芯耀
377
作者：彭昭（智次方創(chuàng)始人、云和資本聯(lián)合創(chuàng)始合伙人）
生成式AI正處于寒武紀(jì)式爆發(fā)后的第一輪進(jìn)化期。通用大模型在展現(xiàn)驚人能力的同時，也逐漸暴露出成本高昂、應(yīng)用泛化與商業(yè)變現(xiàn)困難等結(jié)構(gòu)性瓶頸。
一條新的產(chǎn)業(yè)化路徑正加速浮現(xiàn)：垂類大模型（Vertical AI）成為通用模型的“第二曲線”。
隨著政府工作報告提出持續(xù)推進(jìn)“人工智能+”行動，從醫(yī)療、法律到制造、消費(fèi)、金融等領(lǐng)域，越來越多企業(yè)試圖構(gòu)建面向特定行業(yè)的專屬AI系統(tǒng)。這些系統(tǒng)更加理解領(lǐng)域語言、更貼近業(yè)務(wù)流程、更容易嵌入既有系統(tǒng)。
但現(xiàn)實(shí)遠(yuǎn)比愿景更加復(fù)雜：模型效果高度依賴場景調(diào)優(yōu)，實(shí)際應(yīng)用效果有限；企業(yè)數(shù)據(jù)碎片化嚴(yán)重，難以支撐有效訓(xùn)練；商業(yè)模式模糊，客戶難以形成長期綁定。
“大模型之后，到底是做模型、做產(chǎn)品，還是做平臺？”這一問題成為所有垂類AI玩家的戰(zhàn)略困擾。
這一切，似曾相識。
十幾年前，隨著工業(yè)互聯(lián)網(wǎng)的概念于2012年由美國通用電氣公司（GE）提出，工業(yè)互聯(lián)網(wǎng)平臺企業(yè)也曾經(jīng)歷從“連接設(shè)備”到“重構(gòu)流程”、再到“平臺化生態(tài)”構(gòu)想的熱潮與幻滅。他們面臨的挑戰(zhàn)同樣是：在技術(shù)突破之后，如何構(gòu)建可持續(xù)的業(yè)務(wù)模式與平臺控制力？
今天，垂類模型企業(yè)正站在相似的十字路口。不同的是，他們手中握有一個全新的杠桿工具：AI Agent與流程重構(gòu)能力——不僅僅是自動化任務(wù)，而是輔助并重構(gòu)工作流。
在本文中，我們將共同探索：在產(chǎn)業(yè)AI的戰(zhàn)局中，誰能真正突圍？誰能構(gòu)建長期壁壘？垂類模型的終局，會是一場新的“平臺之戰(zhàn)”嗎？
從“連接物”到“輔助人”：垂類AI與工業(yè)互聯(lián)網(wǎng)的平臺化之路
垂類模型與工業(yè)互聯(lián)網(wǎng)，有何相似與不同？
雖然垂類模型與工業(yè)互聯(lián)網(wǎng)誕生于不同的技術(shù)周期，但它們在“從工具走向平臺”的路徑上，呈現(xiàn)出高度相似的結(jié)構(gòu)性挑戰(zhàn)。
我們可以從四個核心維度進(jìn)行類比分析：
1. 起點(diǎn)相似：都從“工具”切入業(yè)務(wù)底層
工業(yè)互聯(lián)網(wǎng)的起點(diǎn)是設(shè)備上云與邊緣采集，試圖用傳感器與平臺打通物理世界的數(shù)據(jù)盲區(qū)。這一過程強(qiáng)調(diào)數(shù)據(jù)采集與系統(tǒng)連接，為后續(xù)的數(shù)據(jù)分析與流程優(yōu)化奠定基礎(chǔ)。
而垂類模型的起點(diǎn)則是大模型能力的遷移，希望利用語義理解與任務(wù)實(shí)現(xiàn)，從認(rèn)知層“輔助人類工作”。這意味著，垂類模型不僅要理解業(yè)務(wù)數(shù)據(jù)，還要深度理解業(yè)務(wù)流程與專業(yè)知識，進(jìn)而實(shí)現(xiàn)對工作流的自動化與重構(gòu)。
雖然兩者的切入點(diǎn)不同，但本質(zhì)上都是從底層“重塑感知與認(rèn)知能力”，進(jìn)而嵌入業(yè)務(wù)流程，實(shí)現(xiàn)數(shù)字化轉(zhuǎn)型。工業(yè)互聯(lián)網(wǎng)側(cè)重于打通數(shù)據(jù)孤島，構(gòu)建統(tǒng)一的數(shù)字化底座；而垂類模型則更進(jìn)一步，試圖在統(tǒng)一的認(rèn)知基礎(chǔ)上，實(shí)現(xiàn)端到端的流程自動化。
