摘要：人工智能行至2024，又见奇点潮涌。To B市场的躁动与狂热说明一切，但置身其中的产业先行者们依然保持着清醒。在2025年伊始，我们与10位To B领域CEO展开深度对话，探讨他们对中国企业级市场的思考，回顾2024的机遇与挑战，展望新一年的破局之道。
01
金蝶董事会主席兼CEO徐少春：
向AI转型，软件行业正迎来“第四次工业革命”
金蝶2023年确立了“AI优先，订阅优先”的战略，逐步向AI转型，我们希望让每一个用户拥有一个超级智能的AI管理助手。2024年10月，金蝶发布了苍穹APP，这款APP是金蝶自主研发的AI管理助手的移动形态，以期引领中国企业管理软件真正迈向AI原生时代，推动中国企业数智化转型加速变革。
02
微盟集团董事会主席兼CEO孙涛勇：
未来所有的SaaS都可以用AI写一次
我们正站在技术变革的风口浪尖，既充满挑战，又蕴含着无限可能。唯有保持极致的开放思维和敏捷姿态，主动拥抱AI Agent带来的颠覆性技术浪潮，我们才能在这场竞争中立于不败之地。
03
UCloud CEO季昕华：
“算力+”模式加速，算力已成为赋能数字经济的新质生产力
这是一个充满挑战和机遇的时代，我们别无选择，只能勇敢前行。
04
青云科技CEO林源：
算力结构向“通算+智算”演变，多元算力融合成常态
2024年，我观察到最明显的变化是算力结构的转型——从通用计算向“通算+智算”演进。这不仅仅是简单的资源叠加，而是整个IT基础设施的重构。
传统的资源调度和运维体系都需要为AI场景重新设计，这给整个行业带来了新的技术挑战。在资源效率方面，当前智算中心普遍存在资源利用率不足的现象。究其原因，一方面是需求和供给未能有效匹配，另一方面是调度系统还不够精细。这不仅造成了资源浪费，还抬高了使用成本。要解决这个问题，需要在算力网络、调度算法等方面进行创新，实现资源的精准投放和高效利用。值得注意的是，当前市场对AI算力的追逐可能存在一定泡沫。不是所有场景都需要昂贵的GPU资源，如何根据实际业务需求选择合适的算力类型，这需要更理性的评估。我认为未来会形成通用计算、AI算力、超算的多元融合格局，各类算力资源将根据负载特征动态调配。从市场结构来看，我还观察到一个有趣的现象：三四线城市的数字化转型需求正在快速增长。这些地区的企业面临着与一线城市完全不同的挑战：预算有限、技术人才缺乏、数字化基础薄弱。但恰恰是这些“痛点”，可能催生出更具创新性的解决方案。展望2025年，行业大概率会出现几个关键转变：首先，AI算力将从集中式向分布式演进，边缘智能将得到更多应用；其次，绿色计算将从概念走向实践，能源效率将成为评价数据中心的关键指标；最后，云计算将进一步下沉，使更多传统企业能够享受到技术红利。对于云计算行业的长期发展，我的想法是：要警惕同质化竞争，真正的差异化优势来自对细分场景的深度理解；要重视技术创新，但创新必须立足于解决实际问题；要平衡短期收益和长期价值，避免过度透支未来增长空间。面对不断演进的市场环境，保持技术灵敏度和战略定力同样重要。站在技术供应商的角度，我们既要前瞻性地投入研发，又要脚踏实地地解决客户问题。毕竟，技术创新的最终目的是服务于业务创新，推动整个产业的升级和演进。
05
奥哲CEO徐平俊：
SaaS未来，AI赋能与垂直化并进
在这个充满变革的时代，SaaS企业必须在保持创新的同时，更加注重产品价值的深耕与商业模式的可持续性。只有真正理解并拥抱变革，才能在这个AI驱动的新时代抓住机遇，实现基业长青。
06
蓝凌软件董事长杨健伟：
数字化转型核心价值点应锚定流程与场景变革
在2024年这个数字经济快速迭代的关键时期，作为一名深耕企业数字化转型多年的实践者，我愈发清晰地认识到，数字化转型的核心价值最终可以归结为流程变革和场景变革这两个关键维度。
