更是一个极具“行业know-how”的推进动作，需要结合“AI+产业”的属性进行定位。

除了这些显而易见的挑战之外，AI落地还面临着诸多隐性难题。比如居高不下的算力成本，从模型层到数据层再到应用层的一站式需求缺口，以及持续性的模型优化和智能体升级等需求。这些"看得见"和"看不见"的挑战共同构成了AI技术落地的完整难题图谱。

从当前市场服务商的布局来看，针对AI落地过程中的单个技术瓶颈，其实并不缺乏解决方案。例如在数据体系建设方面，已有众多服务商提供从数据标注到治理的全流程服务；在Agent开发环节，也不乏宣称能够构建通用型或行业专属Agent应用的软件供应商。

但实际情况是，这种碎片化的单点服务模式，反而可能给企业带来更多实施障碍。由于各服务模块之间缺乏有效衔接，导致模型与数据、数据与Agent等关键环节难以协同，最终形成新的"技术孤岛"，加重了企业的落地负担。

那么，真正有效的解决方案应该是什么？或者说，一个既深谙行业know-how，又具备前沿AI技术实力的工程化平台，究竟需要具备哪些关键特质？

二、 “从需求出发到产品，到组织”

“千帆三个产品分别对应着企业不同层面的需求。”林小琳告诉产业家，“每一个产品都是从‘需求’倒推出来的。”

这是百度智能云交出的一张答卷。即从产品构成来看，在如今千帆大模型平台上，三个核心的产品线为模型开发平台、应用开发平台、数据智能平台（此次百度Create大会发布），从具体功能来看分别对应的是企业落地的三个核心节点，即模型部署、数据治理、应用部署。

林小琳告诉我们，这三个产品对应的恰是企业真正AI落地过程中需要的三个核心能力。

比如模型开发平台，现在已经提供了100多个模型，既包括刚刚在Create大会上Robin发布的文心 4.5 Turbo等一系列百度自研模型，也包括像DeepSeek、Llama、通义、Vidu等等第三方模型，客户真正用得上、效果好的模型在千帆上都能找到，而且服务稳定、可靠，并且通过提供完整的工具链来帮助大家开发模型，为企业定制专精模型等。

再比如在应用开发平台，企业可以基于零代码/高代码的方式，快速生成自身的Agent应用，并且完成一键部署，以及基于最新发布的数据智能平台，通过多模态数据管理、多模态数据处理、弹性 AI 计算、统一在线协同开发四项核心能力，将企业把原本散落在各处的数据统一管理和治理，发掘数据的价值，实现数据变现并提升业务的决策效率。

在显性的这些能力模块之外，千帆的更大价值点还更在隐藏的“产业属性”。“我们从最开始就一直和行业里的客户共创行业解决方案，包括在不同产业、不同场景内该用怎样的方式进行落地，以及如何精准落地发挥价值。”林小琳表示。

以考试宝为例，在百度智能云千帆的加持下，这家拥有6000万用户的成人教育平台如今已经可以做到千人千面的教学辅助。根据考试宝CTO介绍，原来人工制作解析一道题成本平均1.5元，现在基于AI成本降低至3厘，整个内容生产效率较传统人力模式提升了超1000倍。更结果侧的一个数据是，在接入AI能力后，其产品营收迎来了大幅增长，产品付费率增长超过百分之百，营收增长更是超过240%。

这其中涉及到的不单纯是模型侧的调用，更包括一系列小参数模型生成、模型调优等等一系列工程落地服务。

实际上，不仅考试宝，也不仅教育，在金融、能源、汽车等多个最新尝试AI落地的行业，都能频繁看到千帆的身影。数据显示，百度智能云是目前国内大模型项目中标最多的企业之一。

根据三方统计，2024年全年大模型中标项目共910个，在中标项目数、行业覆盖数、央国企中标项目数这三个维度里百度智能云均为第一，此外，从行业来看，在能源、政务、金融这三个行业，百度智能云中标项目数也更是位于所有厂商第一。

这些广泛的落地也恰构成着百度智能云对于大模型落地的深入理解，而这些理解的最直接能力转化点正是千帆上的一系列模块，比如模型蒸馏/精调、RAG能力、推理加速、Agent部署等等。

而这些真正的工程化模块能力也恰构成了千帆在模型工具层的真实成绩——截至2025年3月，百度智能云千帆企业客户数量40万+，百度智能云千帆企业应用开发数量100万+，百度智能云千帆组件数量1000+。

从某种程度来看，这恰是一个先进AI服务和先进AI生产力的良性飞轮。即基于真实AI需求出发的产品构成和产品进化逻辑推动了千帆在AI工程落地能力上的持续成型，而这种工程能力的成型也反向构成着百度智能云在越来越多市场项目中的被选择和被投票，进而再反向推动千帆内不同产品模块的升级。

“我们其实不怎么谈虚的事情，核心诉求就是帮助企业在TO B侧用好大模型，真正能做到AI落地，和生态伙伴一起做好行业解决方案。”林小琳说道。

她还告诉我们，“百度智能云千帆始终秉持开放共赢的理念，我们深知在丰富的产业场景中需要与生态伙伴深度协同，打造更贴合行业需求的方案与服务，共同推进AI技术在产业端的创新落地“。

三、产业AI爆发潮里，

我们需要怎样的基建角色？

在大模型发展3年时间的如今，一个必须思考的问题是，我们到底需要怎样的产业AI平台？或者说，在中国这个特殊的产业土壤上，到底怎样的产业AI平台可以成为真正的基建者和助力者？

客观来看，百度智能云千帆正在提供一个答案。

即在这个如今仍然在加速迭代的答案里，能看到的是从真实产业需求到产品满足的良性倒推，是对真实先进的AI技术的产业工程化拆解，是和一个个真实的大型企业不断共建、共创的行业AI方案，也更是集合优质AI生态伙伴的共同发力，这些都在构成着千帆平台上一个个具备真实AI落地能力加持的组件和解决方案。

如今，这个具备良性循环的AI工程平台如今还在持续迭代。除了前文提到的在本次Create大会上发布的数据智能平台之外，固有的模型开发平台和应用开发平台也被再次升级。

前者模型开发平台更加多维开放，支持上百个模型服务；此外，新增多模态、深度思考模型工具链，并且成为国内首个把RFT、GRPO等领先强化学习方法产品化的平台；“一键蒸馏”功能，让企业客户更方便地用小参数模型“学”到大参数模型，解决特定问题的推理能力，降低大模型的使用成本。

后者应用开发平台则在Agent智能体侧有更为亮眼的升级，比如在原来的Agent全流程服务之上，其逻辑推理、多模态、工具调用和多智能体协同能力再次升级，比如RAG能力升级为Agentic RAG，再比如在工具调用和多智能体协作上，其提供超过100个官方精品组件和1000+MCP组件，让Agent可以像团队一样配合完成复杂任务。

此外，在最前沿的MCP协议侧，千帆还在国内率先实现了MCP协议的全生态兼容，发布MCP组件广场，企业可以基于自己的需求自行调用MCP组件，以更成熟的组件搭建自身的Agent产品。

这些升级共同传递出来的一个信号是，千帆正在加速把过去几年百度智能云的产业实践和技术积淀转化为更可视、可用、可组合的模型、Agent等分子化能力，搭建出一个能让企业更好落地AI大模型、打造自身AI体系的土壤环境。

关于百度，关于百度智能云，伴随着AI大模型浪潮的带来，外界一直以来的印象是“AI第一枪”、“先行者”、“领跑人”等等标签，但在这些“速度”的定语底层，这家在每个时代都保持进化的互联网巨头还有另外一些表达，如扎实务实，如体系创新。

这些新的体系表达里对应的是把技术转化为生产力的工程AI能力，对应的是在每个千帆平台细小产品模块上的对产业know-how表达的精益求精，也更是从需求到产品再到需求的系统进化飞轮。

这一切也恰构成了百度集团执行副总裁、百度智能云事业群总裁沈抖在这次大会上所说的那句话——系统的价值，不仅是解决某一个问题，而是让企业拥有创造“创造的能力”。

奔跑800多天的千帆，恰在成为这句话的最佳侧写。

对话网易数帆总经理封雷：AI时代，让数据表达再“向前一步”

作者|皮爷 

出品|产业家 

变化。是封雷和网易数帆过去9个月里的核心关键词。

把时间拉回2年前，伴随着ChatGPT的出现，整个科技界和产业界都开始掀起一股AI大模型的浪潮，随之而来的是市面上铺天盖地的对于AI时代软件应用和数据应用新模式的探讨。不仅在国外，更在国内。

这些讨论几乎遍布软件服务的整个产业链。比如产品侧AI方向的争论，即软件厂商是应该“+AI”还是“AI+”，再比如服务模型侧，服务商如何实现以更好更低成本的方式帮助企业落地AI，是基于模型推理侧发力还是优先优化数据体系，再比如商业模式侧，未来的SaaS形态是否还是如今的核心软件模式等等。

这种讨论伴随着Manus的出现也更达到顶峰——新的数据应用形态和软件形态应该是怎样的？固有的Data服务体系和SaaS下一个进化方向到底应该在哪里？

对这些问题的思考和解答，也更构成着封雷和网易数帆的全部“变化”。

对于网易数帆，外界并不陌生。作为背靠全球领先互联网厂商网易、且早早布局大数据业务的国内头部数据软件服务商之一，网易数帆有足够强的数据产品和数据服务体系，不论是DataOPS的数据理念，还是数据开发治理平台EasyData，抑或是底层数据设施NDH，如今都已经成为不少金融、制造等垂直产业方向中大型企业进行数字化转型的底层数据基础设施和数据治理标准。

但如今，AI时代来了，然后呢？

封雷告诉产业家，过去9个月里，网易数帆一直在变化。“因为AI时代，我们要做新的数据表达，必须要‘变’。”

这也是外界对网易数帆的感受。即在过去的一年时间里，在市场感知里，这家老牌数据服务厂商似乎“刻意放慢了”奔跑的速度，，一些可以窥见的细节是，如相关部门人员的调整，如战略方向的变化，以及网易数帆在产品发声上的“稍显沉默”等等。

但真实情况是，这些外界无法厘清的变化，在内部对应的是一个个有条不紊的、逐渐成型的适配AI时代的新产品和新组织形态。

AI时代，数据的进一步表达应该是什么？这个被称为大模型“弹药”的赛道，应该路线何方？一年后的如今，封雷和网易数帆已经准备好交卷。

一、让数据表达，

“向业务再走一步”

去年11月，一个和网易数帆相关的消息引发市场关注。“我们战略方向从原来的‘数据软件服务提供商’调整为‘做数据应用价值的赋能者。”封雷告诉我们。

对这句话的字面意思理解是，网易数帆的角色定位似乎不再是一个软件产品提供商，为企业的数据体系负责，而是更向前一步，为客户的“数据表达”负责。

实际上，在过去多年时间里，这种对数据的“进一步表达”并非没有人提出，比如在不少垂直SaaS领域的一些如“业财一体”、“业才一体”、“业培一体”等等，本质对应的都是想帮助企业把先进软件能力融合到业务流中，进而帮助企业更好地实现业务数字化转型。

但真实情况是，这种软件侧的理念执行得不彻底。从本质来看，即尽管不少SaaS服务商提出对应的业务融合理念，但企业发展底层驱动来看，其对应的数据并没有发生形式上的变化，企业做到的仅仅是将对应的财务软件/HR软件为业务人员开通某些权限，但软件上的相关数据依然被“束之高阁”，由于不具备相关的业务价值使得其很难被有效利用。

再或者是，即使在软件介入后的一段时间可以帮助业务进行更新的数据理解，但企业底层的陈旧数据无法和前端的新数据建立“血缘”联系，很难构建真正的“业务数据”模型，更多尝试是 “形式大于变革”。

那么，如果SaaS层做不到，再向下一层的数据层呢？

这正是封雷想做的事。“我们之前更多的是提供产品服务能力，帮助客户搭建自身的数据体系和数据表达，但对于真正的业务环节/业务职能部门并没有充分的加持，现在我们打算更向前一步，帮助企业不仅做好数据体系的搭建，也更要做好数据在对应环节/职能岗位上的对应表达。”

