我习惯把这轮 AI 的机会分成四波。第一波，GPU 和硬件。这一波跟绝大多数公司都没关系，普通人能参与的方式只有买股票。第二波，大模型。牌桌上的位置极其有限，入场门槛是百亿级的投入，我们这样的公司不碰，能吃到红利的是围绕模型做周边服务的玩家。第三波，AI 应用。正在发生，但老实说，今天大部分 AI 应用还没跑出真正的商业闭环。第四波，我叫它AI Worker——AI 不再是嵌在软件里的一个功能，而是能独立承担一段完整工作的「数字劳动力」。打开任何一个资讯 App，头条永远是前两波：GPU 又涨价了，某模型又霸榜了。热闹都在那边。但对绝大多数做企业服务、做行业应用的公司来说，你的位置在第三波和第四波之间——前两波的新闻看看就好，别把别人的牌局当成自己的机会。我的押注很明确：第四波。而且我判断它起来的速度，会比多数人预期的快。
判断 · 02 算两本账：买软件的账，和雇人干活的账
为什么第四波才是打开天花板的那一波？算笔账就清楚了。如果只是在原有产品上加 AI 能力——报表加个自然语言查询，系统加个智能摘要——做得再好，天花板大概就是营收翻倍。因为你还是在软件预算那本账里，还是在 6500 亿的池子里抢份额。但企业还有另一本账：雇人干活的账。这本账比软件的账大一个数量级。举个不高科技的例子。一位做律师的朋友告诉我，现在用 AI 生成法律文书，又全面又规范——而这些活，过去是新人靠免费实习进律所、给资深律师打杂干的：收集信息、整理材料、写基础文书。再比如会议纪要，带过新人的都有体会，教一个人抓重点要花很久；现在主流协同办公工具自带的纪要功能，开个录音，产出质量已经超过绝大多数普通从业者。注意，这两件事都不是「软件功能变强了」。是活儿被干了。活儿被干了，钱就该从雇人的那本账里出。这就是软件和服务两个市场融合的起点，也是 15 倍空间的来源。把 AI 当软件卖，是在 6500 亿的池子里抢份额；让 AI 把活干了，才是在 10 万亿的池子里游泳。这也是为什么我不太纠结「Agent 算不算应用」这类分类学问题。分类不重要，账本才重要——你的产品最终从客户的哪本账里收钱，决定了你的天花板。
判断 · 03 AI 是执行器，人是责任人
第四波这么大，是不是意味着「数字员工替代真人岗位」马上要发生？我的看法反而保守：方向必然，但形态很多人想错了。公司里的一个同事，和一个 AI，差在哪儿？不在能力。差在同事有 KPI、有主动性、有职责范围——出了事，有人担着。AI 没有这些。它可以把活干得越来越好，但责任不会转移。签字的还是人，被问责的还是人，向老板解释「为什么是这个数」的还是人。所以企业级 AI 产品该长的样子，不是「替代某个岗位」，而是「给要担责的那个人，配一个能干活的执行器」。数势科技是业内第一波做企业智能体的，内部反复讲一句话：AI 服务的不是「会提问的人」，是「要做判断的人」。查数、分析、写报告这些执行环节可以交出去，判断和责任交不出去——产品设计的边界感，就从这条线来。再往远处说一层。现在很多人默认智能会无限便宜下去，便宜到像自来水一样随便用。我不这么看：单位 token 的价格确实在降，但顶尖模型的使用成本整体在往上走，越接近能力上限越贵——背后是算力和能源的硬约束。哪怕到 2030 年前后相关技术进入成熟期，智能也不会是无限供给的公共品。这个约束推出一个对我们这行很重要的结论：通用模型再强，企业还是需要自己的专属方案。私有数据、个性化流程、行业口径，这些东西不会因为云端模型变聪明就自动解决。云端大模型擅长算力型、智力型的工作，但它没有目的、没有欲望、没有价值判断——目的和意义，是人赋予它的。终局不是 AI 替代人的社会，是人和 AI 各干各擅长的事的社会。
判断 · 04 现在的行业增长，一半是价值，一半是套利
说完远景说现状。现状没那么美好。过去半年我跟不同领域的从业者聊下来，一个粗糙但挥之不去的感受：这个行业当下的增长，可能有一半来自各种套利——平台的红利、政策的红利，接过来转手放大；只有另一半，来自真正给客户创造了价值。怎么分辨？行业里有个说法我很喜欢，叫「从沙子到智慧」：人从沙子里提出硅，做成晶圆，晶圆变成晶体管，芯片搭成机房，机房里训出神经网络，最后长出推理能力。站在这条链上的公司，是在创造价值；链条之外的大多数玩家，做的是把已有的价值点放大。放大不丢人——商业世界从来需要批发和零售——但放大者最容易犯的错，是把渠道红利当成了自己的壁垒。红利一停，壁垒就没了。企业客户这一侧，状态同样拧巴。我看到的典型现场是：老板觉得 AI 无所不能，期望拉满；具体负责选型的人最清楚选错要担责，不敢动；技术团队觉得有开源框架自己也能搭；供给侧新玩家一拥而上，水平参差，甲方分不清好坏。每一方拿着不同的预期进场，市场就成了现在这个又热、又僵、又拉扯的样子。过去两年真正扎实落地、持续产生价值的案例，比行业发布会上讲的少得多——评奖的案例多，用起来的案例少。我们的应对，说出来一点都不炫：底层的数据服务先做，这是刚需，是客户已经疼过、主动来找的；上层的智能体应用，只跟场景认知清晰、预期合理的客户做——双方认知不一致的项目，赢了合同也会输掉交付。
判断 · 05 节奏上，快半步就好
最后说节奏。这可能是这两年我付学费最多的一课。我们 2023 年就开始琢磨 Agent 这个方向。也是行业里动作最快的团队，2023 年底就发布了业内第一个企业级的数据分析智能体，拿到了行业首测、首个百万级单子...现在回头看，我庆幸两件事：一是通过无数次的客户场景探讨、产品迭代、单子落地，积累了丰厚的实践经验；二是获得了较为深刻的认知，坚定了方向。数字员工是终局方向——比时代快半步就好，快三步的人，很多死在了黎明前。那对还没下场的团队，节奏该怎么把握？我的建议只有一条：先用起来。不是收藏、不是观望、不是等成熟，是把手头的活拿出一件让 AI 真跑一遍。做成了，认知归你；做失败了，认知也归你。这个行业变化这么快，转身速度本身就是竞争力——一次没赶上，只要转身够快，还有下一次。
写在最后
写到这儿，回头看这五个判断，其实都指向同一件事：AI 没有推翻 To B 的商业逻辑。LTC、PMF、GTM，这些硬功课一样都少不了；客户经理、客服、产研、售后、供应链，这些核心场景一个都没变。AI 放大的，是「谁真的在场景里」——过去十几年在盐碱地里攒下的客户、口径、行业认知，在 AI 时代不是包袱，是燃料。10 万亿的市场不会一夜打开。但方向如果是对的，慢一点也是在路上。写给所有还在盐碱地里种庄稼的同行——包括我自己。作者：韩秀锋，数势科技合伙人兼 CTO。本文为个人观点。（全文约 3000 字）
夜雨聆风