文 |  |定焦One，作者 | 金玙璠

过去一年，Agent几乎成了AI行业最热的词。创业公司的BP里有它，大厂的产品路线图里有它，企业管理者也在问：如果AI已经能写文案、做PPT、写代码、跑流程，下一步，它是不是可以真正替人完成工作？今天市面上，哪些是真正的Agent？Agent创业，怎么跨越落地鸿沟、怎么找到理想的商业模式、怎么在与巨头的竞争中生存下来？

「定焦One」与北京前沿国际人工智能研究院理事长、英诺科创基金合伙人王晟，Parall创始人兼CEO盛思雄，Ztalk AI（未来对话）创始人兼CEO朱起，无界方舟CEO曾晓东，中国人民大学信息学院院长柴云鹏，围绕Agent热门话题展开讨论。

王晟称，真正的Agent要“自主且独立地创造价值”，这也是它区别于普通工具的核心。盛思雄强调，Agent不能只停留在聊天和情绪价值上，关键要能接近业务系统、真正干实事；朱起则把问题拉到ROI和组织知识上：能不能帮客户降本、稳定交付、能不能帮企业沉淀人多年积累下来的“默会知识”；曾晓东更关注Agent在硬件等深水区的数据整合和沉淀能力。

柴云鹏教授则把视角放在组织试验上：Agent真正跑起来，可能要先在中小公司和创业公司里反复迭代，这种组织经验本身也会成为价值。

本文围绕“什么是真Agent”，用8个问题梳理本场讨论的精华内容。

01.什么是真Agent？

如果只用一句话概括，真Agent首先不是一个更会聊天的工具，而是一个能自己推进任务、交付结果，并且让客户看见价值的系统。

王晟从投资的角度给出了一个标准：真正的Agent会自主且独立地创造价值。工具和人的差别，往往就在这里。工具要等人来安排，人负责判断和收尾；而Agent如果想成立，就不能一直停在“帮我查一下”“帮我写一下”的层面，它至少要能接住一段相对完整的工作。

北京前沿国际人工智能研究院理事长、英诺科创基金合伙人王晟

朱起把问题落到了ROI上。判断一个Agent是否有价值，要看它能不能像企业里的某个岗位或流程节点一样，接住一段工作，且投入产出可计算。比如做PPT，如果AI只是生成几页草稿，它仍然只是工具；如果它能理解目标、整理资料、组织内容、完成排版，并在修改中逐步逼近可交付标准，它才开始接近真Agent。

柴云鹏则提醒，Agent不能只会执行一次任务，还要能在执行中反馈、修正和积累经验。真实商业环境里，很少有任务输入清晰、条件完美。目标可能模糊，信息可能不完整，客户需求也会变化。Agent如果每次都从零开始，或者只在理想输入下表现不错，就很难进入真实场景。

因此，真Agent可以拆解成几个关键词：自主行动、结果交付、持续学习。

02.真Agent最不可或缺的能力是什么？

对于这个问题，嘉宾们给出的表述不同，但最终都指向一个标准：能干事，而且能越干越好。

盛思雄的观点是：“Agent说白了，要能干事”。它不应该停留在“助手”层面，只是讲道理、提供情绪价值，或是给人建议、最终让人去执行，约等于人在偷懒。真正有价值的Agent，必须接近业务系统，干人类以前在做的事。

这个判断看似简单，其实已经把许多“伪Agent”排除在外。很多AI产品之所以拿不到企业预算，是因为它们没有进入企业最关心的链条：比如能不能转化成订单，在客服、销售、研发、财务、数据处理等业务里能不能减少人力、提高产出，能不能降低错误率、对结果负责。

曾晓东关注的是Agent处理模糊问题的能力。真实企业环境不像测试题一样输入清晰、答案唯一。客户需求可能表达不完整，业务人员的判断也常常依赖经验。真Agent要进入高价值场景，就必须理解模糊目标，必要时还能一步步追问和引导，最后把需求落成可执行的结果。

无界方舟CEO曾晓东

所以，真Agent是一套闭环能力：理解目标、拆解任务、调用工具、处理异常、交付结果，再把经验沉淀下来。

03. 数据和默会知识，为什么会成为Agent落地的门槛？

AI行业常说“数据是燃料”，但对企业里的Agent来说，问题比这更复杂。没有干净、可信的数据，Agent就可能判断错；没有业务知识，它就只能停留在通用能力上，离真正干活还有距离。