实际上，不仅网易数帆，在过去多年的时间里，包括网易数帆在内的中国、乃至全球数据服务厂商更多的价值体现在帮助企业构建自身的数据体系，包括如指标平台建立，数据一体化模型构建，数据治理等等底层，同时在数据底座的基础上进行上层BI的呈现，帮助企业构建数据驱动经营的模式。

这种方式在一定阶段，可以有效帮助企业构建自身的数据底层模型，让企业内部不同环节的人员和决策者可以对自身的经营状况等可以有更为清晰、智能化的理解。

但实际上，也恰如封雷所说，这种数据侧的服务模型并不彻底，或者说，对数据服务厂商而言，其更多的角色仅仅是服务商角色，即完成的是“数据治理—指标呈现”的链条。对企业而言，这些距离到真正的基于数据进行经营分析仍然有很大的距离，即仅仅能做到“看数”，很难做到完美的“用数”，更不必提让企业真正做到“以数据驱动业务决策”。

也或者可以说，对企业而言，这种数据产品服务的模式仅能帮助其完成表面的数据智能呈现，但无法真正深入内里，基于数据构建新的业务增长极。

这其中的原因不尽相同。比如企业自身的数据体系不足以支撑对应的业务表达，但结合行业相关数据对底层算力和算法有较高的要求，服务商也很难满足；再比如，数据服务商和上层的SaaS软件提供商无法做到完全的适配表达，不兼容甚至是排斥的情况不在少数，等等。

但在封雷看来，这是AI时代网易数帆如今必须要做的事——更准确来说，在封雷的设想里，接下来的网易数帆，要在数据之上，把数据服务真正嵌入到企业的经营流程中，并逐步渗透到具体的业务环节和场景中，从数据侧给予企业业务人员、决策人员最直接的经营管理策略加持。

这道题，可解吗？

二、在原子化底座上：

搭建一个新的数据价值表达范式

在此之前，需要对这个“转型命题”做一个细致拆解，即从数据产品服务的角色到数据价值赋能，对一个服务商而言，需要做什么？ 

首先从产品能力来看，如果说过去如网易数帆这样的数据服务商更多帮企业完成的是底层数据体系的搭建，比如数据治理等等，那么从“赋能”层面来看，服务商必须要做更多的如数据指标制定、数据业务标注、底层数据血缘关联等等工作，不仅要做数据如何管理，更要清晰了解数据的产生链路和业务表达点，同时配合具体的低代码能力、AI Agent能力等，以可视化的前端形态进行效果交付。

其次，从服务流程，和过去更多交付数据产品不同的是，基于数据应用价值赋能者的定位，服务商需要在原先产品交付的基础上，更要了解企业真实的经营情况和业务情况，帮助其构建从数据到上层业务的表达，更向前一步，完成基于不同企业情况的数据层面的业务经营加持。

以及最重要的，组织架构。即和原来软件服务需要的人才模型不同的是，在更新数据赋能模型下，服务商需要具备既懂数据又懂业务的人才团队，甚至是面向前端多个不同的业务线，需要具备不同业务环节know-how能力的人才梯队，进而帮助企业的通用环节以及个性化环节进行定点数据价值释放。

比如从产品侧，需要向前迈一步，从软件交付到效果交付；从服务流程来看，新的数据交付模型需要对上层业务有足够细颗粒度的呈现，以及从组织来看，新的方案需要打破原有的服务流程，需要更多既了解业务也了解数据的人员等等。

实际上，这也恰是构成着网易数帆“9个月变化”的核心主线。从产品形态的创新，到服务流程的重新打磨，再到最核心的人员培养和团队职能变化，这些都伴随着AI大潮的来临，在封雷的推动下被有条不紊地推进。

“这个过程中很多原子能力都是我们之前具备的，甚至是和很多企业客户一起打磨过的，比如低代码，比如BI能力，比如数据血缘管理，数据指标模型等等。”封雷告诉我们。

诚然如此。从企业变革的角度来看，这场从产品能力到服务形态，再到人员团队的变革不亚于一个新式AI企业的重塑，但从周期来看，网易数帆甚至还跑出了“加速度”。

这些也恰是封雷口中所说的“积累和底蕴”，也是催动他和网易数帆坚定变革的“底气”。比如网易数帆连续多年入选Gartner相关报告，比如网易数帆是多个国家级数据行业相关标准的制定参与者等等。

以及如果把视角拉近，则更能看到的是，网易数帆的有数 ChatBI 产品是今年国内最早一批上线DeepSeek能力的BI产品，如今也已经在多个企业内部落地实践。“包括最近我们也在想，能不能把BI解耦，就像拆解成一个个积木，围绕客户场景和需求，将积木重新拼装组合，解决客户的问题。”

可以说，这些原本的底座能力也恰构成着如今网易数帆进化的加速度。“我们现在其实已经可以从数据层面，帮助企业客户做一些类似经营策略的事情了，比如企业如果想要在营收不变的情况下，实现利润增加应该怎么做这些，我们会给到企业在具体业务侧的建议。”封雷告诉我们。“这里面不单纯涉及到之前网易数帆过往的能力，还更有比如低代码、Agent等等能力，叠加到一起为企业提供一个可视化的产品界面。”

实际上，在网易数帆最新拿下的大单中，新的服务模型已经在彰显。

比如和山东港口科技集团的合作，在2024年，山东港口货物吞吐量突破 18 亿吨，集装箱量突破 4400 万标箱，相当于每天处理近 12 万个集装箱的全球流转，这些庞大的货物吞吐量背后是激增的业务数据量。

网易数帆要做的恰是帮助其通过统一平台的工具技术和统一数据研发流程、数据服务能力等，助力其完成数据对前端的真正业务赋能，完成山东港口数据基座的能力升级。

以及在和浙江国贸的合作，企业的情况是业务体系庞大，多层级、多业务板块之间存在数据壁垒，需要更为高效和透明的数据融合。网易数帆基于自身的“1+1+N”集团管控解决方案，帮助企业实现了集团级和集团级与成员公司之间的数据共享和经验赋能。

据了解，在网易数帆的加持下，其不仅打破了数据孤岛，还在浙江国贸全集团范围内实现了数据标准化管理，为业务决策提供了坚实的数据基础。

一个明确的感知是，如果说在之前的市场合作中，网易数帆更多的是一个数据产品提供和服务的角色，那么从最新的被选择来看，如今它已然正向前一步，越来越多地参与到企业真正的前端业务中，帮助对应的业务人员和职能人员进行定向加持赋能，从数据管理、治理走向真正的数据价值表达。

三、9个月，网易数帆趟出一条数据AI路

“数据服务的下一站在哪里？”、“数据服务厂商的新价值在哪？”、“以及数据的更有价值表达是什么？”——在AI大模型蓬勃向上的这两年，这样的问题不仅是外界对这个行业的拷问，也更是从业者不断思考的问题。

不同的是，相较于其他数据服务企业，对封雷和网易数帆而言，这种思考被更快一步转化为行动，这些行动覆盖几乎网易数帆的方方面面，从产品到服务流程，从人员构成到新的战略定位，从数据软件到数据价值理解，而这也构成着如今新的网易数帆。

“面向职能业务部门的赋能加持，将会是网易数帆未来几年唯一的重点。”封雷告诉我们，“在这个过程中，变化是必需的。”

但如果细心观察，能看到的是在这种变化的同时，网易数帆依然保持着绝对的市场竞争力，比如EasyData的持续深化，比如DataOPS观念的不断夯实，比如一体化的数据服务能力等等。封雷告诉我们，过去一年，在原来产品上，网易数帆的营收依然保持持续增长，甚至这个增速还在提升。

这种“变化”中的增长和扎实也更在构成着封雷带领团队不断进化、不断求变的底气。“现在我们保持两条线，一方面提供新的数据赋能能力，为企业业务部门提供更多的价值，让我们走的更远；另一方面也更保持着原有标准产品的创新进化和持续迭代，这些是支撑前者落地的根基，可以帮我们走得更稳健。”

如果说AI带来什么？于产业而言，它带来的是对更多数据的分析表达，但如果聚焦到真正的场景和企业管理哲学，这些如何转化为真正的决策价值和企业经营辅助，这其中需要的是足够强的数据表达能力和AI工程落地能力。

在这个新的能力模型中，需要的不仅是如Agent、工作流编排、MCP等新式技术手段，也更需要的是对于企业底层数据模型和上层业务模型的深刻理解，只有真正把数据服务模型和AI能力进行有机结合，才能构建出新的数据价值范式，推动乃至加速大模型在企业和产业侧的真实落地。

“网易最大的风格就是务实，其实网易做产品的初心很朴素，就是想做一款好用的产品，我们只有在服务好内部、取得较好实战验证的前提下，才会开放给外部企业、外部客户。”封雷表示，“我们的一些产品，如今正走在PMF验证的路上，在接下来的几个月可以做到80分的水平，这种程度上我们就可以有底气地为企业客户提供这些全新的服务。”

从数据服务角色到数据赋能表达，对封雷和网易数帆而言，2025是变革、变化一年，但也恰在成为收获和新起点的一年。

MCP爆火背后：AI Agent的生产力时代来了吗？

或许未来不会出现绝对的"统一协议"，但由 MCP 引发的这场标准革命，已经为 AI 生产力爆发打开了闸门。

作者|斗斗 

编辑|皮爷 

出品|产业家 

2024 年 7 月，美国加州旧金山的一家办公室内，Anthropic 工程师 David Soria Parra 沮丧的看着显示屏。

当他思考如何让更多员工深入整合现有模型时，却发现因为 Claude Desktop 功能有限，无法拓展，而 IDE 又缺少 Claude Desktop 的实用功能，导致自己只能在两者间来回复制内容，十分麻烦。

“我意识到这是个 ‘MxN’ 的问题，也就是多个应用程序与多种集成的难题，而用一种协议解决再合适不过。”

琢磨几周后，David 有了一个念头：做一个类似 LSP 的东西，把这种「AI应用与扩展之间的通信」标准化。他找到 Anthropic 工程师 Justin，二人一拍即合，开始着手构建。

4 个月后，这个念头被产品化，摆在了大众面前，这就是 MCP。

如今，MCP 在各大平台被广泛讨论，多家大模型服务商纷纷宣布支持 MCP，在二级市场，MCP 概念股也被炒的火热。

狂热之下，诸多疑问也不断冒出来：MCP 为何爆火？它能成为真正的通用标准吗？大模型厂商纷纷接入背后，又有着怎样的商业逻辑？此外，MCP 爆火背后，是否意味着 AI Agent 的生产力时代真正到来了？

一、MCP，AI 应用程序的「USB-C 接口」

长期以来，AI 模型与外部工具集成始终面临双重挑战：定制化开发成本高昂且系统稳定性难以保障。传统模式下，开发者需要针对每个新接入的工具或数据源开发专用接口，这种"一对一"的适配方式不仅导致资源浪费，更造成系统架构的脆弱性。

MCP 协议的诞生，为的就是解决这些痛点。

它的核心价值在于标准化交互规则。即通过 MCP，开发者只需让模型和工具分别遵循协议标准，就可以实现即插即用，将原本“M×N”的集成复杂度简化为“M+N”。这样 AI 模型就能通过 MCP 直接调用数据库、云服务甚至本地应用，不需要为每个工具单独开发适配层。

从当下来看，在实践层面，MCP 已展现出强大的生态整合能力。

例如，Anthropic 的 Claude 桌面应用+通过 MCP 服务器连接本地文件系统，使 AI 助手能够直接读取文档内容并生成上下文相关回答;开发工具 Cursor+则通过安装多个 MCP 服务器(如 Slack、Postgres)，在 IDE 内实现多任务的无缝切换。

MCP 似乎正慢慢成为 Justin 口中的样子：“我们认同将 MCP 类比为 AI 应用程序的 USB-C 接口，它是连接整个生态系统的通用接口。”

不过从 MCP 发布到爆发，中间还有一段很长且十分重要的故事要讲。

2024 年 11 月，MCP 发布，很快便吸引了业内开发者以及企业们的注意。不过，并没有现在这么火热，原因在于当时人们对智能体的价值并不清晰，或者说即使解决了 Agent“M×N”的集成复杂，AI 生产力会不会爆发，谁也不知道。