流程变革意味着打通业务端到端，实现组织效率的系统性提升；场景变革则是通过整合数据和系统，为一线业务提供智能、敏捷的支持和赋能。这两个维度的协同，将决定企业在数字经济时代的竞争力。观察当前市场，央企和国企已经成为数字化转型的中坚力量。他们展现出“应用广泛”、“业务深入”和“快速交付”的显著特征。对这些企业而言，数字化转型已经超越了技术升级，而是对业务模式和组织架构的根本性重塑。金融行业的实践尤其值得关注。通过信创化和中台化，金融机构不仅展现了卓越的技术能力，还推动了整个产业的数字化进程。制造业同样如此，像三一重工这样的企业，通过技术中台化和业务服务化，实现了全球协同和端到端管理，为制造业的数字化转型提供了绝佳范例。在数字化转型进程中，还必须重视数据与知识等资产的价值。知识管理与人工智能的深度融合，将为数字化转型带来新可能。私有大模型与智能知识库的结合，能帮助企业构建自己的数字大脑，满足多场景应用，研发大脑、营销大脑等将助力企业盘活IT资产，创造更大价值。未来，集成能力已经成为企业的刚性需求。企业必须建设敏捷的集成平台，不仅要提高响应速度，更要持续优化客户体验。在数字化建方面，我主张采用“在城中村上盖高楼”的渐进式策略，在保护原有IT投资的基础上，叠加技术中台，让旧有系统释放新价值，同时赋能业务敏捷创新。真正的数字化转型并非一蹴而就，它需要企业领导者保持战略定力、开放心态和持续学习的能力。在这个加速迭代的数字经济时代，唯有保持战略定力和创新意识，才能在这场没有硝烟的商业革命中抢占先机，实现企业的可持续发展。
07
库帕思CEO黄海清：
构建高质量数据集，助力AI赋能千行百业
算法、算力和数据构成了人工智能发展的三大引擎。
从算力层面，公开数据表明，至2028年全球算力规模预计增长至18282.3EFlops，平均年增速有望达到65%；从模型层面，大模型参数模型正快速迭代，精度和通用性持续提升。归根结底，大模型的竞争核心在于语料数据质量的竞争。展望2025年，百模大战已步入下半场，基础大模型的数量未来大概率会在十个以内，而蓬勃兴起、各具特色的行业垂类模型将会成为竞争的主战场。研究机构Epoch-AI预测，到2028年左右，人工智能很可能面临数据枯竭。其实不然，随着人工智能与各行各业数字化转型的持续探索，数据会遵循着更高质量的要求蓬勃发展。例如，在医疗领域应用，对于患者的诊疗数据，不仅要求涵盖病症表现、诊断结果等基本信息，更加注重数据的连贯性、准确性以及隐私保护，以此来确保数据分析结果能为精准医疗提供可靠支撑；而在工业制造领域，各类传感器收集的设备运行数据，正朝着实时性、完整性、可追溯性方向优化。这些都彰显着数据在迈向高质量、专业性的发展趋势。当前，契合行业应用场景需求的高质量专业数据集仍是稀缺资源。着力构建前沿且高质量数据集，无疑是撬动这一宏大产业的有力支点，其中，数据的高质量、高流通、高安全是大模型广泛应用的重中之重。第一，高质量数据成为行业发展的“天花板”。数据作为AI智力因素的上限，数据的质量直接决定了智能应用的效果与可靠性。人工智能已经拥有了一个具备相当规模的基础知识库，徒有数量而无质量的数据无异于“废矿”，伴随着智能场景的细化以及供需之间的紧耦合，打造基于虚拟与真实世界相结合的语料数据链接枢纽，通过智能体与行业场景适配的专业知识是赋能大模型应用最后一百米的核心路径。第二，高质量数据将呈现加速流通与协同的发展态势。2025年，我们将看到更多企业之间的跨界合作与数据流通，特别是在工业制造、医疗卫生、金融服务、教育培训、具身智能等领域。高质量数据集的流通将助力企业涌现出更多创新的解决方案，驱动各行各业朝着智能化、数字化加速转型。第三，数据治理与合规性将继续成为行业关注的核心议题。随着数据价值的攀升，隐私泄露、数据滥用等风险隐患日益严峻，唯有严格遵守法律法规，切实落地加密存储、匿名化处理等技术手段，才能有效维护公众信任，为数据产业的持续创新营造健康发展的生态环境。伴随着语料数据资源的深入挖掘和开放，越来越多的行业企业借助AI技术实现创新应用的落地实践。与此同时，政府层面精准施策，围绕推动数据产业迈向高质量发展密集出台一系列利好政策，全力促进大中小企业融通发展、产业链上下游协同创新，构建良性循环的产业生态体系。诚然，人工智能数据产业仍面临诸多挑战，例如数据隐私与安全、数据伦理与偏见以及专业人才短缺等。在这一充满挑战的背景下，我们愈发认识到，数据不仅是“资源”，更是“价值”的体现。未来，高质量数据将成为千行百业发展的强大助推器，加速各行各业向智能化、数字化和可持续方向迈进。
08
奇点云创始人、StartDT CEO张金银：
AI赋能SaaS，重构产品形态与服务边界
回顾过去一年，我深刻感受到AI大模型为SaaS行业带来了革命性的创新机遇，正在重塑传统SaaS的产品形态和服务边界。