朱起提到，Agent进入真实业务的一大难点，是“企业的数据如何变干净”，当客户有36万个商品的时候，怎么确保它的每一行字段都是对的，这是一个巨大的工程问题。很多时候，AI不是输在模型能力，而是前面的数据底座还没有整理好。

但朱起认为，更难的是理解人类的“默会知识”。企业内部知识大体可以分为两类：一类是写在SOP、制度和流程里的显性知识；另一类是大量存在于员工经验、部门默契和历史处理方式中的隐性知识。比如，什么时候该升级给主管，什么时候可以灵活处理，哪些客户要特殊对待，哪些情况虽然流程允许但实际不建议做。这些经验，人可以通过带、教慢慢学会，但Agent要学习它们，就必须先把它们抽象出来、结构化，再嵌入系统。

Ztalk AI（未来对话）创始人兼CEO朱起

曾晓东也提到，和客户对接时，早期的难题是适配工作，后期难的是数据建设。尤其在硬件端，还会碰到算力、功耗、场景碎片化等问题，需要通过端侧识别降低延迟和成本。但在这之前，“让客户先体验到爽感”，是数据生态建设里的前提。客户只有先看到价值，才愿意贡献更多数据和场景。

所以，Agent落地的数据问题包括，数据能不能被清洗，经验能不能被表达，规则能不能被抽象，业务现场能不能被系统理解。

04.Agent进入企业真实业务场景，最难跨越的鸿沟是什么？

很多AI产品在演示场景中表现惊艳，一进入企业就不好用。原因在于，生产力变化得很快，但生产关系的调整往往很慢。企业内部的流程、权限、责任和协作方式，往往没那么快跟上。

圆桌中，嘉宾有个共识是：Agent落地要先做到“95分的practice”才有说服力。客户要的是一套可以跑通的业务实践方案。如果只是80分，在企业流程里可能意味着异常频发、人工兜底、责任不清，最后反而增加管理负担。只有当产品和客户场景共同打磨到足够稳定，它才可能从试点走向采购，从采购走向规模化。

王晟把问题推到了组织层面。他将现场嘉宾分为效率提升与生产关系解决两类，并指出生产力与生产关系的匹配需要时间。Agent带来的上下级协作、流程分工和责任划分，可能比单纯的技术接入更棘手。

盛思雄对这一点也有很强的感受。Agent不是一个单点的产品，进入企业后，不只是把一个工具塞进原有流程，而是会改变组织的协作方式。上一个SaaS时代已经证明，飞书、企微、钉钉卖的不只是软件，背后还有一套组织协同方法论。到了Agent时代，企业更像是在一边做软件、一边打磨方法论，还要和行业里的公司一起磨合。

柴云鹏注意到，Agent要进入企业，还要和既有规则、制度、权限和责任边界对齐，这样，客户才能放心大胆的用。反过来，要求客户一上来就为了AI重做制度，也并不现实，尤其在传统行业，这个过程会更慢。

中国人民大学信息学院院长柴云鹏教授

在他看来，这就需要中小公司、创业公司先跑出来。这些公司决策链条短，更容易重构工作流，也更有动力把AI用到足够深。它们一边做产品，一边在自己的组织里试人和Agent怎么配合。某种程度上，它们探索的不只是产品形态，也是一种新的组织经验。

因此，Agent落地真正难跨越的，是技术、数据、组织和信任的综合难题。它往往要先在低风险环节证明价值，再进入可标准化的流程，最后才可能改写组织协同方式。Agent越往后走，越像一场管理变革。

05.员工如何看待Agent？企业如何激发积极性？

在企业内部推动AI，员工反应通常不会整齐划一。有人兴奋，因为工具能减少重复劳动；有人谨慎，因为担心工作被替代；也有人抵触，因为新流程会打破原来的习惯。

曾晓东认为，首先要通过“画饼”消除员工的危机感。这里的“画饼”不是空喊愿景，而是变相解答员工的疑问：AI来了以后，我怎么不被替代？比如，哪些工作会变轻，哪些能力会变重要，哪些岗位需要转型。如果这些问题讲不清，工具再好也很难真正用起来。