2. 技術(shù)路徑不同：AI Agent是垂類模型的“杠桿武器”
工業(yè)互聯(lián)網(wǎng)的核心挑戰(zhàn)在于數(shù)據(jù)異構(gòu)與系統(tǒng)集成，強(qiáng)調(diào)流程建模與IT/OT融合。由于工業(yè)領(lǐng)域的數(shù)據(jù)種類繁多、格式各異，且分散在不同的系統(tǒng)與設(shè)備中，因此需要通過數(shù)據(jù)集成與流程建模，將它們統(tǒng)一到一個平臺中進(jìn)行管理和分析。這往往需要復(fù)雜的系統(tǒng)對接與數(shù)據(jù)清洗工作，是一個漫長而艱巨的過程。
而垂類模型的關(guān)鍵在于三個方面：一是模型能力適配性，即如何將通用大模型的能力遷移到特定行業(yè)，融入行業(yè)知識和語言習(xí)慣；二是Agent的任務(wù)規(guī)劃與上下文保持能力，即如何讓AI Agent理解任務(wù)的環(huán)境與場景，合理拆解任務(wù)并持續(xù)跟蹤執(zhí)行狀態(tài)；三是流程級任務(wù)自動化能力，即AI Agent需要能夠自動執(zhí)行一系列復(fù)雜任務(wù)，實(shí)現(xiàn)端到端的流程自動化。
因此，與工業(yè)互聯(lián)網(wǎng)強(qiáng)調(diào)“打通系統(tǒng)”不同，垂類模型更強(qiáng)調(diào)“輔助流程”。它不僅要實(shí)現(xiàn)數(shù)據(jù)的互聯(lián)互通，還要通過AI Agent實(shí)現(xiàn)業(yè)務(wù)流程的自動化與智能化，從而更為徹底的釋放數(shù)據(jù)價值。
3. 商業(yè)模式演化：從平臺即服務(wù)（PaaS）到業(yè)務(wù)成果即服務(wù)（BOaaS）
工業(yè)互聯(lián)網(wǎng)平臺主要以PaaS（平臺即服務(wù)）和SaaS（軟件即服務(wù)）的模式交付。但在實(shí)踐中，由于工業(yè)領(lǐng)域的復(fù)雜性和定制化需求，很多平臺最終不得不轉(zhuǎn)向“項(xiàng)目定制”模式，為每個客戶單獨(dú)開發(fā)和部署系統(tǒng)，這導(dǎo)致平臺難以實(shí)現(xiàn)規(guī)?；l(fā)展。
而垂類模型從一開始就具備“API化”的基因。通過大模型與Agent的結(jié)合，它可以將復(fù)雜的任務(wù)流程封裝為簡單的API接口，用戶只需通過API調(diào)用，即可獲得端到端的流程自動化服務(wù)，而無需關(guān)心底層的技術(shù)細(xì)節(jié)。
更重要的是，垂類模型可以直接面向任務(wù)結(jié)果的交付，催生出一種新的商業(yè)模式：業(yè)務(wù)成果即服務(wù)（Business Outcome-as-a-Service）。BOaaS模式提供的是任務(wù)結(jié)果，AI Agent全程輔助任務(wù)執(zhí)行過程，用戶只需要向Agent下達(dá)指令，然后等待結(jié)果交付。
舉個例子，傳統(tǒng)的進(jìn)銷存SaaS軟件，提供了記錄和管理進(jìn)銷存數(shù)據(jù)的工具，用戶仍然需要半自動輸入數(shù)據(jù)、盤點(diǎn)庫存、處理異常等。而如果是一個基于垂類模型的進(jìn)銷存BOaaS模式，用戶只需要告訴AI Agent需要采購什么商品，Agent就可以自動完成供應(yīng)商選擇、價格比對、合同簽訂、訂單跟蹤、入庫登記等一系列工作，最終將采購?fù)瓿傻慕Y(jié)果反饋給用戶。
