摘要：2025年，从DeepSeek推出之后，大模型的势头异常凶猛，无论是企业级市场还是2C市场，各种AI 应用层出不穷，之前有篇文章写了一些产品介绍【值得关注！全球Top100 生成式AI消费者应用，包括灵感编程（第四版）】。而后各方言论也甚嚣尘上，微软 CEO
这篇文章是我对大模型及agent智能体对2B市场做的一点思考！算是我最近研究大模型AI交的一份作业。
2025年，从DeepSeek推出之后，大模型的势头异常凶猛，无论是企业级市场还是2C市场，各种AI 应用层出不穷，之前有篇文章写了一些产品介绍【值得关注！全球Top100 生成式AI消费者应用，包括灵感编程（第四版）】。而后各方言论也甚嚣尘上，微软 CEO 萨提亚·纳德拉表示：AI Agent或将替代所有SaaS，更有甚者，Agent以后要取代一切传统软件，彻底统治企业级市场。然而我却持有不同的看法！
在此先解释一个概念，什么是传统MIS软件？MIS是一个非常老旧的概念，Management Information System管理信息系统，是企业信息化过程中的重要软件载体，比如以前ERP、进销存、CRM、营销软件等等。它是基于组织的角色和场景需求而来，辅助复杂的软件工程，实现一个完整的软件系统，传统MIS软件是基于组织的价值链过程，完成各类角色下场景能力信息化。其实软件的MIS构建过程非常复杂，以前软件工程的复杂过程都是为了实现需求一致性。优维easyops运维平台也属于此类！
首先说说国外的AI落地情况。其实每一次商业模式的升级，国外走得都非常的快，无论是以前的SaaS/订阅，还是今天的AI化。其实这是由它特有的商业环境决定的，比如说知识产权、人力资源成本、生态体系等等，在不同场合我分享过我的观点，一定不是国人不会做软件导致的。国外有很多小而美的公司，它是被知识产权保护的，它能坚持在一个细分领域，一直做深做专，做到极致！回到今天AI化过程，其实能看到国外公司有几个典型特征：
1、国外硬件算力资源充足，并且容易获得。国外的算力资源非常充足，并且以云服务的形式交付，当然你也可以私有化购买。
2、国外基模能力发展很快，能力迭代进化很快。OpenAI/Google/xAI公司三足鼎立，相互竞争，同步也出现一些专业大模型，比如说Claude Sonnet，专业支撑编码。特别是他们的saas化能力，迭代升级非常快，能力非常容易被获得。Chatgpt一出来的时候，国外太多SaaS软件公司很早就接入了它，以Chat的方式让自身AI能力做了升级，去年ServiceNow财报重点提及AI带来的收入增长。当然今年最大的竞争压力是来自于Deepseek的压力，之前有篇文章做了重点介绍【人工智能的“斯普特尼克时刻”】
3、国外的软件生态非常完备，AI很容易触达具体场景，解决痛点问题。部分AI应用是寄生在成熟的SaaS软件之上的，笔者就看到在SalesForce之上做CRM智能化提升的，场景能力非常细分，如提升销售线索转化，提升企业收款效率，营销智能化推荐等。在运维侧，基于ServiceNow/Datadog做故障根因分析的。这些细分的能力，都是建立在一个标准化的SaaS能力之上，而后结合AI大模型的能力实现场景AI化。
4、从AI应用软件形态来说，大部分还是个人应用为主，B端偏少。很大一部分是文生视频/文生图类的应用，再深入一点就是基于这个能力做场景实现，比如说AI装修REimagineHome，依赖的基模能力发展很快，包括OpenAI/Gemini；其次是对专业角色支撑的AI应用，目前最火且ARR成长速度最快的，如编程/UI设计，它们对应的就是IT角色，如Cursor/Claude/Cline/ComfyUI等等，还有一些就是基于这些能力做了深度优化，比如说网站复刻；还有一些企业自动化场景，如zapier/n8n等，但这个自动化场景里面有些是围绕营销或者销售来做的，他们依然算是企业角色能力支撑的一部分。
国外AI发展很快，但即使如此，我们依然不能够说，它是在颠覆了传统观软件，事实上，SAP/Salesforce/servicenow依然强劲！但这些公司从一开始就“All In AI”，让他更好的抓住了增长机会点。其实更准确点说，是抓住了用户需求，借助AI更好的实现。
反观国内，实在没什么可表的。早期基模公司感觉都在做私有化项目，比如说百度/科大讯发/智谱等，从去年到今年，中标项目基本上都是来自于他们。今年很特殊，因为Deepseek横空出世，当下deepseek一体机是核心的AI交付形态，看看几个知名公众号发布的AI项目信息就知道了，传统服务商又上场了。我仔细研究过这类项目的投标要求，大部分是硬件参数为主，少量提及DS的安装部署要求，场景少谈。此时DS一体机采购默认安装几个开源项目进去，RAG+Agent编排是主要的技术实现，AI化的能力就实现了。本文不吐槽RAG+Agent编排的AI落地模式！找个时间写个文章讲。
说实话国内很多企业，deepseek安装进去还不知道干嘛，最后只能用来做知识库/制度查询/公文编写。说到这几个场景，也是有现实的问题驱动的。毕竟通用大模型自带一些知识库，包括一些推理能力，但说到私域知识库，还是有基础知识语料的问题；制度查询，就是把公司的一些制度倒入进去，满足新人或者公司员工查询的需要；公文编写，大家知道我们很多企业有公文定时输出的需求，用deepseek是最好的，让DS来写比人写来的快，毕竟连诗歌都能写得出来，何况公文。这类项目交付的本质就是RAG！无法触达传统软件领地。
