客服软件巨头开始卖AI模型了,Intercom这步棋意味着什么?

Intercom 的 CEO Eoghan McCabe 昨天发了一篇长文，宣布了一件很不寻常的事：把驱动 Fin 客服机器人的垂直模型，以 API 的形式对外开放。

Fin 目前每周处理超过 200 万条客户问题，客户涵盖 Atlassian、Riot Games、Mercury、Polymarket 这些知名公司。而上周刚发布的 Apex 模型，在解析率、响应延迟、幻觉率和成本四个维度上，全面击败了 Anthropic 和 OpenAI 的前沿通用模型。

一句话：一家客服软件公司，开始卖模型了。

Intercom 成立于 2011 年，做了十几年客服软件。在 AI 时代来临之前，它是 Zendesk 的主要竞争对手之一。2023 年开始 all in AI 客服，推出了 Fin 智能客服，去年开始自研模型。现在它迈出了最大胆的一步：从软件公司变成 AI 基础设施公司。

这件事为什么值得关注？因为它代表了一种可能的行业终局：每个垂直领域的 SaaS 巨头，最终都可能变成一家 AI 模型公司。

01 三层产品

:::

McCabe 把 Intercom 的产品重新梳理成了三层架构，每一层对应不同类型的客户需求：

第一层：Fin 智能客服平台。这是 Intercom 的核心产品，目前已有约 8000 家企业在用。开箱即用，不需要复杂的定制和集成，就能拿到行业最高的问题解析率。对 99% 的客户来说，这就够了。

第二层：Fin Agent API。适合那些想在自己的产品界面里嵌入 Fin 能力的公司。你不必用 Intercom 的聊天窗口，可以用自己的前端来展示，但后面跑的还是 Fin 的全套智能。

第三层：Fin API 平台（今天发布）。直接开放底层模型——包括 Apex 和 Fin 系统用到的其他模型。你可以自己搭建完全定制化的客服 Agent，甚至把客服和产品交互融合在一起。合同起步价每年 25 万美元，按调用量计费，McCabe 说单位价格是同类模型中最低的。

这个三层结构很清晰：越往下，自由度越高，门槛也越高。多数人用第一层就行，少数有技术能力的团队才会碰第三层。

但这三层的排列不是偶然的，它暗示了一个趋势：越来越多的客户不满足于开箱即用的「黑盒」产品，他们想要把控自己的客服体验。这在大客户身上尤其明显——他们有自己的产品逻辑、品牌语调、合规要求，一个标准化的聊天窗口满足不了。

而且别忘了，第三层的起步价是每年 25 万美元。按照 McCabe 的说法，按调用量算下来单价是业内最低的。这意味着什么？意味着 Intercom 打算用价格策略抢占模型层的市场份额——先把量做起来，形成生态粘性。

这像不像当年 AWS 的打法？先用低价吸引开发者，等大家都在你的基础设施上跑了，切换成本就上去了。

02 数据说话

:::

为什么 Intercom 有底气开放模型？因为 Apex 的数据确实很硬。

在过去 6 个月的生产环境测试中，Apex 与当前最强的通用模型正面对比：

解析率 73.1%，比最强通用模型高出近 2 个百分点。首 token 延迟 3.7 秒，比 Sonnet 4.6 快了整整 1.7 秒。幻觉率相比 Sonnet 4.6 下降了 64.7%。

这些都不是实验室数据，而是在真实客户环境中跑出来的。200 万条工单/周，8000 家企业，这个量级的验证，说服力很强。

注意一个细节：GPT-5.4 在幻觉率上降了 70.6%，看起来比 Apex 的 64.7% 还好。但 Apex 在解析率和延迟上都远超 GPT-5.4，综合来看还是 Apex 更强。这说明不同模型在不同维度上各有优势，但 Apex 在最核心的商业指标——解析率上拿到了第一。

解析率为什么最重要？因为它直接决定了多少问题可以被 AI 独立解决，不需要转接人工。对企业来说，这就是实打实的降本数字。每提高一个百分点，可能就意味着省下好几个客服岗位的人力成本。

03 垂直碾压通用

:::

