大模型是认知和语言的技术，本质上解决的是服务环节智能化、规模化的问题。但并非所有问题都需要用到智能体，也不都属于大模型的解决范畴—— " 不能为了卖这把锤子，就把所有东西都当钉子敲。"

在这场变局之中，可以用 " 锤子敲一下 " 的场景是什么？中关村科金总裁喻友平告诉雷峰网，营销、客服、销售这三个环节的规律性和产品化的可能性清晰可见，是中关村科金重点选择的方向。同时，帮助企业在办公和研发生产环节提效，释放新质生产力也是公司布局的方向。

他认为，AI Agent 的商业模式还在混沌探索之中，尚未到尘埃落定的时候，标准化也应该是创造价值之后的沉淀。

这家已走过了十年的行业 know-how 积累和技术产品打磨期的公司，从最初的音视频技术与智能客服，逐步将产品扩展至营销服、企业办公和研发生产领域，形成了一套覆盖企业前中后台的智能化产品方案工具集。

今年 12 月 9 日，中关村科金举办 " 超级连接 · 智见未来 " EVOLVE 2025 大模型与智能体产业创新峰会。在峰会之后，我们与喻友平深入地聊了聊关于大模型与智能体的一切，以及这场技术浪潮掀起的 To B 变局。

如今，站在技术变革的十字路口，中关村科金的核心命题已然清晰：如何将过去十年沉淀的场景理解与产品矩阵，与新一代 AI 技术深度融合，在这场行业洪流中，找到自己不可替代的生态位。

以下是雷峰网与喻友平的对话内容，雷峰网作了不改变原意的编辑：

谈论商业模式？恐怕为时尚早

雷峰网：现在谈智能体，和以前谈行业数智化，二者最大的区别在哪里？

喻友平：智能体是数智化发展到新阶段的载体，它的应用场景更聚焦 " 人或组织的协同与生产力提升 "，在营销服、企业办公、研发生产等环节都在落地，核心是具备自主感知、决策、执行的能力，能主动帮人解决具体任务。

其实每一次新技术出现，核心都是找到适配的场景发力，而不是完全替换掉旧技术。新概念出来后，大家容易把以往的相关实践都打包进来，但本质上新技术和旧技术、传统工具是互补关系。比如自然语言处理在客服场景的应用，小模型虽不算完美，但回答标准化问题时更精准、快速；像金融这类强规则、低容错的场景，小模型的合规性反而更有保障。这就跟爬山时对讲机有时比智能手机更实用一样，不是智能手机不好，而是不同场景下需要匹配不同工具，新技术的价值是补位而非替代，智能体也是如此。

雷峰网：对于智能体的判断是什么？做智能体最有挑战的是哪一部分？

喻友平：智能体，现在还在一个非常初期的阶段，有很多可以做的事情。智能体的核心是要深度融合行业 know-how，比如某个场景下智能体的准确率、响应速度，最终能不能转化为实际业务价值，这些都需要落地到具体行业场景里去验证。

我们服务客户时会发现，每个场景都需要专门的团队做持续的效果调优，还要不断进行数据标注，这些都是非常依赖经验的工作。而越是这种经验性的积累，越能形成真正的竞争门槛。如果一件事完全靠标准化技术就能解决，不需要任何行业沉淀，那其实没什么壁垒可言。

另外，智能体绝对不能孤立存在，必须和企业现有的业务流程、核心规则深度融合。要是脱离了实际业务场景，只做一个独立的技术产品，企业试用一下就没下文了，根本没有持续的生命力。企业首先要判断清楚：这个问题到底能不能用智能体解决？是不是属于大模型的能力范畴？很多时候，一些问题用传统视觉模型就能高效解决，没必要硬套智能体的框架， 我们不能为了推广技术就硬凑场景，就像不能拿着锤子，就把所有东西都当钉子来敲一样。

所以做智能体最核心的挑战，一是经验性门槛的搭建，需要长期的行业实践和数据沉淀；二是与企业现有业务的深度融合，不能脱节；三是精准匹配需求，不能盲目滥用技术，要先判断问题本质再选择合适的解决方案。

雷峰网：您觉得 Agent 接下来有可能的发展趋势是什么？

喻友平：以前我们说广告推荐是 " 千人千面 "，但本质上只是单向的内容推送，没法形成真正的互动交流。而未来的趋势会是 " 人人有 Agent"，每个人可能会拥有多个智能助理，不只是个人生活场景的帮手，工作上也会有专属的业务助理，甚至会出现业务 Agent 和个人 Agent 之间直接沟通协作的情况。

我之前就遇到过一个很有意思的场景：营销场景的机器人和我的手机运营商机器人自动聊了好几轮，我还把录音存了下来。其实这就是 A2A（Agent to Agent）的雏形，现在已经能看到一些自然发生的苗头了，只是还没形成规模化趋势。等未来每个人、每个企业都有一个或多个能力足够强的 Agent，帮我们处理日常事务、对接业务需求时，A2A 就会慢慢成为常态。