盛思雄更关注员工能力转型。他会通过内部支持降低成员使用AI的恐惧感，这本质上是在搭建“脚手架”：不必让每个员工从零摸索提示词、流程和质量标准，而是在可控框架中使用AI。对企业来说，AI普及不是把工具账号发下去就结束，而是要把可复用的方法沉淀下来。

Parall创始人兼CEO盛思雄

朱起则强调员工素质和组织规则。他举了公司内部开发场景的例子：AI来了以后，上下文和文档量迅速增加，过去可能看5页文档，现在变成50页；以前一周出的PRD（产品需求文档），现在第二天就能出，质量还不错。但新的问题也来了：AI生产内容变多，管理者和关键岗位的审查压力反而上升。

具体到用人，朱起认为，学习能力、结构性思考能力和自驱力这三项能力在这个时代变得异常重要。AI会放大人的产出，也会放大组织的管理压力。企业不能把“生成得更多”误认为“效率更高”，而是要建立公司层面的规范，让标准嵌入工具和流程。

因此，激发员工积极性不能只靠喊口号。企业要让员工看到，Agent不是简单替代人，而是把人从机械工作中释放出来，让人更多转向判断、审美、架构性思考和复杂协同等更难被替代的能力。员工知道自己要往哪里走，才更愿意把工具用起来。

06.什么是好的AI Agent商业模式？

谈到商业模式，圆桌中出现了一个清晰趋势：Agent正在把软件从“功能产品”推向“服务交付”，但这条路还在探索中。

嘉宾们有一个共同判断：卖服务是好生意。

盛思雄谈到，关键是把账算清楚。如果一项任务一小时能交付一个结果，收费100美元，而完成任务的成本不超过50美元，剩下的就是利润空间。

随着AI更深地进入业务，按结果付费可能会成为重要方向。朱起以AI客服为例，如果一次对话完全没有人工介入，可以按会话收取固定金额；但如果对话转给人工，就相当于这件事没有完全做好。

这个例子说明，Agent收费方式取决于它介入业务的深度：从辅助人，到替代一部分人工，再到在无人工介入的流程中独立交付结果，商业价值会逐级抬升。

朱起还摸索出了一套“好卖+好做”产品切入策略。“有两种产品，一种是好卖的，但是通常比较难做，另一种很难卖，但好做。”面向大型企业时，创业公司可以先用相对容易交付、能让客户快速看到价值的分析类产品作为敲门砖，再逐步进入粘性更高、增效逻辑更强的核心业务。简单说，先让客户觉得有用，再让客户离不开。

王晟则从组织服务角度谈到，好的收费方式应当尽量量化最终结果。比如请律师，不只是买他的工作时间，而是为一份合同的价值买单；酒店保洁，也可以按打扫房间数量和房间价值来结算。放到AI产品里，核心就是把原本模糊的中间过程，转化为客户看得懂、算得清的结果价值。

除了服务与结果量化，盛思雄还谈到类似Stripe的抽点模式。产品本身不一定直接收费，而是在用户通过平台成交后，从交易流水中获取分成。这类模式的前提是，AI确实推动了交易效率，或者帮助交易双方创造了增量价值。

所以，好的Agent商业模式大致会沿着几个方向走：按服务交付收费，按结果价值收费，或者围绕交易场景分享增量收益。无论走哪条路，最后都要回到一个问题：客户能不能清楚地看到，这个Agent替他省了什么、赚了什么、少了哪些麻烦。

07.如何说服大客户？大客户为什么买单？

Agent商业化的关键，是客户愿意为什么样的结果买单。大客户要求高、场景复杂、验收严格，进入门槛也高。对创业公司来说，服务大客户很辛苦，但它的价值也在这里：如果产品能经受住最挑剔客户的检验，后面再进入其他市场就会顺利很多。

朱起表示，公司选择做大客户，是因为“大客户代表着全世界最高的标准”。当技术、产品和服务能力在高标准客户身上被反复打磨，再放到市面上，才更有说服力。

但大客户在面对新事物时，往往是保守的。王晟强调了标杆客户的重要性。对于中大型企业的销售，样板的力量是巨大的。

第一个样板客户往往决定后续推广速度。当标杆客户通过产品实现降本增效，甚至替代一部分传统模式，后续客户才会基于“可验证的收益”和“可复制的路径”放下顾虑。

大客户决策链条复杂，涉及不同层级的决策者，曾晓东强调，第一步是“如何在5分钟之内，讲给决策层，你能给他带来什么价值”。这句话其实说出了企业销售的本质：如果价值讲不清，技术再先进也很难进入预算。

