通向大模型、智能体以及人类的共同未来

这场分享源自近期我在行业观察中的几点困惑。大模型和智能体，这两个热得发烫的概念，到底是什么关系？如果大模型靠的是 scaling law 一路狂奔，那智能体又在扮演什么角色？更重要的是，它们真的会替代我们吗——或者说，它们的能力边界到底在哪？以及，对于正在应用这些技术的企业来说，大模型能带来真正的竞争优势吗？最后，也是大家最关心的：无论是技术供应商还是需求方，现在到底该以什么样的姿势拥抱这波浪潮？

下面说说我对这些问题的思考。

先说一个核心判断：竞争优势的根源，终究是战略，而不是技术。这听起来可能有些反直觉，但在过去几十年的商业史里，几乎每一次技术浪潮都在反复印证这个道理。所以，对于企业而言，第一步其实很简单——在不伤害或改变原有战略定位的前提下，利用大模型和智能体技术实现降本增效。这是一道必答题，不做会掉队。但必须清醒地认识到：仅仅做到这一步，长期来看并不能带来持久的竞争壁垒。真正拉开差距的，是企业能否更战略性地利用大模型和智能体带来的结构性机会。

具体到不同主体的应对策略，可以分三种情况来看。

对大企业（需求方）：构建正反馈系统，而非简单部署技术

格局更大的做法，不是把大模型当做一个工具买回来装上，而是围绕它构建一个持续运转的正反馈系统。这里有两层关键动作。第一，有条件的大企业，都应当基于开源模型定制自己专属的大模型。这不是赶时髦，而是因为只有专属模型，才能让业务数据与模型能力形成闭环——业务越用，模型越懂业务，模型越懂业务，业务效率越高，这才是真正的智能飞轮。第二，光是提升AI技术能力远远不够，更关键的是打造AI组织能力。说白了，就是让技术和组织流程、乃至外部生态实现深度融合。这种个性化融合，才是后来者难以复制的护城河。

对小企业（需求方）：关注“季抛型”应用，换取灵活性

小企业和大企业的玩法完全不同。资源有限，经不起试错，更养不起一个庞大的AI团队。这时候，策略就是“轻装上阵”。核心原则有两条：一是重点关注那些已经标准化、成熟、开箱即用的AI产品。如果市场上没有合适的选择，那宁可观望，也不要硬上——这个领域技术迭代实在太快，三个月就换一代。二是要持续补充AI知识，保持对生态进展的敏感度，但千万别头脑发热去雇佣AI技术专家。技术由供应商搞定，企业自己把精力放在业务洞察和快速应用上，这才是以小博大的正确姿势。

对智能体厂商（供给方）：工作流重于模型规模

对于正在做智能体产品的团队，方向选择可能比技术深度更关键。一个重要的判断是：在应用层，工作流的价值正在超过模型规模本身。这意味着，厂商需要先把自己的战略锚定清楚——选好市场和产品赛道，然后围绕这个赛道把业务逻辑做透。而在技术架构上，千万不要和某一个大模型深度绑定，要保持外部网络的多源灵活性。长远来看，真正的核心能力，终将沉淀为小型的专有模型。只有把这一点做好，才能建立起真正的技术壁垒。