说到底，Agent 的核心价值会从 " 单向辅助 " 走向 " 人机协同 "，而 A2A 正是这种协同的终极形态之一，后续的想象空间非常大。

雷峰网：目前 AI Agent 的商业模式是怎样的？

喻友平：各种模式都有，现在还没到一个尘埃落定的阶段，还在变化中。具体来看，既有按量计费、项目制收费的传统模式，也有按业绩达成率分成的创新形式，不同企业会根据场景特性和客户需求灵活选择。

对大模型及智能体相关企业来说，现阶段的核心优先级并非纠结于固定的商业模式，而是要聚焦高价值场景，把技术落地的效果做扎实。只有真正帮客户解决了核心痛点、创造了可量化的实际价值，才能构建起可持续的商业闭环，也才有进一步探索成熟商业模式的基础。毕竟商业的本质是价值交换，先把价值交付做到位，后续的模式迭代自然水到渠成。

雷峰网：现在 Agent 项目金额都不大。

喻友平：确实有不少 Agent 项目金额相对有限，这部分项目有点类似 BPO 人力外包的数字化升级。很多客户还在探索阶段，不认为 Agent 能立刻解决核心难题，所以愿意拿出几十万 " 试水 "，但暂时不会投入更多，核心原因还是没完全看清背后的长期价值。

不过这种情况正在变化，现在涉及智能体平台搭建、多场景协同的智能体项目，金额已经明显变大，也有上亿规模的案例。本质上，企业需要想清楚：智能体到底能带来什么核心价值？哪些场景最适合引入？投资回报率（ROI）又该如何量化？这些问题，需要我们和企业客户一起慢慢梳理、明确界定，找到价值锚点才是关键。

雷峰网：客户和您提 Agent，他们最关心什么问题？

喻友平：客户其实可以分为几类。央国企本身有场景、有数据、也有资金，核心关注点就两件事 —— 提效与创新。他们会问 " 现在这些技术到底能帮我做什么 "，也会考虑场景落地的优先级，更希望有成熟的优秀案例可参考，关键是要和自身具体业务深度结合。

金融机构的需求和应用场景相对清晰，也是目前落地速度较快的行业。而民营企业，比如车企，最核心的诉求是能否实现增收、降本。

所以核心需求其实可以总结为八个字：增收、提效、降本、创新。简单说，越市场化的企业，越看重降本增收；规模越大的企业，越关注创新提效。

雷峰网：外界经常会提到一个说法，就是互联网云大厂缺乏 To B 基因。

喻友平：互联网产品出身的人，大多认同 " 能为最终客户创造价值，产品才有持续生命力 " 。这个想法本身没问题，但 To B 的价值落地，路径其实很多，真正关键的是先把 " 根 " 扎深，把核心能力做扎实，剩下的交给生态伙伴去延伸就好。

To B 领域里，真正走得通的路只有一条：聚焦一个核心赛道，砸足够多的资源做到极致，其他部分全靠生态协同来补，这是 To B 平台型公司的唯一正确打法。要是脱离了生态，只会事倍功半，花十倍力气，可能只拿到一分结果。

我们在生态上做了不少工作，刚刚也有提到，中关村科金联合华为云、阿里云、百度智能云、火山引擎、亚马逊云科技、超聚变等云和算力企业一起发布了 " 超级连接 " 全球生态伙伴计划。在模型层面，我们开放支持国内外主流大模型和异构算力，并做好统一纳管，提供给客户最合适的选择。

说到底，To B 是个特别复杂的协同过程：要服务各行各业的客户，还得满足企业五花八门的个性化需求；但 To C 不一样，面对的是有共性需求的海量用户，只要做出一款足够顶尖的产品，就能把大家都服务好。这就是 To B 和 To C 最本质的区别。

雷峰网：To B 的定制化和标准化之争您怎么看？

喻友平：企业的产品最终要能帮助客户创造价值，所谓的标准化，是创造价值之后的沉淀。如果连价值都没创造出来，就提标准化没有太大的意义。智能体和大模型在 To B 的落地现在还是从 0 到 1 的过程，先把问题解决好。有了第一个（案例）之后，再想能不能复制，这个时候才能谈标准化。

雷峰网：对有的厂商来说，定制化容易导致亏损。

喻友平： 初期出现亏损是常见的，核心在于企业能否精准锁定高价值场景，以及这些场景是否具备可复制潜力，这对厂商的行业判断力和战略定力提出了极高要求。

雷峰网：做了那么多 To B 相关的岗位，这个过程中得到哪些商业化的启示？

喻友平：To B 客户付费的核心逻辑，是产品能解决其真实痛点，没有扎实的商业逻辑作为支撑，很难让客户付费。商业的本质是价值交换，只有聚焦客户痛点，创造出不可替代的核心价值，才能构建起可持续的商业生态，这也是我一直以来坚守的商业准则。

在 " 芯片爆发 " 的未来路口提前扎营

雷峰网：之前也有做行业大模型的论调，和现在垂类大模型的说法，最大的区别在哪里？

喻友平：核心区别在于知识沉淀的载体和业务落地的导向不同。过去大家总说要调一个行业大模型，但现在越来越多实践证明，这种思路已经不够了，现在更倾向于聚焦行业或场景下的智能体。