这组数据的核心信号是：在特定领域，垂直模型可以碾压通用前沿模型。

这其实不难理解。通用模型要兼顾写诗、做数学题、写代码、分析法律文件，它的「注意力」是分散的。而 Apex 只需要做好一件事：理解客户问题，找到正确答案，用人类能接受的方式回复。

打个比方：通用模型像是一个全科医生，什么都能看两眼；垂直模型像是一个专科大夫，在自己的领域里手术做得比谁都好。你拿着胃镜片子，会去找消化科主任，不会去找全科门诊。

而且这个优势不是一点半点。解析率高 2-3 个百分点在客服场景里意味着什么？意味着每周 200 万条工单里，多了几万条不需要人工介入的问题。按每条工单的人力成本算，这是一笔很实在的钱。

更值得注意的是响应速度。3.7 秒的首 token 延迟，比 Sonnet 4.6 快了将近一半。在客服场景里，用户的耐心是以秒计的。你回复慢了两秒，用户可能就跳走了，直接打人工电话——而人工电话的成本，是 AI 客服的几十倍。

这就是垂直模型的核心逻辑：它不需要「懂一切」，它只需要在一个领域做到极致。就像你去面馆不会期望他们也做法餐一样，专注就是竞争力。

04 开放的逻辑

:::

为什么一家软件公司要把自己的核心 AI 能力开放出去？McCabe 给了两个理由，一个进攻性的，一个防守性的。

进攻：客户确实想要。很多公司想自己搭建客服 Agent，他们需要最好的底层模型。既然需求存在，不如直接满足它，并且赚到这笔钱。McCabe 甚至放话说，欢迎竞争对手来买——Decagon、Sierra，你们随时来。

如果我们的直接竞争对手想大幅提升自己的产品，然后给我们分一杯羹，我们非常乐意把模型授权给他们。Decagon、Sierra，你们知道在哪找我。我们交个朋友吧！

这段话的潜台词很狠：我的模型比你们用的通用模型好，你们与其继续用 Anthropic 和 OpenAI 的通用模型做客服，不如直接用我的垂直模型——当然，得付钱。

防守：护城河在转移。McCabe 很清楚地说：软件功能作为护城河的时代正在结束。以前做出一个好用的聊天窗口、一套工单系统需要大量工程投入，这本身就是壁垒。但现在，Intercom 的工程团队生产力已经翻了一倍多，一个工程师一周就能做出以前需要一个独立公司才能做的产品。

功能不再稀缺，那什么才稀缺？模型能力。

McCabe 的原话是：「我们相信越来越多的价值将向模型层聚集。」所以 Intercom 的策略很清楚——先用 Agent 颠覆了自己的软件业务，现在又用 AI 模型来颠覆自己的 Agent 业务。永远在自我颠覆。

正如我们当初用 Agent 业务颠覆了自己的软件业务一样，我们现在将开始用 AI 业务来颠覆自己的 Agent 业务。

说实话，能说出这种话的 CEO 不多。大部分公司面对 AI 浪潮的态度是「怎么保住现有业务」，而 McCabe 的态度是「我自己先把自己的业务颠覆了」。这种自觉，很难得。

有人可能会问：你自己把模型开放出去，不怕竞争对手拿你的模型来打你吗？McCabe 显然不担心。因为他手里还有两张牌：一是持续迭代的数据飞轮（每周 200 万条新对话数据），二是整个 Fin 平台的系统工程能力。模型只是其中一层，要把模型用好，还需要大量的编排、检索、监控、安全审计能力。

05 生态野心

:::

McCabe 还提到一个很有意思的愿景：他希望有人用 Apex 模型去做垂直行业的 Fin。

牙科诊所的 Fin？行。汽车经销商的 Fin？没问题。Intercom 自己不会去做这些细分市场，但他乐意看到别人来做——前提是用他的模型。

这就是平台思维。从卖产品到卖能力，从直接服务客户到赋能一个生态。就像 AWS 从电商公司变成云计算巨头，Intercom 正在从客服软件公司转型为客服 AI 基础设施提供商。