可以說， BOaaS模式代表了一種全新的生產(chǎn)力組織方式。它意味著，AI不再只是輔助人類工作的工具，而是能夠主動承接和執(zhí)行任務(wù)的“數(shù)字員工”。當(dāng)然，這并不意味著AI可以完全取代人類，而是通過人機(jī)協(xié)作，將人類從重復(fù)性、程式化的工作中解放出來，騰出更多時間和精力去創(chuàng)造價值。
4. 成敗關(guān)鍵一致：最終都要“掌控流程關(guān)鍵點(diǎn)”
工業(yè)互聯(lián)網(wǎng)平臺的成敗，不在于技術(shù)多強(qiáng)，而在于能否構(gòu)建起“平臺飛輪”效應(yīng)。這意味著，平臺需要聚合足夠多的設(shè)備和數(shù)據(jù)資源，吸引開發(fā)者和獨(dú)立軟件開發(fā)商（ISV）入駐，形成生態(tài)閉環(huán)，從而建立起客戶對平臺的信賴關(guān)系。
具體來說，工業(yè)互聯(lián)網(wǎng)平臺要實(shí)現(xiàn)的是“設(shè)備-數(shù)據(jù)-應(yīng)用-客戶”的正向循環(huán)：連接更多的設(shè)備，采集更多的數(shù)據(jù)；積累的數(shù)據(jù)吸引更多的開發(fā)者基于平臺開發(fā)應(yīng)用；豐富的應(yīng)用生態(tài)吸引更多的客戶使用平臺；更多的客戶意味著更多的設(shè)備接入和數(shù)據(jù)積累，從而形成正向循環(huán)。
垂類大模型企業(yè)的成功，同樣取決于能否占據(jù)“流程控制點(diǎn)”，構(gòu)建“數(shù)據(jù)-模型-應(yīng)用”的閉環(huán)生態(tài)。此外，垂類AI要真正建立起平臺生態(tài)，還需要綜合考慮開發(fā)者從零到一的成長陪跑、數(shù)據(jù)安全與隱私、模型迭代與優(yōu)化等因素。
盡管工業(yè)互聯(lián)網(wǎng)和垂類模型在技術(shù)路徑上有所不同，但它們的終局殊途同歸，都是要通過“連接”和“賦能”，打造產(chǎn)業(yè)數(shù)字化轉(zhuǎn)型的操作系統(tǒng)和生態(tài)平臺。
工業(yè)互聯(lián)網(wǎng)強(qiáng)調(diào)“連接物”，通過設(shè)備上云和數(shù)據(jù)集成，構(gòu)建工業(yè)數(shù)字化的底座；垂類AI則試圖“輔助人”，利用大模型和Agent實(shí)現(xiàn)業(yè)務(wù)流程的自動化與智能化。兩者分別代表著產(chǎn)業(yè)數(shù)字化轉(zhuǎn)型的前半程和后半程。
從本質(zhì)上說，工業(yè)互聯(lián)網(wǎng)解決的是“數(shù)字化”問題，即如何將原本離散、割裂的設(shè)備、數(shù)據(jù)和系統(tǒng)連接起來，形成統(tǒng)一的數(shù)字空間；而垂類模型解決的是“智能化”問題，即如何在統(tǒng)一的數(shù)據(jù)基礎(chǔ)上，用AI重構(gòu)業(yè)務(wù)流程、優(yōu)化資源配置、創(chuàng)造新的價值。
可以預(yù)見，未來的產(chǎn)業(yè)互聯(lián)網(wǎng)平臺，必將是工業(yè)互聯(lián)網(wǎng)與垂類模型的深度融合。這樣的平臺不僅要連接海量的設(shè)備和數(shù)據(jù)，還要用AI為企業(yè)和行業(yè)持續(xù)賦能，構(gòu)建包括軟硬件基礎(chǔ)設(shè)施、技術(shù)、運(yùn)營在內(nèi)的全棧式解決方案。
垂類模型的4階段進(jìn)化路徑：從工具到平臺的躍遷軌道
在此前的文章中，我曾經(jīng)介紹過工業(yè)互聯(lián)網(wǎng)的3個發(fā)展階段：階段1內(nèi)化，打通企業(yè)業(yè)務(wù)流程的信息化；階段2外化，延展產(chǎn)品服務(wù)的價值鏈階段；階段3外掛，對外賦能發(fā)展新的商業(yè)模式。
有了工業(yè)互聯(lián)網(wǎng)平臺的借鑒，垂直模型的進(jìn)化之路預(yù)計將更加快速。