这种不清晰的感觉，主要来自大模型技术不断升级迭代下，应用侧却迟迟不发力的落地难题。此外，互联网社交平台也充斥着对智能体的各种声音，这让人们对 AI 技术能在产业落地几何，信心不高或者说看不到希望。即使是当下市面上已经出现了不错的落地方向和应用，但 AI 技术究竟是真的转化为了生产力，还是只是融于表面无法作出决策，很难看清，这需要大量的时间去验证。

事情的转折发生在 Manus 的框架发布和 OpenAI 的官宣下场支持 MCP。

Manus 所展现的多 Agent 协同能力，完美诠释了用户对 AI 生产力的终极期待。当 MCP 借助聊天界面实现 "对话即操作" 的创新体验 —— 用户只需在输入框中下达指令，便能直接触发文件管理、数据调取等系统级操作时，一场关于 "AI 真正能够辅助完成实际工作" 的认知变革由此开启。

这种颠覆性的使用体验，反过来进一步提升了 MCP 的热度。可以说，Manus 的发布正是推动 MCP 走红的重要因素。

除了 Manus 这样一个“带货达人”，OpenAI 的官宣下场，也为 MCP 被抬上“通用接口”高位推了一把。

2025 年 3 月 27 日，OpenAI 宣布对其核心开发工具 AgentSDK 进行重大更新，正式支持MCP服务协议。当这个占据全球40%模型市场份额的巨头宣布支持协议，意味着 MCP 开始具备类似 HTTP 的底层基础设施属性，MCP 正式进入大众视野，热度持续走高，指数级飙升。

这让大家看到了“AI 界 HTTP”成为现实的可能。随后，Cursor、Winsurf、Cline 等平台也相继接入 MCP 协议，MCP 打造的 Agent 生态逐渐壮大。

二、MCP 来了，

Agent 生态还会远吗？

MCP，真的能成为未来AI交互事实标准吗？

3月11日，LangChain 联合创始人 Harrison Chase 与 LangGraph 负责人 Nuno Campos 围绕 MCP 是否就成为未来AI交互事实标准展开激辩，虽然没有结论，但很大程度上激发了大家对 MCP 的想象空间。

值得注意的是，这场辩论的同时，LangChain 还在网上发起了投票。投票结果，出人意料：40% 参与者支持 MCP 成为未来标准。

在这场投票中，剩下的那 60% 未投票者，让 MCP 走向未来 AI 交互事实标准的这条路，看起并不顺畅。

他们的顾虑是什么？

最值得一提的，便是当技术标准与商业利益的割裂。这一点从 MCP 发布后，国内外的玩家们的动作便可见一斑。

Anthropic发布MCP后不久，Google就搞了一个A2A（Agent to Agent）。

如果说 MCP 为单个智能体铺好了路，让它们能方便地到达各个“资源点”，那么 A2A 的目标则是构建一个连接这些智能体的庞大通信网络，让它们能够互相“对话”、协同工作 。

其实从底层来看，无论是 MCP，还是 A2A，本质都是 Agent 生态抢夺。

那么在这个时刻，国内市场又呈现出怎样的趋势呢？

具体来看，更多的动作集中在大模型厂商，4 月以来，阿里、腾讯、百度相继宣布支持 MCP 协议。

其中，阿里云百炼平台在 4 月 9 日上线了业界首个全生命周期 MCP 服务，集成高德地图、无影云桌面等 50 余款工具，5 分钟可生成专属 Agent。支付宝联合魔搭社区率先在国内推出“支付 MCP Server”服务，让 AI 智能体一键接入支付能力。

4 月 14 日，腾讯云升级大模型知识引擎，支持调用 MCP 插件，接入腾讯位置服务、读书等生态工具。；4 月 16 日，支付宝推出“支付 MCP Server”，开发者可通过自然语言指令快速接入支付功能，打通 AI 服务商业化闭环；4 月 25 日，百度宣布全面兼容 MCP 协议，推出全球首个电商交易 MCP 及搜索 MCP 服务。智能云千帆平台已接入第三方 MCP Server，搜索平台索引全网资源降低开发成本。

可以发现，国内的大模型厂商的 MCP 玩法，是一个“全闭环”。从是阿里云百炼平台 MCP 服务集成高德地图；到腾讯云支持调用 MCP 插件，接入读书等生态；再到百度推出搜索 MCP 服务，都在以 MCP 发挥自己的长板优势，加固自己的生态壁垒。

这种战略选择背后有深刻的商业逻辑。

试想，若阿里云平台允许调用百度地图服务，或腾讯生态向外部模型开放核心数据接口，那么各厂商费心构建的数据和生态护城河带来的差异化优势，或将瓦解。正是这种对"连接权"的绝对掌控需求，使得MCP在技术标准化的表象下，正悄然进行着人工智能时代基础设施控制权的重新分配。

这种矛盾的张力正在显现：表面上，MCP 通过统一接口规范推动着技术协议的标准化进程；实质上，每个平台都在通过私有化协议定义自己的连接规则。

而这种开放协议与生态割裂，必然会成为制约 MCP 走向真正通用标准的深层障碍。

三、AI 产业落地浪潮里，

再看 MCP 真实的价值

或许未来不会出现绝对的"统一协议"，但由 MCP 引发的这场标准革命，已经为 AI 生产力爆发打开了闸门。

就目前来看，每个大模型厂商都在通过 MCP 协议构建自己的“生态飞地”，这种“全闭环”策略会暴露出 Agent 生态碎片化的深层矛盾。不过，也能将生态建设者积累的能力释放，快速形成应用矩阵，推动AI落地。

例如大厂过去的优势（如支付宝的支付技术、用户规模、风控能力）原本局限于自身业务，但通过标准化接口（MCP）开放后，这些能力可以被更多外部开发者调用，例如其他公司的 AI Agent 无需自建支付系统，直接调用支付宝接口。更可以吸引更多参与者使用大厂的基础设施，形成依赖性和网络效应，扩大生态影响力。

这种“圈地式创新”在一定程度上，加速了 AI 技术的产业渗透。

从这个角度来看，或将驱动未来的 Agent 生态呈现“有限开放”的格局。

具体来说，就是核心数据接口仍会被大厂牢牢掌控，但在非核心领域，通过技术社区的推动和监管机构的干预，可能会逐渐形成跨平台的“微标准”。这种“有限开放”既能保护厂商的生态利益，又能避免彻底割裂的技术生态。

在这个过程中，MCP 的价值也将从“通用接口”转变为“生态连接器”。

它不再追求成为唯一的标准化协议，而是作为不同生态间相互对话的桥梁。当开发者能够通过 MCP 轻松实现跨生态的 Agent 协作，当用户能够在不同平台间无缝切换智能体服务，Agent 生态才会真正迎来它的黄金时代。

而这一切的前提，是行业能否在商业利益与技术理想之间找到微妙的平衡点。这是MCP在工具本身价值之外带来的变化。

其实 Agent 生态的建设，不在于某一个标准协议的出现。AI 的落地，也不在于某一个环节的打通，而是共识。

正如 Anthropic 工程师David最初构想的那样：我们需要的不仅是“万能插座”，更需要一个让插座们能彼此兼容的“电网”。而这个电网，既需要技术共识，更需要一场关于 AI 时代基础设施规则的全球对话。

AI 技术快速迭代的当下，在 MCP 的“催化”下，厂商们正在加速这种技术共识的统一。

数智进化潮里，京东想讲一个「新营销故事」

在BRIDGE数智品效解决方案一次次发力背后，京东所做的恰是把自己的增长和平台企业的增长进行归因，同时把这些增长在底层的产品侧，如京准通、商智、数坊、营销云、京东新品创新中心等产品上进行更为准确的能力模块表达。

最终基于这些进化迭代的产品搭建出一个完整的覆盖经营洞察、用户资产、内容营销、流量运营、货品运营的一站式品牌先进数智品效解决方案。

作者|皮爷 

出品|产业家 

2025年，企业最关心的事是什么？在所有可能给出的答案里，营销必然是关键词之一。

但即使在营销工具频出的今天，做好这件事，仍不简单。根据一组不完全数据统计，在国内的整体电商平台上，部分平台的转化率仅不到5%，而就全域营销的视角来看，其成本也更在和效果呈现愈发鲜明的反比趋势，即营销成本攀升，但相关转化数据却越来越差。

这正是京东想要解决的事。

作为国内最大的电商平台之一，甚至是最大的零售商角色，京东为用户提供优质购物体验的同时，如何把自身的经验抽离出来，帮助商家更好的做好营销，乃至全域的营销？

这不是一件容易的事，早在2023年6促期间，京东就提出了ACME品牌营销方法论，即旨在帮助企业实现短期效益和长期价值的平衡，科学评估营销效率。

但真实情况是，尽管ACME模型能给予商家一定的诊断建议，让企业清晰自身的营销水位，但在“诊断”之后应该如何对症下药，从实操和实践视角构建出自身的营销模型，却仍然缺少关键一环。

在刚刚过去的2025京赢未来数智营销盛典上，名为“BRIDGE”的数智品效解决方案被京东放到台前。它正是基于ACME品牌营销方法论，针对企业六大核心经营环节提出的一个可实操、可落地的一体化数智品效解决方案。

京东提供的数智营销抓手，来了。

一、2025，营销走到哪了？

“现在不是营销本身不好做了，是营销的环境不同了。”一位零食营销相关负责人告诉产业家，“因为环境是动态的，所以营销不再像之前那么单一。”

如今，营销更类似于一个足够复杂的综合命题，在这个命题里，有如用户运营、全域营销、货品运营等等环节，只有每个环节都做好，企业才能做到有“质量”的营销——基于准确的人群，用精准的内容，通过适合的媒介方式，强化企业自身的营销效率。

但理想很丰满，现实很骨感。对企业而言，在这个全链条的营销模型上，每一个节点都存在难度。

以用户运营，也就是最核心的用户资产为例，对大部分企业来说，都缺乏全面和细致的人群梳理，这也导致企业很难进行精准定向和面向特定人群做对应的策略运营。

这其中的原因不难理解。即一方面从当下的流量环境而言，大部分企业无法对全域用户资产进行沉淀；另一方面，即使沉淀下来相关用户资产，对大部分企业，尤其是中小企业，其缺乏对应的分析模型，很难对数据进行科学化、价值化的分析应用。

一组数据是，根据QuestMobile的一组商家数字化调研报告显示，如今仅有12%的商家能够通过数据预测用户复购周期，大部分企业仍然处于用户运营的“混沌”状态。

如果说用户运营对应的是全域营销的难题，那么基于电商平台的视角来看，同样的难点也更出现在“经营洞察”和“货品运营”等等环节。

同样一组来自艾瑞的企业数字化报告显示，截止2024年，仍有67%的中小商家使用Excel手工报表，其对于市场行情的洞察分析延迟平均时长为3-7天；而根据另一组来自电商平台的数据报告显示，如今仅有不到20%的商家能够实现实时监控行业同品类价格波动。

客观来说，实现科学的“经营洞察”绝非一件容易的事，其不仅需要自身具备完备的数据体系，还更需要对整个市场的水温和竞争态势有足够高的视角观察和理解，进而构建出一个完备的经营洞察体系。

那么，一个真正能契合企业自身情况、契合如今的流量营销环境的营销方案应该是怎样的？或者说，在中国的电商土壤里，怎样的营销路径才是真正有效的路径？

二、“BRIDGE是一个真正的数智品效解决方案”

“开售日全天销售目标达成317%，品牌成交金额较日均增长超8.2倍”——这是星巴克新品“莓好时光系列星杯”给出的一组数据。用市场的说法正是，“新品即爆品”。

这正是星巴克和京东基于BRIDGE的共建。

更具体的细节是，在这次发售的前6个月时间里，京东和星巴克一起，从杯型测试、产品设计、价格设定等方面，设计了多轮消费者问卷调研和策略设定，从超50款行业热销杯型中筛选出消费者评价最高的10款杯型。

比如在款式层面，京东和星巴克对各款马克杯、随行保温杯和功能型保温杯进行分组测试，真实了解消费者对每款水杯的元素、配件、颜色等偏好；再比如价格层面，京东采用PSM模型（价格敏感度测试模型），评估消费者对不同样品的价格敏感度，为新品价格设定提供了科学建议。

