解构|对谈 Lio CEO:AI 原生初创企业凭什么挑战老牌软件巨头?

老牌的 ERP 与采购软件巨头拥有现成的客户关系以及沉淀了多年的数据，已经深度嵌入在企业内部的记录系统中。按照以往的逻辑，后来的初创公司几乎很难找到出路实现超越。那既然大企业已经几乎垄断了成熟的商用系统，为什么做垂直领域的 AI 初创公司依然还会有机会实现突围呢？

在 a16z 的访谈当中，Seema Amble 和 Elena Burger 采访了 Lio 联合创始人兼 CEO Vladimir Keil。Lio 公司是面向企业采购赛道打造多智能体系统，用 AI 代理来处理整条采购业务的链路。

而这一场对话的核心议题正是：当巨头已经占据了企业内部的记录系统之后，AI 原生初创公司从哪里找到突围的机会？

Vladimir 提出了一个非常尖锐的想法：很多人会把企业业务想象成全部都是跑在 ERP 系统里面的。

可在现实中，ERP 里面最终显示出来的采购定价，就只是最后输出的那一行数字。

这一行数字藏着海量没有录入系统的工作。比如数百封来回拉扯的邮件、散落在各处的 Excel 电子表格，还有与供应商的沟通对话，工程侧的技术分析，还有横跨法律、财务、运营的大量决策讨论。

这一部分的工作，并不是在现有软件系统之内的。而这部分刚好就是 AI 原生创业公司可以进攻的战场。

Lio 的产品思路就是用一套多智能体，承接着整套从端到端采购工作流。从一开始发出询价请求 RFQ，跟供应商开展商务谈判，跟进货物的物流运输跟踪，一直到后续处理发票的结算。

整套业务的链路，都由 AI 代理自主推进，而不只是作为 ERP 系统之上的一个附属插件。

在对话当中三人还延伸讨论几个关键的命题。比如企业如何建立信任，放心的让 AI 代理承担越来越关键的商业决策。以及企业内部自建 AI 的时候，为什么往往前面 80% 的建设进度推进很快，但收尾的最后 20% 反而要消耗绝大部分资源。

还有一个非常有意思的场景，当采购方、供应商双方，都部署了自己的业 AI 代理业务，双方智能体之间直接开展商务博弈的时候，企业的业务协作模式又会发生怎么样的改变。

01 巨头坐拥客户与存量系统，是不是锁死了创业公司的生存空间？

Seema Amble：现在很多投资人都有一个疑惑。老牌企业软件厂商已经深度进驻了大量的大客户。他们手里掌握客户资源，积累多年的业务数据，企业所有的正式记录都是跑在他们的系统上。

从常理来推断，一旦他们开始做 AI 功能，直接在原有产品里面叠加大模型，垂直赛道上的 AI 初创企业是不是很快就无路可走？Vlad，从采购赛道的实战经历来看，你怎么看待这个问题？

Vladimir Keil：这也是我们创办 Lio 之后，一直在思考的现实问题。首先我们要拆开 ERP 这类记录系统到底在做什么。ERP 会记下最终成交价格、订单编号、到货记录。但是促成最终成交价格的那一大段复杂过程，绝大多数都游离在这套记录系统之外。

举一个很直观的例子，一笔价值 8000 美元的采购条目，它最终会作为一行记录写进 ERP。但在这一行条目生成之前，采购团队内部先做技术评估，向多家供应商发起询价，来回反复议价，财务评估成本，法务审核合同条款，中间来回交换大量表格和邮件。这一整套纷繁复杂的协作，并没有被传统的软件收纳进去。

老牌厂商可以在原有 ERP 页面上增加 AI 聊天框。但他们很难重构完整的外部工作链路。这刚好就是 AI 原生初创公司的机会。我们不需要尝试直接去替换企业已经在用的 ERP，而是从系统之外的这一大片灰色地带切入。我们构建多代理系统，完整跑通询价、谈判、物流追踪、发票处理这一整条端到端采购流程。完成之后，再把最终结果回写到 ERP 里面。

Elena Burger：也就是说，突围不一定非要正面攻坚存量记录系统。巨头的护城河是已经固化的内部记录；但业务当中大量动态的、反复协商的工作流，反而属于尚未被充分数字化的地带，这是初创公司的窗口。不过这里也会遇到现实阻碍，大企业内部本身就会出现冲突。

现有的 IT 团队更倾向于优先在已经采购的老牌软件之上做 AI 改造，而不是引入外部创业公司的新 AI 产品。这属于大企业内部的惯性阻力。

Vladimir Keil：没错，这就是在位者的内部冲突。企业 IT 部门天然希望优先改造已经采购的系统。但业务部门，例如采购部，却真切感受到，旧系统没有办法处理议价、多方沟通这些碎片化的流程。对于业务的真实痛点，会慢慢驱动变化发生。我们在跟波音这类体量巨大的企业合作的时候就能够看见，即便是超大型集团，当采购规模很大的时候，旧系统流程的短板就会暴露得格外明显。

02 为什么企业自建 AI 项目，经常卡在最后的 20%？

Elena Burger：现在非常多的大型企业都在不断地推进内部 AI 自建项目。很多企业招募 AI 团队，基于通用大模型做内部开发。但我们观察到一种很普遍的现象，前面八成的进度推进得十分顺利，但是到了收尾的最后 20%，却会消耗掉绝大部分的人力和时间。那为什么会出现这样的现象？