从国内外表现对比来看，貌似无法形成什么结论——Agent可以取代传统MIS软件。那到底Agent表现出如此气势是什么原因呢？我想从组织的角度来谈谈。
其实Agent这个概念很早就存在，包括研究生做的虚拟企业课题，里面就提到Agent智能体组织。我创业之后，做自动化/智能化运维平台，有很多自主Agent装在受控端，完成三大功能：接受并运行指令，上报数据，传输文件，但我更愿意称该Agent为执行代理，没有智能的成分。今天的AI Agent，被大家称之为智能体，核心原因是有个底层LLM大模型“脑”存在，大模型的智能化水平的确是过去传统软件不具备的，核心的技术实现截然不同，看我之前的【运维必知必会系列文章】。
人是组织的智能主体！今天的AI智能体表现出能辅助人或取代人的趋势，因为借助LLM大模型的“脑”具备了“人”的能力，它就能成为某些关键组织节点的“助理”（Assistant）存在。组织中的人是有两个能力：决策和执行，映射到组织架构上就是管理节点和执行节点。在全面信息化或数字化的企业之中，管理节点和执行节点都容易被AI所取代，也就有了当下“一人公司”存在。但现实是，该AI化“助理”能力是受环境制约的，越不标准化的组织，AI化发挥的空间就越受限，特别是执行节点。关于非标准化的组织带来的影响，该问题的分析和国内每一次行业软件落地遇到的难题是一样的，别无二致！其实在前篇分析国内外AI化也能看出端倪。甚至今天反推中国B端每次商业模式的转型，为什么一直都是希望和失望并存，用友和金蝶还在亏损？信息化/数字化/订阅/SaaS遇到的问题，今天的AI落地也躲不过！
其实执行节点的“AI助理”逻辑，是可以通过角色推导分析出来的，特别是那些通用的能力，借助互联网积累丰富素材的能力就很容易达到，比如说UI设计、编程、DBA。但一旦进入到私域，AI大模型发挥空间就很有限了，我接触的制造业在制造端AI化进度就偏慢，没有头脑发热跟风的势头。这个地方可以拿数据库DBA做个例子，Oracle DBA可以利用大模型直接做问题分析、知识库查询、性能分析等，效果非常的好，但国产数据库就不一定，很大程度上受限于公域知识的丰富度。实测Redis也是如此！所以我特别不看好当下中国的AI交付模式——deepseek一体机！除了积累算力资源。
AI对B端企业/组织的影响是巨大的，但我认为它首先是作用于人，而不是软件系统，但这点会传导影响传统观MIS软件的交付实现路径和业务逻辑路径。
首先谈谈交付实现路径，在前面提到，组织很多角色被AI辅助，这点势必带来人的工作模式变化，比如说当下的编程和设计领域，我接触一个时尚企业，就通过大模型生成大量的鞋服设计图，人机协作新模式，质量和效率大大提升，成本还是降低的；
其次业务逻辑路径，该点需要场景化带入分析，比如说人员招聘，KPI考核领域、变更影响分析等。人员招聘，目前有些AI招聘直接提供简历高效匹配筛选，AI面试等，公司只需要完成终面；KPI考核领域，当下大模型可以从企业端收集各类数据，自动生成考核结果；变更影响分析，大模型可以根据企业环境中资源关系和作业指令，自动生成变更影响报告等，这样的场景化例子实在是太多了。总的来说，都是在交付实现路径和业务逻辑路径上发生作用，我觉得这两点会影响未来devops交付供应链，以及AI应用程序测试和运维！也是个值得探讨的话题。
虽然AI 应用影响当下企业是全面立体的，但我依然坚持，AI应用和传统MIS是有边界的。AI应用作为“人”的助理，会以“大脑”的形式普遍存在，我就很需要几个Agent助理；而传统MIS依然要充当“手和眼”的角色，做好底层执行的承接。在实际的运行过程中，“大脑”的感知进化是需要“手和眼”的实际运行数据反馈，传统MIS还是要把脏活累活干好，把复杂环境对接好，把数据规范好，把流程跑顺，而“大脑”则利用MIS积累的数据，转化经验，从而不断提升决策能力，加快组织的运行效率。
当下AI智能化的挑战和传统MIS遇到的技术挑战是一样的，为什么这么讲呢？最终都要解决数据问题，数据就是一切，好坏数据决定了企业的AI化水平。特别是国内当下的2B环境，大模型要想在隔离的私域发挥作用，一定要借助于私域数据语料喂养训练，否则就是大模型智障。而我们过去传统MIS软件运行这么多年，数据孤岛，数据不标准依然存在，因此我认为两者遇到的问题是类似的。即使简单如RAG落地，也需要知识的语料质量，更何况高级智能化能力落地，则更依赖高质量数据，这也会让组织出现一些新的AI角色。
那他们究竟在未来以什么方式存在呢？彼此边界突破，但相互融合！AI Agent一定会影响传统MIS的能力；而传统MIS肯定也会AI化来武装提升自己。客户的「新旧」痛点/问题会不断发生或存在，AI不是技术，更是思维模式的变化，所以不要过度迷恋AI，更不能把它看成传统MIS软件的“银弹”。“AI+”应该成为当下普遍的思维，反常识下的集体共识非常重要，它首先是对人的影响，而非系统。我们也非常清醒的认识到传统MIS软件依然是承接执行层最好的模式，它必须要以“手和眼“定位，做好执行层的事情。
来源：正正杂说