这些新品创新的全链路数智赋能加上京东站内外的营销资源，促就了星巴克的惊艳的新品发售。而其底层依傍的，正是京东推出的BRIDGE数智品效解决方案。

“BRIDGE数智品效解决方案是场景化的解决方案，里面有非常翔实的最佳实践、最佳案例，这些不是我们拍脑袋拍出来的，是我们京东在过去共性场景里面逐渐打磨出来的，所以说它不是多么玄妙的东西，而是非常实战的一套方案和打法。”京东零售营销云与数据业务负责人告诉我们。

更准确的表述是，针对前文说的的所有营销节点，在这个被京东放到台面上的数智品效解决方案上都有足够细节的“实操指南”，即“BRIDGE”分别对应的是经营洞察（B）、关系经营（R）、内容营销闭环（I）、流量聚合（D）、货品运营（G）和长效价值评估（E）。

针对每个核心环节，BRIDGE数智品效解决方案都给出了切实可行的操作建议和执行路径，比如经营洞察，企业可以基于京东提供的经营洞察地图进行自我诊断和优化，这其中包括对行业趋势的分析、自身用户资产的建设水位对比、商品的层级策略等等一系列纬度，让企业充分了解自身的经营短板，以及下一步需要补齐的方向。

比如关系经营，其本质对应的也恰是前文提到的用户精细化运营，京东BRIDGE数智品效解决方案的做法是为企业提供了一个包括九宫格在内的全域用户运营体系，企业可以合规、高效地汇集不同平台、不同阵地的用户，通过京东海量数据和算法能力的加持，将用户通过RMF、4A、九宫格、行为等不同的模型进行深度的洞察和用户分层，这样品牌就可以精准的对细分人群进行差异化的运营策略，大幅提升用户的运营效率和转化效果，从而实现全域的用户增长， 并实现长效的用户积累和运营。

再比如内容营销闭环，内容场域可以为品牌带来增量的流量及用户，也是品牌用户心智建设的一个重要阵地。京东在内容营销是提供了 “种收一体”的方案。京东不断在强化和社媒的合作关系，如和小红书合作的小红盟、和知乎合作的“京知”、和B站合作的“京火”等，在这个基础上，京东就能高效链接社媒的种草场与京东的转化场，从达人的选择、内容的方向、投流的策略、种草用户的到站识别、京东场域内的转化、种草效果分析等提供全链路的数智赋能，让每个环节可度量、可调控，助力商家实现种收一体，获得生意增长。

以及货品运营和流量聚合，前者对应的是可以帮助企业完成货品全生命周期的管理和策略制定，包括前文提到的星巴克新品打造案例，以及品牌大促推广和日常商品续销的运营策略等等；

后者对应的是企业可以基于BRIDGE数智品效解决方案实现全域的营销数据体系监控和优化，通过站外触达人群资产引流京东，联动京东侧数据，以全域视角评估营销效果，反哺调优营销和投流策略，并基于全域用户资产沉淀，挖掘高价值用户、匹配流量触点，实现京东站内高效再营销，从而实现基于数据驱动的全域营销模式。

可以理解为，在BRIDGE数智品效解决方案之上，能看到的是一个覆盖当下品牌核心经营节点的实操路径，这其中不仅有上层的对内容、商品的运营加持，也更有底层的对于品牌用户资产、营销数据的指导，帮助品牌真正构建一个基于数据体系的全视角数智营销解决方案。

实际上，BRIDGE数智品效解决方案的底层，对应的是京东自身的进化迭代。

把视角拉近，则是能清晰看到在这个模型最小触角上，遍布其上的是一系列数智化工具。比如前文提到的“九宫格全域用户运营体系”恰是京东营销云天链的最新升级能力，比如经营洞察地图中新的看数用数能力也正是商智4.0的最新进化模块等等，以及京准通，对不少中小企业而言，它也更在成为一个新的营销运营平台。

也可以理解为，这些进化的数智营销产品也恰是构京东BRIDGE数智品效解决方案的核心构成。“这些能力都是我们在一个个和企业的需求碰撞和打磨中实践过的，也是我们内部觉得真正成熟了的，只有这样的能力我们才会把它们放到上层的营销解决方案里。”

三、一张独属于京东的数智营销答卷

“其实现在我们谈的‘营销’，已经不单纯是营销的范畴了。” 京东零售营销云与数据业务负责人告诉我们，“比如一款新品应该怎样是受欢迎的，人们是不是不单纯喜欢IP的东西，以及市场对企业品牌感知是怎么样的等等，这些都需要更真实的策略反馈。”

比如和星巴克有同等境遇的雀巢，在去年9月份，联合京东推出的真视高学生奶粉，凭借强劲的产品力，依靠顶配钙、叶黄素+维生素A及0添加蔗糖等精准卖点，同时在京东的辅助下进行精准定价，首月就迅速突破百万GMV的销售，同时也让雀巢在学生奶粉的市场份额提升了3%-5%。

可以理解为，在BRIDGE数智品效解决方案一次次发力背后，京东所做的恰是把自己的增长和平台企业的增长进行归因，同时把这些增长在底层的产品侧，如京准通、商智、数坊、营销云、京东新品创新中心等产品上进行更为准确的能力模块表达，最终基于这些进化迭代的产品搭建出一个完整的覆盖经营洞察、用户资产、内容营销、流量运营、货品运营的一站式品牌先进数智品效解决方案。

“其实我们前面几年一直在搭数智营销的地基，做‘水电煤’的建设，到现在我们基本已经完成，不论接下来的营销环境如何变化，我们都可以快速搭建相关方案，帮助品牌做好营销。”京东表示。

从电商土壤的角度来看，京东几乎是国内最复杂、最具挑战性的电商土壤，这种土壤的复杂性和多样性也更构成着对于营销水温的更新把控和感知，而这种感知也恰构成着京东在电商属性之外的营销平台属性。

即其不论是基于电商消费的指标体系拆解，还是对于货盘、用户、流量等全流程的理解，也更不论是商家新品体系的搭建还是日常运营的路径，抑或是对于用户商品的深刻理解，其都可以堪称最有积淀的营销企业之一。

这些特殊的来自真实交易的积淀也恰构成着今天被京东放到台前的BRIDGE数智品效解决方案，能看到的是，这些方案在京东数智能力的加持下，其不仅在成为在京东平台上的最佳营销实践指引，也更在成为着这些品牌在营销侧进化的路径参考。

授人以鱼，授人以渔。这恰是京东交出的数智营销答卷。

关于云知声智能科技股份有限公司境外发行上市及境内未上市股份“全流通”备案通知书

云知声智能科技股份有限公司：

你公司境外发行上市及境内未上市股份“全流通”的备案材料收悉。根据《中华人民共和国证券法》《境内企业境外发行证券和上市管理试行办法》《H股公司境内未上市股份申请“全流通”业务指引》等规定，我会对备案事项通知如下：

一、你公司拟发行不超过26,600,447股境外上市普通股并在香港联合交易所上市。

二、你公司36名股东拟将所持合计39,826,763股境内未上市股份转为境外上市股份，并在香港联合交易所上市流通。股东名称及转换数量附后。

三、自本备案通知书出具之日起至本次境外发行上市结束前，你公司如发生重大事项，应根据境内企业境外发行上市有关规定，通过中国证监会备案管理信息系统报告。

四、你公司完成境外发行上市后15个工作日内，应通过中国证监会备案管理信息系统报告发行上市情况。你公司在境外发行上市及股份转换过程中应严格遵守境内外有关法律、法规和规则。

五、你公司自本备案通知书出具之日起12个月内未完成境外发行上市及股份转换，拟继续推进的，应当更新备案材料。

本备案通知书仅对企业境外发行上市及“全流通”备案信息予以确认，不表明中国证监会对该企业证券的投资价值或者投资者的收益作出实质性判断或者保证，也不表明中国证监会对企业备案材料的真实性、准确性、完整性作出保证或者认定。

附件：“全流通”股东名称及转换数量

中国证监会国际合作司

2025年4月14日

从华为云的平台生态，看见企业的数智化真实密码

基于平台生态的模式，华为云将千行百业的无数企业/产业转型的数智化需求转化为如今可视、可见、可满足的产品技术需求，传导到优质供给侧，进而助力企业和中国产业实现真正的数智化跃迁。

作者|斗斗 

编辑|皮爷 

出品|产业家 

全面的架构创新、中国首个正式商用的大规模算力基座……2025年4月10日，华为云生态大会上，一个名为“CloudMatrix 384超节点”的技术被正式放到台前。

AI普惠化，又向前迈了一步。

技术狂欢的浪潮里，一个清晰的感知是如今AI技术正以前所未有的速度成为所有人的进化共识。从互联网巨头到初创企业，从传统制造业到新兴科技公司，都在以近乎狂奔的姿态奔赴这场热潮。

但在技术狂欢硬币的另一面，如今真实的AI落地水温到底是怎样的？

一组来自Gartner最新调研结果显示，截至2024年年底，只有8%的国内企业将生成式人工智能部署在生产环境中。同样一组来自埃森哲的数据显示，在国内将生成式AI视为机遇的中国企业（90%）比例比全球（77%）高20%，但在具体的流程效果上，其当下的利用效益只有全球样本的63%和83%。

一些“落差”也更发生在服务商侧。据IT桔子统计，在目前国内34家AI服务商上市公司中，有19家在2024年上半年依然处于亏损状态，累计净亏损超过60亿元。

更真实的一个表述是，在技术狂欢的背后，在中国的产业环境里，真实的AI落地仍存在“失焦”和“割裂”——企业很难找到合适的AI转型服务和模型，优质的AI服务商在“业务半径”范围里无法完全地服务好企业。

这些问题如今正在被越发频繁的放到台面上。即2025年，对企业而言，真正能实现数智化转型的通路到底在哪？以及对优质服务商而言，如何才能保持自身良币的模型，把对技术和产品的投入转化为真正的市场正反馈？

AI加速落地的当下，这些问题需要更清晰的答案。

一、数智化转型的“黑洞效应”

在爱因斯坦的《相对论》中，黑洞被赋予了一个特殊的概念，它代表的是天体运动中信息传递的扭曲和不对等。

这也正是如今数智化市场的供需现状。

据不完全数据统计，截止目前，仅有25%的AI试点项目能够规模化推广、60%的企业在AI项目中技术与实际场景需求脱节。

这种脱节的具体表现是，在需求侧，企业无法精准表达需求，导致难以找到适合自身的产品和服务商；在供给侧，服务商也面临“精准用户缺失”与“销售渠道有限”的双重挑战。

这种恶性循环已经在发生。一些企业为规避AI选型错误风险采取"宁可不用不错用"的保守策略；在服务商侧，不少大模型服务商、Agent服务商等为争夺有限订单，不得不陷入价格战泥潭。

解决方案在哪？从过往不论移动互联网的发展还是产业互联网的发展来看，对于需求和供给的野蛮乱序，平台生态是一个最直接有效的答案。

但这并不是一件容易的事。AI数智化落地面临多重挑战，即需求侧因企业行业、规模差异导致隐性需求难以精准识别；供给侧则因服务商能力参差不齐，需建立筛选机制避免劣币驱逐良币。

根本而言，平台生态需深度理解AI落地全链条，既需对需求端进行颗粒化拆解，更要深入认知技术产品的价值实现路径，方能构建优质服务体系。

二、一个良性的数智化平台生态模型，

应该是怎样的？

那么，一个良性的数智化平台生态模型，到底应该是怎样的？

要想基于平台生态的模式实现供需两端的精准对接，需直面其背后更深层的矛盾。

即从底层来看，企业之所以无法精准表达需求，究其根本原因，主要存在"语义鸿沟"；而技术服务商之所以“卖不好”产品，根本原因在于从传统IT系统向AI驱动的业务重构，复杂度直线上升，需求涉及多维度的组合优化。

显然，这不再是一个单点考核，而更是一个系统工程。

一些能看到的市场情况是，不少被提出的“主流解决方案”是服务商通过彼此集成不同技术模块来满足企业需求，但这种"集成式交付"往往会因协议不统一、数据格式不兼容而失败。

这些也恰都是一个良性平台生态应该考虑的问题。即平台方需具备对AI等数智化需求的原子化拆解能力、对服务商核心优势的深度认知，以及跨服务集成能力；具体到产品层面，应提供基础组件库（如数据库、安全防护、智能服务）和需求模块化拆解工具，构建跨行业适配机制；生态层面需建立服务商与企业间的价值循环体系，实现共生共赢。