Vladimir Keil：我认为根源就在于真实的企业业务当中，里面充斥着大量的边界案例、异常流程。当企业内部启动 AI 建设的时候，一开始大家优先梳理的是那些清晰、标准的业务流程。

这部分很容易实现，很快就可以看到成果。但真实世界的采购不是教科书流程，经常出现临时变更交付周期、供应商提出特殊付款条款、工程规格临时调整，还有法务的特殊豁免审批。

这一大堆非标准化的边角场景，刚好就集中在最后的 20%。

如果是内部自建的项目，团队很难完整的沉淀行业里面全部的异常业务模式。而垂直赛道的 AI 创业公司，持续服务一批又一批客户，在持续落地的过程当中，不停打磨边缘场景。

在垂直领域持续的实战反馈，就是初创企业宝贵的护城河。仅仅依靠企业内部 AI 小组，很难快速补齐这一块短板。

Seema Amble：也就是说垂直 AI 公司持续从大量客户现场收集业务案例，不断迭代智能体；而企业自建 AI 只服务自己一家，样本量天然受限。长期来看，这会拉开能力差距。

但这里还有一道绕不开的坎：信任。管理层凭什么放心，让 AI 代理去处理高价值的商业决策？很多高管内心始终对 AI 自主决策抱有疑虑。

Vladimir Keil：企业对 AI 代理的信任，不会一夜之间建立起来，一定是循序渐进。一开始 AI 只负责收集资料、整理询价清单；人类负责最终进行审批。

随着持续运行，团队慢慢观察 AI 代理输出结果，当错误率持续下降之后，企业才会愿意逐步下放更大的决策权给智能体。

信任本身是一个渐进的过程，不可能直接一步到位，把大额的采购全权交给 AI。

03 一个充满想象的未来：买卖双方同时部署业务 AI 代理

Elena Burger：我们来畅想更远的未来。假如有一天，采购方上线了采购 AI 代理；与此同时，供应商那边也部署属于自己的销售智能体。两方不再依靠采购、销售人员来回邮件沟通，而是买方 Agent 直接和卖方 Agent 开展谈判、协商交付周期、磋商价格。

当双方都有代理人之后，整个产业链会发生什么？

Vladimir Keil：这是非常有意思的图景，但它不会很快到来。首先两个智能体之间谈判，依旧需要底层统一的业务语义。两家企业的物料编码、合同条款体系并不天然对齐。在理想状态之下，Agent 之间自动磋商，可以极大缩短采购周期。

就拿一个简单的螺栓订单举例，过去，企业采购人员发邮件询价，供应商报价，来回反复确认规格、数量、交期；整套流程耗时很长。未来两端智能体可以自主完成大部分磋商，之后再交由双方人类管理者完成最终审批确认。

但这里依然有风险。如果完全交由 AI 谈判，一旦 Agent 的目标函数设置出现偏差，有可能做出损害公司利益的商务让步。所以即便走向 Agent‑to‑Agent 协作，人类的最终审批依然是不可缺少的环节。

Seema Amble：那顺着这个逻辑继续往下看，什么样的垂直 AI 初创公司，才能够成长为一家长期持久的企业？很多垂直 AI 项目只是简单的套一层大模型，热度一过就消失。

Vladimir Keil：一家能够长期站稳脚跟的垂直 AI 公司，不能仅仅做一层简单对话壳。必须深度扎根所在行业的业务流程。

以采购赛道举例，团队需要深度理解供应链谈判、物流履约、发票对账当中所有的异常情况。垂直 AI 的护城河，不在于调用哪一款基础大模型；而是持续在大量真实客户的复杂业务当中沉淀行业工作流与边界案例。

基础大模型谁都可以调用；但针对行业沉淀下来的整套 Agent 工作流，才是难以复制的资产。

04 创业公司的生存路径：不和存量记录系统正面厮杀，深耕系统之外的动态业务流

Elena Burger：总结今天的讨论。很多人的固有判断是，老牌软件厂商手握客户与业务记录，AI 创业公司的生存发展空间狭窄。但是从采购领域的实践来看，现实并非如此。

Vladimir Keil：存量 ERP 与记录系统，依然会长期存在，它们不会被 AI 创业公司直接推翻。创业公司真正的赛道，恰恰就在那些游离于正式记录系统之外的动态业务工作流。

海量的协商、谈判、资料梳理、异常处置，这些业务过去依靠大量人力、邮件、零散表格完成；现在可以交由专门的垂直多智能体来承接。之后再把处理完毕的结果回写到原有系统当中。

这也就给出 AI 原生初创企业一条可行路线：不一定非要正面去替换巨头已经占领的记录系统，而是去接管那些长期被忽略、隐藏在正式业务记录背后的繁重工作。

从这里切入，垂直 AI 企业就可以找到自己的立足点。当然，后续依然需要慢慢解决企业内部的组织阻力，同时循序渐进地建立管理层对于 AI 代理决策的信任。

Seema Amble：所以对于创业者而言，与其一门心思想着如何直接颠覆老牌的 SaaS 巨头，不如认真去梳理行业里面，哪些繁重业务长期游离在现有业务系统之外。那里面很可能就藏着属于 AI 原生创业公司的巨大机会。