行业普遍认为2025年是智能体的落地元年，而智能体也是大模型落地比较好的方式，2025年行业市场趋势如何？艰难的创业环境下，有什么好的突破口？
本篇文章由爱分析合伙人兼首席分析师李喆对话澜码科技CEO周健，围绕AI大模型与智能体的行业趋势、市场竞争格局、前沿技术，以及公司经营和落地进展等维度展开了深度探讨。
内容已做精简，如需获取专家完整版视频，请扫码领取。
Agent智能体一词2023年就开始提，为什么最近国内外大厂（Anthropic、百度）都认为Agent是2025年的重要应用，这背后是什么原因？
周健：从技术层面来说，在智能体之前，微软在GPT 4发布之后提出了Copilot的概念，目前为止，我认为绝大部分的应用基本还是一个Copilot的状态。在第一次大模型出来之后，大家再提Agent是因为Lilian Weng的一篇博客。我认为现在大家越来越多地提这件事情，有两方面的因素。- 第一方面，大家一直关注的开源模型，例如最近幻方量化全新系列模型DeepSeek-V3已经能看到它追平GPT-4o了。这其实是一个十分重要的因素，相当于我们可能在私有化部署或者公有云等各种各样的环境中，已经拥有了十分强大的模型，并且能够低成本地去使用。
- 另外一方面，我觉得OpenAI o1系列让大家看到了未来的一种可能性。Agent的中文是代理，能够代表人的一部分，自主地做一些任务，这件事情现在看上去已经越来越近了。而GPT系列更多的是一个Talker，能够去说话、去理解用户，但它可能不是一个很好的推理者。如果我们仍然需要用传统写代码的方式，Agent的实现成本会比较高。而且行业内的ToB企业，例如Salesforce提出的Agentforce的平台，已经有了大量业务的场景，能够去增强人，甚至替代人，所以我也和大家一样认为2025年可能会有大量的Agent冒出来，落地成实际的案例。
从资本层面来讲，大模型是一种基础设施，前两年在基础设施上的投入已经很大了，红杉资本原来提到的1000亿美金，现在已经是6000亿美金的GAP了。某种程度上揭示整个社会也期望技术实现突破，如果不突破可能就像当年的互联网一样，成为泡沫破裂了。而且当前政治竞争十分激烈，从这个角度上来讲，无论是中国还是美国，一定不愿意在这个节点让泡沫破掉。所以我认为在这些因素的影响下，2025年一定会有大量的Agent应用落地。
业界有两种说法，一种是智能体融入到原有业务软件中，一种是智能体重塑和替代业务软件，从过往实践的角度，智能体跟之前信息化应用和数字化应用是什么关系？周健：原本数字世界包括知识中心、文档中心的信息是无法直接使用的，只有通过ETL报表进入到OLAP的数据库里才能被AI识别使用。而智能体更像是一名数字员工，是一种新的智能应用，它构建在已有系统之上，能很好结合系统的强储存数据的能力。此外，我认为企业内部有三个流：信息流、控制流和业务流。过去的数字化系统、信息化系统，一方面是云端的系统，另一方面是个人到软件，本质是把很多行为数据或者数据库的数据，利用大数据的方式归拢在一起，再用机器学习的办法辅助企业做业务。在我看来，智能体是在控制流层面，因为企业对于智能体和AI是不完全信任的，所以只能在控制流上停滞。作为一种中间态，现在先是构建出智能体，让人在工作时，控制智能体做出决策。某种程度上来讲，不管是AI原生企业，还是原有的软件企业，如果做出来一个原生的智能体，就能处理大量不同的系统。只要智能体做得足够好，就可以成为一个入口，不必局限于某个工具当中的智能体。并且当前互联网遵循流量逻辑，之后企业内部也一定是入口为王。因此，我认为智能体不会融入到原有的业务软件，它能够升维变成新形态，原有的软件会转化为数据库，而智能体成为新的软件。03
如何看待跟大模型厂商和传统信息化应用厂商的关系，很多大模型厂商也在提供智能体工具平台，类似澜码这样的厂商市场机会在哪里？周健：大模型的能力越来越强，我认为差异点在于大模型本身是有边界的，不同模型需要的数据不一样。作为创业公司，需要在某一些垂类数据领域能够有垂域的数据，这样构建出来的AI智能体平台是有自身特点的。当时我认为在ToB公司中，商品、人、公司是三个最有价值的实体。如果能够垂直地针对某一点做深度透析，就可能形成比较强的差异化。