也可以说，如果想要完成这个数智化“黑洞”的贯通，其需要的是一个能深刻理解AI全产业模型的底层构建方——从需求到供应，从前沿技术到分子拆解，甚至从伙伴激励到线下服务体系等。

三、在华为云，

看见平台生态的样本实践

实际上，华为云提供的恰是这样一个答案。

首先，以华为云商店为例，其如今通过智能化服务和模块化设计，构建了覆盖"查找—购买—部署—管理—支持"的B2B一站式解决方案闭环，可以帮助企业有效完成从模糊需求到可执行路径的转化难题。

一个数据是，如今华为云商店应用数量已超1.2万，覆盖全球170+国家和地区。

更具体来看，一些特殊的平台设计也驱动着对不同企业需求的满足，比如其智能化导购系统支持"搜/荐/比/试/询"全流程服务，可以帮助企业快速筛选商品；再比如商品部署模式支持企业以SaaS化订阅、容器化部署、API调用等不同组合接入使用。

此外，从服务体系来看，华为云商店提供全球化的专业服务网络，覆盖170+国家和地区，并实现7×24小时服务响应，从技术选型到售后支持形成全生命周期保障。

不仅在需求侧，华为云给出的平台生态答卷也更在技术服务商侧。

据了解，面向服务商，如今华为云提供了11种应用上架方式和结构化商品配置页面，配合行业标签体系，帮助其精准触达目标客户；同时，基于其创新的"组合销售"能力，可以支持跨场景、跨伙伴的商品打包销售，进而有效满足行业客户的多样化需求，使合作伙伴获得更高销售分成。

2024年，华为云生态“朋友圈”持续扩容，伙伴数量超4.5万；开发者作为华为云生态的重要组成部分，规模已经超1200万；销售业绩也愈发亮眼，其中年业绩超百万的销售伙伴达400家，超千万的达150家。这恰对应了华为云全球生态部总裁康宁所说的那句：“生态是广袤的沃土，只有生态伙伴的成长和成功，才有生态系统的枝繁叶茂。”

此外，更值得一提的是，在产品和技术加持之外，更被看见的还有华为云面向伙伴的强劲生态体系——“Go Cloud”和“Grow Cloud”。前者提供了全栈技术支持与定制化方案，助力伙伴拓展服务边界并实现增长；后者则强化了伙伴间市场协同与销售联动，促进资源互补与深度共赢。

这些从平台到政策的模式，也恰可以看作，华为云为生态伙伴构建的是一个渠道加持、技术扶持、彼此共赢的新生态循环系统。在这个成熟的生态伙伴体系之上，对应的是对更多复杂企业数智化需求的满足和适配。

实际上，这些对从需求到服务能力的拆解，也更对应着华为云自身对于AI数智化产业链的深刻理解和技术沉淀。

比如这次华为云2025生态大会中，吸引市场目光的CloudMatrix 384超节点技术，其具备的“高密、高速、高效”特点，使得昇腾云算力底座搭载的CloudMatrix架构实现了从服务器级到矩阵级的资源供给模式突破。

这种技术势能与生态资源的协同创新，也恰在构成着华为云如今展现出来的新“AI基建者”角色：通过深度融合鲲鹏、昇腾、鸿蒙等根技术能力，华为云构建了以超大规模算力为地基、模块化技术组件为砖石的开发者生态矩阵。通过平台生态的模式，华为云将千行百业的无数企业/产业转型的数智化需求转化为如今可视、可见、可满足的产品技术需求，传导到优质供给侧，进而助力企业和中国产业实现真正的数智化跃迁。

这是华为云的价值，也更是如今一个良性的数智化平台生态正在交出的一张新答卷。

AI战略两年后，云计算厂商走到哪了？｜财报解读

如果说此前AI是实验室中的“技术盆景”，2024年则标志着AI进入规模化落地阶段——技术投入与商业回报形成正向循环。

作者|斗斗 

编辑|皮爷 

出品|产业家 

在大厂最新发布的财报中，AI含量再次被拉到了一个新高度。

同比增长13%、同比增长21%、同比增长24.4%、占总营收比重提升至33%……这是大厂云厂商们在新赛季交出的答卷，而这种双位数的增长与变化，离不开AI的加持。

更加具体的信号是，在过去一年里，"智能密度"似乎开始取代服务器数量成为核心指标，"行业渗透率"似乎开始替代算力规模成为竞争标尺。

一些看得见的变化是：

AI拉动云实现两位数增长，云计算行业增长逻辑从“资源规模”转向“智能密度”；

大模型技术从“试验田”升级为“核心收入引擎”，技术投入与商业回报形成闭环；

云竞争主战场转向行业智能云，行业渗透能力（而非算力规模）成为新护城河，垂直解决方案毛利率高达45%；

大模型技术倒逼全栈能力建设，竞争焦点从单点技术转向“算力-算法-数据”融合效能；

开放API、开发者社区与伙伴网络构建“共生型”生态，技术领先性需通过生态杠杆放大才能兑现商业价值。

在各大云厂商的财报数据下，视角被拉向另一个方向，即云厂商正以AI原生创新和垂直场景渗透撕开新增长曲线，这场智能化浪潮正从技术试验田演变为商业主战场。

一、双位数增长，指向AI

2024年全球云计算市场迎来结构性复苏，国内诸多头部云服务商实现了双位数增长。

首先是阿里云，根据最新发布的财报显示，其在2024年第四季度实现317.42亿元营收，同比增长13%，季度环比增速从7%跃升至13%，创近18个月新高。

阿里云在财报中提到，这一增长主要源于AI驱动的公共云业务爆发，其通义千问系列模型带动AI相关收入连续六个季度保持三位数增长。

阿里云，AI商业化已然进入收获期。

再看百度智能云，其延续强劲增长态势，根据最新发布的财报数据，其2024全年营收1331亿元，同比增长21%，第四季度增速达26%。

值得注意的是，百度智能云AI相关收入同比增长近3倍。

还有华为云，其2024年实现688亿元销售收入，同比增长24.4%，海外公有云收入增幅达52%，成功进入全球15个国家的TOP5云服务商行列。

抢眼的是，其昇腾AI云服务算力使用量同比增长6倍，支撑了超过2000个行业AI项目。

总体来看，华为在云业务上的增长背后，除了AI的加持，还有全球化带来的加持。

比起阿里云、百度智能云还有华为云，腾讯则未单独披露云业务数据，但其金融科技及企业服务板块全年营收2120亿元，占总营收比重提升至33%，印证了云业务的强劲增长。

值得注意的是其AI原生应用腾讯元宝自2025年2月至3月的DAU（日活）激增超20倍。而这必将大大拉动腾讯云的用量，带来云业务上的增长。

京东云也未在财报中单独披露云业务收入，但结合集团整体数据及技术布局，其云业务在2024年呈现结构性增长特征。

这一点从其在AI落地布局上，便可见一斑。例如依托言犀大模型，推出行业首个多模态数字人解决方案服务超9,000家企业。

总体而言，2024年云市场的结构性复苏呈现出一个明显趋势，这种趋势背后，离不开AI的作用力。

如果说2023年AI是云厂商播下的种子，那么2024年，这个种子已经发芽，且在2025年技术平权的加持下，这颗幼苗加速成长，似乎逐渐成为大厂云业务增长的核心。

二、AI驱动增长，

奔向“核心收入引擎”

透过财报，另一个信号是：AI在2024年完成了从技术探索到商业闭环的跨越。

过去，AI多被视为优化现有业务的工具（如推荐算法、广告投放），但如今已成为重构商业模式的核心要素。这一转变的本质，在于企业开始为AI重写业务代码，甚至重塑组织架构。

阿里的加码投入是这一转型的缩影。

财报数据显示，其单季度资本开支激增259%至317.75亿元，并计划未来三年投入超3800亿元用于AI基建。

这种“赌注式”投入带来了显著回报，即AI产品收入占比持续扩大，例如推荐算法驱动淘宝天猫GMV增长，而大模型驱动的智能客服系统将客户留存率提升30%。

更值得关注的是，阿里将AI能力封装为标准化产品，如通义千问API，吸引超10万家企业开发行业应用，形成“技术输出-场景反馈-模型迭代”的正向循环。

华为的路径则更具生态协同色彩。

昇腾AI芯片与鸿蒙系统的结合，使其在智能汽车领域实现突破——车机系统与自动驾驶技术带动该业务营收同比暴增。

这种“端-边-云”协同的商业模式，不仅降低了车企的AI部署门槛，还通过硬件销售与软件服务的分成模式创造持续收入。例如，与赛力斯合作的问界车型中，AI座舱功能成为核心卖点，单车软件收入贡献超万元。

字节跳动虽也未公布具体财务数据，但其AI资本开支达800亿元，抖音电商GMV突破3.5万亿元，AI技术优化了内容推荐与流量分配规则。中小商家通过AI生成的直播脚本，销售额平均提升200%，这种“技术赋能-生态繁荣-数据反哺”的闭环，使其在内容电商领域构建了难以复制的壁垒。

百度的案例则揭示了AI对传统业务的颠覆性改造。

百度发布2024年财报显示，文心大模型日均调用量达16.5亿次，相比2023年末5000万次增长33倍。

具体来看，其智能云在能源领域与国家电网合作，通过AI预测电网负荷，提升电力调度效率；在医疗领域，轻量级大模型提升CT影像诊断准确率，助力三甲医院实现AI辅助诊断的规模化落地。

这些成果印证了李彦宏的判断：“AI正在从‘锦上添花’变为‘雪中送炭’。”

诚然如此，AI不再是“锦上添花”，而是彻底重构产品逻辑与商业模式。企业开始为AI重写业务代码，甚至重塑组织架构。 

三、从“通用云”到“行业智能云”，

垂直场景成为主战场

2024年财报揭示，通用云服务的价格战已落幕，行业智能云成为新战场。

当通用云服务的价格战走向终结，垂直场景的深耕成为新战场。云厂商的核心竞争力从“算力规模”转向“行业渗透能力”，谁能将AI技术与垂直痛点结合，谁就能在存量市场中开辟增量。

华为在制造、交通、能源领域打造的118个数智化样板，展现了“云+AI+行业Know-How”的威力。例如，在矿山场景中，其解决方案通过AI优化开采路径，使能耗降低15%；在港口场景，智能调度系统将集装箱周转效率提升30%。

这些解决方案的毛利率高达45%，远超行业平均水平。

其背后的逻辑是：通过深度绑定三一重工、国家能源集团等行业头部客户，形成技术标准与数据壁垒，进而向中小客户输出标准化产品。

京东云的差异化策略则聚焦供应链优化。其智能仓储系统结合AI算法，将库存周转率提升25%，并推出医药行业专属SaaS工具，实现从药品溯源到智能补货的全链路覆盖。

这种“供应链+AI”的组合，使其在物流与新消费领域建立了独特优势。例如，为某跨国药企定制的冷链监控系统，将疫苗损耗率从1.2%降至0.3%。

百度飞桨平台的开发者生态则降低了垂直场景的进入门槛。其轻量级大模型支持医疗、教育等行业快速部署。

一个数据是百度飞桨的开发者数量已经突破1300万，这意味着AI能力的“民主化”正在加速——中小企业无需自建团队，即可通过低代码平台调用大模型能力。

这种生态化策略，使百度智能云在垂直市场的渗透率快速提升。

总体而言，云厂商的核心竞争力从“算力规模”转向“行业渗透能力”。谁能将AI技术与垂直场景的痛点结合（如工厂能耗优化、医疗影像诊断），谁就能在存量市场中开辟增量。

四、“云智一体”成为标配，

大模型技术重构竞争规则

大模型技术的成熟，也在改变云服务的竞争规则。

“云+AI”的深度融合不再是口号，而是成为衡量企业竞争力的核心指标。

百度的“云智一体”战略以飞桨框架与昆仑芯芯片为底座，构建了从算力到应用的全栈能力。

其自研的万卡支持10万卡级混合训练，效率折损控制在5%以内，使模型训练成本降低60%。

这种技术优势正转化为商业竞争力：文心大模型通过开源策略吸引超5万开发者，而企业级客户只需调用API即可获得顶尖AI能力，无需承担自研成本。

华为的端边云协同则展现了另一种技术路径。

昇腾AI与鸿蒙系统的结合，使智能汽车解决方案首次实现盈利。在问界M9车型中，AI语音助手的响应速度达到毫秒级，且支持多模态交互（语音+手势+视觉），用户满意度达98%。