垂直AI的演進(jìn)，本質(zhì)上是一個從“解決單一任務(wù)”到“輔助整個流程”，再到“承載行業(yè)生態(tài)平臺”的能力躍遷過程。
通過對產(chǎn)業(yè)先行者的實(shí)踐路徑進(jìn)行梳理，我們可以將其歸納為四個典型的發(fā)展階段：
階段一：垂直切入，解決剛需痛點(diǎn)
在初始階段，企業(yè)需要聚焦于一個高價值、高頻次、數(shù)據(jù)結(jié)構(gòu)化程度適中的垂類場景，率先突破AI的實(shí)用性邊界。這些場景通常具有明確的痛點(diǎn)需求和可衡量的價值回報，如制造業(yè)中的缺陷檢測和良率預(yù)測等。
在選擇切入場景時，除了考慮商業(yè)潛力和AI可行性外，還要重點(diǎn)評估數(shù)據(jù)的可用性和質(zhì)量。一個理想的垂類模型場景，應(yīng)該具備相對完整、標(biāo)注充分的數(shù)據(jù)積累。這往往需要企業(yè)在特定領(lǐng)域有深厚的行業(yè)積淀和數(shù)字化基礎(chǔ)。因此，與行業(yè)頭部企業(yè)合作，或選擇已經(jīng)實(shí)現(xiàn)良好數(shù)字化的細(xì)分場景切入，往往是明智的選擇。
這一階段的關(guān)鍵詞是：痛點(diǎn)明確、商業(yè)價值可衡量、數(shù)據(jù)可獲得、流程可閉環(huán)。只有同時滿足這四個條件，垂類模型項(xiàng)目才有可能在起步階段取得突破。
階段二：構(gòu)建能力飛輪，形成垂類護(hù)城河
當(dāng)垂類AI模型在某個具體任務(wù)上實(shí)現(xiàn)穩(wěn)定的、可靠的表現(xiàn)后，它就具備了形成“能力飛輪”的基礎(chǔ)。這個飛輪的運(yùn)轉(zhuǎn)邏輯是：首先，隨著模型的不斷優(yōu)化，其準(zhǔn)確性、效率等核心性能指標(biāo)不斷提升，用戶使用體驗(yàn)越來越好；好的體驗(yàn)吸引更多客戶接受和使用該AI系統(tǒng)，從而在實(shí)際業(yè)務(wù)中產(chǎn)生更多真實(shí)數(shù)據(jù)；更多的數(shù)據(jù)反過來又可以用于持續(xù)訓(xùn)練和優(yōu)化模型，從而進(jìn)一步提升模型性能和用戶體驗(yàn)，形成正向循環(huán)。
要驅(qū)動這一飛輪，關(guān)鍵是構(gòu)建“模型能力”與“產(chǎn)品體驗(yàn)”的雙引擎。
在“模型能力”方面，垂類模型企業(yè)基于不斷積累的真實(shí)業(yè)務(wù)數(shù)據(jù)，對模型進(jìn)行持續(xù)的微調(diào)和優(yōu)化，針對行業(yè)特定任務(wù)、知識、語言和規(guī)則定制算法，最終形成高度可靠、性能卓越的行業(yè)專屬模型（Domain-Specific Foundation Model）。
在“產(chǎn)品體驗(yàn)”方面，僅有強(qiáng)大的模型是不夠的，還需要從產(chǎn)品層面，圍繞行業(yè)用戶的真實(shí)需求和使用習(xí)慣，精心設(shè)計人機(jī)交互、任務(wù)流程和系統(tǒng)功能。很多時候用戶的需求有待進(jìn)一步澄清，Agent的優(yōu)勢在于它可以跟用戶進(jìn)行多輪對話交互，理解用戶的真實(shí)意圖，將用戶的高層指令轉(zhuǎn)化為可執(zhí)行的具體任務(wù)，完成端到端成果交付。
階段三：流程重構(gòu)，邁向業(yè)務(wù)成果即服務(wù)（BOaaS）
當(dāng)Agent掌握了理解用戶需求、調(diào)度算法模型、協(xié)同多方資源、開展端到端任務(wù)交付的能力后，垂類AI企業(yè)就站上了從“工具”到“平臺”跨越的臺階。
這一階段的核心特征，是從“提供模型”轉(zhuǎn)向“交付服務(wù)”：企業(yè)不再把AI視為單點(diǎn)的功能工具，而是以之為杠桿，撬動行業(yè)流程的全面重構(gòu)，最終實(shí)現(xiàn)業(yè)務(wù)成果即服務(wù)（BOaaS）的階躍。