目前来看，大厂声量大，相比之下初创公司声量很小，所以行业内更多是在工程方面作为竞争。包括我们向客户问询2025年对Agent平台的新需求和新规划时，客户关心的还是多Agent、推理能力这类工程层面问题。所以对于创业公司来说，大厂的入局会占很大的优势，类似于百度、BAT、豆包等厂商除了构建平台还有另外一个诉求：搭卖自己的云资源。所以我认为创业公司做横向工具的可能性很小,还是要垂直进场景、应用，能够切实为客户提供大量的业务价值，或者聚焦深入到某一方面，为客户节省资源与成本，才有机会竞争。AI应用中标项目的金额越来越低，行业越来越卷，创业公司机会在哪？面临的最大挑战是什么？周健：本质上是商业模式的问题，过去两年AI应用的项目仍沿用“CV四小龙”时代商业模式：从POC到招投标，再定SOW，最后签验收单。但是问题在于现有模型进步是非常快的，每三个月都会有很大差异，我们也在2023年享受过市场红利，项目有超卖的情况，先接手项目后提升模型能力，在半年后做到交付。现在其实也存在这样的机会，但是这种红利是一次性的，没办法变成常态性壁垒。如果在大模型项目上，供应商只是单纯做软件，验收完成后尽早撤场的话，这还是属于厂商逻辑，但随着技术的快速迭代，甲方企业看到的是有更低的成本，更好的模型，更优秀的效果出现，很有可能迟迟不验收，或者不断提出新需求，在此期间甲乙双方处于双输的过程，乙方持续地投入，甲方不断地加码。所以我认为，在技术水平高速发展的情况下，必须开创新型商业模式。从硅谷的视角来看，我们需要按照业务结果或者业务次数去收费，就像SDR销售代表获取销售线索，以结果为导向交付线索获得报酬。这种模式对我们Agent创业公司来说，就会有动力持续不断地优化成本，提高准确率，就能增加收入降低成本，形成双赢的局面。但从商业角度来看，还没有完全跑通这种模式，这是一个新的共识，需要时间去磨合。这其中也存在一些挑战，所以我对内部员工的要求是，项目中，身份要转变成甲方的员工。但这其中也会有一些矛盾的地方，作为员工会有一些知识和数据的权限，以及可能会进入到客户的业务中，虽然有些知识是公开化的，但客户会认为是不是用了企业知识做的模型训练，会遇到知识产权方面的纠葛。所以大家在Agent领域的商业逻辑和认知层面还是比较谨慎的，这也是目前我们没有突破的地方。而创业公司核心机会点还是在于技术和应用场景的结合，创业公司的优势就是更懂大模型的能力和边界，也更懂大模型怎样和业务场景做融合。当前阶段时有一定的时间窗口期，找到合适的场景和合适的客户，大家一起共创，把业务价值讲清楚。05
经过两年的探索，澜码的目标客群是如何选择和确定的？中途遇到过哪些挑战？
周健：我认为还是要去找更多的业务，现在很多甲方的IT部门离业务还是比较远的，现在的软件市场竞争较强，甲方会选择有成熟案例的公司，但自身离业务比较远的情况下，很难有甲方IT愿意和初创公司共同探索。所以我们现在的做法是在行业里找到独立的、有很强业务水平的咨询顾问，和他们合作去说服行业内客户的业务部门与我们共建，这是比较靠谱的打法。
案例也是需要挑复制性强的，所以在合作之前我们会先判断该案例是否值得我们投入，有两个判断标准：
06
您站在澜码CEO的角度来说，2025年最重视哪三件事？周健：第一件事情是商业模式，要考虑如何去突破前面所说的业务局面。我们现在最多摸索到一半，那另外半边的东西在哪，是需要寻找突破口的。第二件事情是产研，我们是一家技术驱动型公司，技术是我们的禀赋优势。那么我们应该怎样去构建企业自身的壁垒？包括我们的人员结构、使用工具，需要沉淀的方向，都是企业中长期发展中十分重要的问题。
第三个关心的事情是端侧，什么时候能够拥有更好的模型应用到端侧，对Agent的影响也是非常大的。如果端侧的PC能够很快成立的话，那么上述很多的知识壁垒问题，就能用端侧和云端两个模型来解决，也会让客户更加放心。这也是目前行业中大家都在关注的问题，因为任何一项技术的突破，都会带来很多新场景的解锁，甚至实现新型商业模式的突破。07
智能体开发应用的投入产出比在什么区间比较合理？
周健：从业务的可行性来说，主要是看客户场景基础的成熟程度。传统的AI、大数据技术不能整理归纳数据，如果客户内部已经实现了高程度的知识治理，那么我们的工作量会比较小，只需要把工具流搭建出来，然后根据客户提供的知识去设计提示词就能完成项目，这时投入产出比例比较大，也是我们愿意接手的项目类型。
另外一种情况是需要我们帮助客户解决业务环节中的问题。
例如数据分析的项目中，需要帮助客户做数据治理或者说指标库的梳理，这时是把业务跟IT拆分开了。因为本质上业务有一系列的问题，包括数据库的表怎样定义？COLUMN怎么写？其他场景下文档怎么组织？文件名是否有条理？文件是否且有相应的规范？这些问题如果不清楚，都会增加做项目的难度，要应对很多异常情况。如果后端不做好准备，自己都想不清楚要解决的问题，那么项目组要花费大量时间和人力成本去填坑，这种情况下投入产出比很小。
如果是进入到相对成熟的模式时，从毛利率的角度来说，当前的项目应该是过去的1/3-1/5。跟过去的客单价相比，现在更少成本可以解决过去更大的项目。但我们是初创公司，很多项目比较特殊，所以很难断言项目的投产比在哪个具体的区间是能做或不能做。
「爱分析·对话首席」栏目介绍：
为了深入数智化转型，洞察企业创新机遇，爱分析搭建了一个高层次的交流网络，全新推出“对话首席”栏目。每期邀请一位科技公司高管，围绕数智化相关的前沿技术、行业趋势、竞争格局、公司内部经营以及落地进展等维度进行深度对话。通过与行业从业者的交流，我们希望能够揭示各个领域数智化应用的现状与趋势，探讨未来技术与行业发展方向。