这种“软硬一体”的模式，不仅提升了产品溢价，还通过数据闭环持续优化模型——每辆车的行驶数据都会反馈至云端，用于迭代自动驾驶算法。

腾讯的混元大模型则验证了AI对传统业务的改造潜力。

其小游戏平台通过AI生成动态剧情，使用户停留时长提升50%，流水增长30%。在游戏开发端，AI自动化的关卡设计工具将开发周期从3个月缩短至2周。

这种“技术赋能创作”的模式，正在重塑内容产业的成本结构。

而这，也将成为2025年云厂商发展的重要标地。

五、生态竞争取代单点技术竞争，

开放协同成生存法则

透过财报数据，也看到了一个关键转折：企业间的竞争已从技术单点突破转向生态协同能力，开放、共享、共生，成为新时代的生存法则。

华为的鸿蒙生态扩至720万开发者，昇腾AI联合1200家企业，构建了从芯片到应用的完整产业链。

其“硬件+软件+伙伴”模式，使智能汽车解决方案的成本显著降低，合作伙伴的利润率得到提升。

这种生态协同的威力，在问界车型的热销中得到验证——超过70%的零部件来自生态伙伴，而华为仅专注于高附加值的AI与系统集成。

阿里云的合作伙伴收入增长30%，也印证了开放战略的价值。

其通义大模型API日均调用量超10亿次，覆盖金融、制造等20余个行业。

例如，某零售企业通过调用API，仅用两周便搭建出智能选品系统，将库存周转率大幅提升。这种“模型即服务”的模式，使阿里云从基础设施提供商升级为智能服务中枢。

腾讯的生态共建策略则更具普惠性。

混元大模型向中小开发者开放后，5万家团队基于其开发小游戏，其中30%的作品月流水超百万。这种“平台-开发者”共赢模式，不仅降低了AI应用门槛，还通过数据反哺优化了底层模型。

一个看的见的趋势已经显现，技术领先已无法单独制胜，企业必须通过生态开放（如开源模型、API接口、开发者社区）绑定上下游伙伴，形成“共生型”商业网络。

写在最后：

如果说此前AI是实验室中的“技术盆景”，2024年则标志着AI进入规模化落地阶段——技术投入与商业回报形成正向循环。

未来，谁能通过“AI+云+垂直生态”的三位一体架构，将技术转化为行业生产力，谁就能在智能化浪潮中占据先机。

DeepSeek热潮背后：谁在成为中国中小企业的数智化基座？

对中小企业而言，一方面极度渴望AI赋能，寻求新的生产力增长模型；但另一方面又受制于数据、算力与人才瓶颈，进度止步不前。

那么，真正的数智化转型模型到底应该是怎样的？对作为中国经济最核心构成的中小企业而言，怎样的助力方式才是其能紧跟这波AI技术红利的最佳姿态？

作者|斗斗 

编辑|皮爷 

出品|产业家 

数智化转型，正在成为2025年中小企业发展的核心命题。

近年来，国家政策对中小企业数智化的支持力度持续加码。《中小企业数字化赋能专项行动方案（2025—2027年）》明确提出，到2027年，中小企业上云率将超40%，规上工业关键工序数控化率将达到75%。

这不仅是时间表，更是一个明确的信号：对中小企业而言，数字化或者说数智化转型，已从“可选项”升级为关乎生存的“必选项”。

政策之外，技术推动力也在加速显现。

一个关键节点是DeepSeek带来的AI技术落地浪潮。凭借强大推理能力、低成本和开源特性三大核心优势，DeepSeek正在加速推动中小企业数智化转型的意愿和需求，AI技术等数智化转型模型向企业场景的覆盖正在被悄然加速。

然而，现实却并不乐观。

一组来自《中国中小企业数字化转型报告2024》的数据显示，98.8%的中小企业已经开启数字化转型，但数字化水平较高、由智能驱动的中小企业占比仅为3.2%。

这一数字鸿沟的背后，是认知弹性与实践落地的结构性矛盾——对中小企业而言，一方面极度渴望AI赋能，寻求新的生产力增长模型；但另一方面又受制于数据、算力与人才瓶颈，进度止步不前。

那么，真正的数智化转型模型到底应该是怎样的？对作为中国经济最核心构成的中小企业而言，怎样的助力方式才是其能紧跟这波AI技术红利的最佳姿态？

在华为云开年采购季里，一个答案正在出现。

一、中小企业数智化浪潮里，“真需求”和“伪服务”

实际上，更精准的一个总结是：中小企业的数智化转型正呈现出一个复杂的图景——一边是“集体觉醒”，一边是“分层断档”。

2024年，汇丰曾发布过一项面向全球八大主要市场的中小企业调查，显示68%的内地中小企业计划投资AI技术以提升运营效率，重点是这一比例位居全球首位。

这种强烈的AI意愿，随着DeepSeek带来的AI技术平权，在今年被进一步强化。对于中小企业而言，DeepSeek的“物美价廉”且“触手可及”的特性，似乎为它们打开了一扇通往数智化未来的窗口。

面对旺盛的市场需求，卖方市场极为活跃。技术服务商或者不少云厂商纷纷推出面向中小企业的AI产品、应用、服务等，以不同路径切入中小企业需求腹地。

比如当下较火的一体机，再比如不少服务商面向企业推出的AI应用或者AI工具链。

不过，对于中小企业来说，这些“AI加持方式”真的好用吗？答案可能并不乐观。

首先是隐性成本。

一体机包含复杂的软硬件组件，后期维护往往被低估，甚至需要额外支付年度服务费。且高算力设备功耗问题更是不容忽视，长期运行导致的电费支出可能远超企业预期，尤其对于场地和成本敏感的中小企业，这种负担尤为沉重。

其次，从市面上如今的一体机样式来看，其性价也并不高。

许多一体机预装了特定行业的算法，但这些非标配配置往往需要企业支付高额定制费用，而实际功能与通用方案差异却微乎其微。随着企业业务发展，为满足未来扩展需求，企业还可能被迫购买高于当前需求的配置，导致算力资源闲置。

技术层面也存在挑战，一体机与企业现有网络架构、操作系统等IT基础设施的兼容性问题，可能延长部署周期。此外，预置模型无法完全适配企业独特的数据特征，例如方言语音识别、小样本工业检测，企业不得不额外投入人力进行数据标注和模型微调。

更糟糕的是，就当下而言，一体机的开发者工具链往往也并不完善，企业难以实现二次开发能力，进一步限制了其灵活性。

从这个角度看，一体机的部署模式虽能在短期内缓解中小企业的“燃眉之急”，但从长期价值的角度来看，它更像是一种“智商税”。

这样的服务模式，显然无法满足中小企业在数智化路上的长期转型需求。

二、重新理解中小企业的数智化转型

能够清晰感知到的是，中小企业在AI技术应用中的需求与主流AI云服务的供给之间存在显著错位。这种错位的核心矛盾在于：中小企业的业务场景复杂度高、资源有限、组织能力薄弱，而现有AI云服务产品普遍存在“标准化强、适配性弱”“技术先进但落地难”的特点。

这种矛盾不仅限制了AI技术在中小企业中的实际应用，也暴露了现有服务模式与企业需求之间的深层冲突。

例如，许多中小企业缺乏系统整合能力，导致AI应用难以与现有软件工具打通。数据无法流通，企业无法基于数据推动决策，最终形成技术孤岛。

决策层的认知偏差进一步加剧了问题。许多中小企业在这一轮AI浪潮中，过于关注技术参数，却忽视了自身业务场景的复杂性，导致技术难以落地、难以实用。

更深层次的挑战还体现在人才和数据层面。一方面，中小企业缺乏将AI技术转化为实际业务应用的专业团队；另一方面，随着AI时代的到来，数据安全问题日益严峻，企业需要应对更大的合规压力。

那么，什么才是真正适配中小企业的数智化“模型”？

首先，中小企业需要的AI，一定是聚焦于解决具体业务痛点，而非追求技术参数。这要求AI模型需要轻量化、低代码化，能快速嵌入现有业务流程。

此外，AI服务需具备低成本、高灵活性的整合能力，能够与现有的ERP、CRM等系统无缝对接，支持API开放和模块化扩展，避免“数据孤岛”和重复建设的同时，帮助企业实现资源的高效利用。

更重要的是，AI服务需要提供从数据采集、治理到分析的一站式能力，帮助中小企业将数据转化为可操作的洞察。

此外，安全可信的底层架构也不可忽略。服务商的AI服务必须满足数据本地化存储、隐私计算等合规要求，同时通过云原生架构实现弹性扩展和灾备能力，确保企业在技术应用中的稳定性和安全性。

基于这些要求，一个理想云服务范式逐渐显现。

它应该是按需付费的，企业只需简单配置即可快速上线；它应该是一个AIaaS平台，具备开放算法训练和模型微调工具链，支持企业基于自身数据迭代优化模型，而非完全依赖厂商预设；还应该是可以整合ISV、咨询公司、第三方服务商，在“技术+业务+实施”闭环下，为企业提供全生命周期的服务。

总而言之，这个数智化“模型”一定是全生命周期的、全栈式的、具备长期价值的。即其并非标准、泛化的AI产品和AI服务，而是真正能落地到业务、具备组织加持能力以及数据保障能力的数智化方案。唯有如此，才能让AI真正融入中小企业，将技术转化成真正的生产力。

三、华为云，交出一张答卷

实际上，这正是华为云推出的方案。

从行业动作来看，和市场上热炒的“一体机”不同的是，针对中小企业普遍面临的高昂硬件投入与运维成本问题，华为云推出基于云原生架构的昇腾适配版DeepSeek-V3&R1部署方案。企业无需购置昂贵硬件，只需按需调用算力资源，可以实现“用多少付多少”的弹性模式。

和一体机相比，这种模式不仅降低了初始投入，还避免了长期运行中的电费和维护成本，让中小企业能够以极低的门槛迈入AI时代。

此外，面对中小企业业务场景复杂、AI能力与业务脱节的难题，华为云昇腾AI云服务提供开放的模型微调和二次开发工具链，企业可基于自身数据优化模型，确保AI能力与业务场景深度契合。

这种“量体裁衣”的从模型到应用的适配方式，不仅提升了模型的实用性，还帮助企业逐步积累属于自己的AI能力，实现从工具使用到能力沉淀的跨越。

同时，针对中小企业人才短缺和数据治理难题，华为云也更构建了覆盖数据存储、计算资源、AI开发的全栈技术矩阵，提供端到端的数智化转型方案。

比如在算力底层，Flexus云服务器X实例性能达竞品1.6倍，比同规格竞品降本30%。Flexus云服务器L实例让轻量级AI应用部署效率翻倍。Flexus云数据专注中小企业需求，提供开箱即用的轻量级数据管理；

在AI开发落地层面，昇腾AI云服务提供全球算力基础设施，ModelArts Studio平台能够提供简单易用的模型开发工具链，降低大模型定制门槛，通用AI七件套覆盖OCR/语音等7大场景，支持快速构建智能客服等应用；

在安全层面，华为云云上云下一体化方案，涵盖Web应用防火墙，SSL证书管理，oS高防AAD等，实现了统一安全运维，且开发运维工具链覆盖全流程，缩短了AI应用商业化部署。

这与一体机的模式有着本质区别，如果说一体机是“一次性购买的昂贵硬件、预置模型的固定工具箱、割裂的单点工具”，那么华为云的DeepSeek解决方案则是“灵活的云原生算力服务、灵活可塑的工具工厂、全栈整合的数智化平台”。

这些能力的背后，是华为云自身在AI时代的全栈积累。

据了解，如今昇腾云服务面向开发者提供了全流程AI开发工具链，在垂直解决方案层面，更是打造了60+行业提供定制化方案。在算力侧，其整合自研鲲鹏/昇腾处理器、分布式存储及智能化网络架构，相较于其它服务商更多元化、更具适配性。