在BOaaS模式下，企業(yè)交付給客戶的，不再是一套解決方案，而是一個“端到端的服務(wù)承諾”：客戶只需輸入目標(biāo)和約束，智能系統(tǒng)就可以自動調(diào)度算法、數(shù)據(jù)、知識等數(shù)字資源，完成整個業(yè)務(wù)流程，交付客戶所期望的結(jié)果。
對客戶而言，他們所購買的不再是一個“死”的軟件系統(tǒng)，而是一種“活”的智能服務(wù)，一種隨需應(yīng)變、持續(xù)優(yōu)化、快速響應(yīng)的業(yè)務(wù)能力。這就是BOaaS的本質(zhì)：業(yè)務(wù)流程的全棧智能化，價值交付的服務(wù)化與柔性化。
當(dāng)機(jī)器可以自動執(zhí)行80%的流程性任務(wù)時，人的角色就從“流程的執(zhí)行者”轉(zhuǎn)變?yōu)椤傲鞒痰脑O(shè)計優(yōu)化者”。
當(dāng)然，BOaaS絕非一蹴而就，它對產(chǎn)業(yè)智能化的深度和廣度提出了極高要求。單點(diǎn)技術(shù)、單點(diǎn)場景的突破還遠(yuǎn)遠(yuǎn)不夠，必須通過持續(xù)的技術(shù)創(chuàng)新和場景擴(kuò)展，打造一張覆蓋業(yè)務(wù)全流程、全要素的“智能化地圖”。
階段四：平臺化演化，占據(jù)行業(yè)的流程控制點(diǎn)
當(dāng)越來越多的客戶開始習(xí)慣于通過AI Agent完成各項(xiàng)任務(wù)，當(dāng)垂類模型開始掌控行業(yè)中最關(guān)鍵的業(yè)務(wù)流程時，垂類模型就迎來了從“應(yīng)用”到“平臺”的最后一次躍遷。
當(dāng)然“平臺化”并非所有垂類模型企業(yè)的必由之路，許多企業(yè)可能會選擇專注于某個細(xì)分領(lǐng)域，成為該領(lǐng)域的“小而美”的服務(wù)提供商。能否最終完成平臺化轉(zhuǎn)型，取決于企業(yè)的戰(zhàn)略定力、技術(shù)實(shí)力、行業(yè)理解以及生態(tài)運(yùn)作能力。
這條路徑的本質(zhì)，并不是做一個更強(qiáng)的模型，而是通過Agent能力，逐步重構(gòu)行業(yè)流程，并最終贏得穩(wěn)固的生態(tài)位。
寫在最后
當(dāng)我們回顧工業(yè)互聯(lián)網(wǎng)與垂類AI的發(fā)展歷程時，一個驚人的相似性浮現(xiàn)出來：它們都是從“連接”開始，到“賦能”升級，最后走向“重構(gòu)”。
這意味著，產(chǎn)業(yè)互聯(lián)網(wǎng)的下半場，競爭的制高點(diǎn)已從“連接”轉(zhuǎn)向“算法”，從“聚數(shù)據(jù)”轉(zhuǎn)向“強(qiáng)認(rèn)知”。
對工業(yè)互聯(lián)網(wǎng)平臺企業(yè)而言，只做設(shè)備管理、數(shù)據(jù)分析已不足以制勝，必須以垂直行業(yè)的智能化場景與核心業(yè)務(wù)流程為導(dǎo)向，發(fā)展面向特定任務(wù)的認(rèn)知智能，真正參與到業(yè)務(wù)決策與流程控制中，才能掌握平臺生態(tài)的主導(dǎo)權(quán)。
而對垂類AI企業(yè)而言，深度理解行業(yè)know-how、持續(xù)打磨場景化方案、提供端到端流程服務(wù)將是成功的關(guān)鍵。
那么接下來我們需要回答的問題是：什么樣的企業(yè)適合走完這四階段？中間會面臨哪些組織與技術(shù)斷點(diǎn)？如何構(gòu)建護(hù)城河？讓我們在下篇文章中繼續(xù)探索。
參考資料：
1.How to win at Vertical AI，作者：Sangeet Paul Choudary，來源：Medium
2.Rethinking growth and go-to-market in the age of AI，來源：Platform Revolution