当然，25 万美元的年起步价说明这不是给小公司玩的。Intercom 瞄准的是有技术能力、有客户量的大客户和有野心的创业公司。

但反过来想，如果你是一个做垂直客服的创业公司，现在有了一个现成的、被验证过的、比通用模型更好的底层引擎可以直接用。相比自己从头训练一个模型，25 万美元反而是便宜的。要知道，从零开始训练一个能达到这个水平的模型，光算力成本就不止这个数。

McCabe 想的很清楚：与其让这些公司去用 OpenAI 和 Anthropic 的通用模型来做客服（效果更差），不如让他们用 Apex（效果更好），然后 Intercom 赚到中间的授权费。这就是经典的「把竞争对手变成客户」的策略。

06 行业信号

:::

Intercom 这一步，其实揭示了整个 SaaS 行业正在发生的三个深层变化：

第一，软件公司正在变成 AI 公司。不是说加个聊天机器人就行了，而是从底层开始，自己训练垂直模型，用模型能力来定义产品。McCabe 说得很直白：「严肃的软件公司不仅要从功能公司变成 Agent 公司，还必须在差异化的 AI 上构建这些 Agent。」

第二，护城河的迁移。以前是「我有你没有的功能」，现在变成了「我有你没有的模型和数据」。Intercom 处理了数以亿计的客服对话，这些数据训练出来的模型，竞争对手很难复制。

第三，垂直整合是终局。从界面到 Agent 到模型，Intercom 现在全栈自有。这跟 Apple 的逻辑一样——芯片、系统、应用全自己做，端到端控制体验。只不过在 AI 时代，「芯片」变成了「模型」。

我觉得这是最值得关注的一点。McCabe 提到，他们的工程团队生产力已经翻了一倍多，而且单个工程师一周就能做出以前需要一个独立公司才能完成的产品。这意味着什么？意味着软件功能的护城河正在快速崩塌。当任何一个团队都能在一周内复制你的功能时，功能就不再是壁垒。

那什么才是壁垒？数据和模型。你的客服对话数据是独一无二的，用这些数据训练出来的模型也是独一无二的。竞争对手可以一周抄完你的界面，但他们抄不走你积累了十年的数亿条对话数据。

07 对我们意味着什么

:::

Intercom 这步棋看上去是在卖模型，本质上是在重新定义竞争规则。以前客服 AI 赛道的竞争是「谁的产品体验好」，现在变成了「谁的模型底子硬」。

对于 SaaS 从业者来说，这是一个值得认真思考的案例：

1. 如果你的业务积累了大量垂直领域数据，你的数据飞轮可能比你的产品更值钱。Intercom 证明了：足够多的客服对话数据，可以训练出碾压通用模型的垂直模型。

2. 自我颠覆不是口号，而是生存策略。McCabe 的原话：「永远不要停止颠覆自己。」他先用 Agent 颠覆了自己的软件业务，现在又用模型来颠覆 Agent 业务。等着被别人颠覆，不如自己动手。

3. 通用大模型不是万能的。在 Apex 面前，Sonnet、Opus、GPT 这些名字响亮的模型全部落败。这给所有在垂直领域创业的人提了个醒：通用模型能帮你起步，但想做到最好，迟早要走专用模型的路。

我自己看到这篇文章的第一反应是：这才是 AI 时代的正确打法。不是守着老业务祈祷 AI 不会来颠覆你，而是主动拥抱，主动转型，把 AI 能力变成自己的新护城河。

其实不光是客服领域。法律、医疗、金融、教育——每个垂直领域都有大量的专业对话数据。如果 Intercom 能用客服数据训练出比通用模型更好的客服模型，那理论上，做了十年法律科技的公司也能训练出比通用模型更好的法律模型。这可能是 AI 时代最大的机遇之一：垂直数据就是垂直模型的燃料。

McCabe 在文章结尾写的那句话，我觉得是今年我看到的最好的一句 CEO 宣言：

永远不要停止颠覆自己。

说起来容易，做起来需要勇气。毕竟，自我颠覆意味着你主动放弃现有的舒适区，去做一件结果不确定的事。但正如 McCabe 所展示的：不这么做的风险更大。

◇ ◆ ◇

相关链接：

•  原文：https://x.com/eoghan/status/2040115778251612232

•  Intercom Fin 平台：https://www.intercom.com/fin

数据来源：Eoghan McCabe（Intercom CEO）X Article，2026年4月3日