如今这些从算力到数据再到应用的产品正在被华为云放到台前，比如今年的开年采购季中，为了进一步降低中小企业的转型门槛，华为云特别推出了一些新玩法。

比如，截止4月15日，个人用户注册即领价值7860元通用代金券包，覆盖云服务器、数据库等基础资源；储值返万元券，最高享充10万送39999元；以及活动时间内单笔订单≥1000元或完成企业实名认证，即可获得抽奖机会等等。

此外，更为值得一提的是，华为云还开放百万级扶持通道，完成企业认证并提交申请，最高可获100万元上云代金券，为创新种子提供丰沃的“数字土壤”。

这不是简单的促销活动，而是华为云开年采购季以“开年领跑，乘云智胜”为支点，将昇腾AI云服务、Flexus云服务器等全部核心AI能力转化为可规模化、可真实落地加持的中小企业转型燃料，让政策红利通过云服务基础设施直达企业。

也可以理解为，在这次采购季背后，对应的也更是一个企业接入AI全栈能力的入口，华为云通过各种产品方式、资金方式的组合配比，不仅让中小企业可以迅速接入AI产品体系，也更能以最小的成本构建自身的AI原生进化力，获得持续迭代的数智化动能。

写在最后：

从“授人以鱼”到“授人以渔”，这也正是华为云在AI时代交出的答卷。

诺贝尔得主玛丽·居里曾说过这样一句话，“真正的成长不是被推着走，而是自己长出翅膀。”——这也恰是华为云如今交出的答卷写照，即通过其全栈式的DeepSeek解决方案，中小企业不仅可以解决短期的AI转型痛点，也更可以建立长期发展的底层架构，真正 “内生进化”的质变。

中小企业既是国民经济的晴雨表，更是数智化转型的主战场。在这场关乎产业未来的变革中，需要的不仅是DeepSeek这样的技术突破，也更需要像华为云这样能将AI技术转化为实际生产力加持的云厂商。唯有如此，占企业总数99%的中小主体，才能真正成为中国经济高质量发展的数字基座。

这是AI的价值，也更是华为云等中国云厂商的价值。

AI时代，奥哲的All in One低代码“平权”哲学

AI大爆发的背景下，缺乏灵活的低代码平台支撑，无论是核心业务的高效推进，还是长尾应用的敏捷落地，企业的全员数字化、平台集成化、数据资产化等数字化目标均难以实现。

奥哲的数智平权哲学，便是通过All in One低代码平台，实现全员、全面数字化，进而通过融合AI释放巨大的价值，消弭数智化与业务之间的距离。让AI和低代码从技术神话，变为人人可用的生产力工具。

作者|皮爷 

出品|产业家 

在一家正加速布局海外市场的新能源汽车制造企业，CIO张响正面临前所未有的考验。

业务团队刚刚启动一项全新的跨境项目，却在系统和流程上屡屡受阻——现有的标准化系统难以适应当地的合规要求，财税、供应链管理因缺乏灵活的IT支撑，导致交付周期被一再拉长。

与此同时，伴随着DeepSeek等AI大模型的火爆，企业对数智化的期待被推向新高。AI的火热不仅没能减轻张响的焦虑，反而暴露了企业数字化短板：由于业务部门的数字化意识和能力依然不足，许多末端工作仍依赖线下手工处理，导致AI难以介入。

事实上，AI的应用落地需要强大的数字化支撑，而更深层次的企业数字化问题正浮出水面——创新业务缺乏个性化系统支撑、全员数字化的落地困境、平台集成壁垒重重以及系统数据标准混乱、难以支撑业务决策……

这些问题交织在一起，是张响当前的困境，更是当前中国企业数字化转型的普遍写照。

解题方式在哪？或者说，就当下中国企业的数智化转型需求而言，怎样的模式才是推动其迈向新平权时代的有效钥匙？

2025年，奥哲通过再升级的All in One低代码平台，又交出了一份答卷。

在这个跨越365天的答卷上，能看得见的有AI，也更有对中国企业全面数字化平权体系的更深层思考。

一、水面之上的AI

水面之下的数字化“顽疾”下半场

过去一年，AI成为全球企业争相布局的前沿赛道。然而，在AI浪潮汹涌之下，更多企业意识到一个更为迫切的问题——伴随着数字化的渐渐深入，企业对于更全员、更全面的数字化始终无法得出最优解。

根据一份来自波士顿咨询（BCG）2024年的研究数据显示，在已部署AI大模型的企业中，仅12%的企业通过AI实现业务指标显著优化（如利润率提升5%以上、客户满意度提升20%等）。这种在AI上出现的反差源头恰源于企业不够成熟、不够全面、不够全员化的数字化体系。

国家层面也释放了清晰的信号。网信办等四部门联合印发的《2024年提升全民数字素养与技能工作要点》文件显示，全员数字化被放到首位提及。国家倡导企业培养和建立高水平复合型人才体系，通过让业务人员参与数字化，进而加速企业全员数字化进程。

然而，理想与现实之间仍存在巨大鸿沟。以国内制造业头部企业西子联合为例。西子联合是C919国产大飞机的制造商之一，旗下产业涵盖电梯及电梯部件、航空零部件、锅炉、立体车库等多个领域，员工数量超过万人。

当前，现有IT系统更多采用ERP等标准系统固定化建设的模式，无论是底层开发人员还是前端业务人员，都难以进行个性化、场景化、敏捷化的开发。

例如，航空业务是西子联合新的业务板块，其业务及管理模式相对创新，其CRM、QMS缺乏合适的数字化系统，然而当前合作的厂商难以其个性化定制的需求。

同时，在电梯等传统业务板块，许多一线业务人员对车间的物料管理、5S管理、设备维修等场景实现在线管理。但由于IT资源有限，他们必须先向IT部门报备，经过冗长的开发流程才能完成应用落地。久而久之，不仅应用开发效率低下，更严重打击了业务人员的数字化参与积极性。

这种员工数字化参与度不高的问题也对应着另外的问题，比如由于无法构建全员数字化的体系，企业上下游供应商往往会采购不同的软件系统，由于不同软件的标准不一，因此企业内部会呈现出系统无法集成的难题，导致数据无法形成全业务链路流转，进而很难构建数据资产。

西子联合所面临的数字化挑战，正是当前中国企业数字化困局的缩影。

AI大爆发的背景下，这些问题被进一步放大。无论是核心业务的高效推进，还是长尾应用的敏捷落地，企业的全员数字化、平台集成化、数据资产化等目标因为种种原因始终难以实现。

缺乏灵活的低零代码一体化支撑，AI的巨大潜力更加难以充分释放。

企业数字化的命题正在拷问每一家企业及组织：如何构建一个全面、全员、全场景的数字化体系？

二、奥哲All in One，再进化

这恰是AI时代，奥哲正在思考的问题。

去年，奥哲·云枢All in One低代码平台发布，致力于帮助企业实现业务层面的数字原生。在发布后的一年里，奥哲在更细节场景、更产业聚焦、更全员化角色等环节持续进行深入探索，All in One的内涵与细节也被不断丰富与具象化。

近日，在2025奥哲低代码数智化峰会上，All in One的全新升级，向我们展示了奥哲当下的目光所向。

首先，从低零代码一体化能力来看，关注场景痛点，其核心是面向专业开发者、IT管理员、业务人员等不同角色赋能，云枢All in One低代码平台构建了从“零代码配置”到“深度开发”的不同场景能力支持。

举例来说，云枢进一步拓展了企业ToB/ToC的应用场景，支持企业在B端构建产业链上下游供应商、经销代理商、企业以及内部各地子公司的统一连接，在C端构建营销、成交、服务等全部链路的打通，真正实现特定场景的低零代码一体化。

此外，除了场景的封装支持，云枢All in One低代码平台整个产品层面，也站在时代角度，面向不同企业的市场属性和内部“组织肌理”进行了升级适配。

升级后的云枢All in One低代码平台可以做到自适应多语言与时区，助力海内外业务的顺畅配合、开展。此外，更矩阵化的权限体系设计，让企业内部的权限管理更为清晰，为复杂业务流程提供决策支撑。

在面向业务人员的零代码配置中，更为易用、可视化、低门槛的电子表格视图也跃出水面，保证企业业务人员可以更丝滑、流畅地完成对应的业务配置。

另一方面，奥哲CEO徐平俊在发布会演讲中强调，奥哲已经将AI能力全面融入云枢All in One低代码平台，在不同的低代码模块调用以及对应场景的服务能力、数据处理能力中，AI已经成为最核心的构成分子之一。

相较于市面上大部分将AI能力作为助手角色引入的管理软件而言，云枢All in One更可以看作是打造了一个企业进行AI开发的操作系统。

在云枢上，企业能够全面接入DeepSeek、ChatGPT等国内外主流AI大模型，基于上层的产品工程模块进行企业自身Agent的开发设计，通过从模型调取到知识库搭建，再到将AI能力嵌入足够原子化的低代码模块等全链条的模式，企业可以真正将AI转化为最贴合业务本身的智能化模块能力。

此外，云枢All in One还专门将AI的工程能力封装为一个专门的产品——AI应用设计器。这是一个助力企业AI落地的Agent平台，企业可以基于自身的知识库构建自身的 “专属AI技能”，创建、发布企业级Agent，同时将Agent，按需无缝嵌入到自身的工作流中，完成真正的适配自身业务模型的AI能力接入，为企业与企业内的所有用户插上AI能力的翅膀。

与此同时，原有的集成开放平台和数据可视化能力也进一步升级。全新发布的云枢集成服务Pro，内部预置连接了超过1000个应用，支持与5G、IoT、区块链等不同技术产品的快速对接，帮助企业实现数据一网通，业务一盘棋。

升级后的云枢All in One低代码平台能够推动数据资产化，进一步释放数据价值。报表设计引擎的升级，让业务人员可以通过自然语言交互问数生成报告，深度打通BI能力，帮助业务人员进行更多维度数据分析与数据表达。

可以理解为，云枢All in One低代码平台的进化升级，面向的正是如今企业数字化的难点，为企业迎来数智普惠提供了难以替代的推动力。

企业得以构建真正的全场景、全业务、全员工的安全的数字化体系，将企业内外部的特殊个性化场景以及供应链上下游进行完全意义上的打通，完成全员数字化体系的落地和推进。

如果说人们对低代码的价值认同，在于帮助企业实现数字化平权和技术普惠；那么如今奥哲所做的恰是更加向前一步，通过对低代码工程化能力的打磨，完成从技术开发者到业务人员的数智化赋能，构建更深层次的数智化转型体系。

三、AI时代，重新理解数智平权

实际上，已经有企业在升级后的云枢All in One低代码平台加持下实现了进化。

比如上文提到的西子联合，通过引入奥哲·云枢低代码平台，在极短时间内完成了航空QMS所有系统和功能的调研与开发，囊括12个子模块50余项应用，快速推进业务数字化；电梯等轻应用部分则由零代码技术支撑，让业务人员也可以快速构建6S检查、原料管理等车间应用。

国内某头部证券厂商也通过云枢，在不同场景打造了差异化的应用产品，完成从核心技术场景到前端业务场景的全面统一，构建了更为完备的全员数字化体系；同时在AI的加持下，完成了对前线业务人员的智能化赋能，包括智能审批、智能填报等能力。

一个来自市场层面的共识是，企业的数字化程度和AI价值释放呈绝对的正相关。Gartner报告显示，数字化成熟度高的企业，AI项目ROI最高可以做到4:1，而基础薄弱企业仅为 1.2:1；同样来自埃森哲的数据显示，数字化能力前20%的企业，AI价值贡献占营收比例达 8.5%，后20%仅1.2%。

奥哲构建的恰是一个支持不同企业实现全员数字化、低门槛AI化的平台——不仅能补齐企业在固有数字化全链路、全场景建设上的短板，全面释放业务人员价值，串点成线；还可以帮助企业以最契合自身的方式接入AI能力，完成真正的数智化转型。

这正是AI时代企业所需要的最适宜土壤。

如今，选择奥哲·云枢的不同行业大型企业，与奥哲共同完成的恰恰是数字化从1到10，再到100的过程。奥哲在更深层赋能企业数智化进阶的同时，完成了企业真正意义上的数智进化。