我认为这一趋势体现在几个关键维度：首先，AI大模型推动SaaS从“Software as a Service”向“Service as a Software”演进。通过整合大语言模型（LLM）能力，传统需要人工服务的环节被重构为产品化的解决方案。这极大地扩展了SaaS的服务边界。在奇点云的实践中，尤其是在数据开发、ETL流程和指标建模等专业领域，我们发现AI的加入显著提升了效率。某些场景的工作量降低了60%-80%。其次，AI与数据技术的深度融合催生了新的机遇。AI4DB（AI for Database）和DB4AI（Database for AI）两条技术路线相互促进，AI提升了数据库的自动化与智能化水平，同时数据库技术也优化了AI模型的开发与部署。这种融合带来的创新机会，得到了资本市场的认可，例如Databricks最近获得的100亿美元融资就是一个有力的例证。与此同时，我也发现，AI赋能SaaS仍面临诸多挑战。首先是技术层面的局限，如模型的幻觉问题、知识持续性差和处理数据量受限等；其次是落地应用中的合规与安全问题，特别是在处理企业核心数据时；最后，中国市场的特殊性也带来了挑战，包括需求的碎片化、管理方法的非标准化以及多云多引擎环境下的数据治理难题。展望未来，随着底层模型能力的提升和应用场景的成熟，我相信AI赋能SaaS将呈现更务实的发展态势。一方面，越来越多的一线工作者开始在实际业务中尝试和验证AI应用，从图片生成、代码开发到数据分析等领域都涌现出创新实践。另一方面，企业也更注重将AI能力与既有业务流程深度整合，重构工作流程，提升实际业务价值。这一趋势预示着，AI与SaaS的融合不是简单的技术叠加，而是带来了服务模式和商业模式的根本性变革。SaaS行业的长期健康发展，核心在于解决供需匹配和效率革命两个根本问题。AI大模型带来的变革，本质上是为解决这两个问题提供了新的可能性。然而，要真正实现这种可能性，还需要整个行业在技术创新、商业模式、管理方法等多个维度共同努力。
09
六度人和CEO张星亮：
SaaS要积极拥抱AI，跳出定制化的泥潭
在经历了近几年的快速扩张后，2024年的SaaS行业正在经历一次深刻变革。
资本退潮与AI技术的双重影响下，整个行业开始从追求规模转向追求效益，从追求全面转向追求专精。从技术层面看，AI大模型正在重构SaaS的核心能力。它不仅能提升产品的智能化水平，更重要的是能重塑企业的运营效率。我观察到，那些成功落地AI应用的企业，往往能在销售、服务、运营等环节实现质的飞跃。这种技术革新正在推动整个行业从传统的数据管理向智能化决策支持转型。但是，更值得关注的是商业模式的变革。过去几年，行业普遍追求“All in One”的模式，试图通过大量定制化开发来满足客户需求。然而这种模式带来了严重的成本压力和运营负担。现在，越来越多的企业开始转向“尖物组合”模式，即通过生态合作的方式，让各家企业专注于自己最擅长的领域，通过标准化接口实现系统间的无缝对接。这种转变实际上反映了行业的理性回归。当下，SaaS企业更需要思考的是如何在专注度和覆盖面之间找到平衡点。我认为，未来成功的SaaS企业一定是既能做深某个细分领域，又能通过开放平台汇聚各类生态伙伴的企业。在商业模式上，我预见，未来会出现更多创新。特别是随着AI技术的深入应用，按量计费很可能成为主流的收费模式。这种模式不仅能更好地匹配客户的实际需求，也能帮助SaaS企业建立更可持续的收入模式。展望2025年，我认为行业将围绕三个关键词继续演进：专业化、标准化和生态化。专业化意味着企业要聚焦核心能力；标准化是实现规模效应的基础；生态化则是应对市场竞争的必然选择。当然，行业发展仍面临不少挑战。如何平衡标准化与个性化需求？如何在保持创新的同时实现盈利增长？这些都需要整个行业共同探索。站在新的历史节点上，我们要以更开放的心态拥抱变革。AI技术的发展、用户需求的升级、竞争格局的变化，都在推动着SaaS行业向着更理性、更专业的方向发展。在这个过程中，只有那些能够准确把握行业趋势、持续强化产品能力、积极拥抱创新的企业，才能真正在未来的竞争中脱颖而出。
10
数势科技CEO黎科峰：
大模型Agent时代来临，非技术人员数据使用门槛将被打破
来源：雷峰网leiphone
免责声明：本站系转载，并不代表本网赞同其观点和对其真实性负责。如涉及作品内容、版权和其它问题，请在30日内与本站联系，我们将在第一时间删除内容!