大客户对效率的追求，其实超过外界的想象。朱起提到，企业买单，不是因为AI在账面价格上绝对最低，而是因为它能把原来隐藏在组织里的成本显性化、可控化。如果原来一个人力岗位每月成本是一万元，客户即使用接近一万元、或者按人力成本八折的价格购买AI服务，也可能愿意买单，因为AI可能降低管理、沟通成本，解决业务波峰波谷、淡季旺季的问题，并减少招聘、培训、排班和流失带来的不确定性。

也就是说，如果Agent能稳定完成某类任务，即便单价并没有低到夸张，也具备购买价值。大客户要的是更确定的投入产出。

大客户通常不会只买一个通用产品，而是能精准解决个性化需求的解决方案。他们更关心的是，供应商能不能听懂自己的业务，把方案尽快改到可用。朱起的经验是，大客户既要定制化，也要速度。过去很多个性化方案靠人工“手搓”，很难复制；如果创业公司能把这些经验沉淀成相对标准的交付流程，在不牺牲效果的前提下缩短周期，就更容易让客户买单。

08.创业公司如何构建壁垒，不被巨头碾压？

在Agent领域，创业公司总绕不开一个灵魂拷问：大厂手握资源、技术、流量，随时可能下场碾压，创业公司凭什么站稳脚跟？

第一步，是避开巨头的主战场，进入那些路径长、门槛高、短期内不容易被标准化复制的深水区。巨头的优势在于资源整合和标准化能力，但它们未必愿意在落地周期长、环节复杂、前期需要大量服务的领域投入重兵。恰恰在这些地方，创业公司有机会用更近的服务、更快的响应、更深的行业理解建立位置。

硬件领域就是一个典型深水区。曾晓东谈到，早期聚焦硬件，是因为硬件的落地路径很长，涉及软件、应用连接、模型、材料以及案例管理等难题，这些复杂环节很难被快速吃透。更关键的是，深水区业务往往需要高度定制化，标准化产品很难直接满足，创业公司通过长期服务积累的经验，反而可能形成自己的优势。

第二步，是做巨头不容易复制的原创创新。盛思雄总结，创业公司的创新有两个方向：一是用新方式重构成熟需求，二是创造全新的需求场景。前者是在已有需求中做升级替代，比如用AI重构客服场景，用更低成本创造更高价值；后者是探索无人涉足的领域，比如创造新的协作模式。这要求创业公司选择一条足够长的赛道，持续深耕，并且跑得足够快。

壁垒不是靠一个点子就能建立的，而是需要持续的积累。曾晓东认为，尤其是数据和核心能力的沉淀，让增长飞轮越转越快。产品解决的问题越多，积累的数据越多；数据越多，模型和产品越容易改进；产品越好，又能进入更多场景。这里的核心能力包括对行业的理解、对客户需求的洞察、对供应链的把控等，无法被巨头快速复制。

所以，创业公司要选一个足够具体、足够难、客户又确实愿意付费的地方，把它做深做透。先在深水区站住，再用高标准客户打磨产品，用真实场景沉淀数据，用持续交付积累口碑。

09.结语

这场关于真Agent的讨论，最后落到了一个核心问题：企业到底需要什么样的AI？

如果只是提供情绪价值，企业新鲜一阵就会冷下来；如果只是帮人省几分钟，预算也很难长期留下来。真Agent要进入企业，必须证明自己能承接具体工作、交付明确结果、减少人工兜底，并能算得清投入产出比。

这也是为什么现场反复谈到ROI、数据、组织、权限、员工接受度和大客户交付。它们听起来没有“通用智能”那么性感，却决定了Agent能不能从概念走进现实。一个真正可用的Agent，是在业务现场被一遍遍试出来的。

对创业公司来说，这条路也不会轻松。大厂会下场，客户会犹豫，交付会反复，团队也会被拖进很多具体而琐碎的问题里。但正如现场有嘉宾谈到的，创业不是线性的胜负题，真正关键的是，团队要保持判断力，并尽可能久地活下去。

所以，判断一个Agent是不是真的，不妨多看三个细节：它有没有进入真实业务，客户愿不愿意为结果持续付费，团队能不能在一次次交付中把产品越磨越硬。