这种从企业全员数字化，到融合AI、全面加持企业成长与创新的低代码产品持续升级，也恰恰促成了奥哲在过去几年里被更高频地选择。一个数据是，截至目前，奥哲在中国低代码市场中大型客户市场占有率始终多年位列第一；在钉钉上连续8年做到应用市场全品类第一名，中小企业数量超过20万家。

如果说，人们对低代码的固有理解是其实现了企业转型层面的技术平权，那么在如今AI浪潮下，奥哲等低代码厂商所做的恰恰是更进一层的平权——数智平权。

奥哲的数智平权哲学，便是通过All in One低代码平台，实现全员、全面数字化，进而通过融合AI释放巨大的价值，消弭数智化与业务之间的距离。让AI和低代码从技术神话，变为人人可用的生产力工具。

在进化后的云枢All in One低代码平台加持下，企业可以将AI更精准地放置到对应的业务节点或组织节点上，以最低门槛、最适配自身的方式完成数智化转型。人们不再只是单纯地谈论AI，而是更关注数智化如何为企业所用，推动企业的进化升级。

这是奥哲的数智平权哲学，更是云枢所代表的低代码平台在AI时代给出的企业数智化参考答案。

AI来了，“我在钉钉创业”

为什么是钉钉？或者说，这个互联网时代公认最核心TO B阵地，为什么似乎也在成为AI时代的TO B最前沿阵地？

作者|皮爷 

出品|产业家 

2024年10月，销帮帮AI产品团队进行了第一轮内部方案汇报。与会的除了销帮帮的相关负责人，还有钉钉AI团队相关人员。

这次方案的汇报重点，是对销帮帮过往软件形态的CRM产品进行基于AI助理模式的重构和打磨，进而构建更智能的AI竞争力。在这个活动上，经过销帮帮和钉钉团队的一致审定，关于客户录入、客户跟进以及会议的三个AI场景被正式敲定。

实际上，早在这个时间点之前，销帮帮内部就已经启动了关于AI产品形态的预研，但对于选择CRM产品的哪些环节以及哪个场景，内部仍有不同声音，甚至早期相关的AI销售产品也曾一度出现无法价值验证的情况。

这不是个例。

在过去的几年时间里，伴随着AI大模型技术浪潮的涌动，更新一波的创业潮正在加速袭来，这其中不仅有新出现的AI原生应用创业者，也更有多年SaaS软件从业者，以及智能硬件创业老兵等身影的出现。

创业潮对应的是如今生成式AI市场的庞大市场机会。根据一组来自IDC的数据显示，2023年全球AI市场约 4500亿美元，预计到2030年将突破1.8万亿美元，市场年复合增长率超过20%。

但机会背后也更对应着挑战。更准确的表述是，尽管当下从目前的工具层来看，AI技术到产品应用的通路已经跑通，但它的着力点却在面临更为真实的考校：怎样的场景才算是真正的AI价值场景？新产品的商业化是否可以迅速验证？

这也恰是在2025年的如今越来越多AI创业者思考的新命题——即在技术到应用的转化考量之外，AI创业的闭环到底应该是怎样的？以及在如今中国的TO B环境里，是否有能够托举新的AI故事的产业土壤？

答案是肯定的。这些问题的答案背后，一个熟悉的身影，或者说阵地正在被愈发看见。

钉钉来了。

一、AI创业潮，“新机会”和“新挑战”

实际上，在销帮帮的方案汇报现场，钉钉团队的出现并不是偶然。也恰是在后者建议下，销帮帮AI产品团队才最终敲定了相关产品形态以及对应的AI助理能力模块。

不仅如此，更后续的故事细节是，在产品成型后，双方还共同进行了相关客户侧的价值验证和标杆客户打磨。

但客观来看，这并不是所有AI创业者的故事样本。根据来自CB Insights的数据统计，在过去3年时间里，全球AI初创公司失败率约65%-75%，即每成立3家AI公司，就有2家无法存活超过3年。而在中国市场，这个失败率则是更高，根据来自IT桔子数据统计，整个AI市场的创业失败率更是高达70%-80%。

而如果把目前投向距离人们最近的SaaS方向，则更直观的感受是在过去的几年时间里，相较于国外如Saleforce、Notion等企业已经早早开始进行AI产品的研发甚至商业化验证，国内SaaS市场更多企业仍在举步不前，停留最简单的生成式回答层面。

问题出在哪？和之前相比，这波AI创业潮到底有什么不同？

这也是当下市场在核心讨论的问题，即在确定性AI市场的蓬勃发展，以及其逐步向产业、企业落地的大趋势中，企业到底需要注意什么？

首先，是前文所说的场景着力点。即对大部分AI创业企业而言，其在当下最直观需要面对的问题恰是如何寻求真正适合AI发挥价值的场景，并且基于最新的AI技术进行产品构建或进化，这要求创业者需要有一个能快速反应AI温度、调用AI技术的底座平台。

其次，是商业化验证。即对AI创业者而言，如果说技术到产品的难点是可以基于对AI技术的敏感性和场景的理解来完成，那么如何实现产品到市场的商业化验证则是必须要打通的通路，也就是软件创业中常说的PMF验证——这也是大部分AI创业者“倒下”的关卡。

即客观来看，对不论SaaS产品，还是AI产品而言，其PMF验证往往需要花费较长的时间，这其中对应的是一系列面向企业客户的流程以及业务嵌入等等，少则数月，长则几年。

最后，也是最为关键的。即是在商业化验证的同时，需要铺设的渠道商、服务商体系，即对软件创业而言，企业必须要建立对应的渠道商、供应商培训和服务体系，只有这样，才能保证软件实现更好的交付和企业粘性。

也可以说，只有满足上述中的各个要素，才能实现一款AI产品或者AI创业的顺利推进；而在此之外，还有如算力成本、技术范式演进、资金等等问题。

广阔的机会，但也同样对应着巨大的挑战。对中国的AI创业者而言，是否有真正适宜的土壤？以及AI创业的中国最优闭环，是否已经出现？

二、“我在钉钉上开始创业”

实际上，在销帮帮和钉钉共创的同时，在钉钉平台上还有另外一款产品也同样正走在商业化的路上，它就是恩君特。

对恩君特的一个介绍是，其通过“数字员工”的产品形态，帮助中小企业解决其在短视频营销中的痛点，产品方案由四个虚拟助理构成，策划助理负责选题、制作助理负责文案与剪辑、产品助理负责知识库赋能，运营助理负责发布与互动，用户只需发出指令，AI助理即可自动完成抓取热门内容、智能推荐爆款选题、自动生成文案、一键剪辑与场景替换等任务，3-6分钟即可完成一条视频，相比过去提效30倍。

如果从时间线的发展来看，恩君特的产品还要比销帮帮等企业尝试AI产品出现得更早，即在钉钉2024年5月的AI解决方案招募计划中，基于特殊的智能体创意方案，恩君特就脱颖而出。

而后续的故事版本也更和销帮帮一样，在钉钉的全面加持下，恩君特开始进行更为系统化的产品打磨和商业化尝试。据了解，在整个过程中，钉钉投入了超过60人团队帮助恩君特进行产品的细节打磨和后续的路径验证；此外，钉钉也更是利用全国1000多家区域服务商网络，帮助恩君特拓展客户群体。

一个数据是，截至目前，恩君特的客户数量已经超过100家。

同样的故事脉络也更在销帮帮上。据了解，如今销帮帮的AI销售助理产品，已经完成了标杆客户验证，3月份上线以来，意向客户已经超过了100家。

恩君特和销帮帮不是个例。一个足够直观的观察是，在过去的一年时间里，包括恩君特、销帮帮、AIPPT、氚云AI等一大批AI明星产品都在出现在钉钉平台上，这些产品不仅有对技术落地的深刻理解，同时大部分都已经完成了初步商业化验证。

实际上，这个在钉钉平台上发生的新故事并不是意外。

在2024年6月召开的钉钉生态大会上，一系列和生态相关的政策被钉钉集中放到台前，其中不仅包括面向大模型生态伙伴开放的AI助理开发平台，还有一系列针对客户的个性化场景和需求，将与伙伴一起打造定制化智能化解决方案等等。

而在这场大会更早前，钉钉也更是先后发布了AI PaaS底座以及推出AI超级助理，前者的价值在于AI创业者可以基于钉钉强大的企业级数据和场景理解进行低成本的智能体构建，而后者则是对应着钉钉对于打造AI原生环境的决心。

在水面之上的动作之外，变化还更发生在水面之下。“我们在2024年底决定All in AI生态，大力扶持AI应用创业团队，尤其是AI原生应用团队。 ”钉钉副总裁、开放平台负责人王铭表示，“不仅开放模型层能力，还为创业团队提供了大量的客户资源和资金支持，帮助这些企业进行快速的客户验证。”

可以理解为，也恰是这些从底层AI技术到数据、模型开发，到客户资源、资金的扶持，以及能看得见的服务商、经销商体系的全面助力，也恰构成了如今包括恩君特、销帮帮等一系列AI创业团队从0到1已经跑通的AI商业化路径。

为什么是钉钉？或者说，这个互联网时代公认最核心TO B阵地，为什么似乎也在成为AI时代的TO B最前沿阵地？

三、在钉钉，重新理解中国的AI创业土壤

在回答这些问题之前，更需要厘清的一个背景是，AI创业者到底需要怎样的创业土壤，是前文所说的各个创业要素的补齐，还是不同于互联网时代创业的新基础设施？

答案是后者。

这也是钉钉被选择的原因。即如果单从固有的几个创业因素来看，比如AI技术的工程能力和落地能力、客户资源的加持和渠道服务商的配套能力帮扶，这些钉钉固然有优势，但并不是市面上的唯一选择。

钉钉之所以成为诸多明星AI创业团队聚集的最核心本质，恰在于其具备中国最强大的企业数据，以及从软件向AI应用进化的底色。

对前者的描述是，钉钉是目前毋庸置疑的中国最丰富的企业样本库，在这个最大的TO B阵地里，有面向企业客户的一系列需求满足拆解“公式”，有对不同场景的服务流程理解，有面向不同量级企业的特殊软件生态，以及也更有无数企业的数字化“行为习惯”。

这些最强大的数据基座也意味着钉钉不仅能够帮助企业实现从技术到场景的落地，还能帮助其最大程度地补齐和加持其产品“被需要”的能力，比如给予销帮帮等企业的产品模块建议等等，比如基于AI PaaS的底座数据加持，比如能一定程度上加速企业的PMF验证等等。

而在数据之外，同样更值得被看见的是钉钉自身的AI底色。如果说在过去的几年时间里，谁是面向AI转型最坚决的企业？那么钉钉必然是答案之一。

在过去的几年时间里，从底层的软件到AI的能力重构，到超级助理等产品的迭代升级，以及面向生态的一系列政策，都在彰显着钉钉恰在全力将AI努力融入自身最底层的基因中。

而对AI创业者而言，这种面向AI的“决绝”也对应着AI创业政策和配套温度的适宜，即在不断进化的钉钉之上，可以时刻吸收和感知市面上最先进的AI工程化能力。

可以说，这些也恰构成着钉钉被越来越多创业者选择的原因。即在这个适宜的土壤上，AI创业者能享受到的是从技术到场景，到PMF验证等商业的全方面闭环加持，以及在闭环之外的AI平台的助力。

这种助力还在被持续加码。在刚刚举办的钉钉AI生态创新生态大会上，王铭也更表示，在接下来的一年里，钉钉将启动“AI创新N次方计划”，在2025年将首期推出100家共创伙伴，免除佣金、保证金和算力费用，同时在服务、政策、技术等各种各样助力的方式上给予全方位的支持。

此外，据了解，钉钉还会全面加大对生态伙伴的投资，同时面向生态伙伴同步启动钉钉创新创业园区，使生态企业可以和钉钉贴身共创，加速自身产品的成型和PMF验证。

能够预测的是，在更新和更大力度的加持和助力下，像销帮帮、恩君特这样的AI创业故事在未来一年里将会以更高频次的在钉钉这个新的创业土壤上发生。

现代管理学之父彼得·德鲁克在他的个人传记里曾说过这样一句话，“伟大的创新从来不是单点突破，而是更大层面的生态共振。”

这是钉钉的价值，也更是AI时代，这个中国最大TO B阵地的新使命。2025年，“我在钉钉重新创业”。