以前做的 SFT 模型，往往只有基础的问答能力，离真正 " 理解业务问题 " 还有很大差距。而垂类大模型不一样，它自带更扎实的业务理解能力和行业知识储备，本质是各类企业级智能体的核心底座，能直接支撑智能体在具体场景里解决实际问题，而不是只停留在基础交互层面。

雷峰网：有相当多厂商做 Agent 会首选营销、客服场景来展开，中关村科金的想法是什么？

喻友平：其实 " 客服 " 的定位有些局限，我们更倾向于将其升级为营销、服务、销售的一体化布局。最近我们发布了 " 得助智能客户平台 5.0"，核心就是跳出单一 " 客服 " 场景，定位成覆盖营销服全场景的新一代人机协作智能平台 ，把核心从 " 客服 " 转向 " 客户 "，这才更贴合企业的实际需求。

什么是真正的营销服一体化？本质是让企业与客户的所有触点，都形成连贯的连接与服务闭环。拿汽车行业举例，新车线上发布直播时，用户在直播间留下评论的瞬间，企业就该启动精准触达：通过 AI 洞察用户的需求倾向，再以语音或文字形式开展沟通，这个过程里 AI、人工或是人机协同都可以灵活切换，而背后已经是需求洞察、智能外呼、客户服务、销售辅助等多个 Agent 在协同发力。

" 智能客服 " 只是目前相对成熟的一个切入点，我们更看重的是，借助 AI 的核心能力，让企业与客户的有效连接频次实现量级增长，这才是营销服一体化的核心价值，也是我们产品布局的关键逻辑。

雷峰网：对营销的提及率很高，这是你们会重点发力的场景。

喻友平：营销确实是我们的核心发力方向之一，而且不只是单一的营销环节，而是要和客户服务、销售打通，形成一体化的价值闭环。大模型的核心价值，本质上是解决服务环节的智能化与规模化难题。

OpenAI 董事长、Sierra 联合创始人兼 CEO Bret Taylor 说过一句话，我特别认同：" 如果没有大模型，我们很难想象一家有 2 亿用户的公司，可以和每个用户都进行互动和沟通，但有了大模型就有这个可能性了。"

我们的实践也印证了这一点，通过 Agent 帮客户提升用户连接效率、降低用户流失率、提升用户生命周期价值，这正是大模型在营销服场景的核心潜力。

雷峰网：算力、模型、平台……您认为中关村科金现在最应该做的事情是什么？

喻友平：中关村科金的使命是 AI 科技驱动创新增长，让企业更快、更好的用上 AI 并带来生产力和价值的提升是我们一直努力的方向。去年我们提出 " 平台 + 应用 + 服务 " 的三级引擎战略，今年我们进一步把它升级成企业级智能体落地路线图，并发布 "3+2+2" 智能体产品矩阵，包括得助大模型平台 5.0、AI 能力平台、AI 数据平台三大基础平台，得助智能客户平台 5.0、得助智能工作应用平台智枢两大通用场景应用平台，以及金融和工业两大行业智能体平台。

我们不做底层算力和芯片，但我们和几乎所有芯片厂商、云厂商都有合作。最近，中关村科金联合华为云、阿里云、百度智能云、火山引擎、亚马逊云科技、超聚变等企业共同发布了 " 超级连接 " 全球生态伙伴计划，也一起推出了面向行业的联合解决方案。

在平台方面，我们看到不少大厂有开源智能体平台，这确实降低了搭建简单 Agent 的门槛，但每一次平台开源之后，仍然有公司去做企业级平台。因为在严肃的 ToB 场景中，直接用开源平台无法很好地满足企业的需求，开源的越多，商业化、企业级平台的需求就会越发凸显，这正是我们要做的事情。

我们最新升级的得助大模型平台 5.0，强化了智能体开发运维全链路能力，升级迭代了十多项能力，包括知识引擎、智能体开发、效果评测、部署运维、运行监测、效果优化等，这些能力可以保障企业场景 Agent 落地成功率达到 95%。同时，我们还把金融、工业、汽车、零售、交通、政务六大行业超过 300 个智能体放到智能体集市中，让企业可以快速进行场景验证，更加聚焦创新而非基础建设。

雷峰网：做平台算是接下来 AI 产业最大的机会？

喻友平：其实现在 AI 产业最大的机会是芯片，只有当芯片变成随处可见的大宗商品，不再是稀缺资源时，应用层的机会才会真正爆发。我始终觉得，芯片迟早会成为标准化产品，获取门槛不会再是行业瓶颈。

所以我们的思路不是跟风追当下的热点，而是要在未来的关键路口提前布局。现在要做的，就是到那个应用爆发的节点扎营等待，把该做的准备都做足，等行业条件成熟时，自然能抓住真正的机会。

雷峰网：那企业级大模型平台，要做到什么程度才算是合格？

喻友平：这上面需要做的工作很多，合格的企业级大模型平台，得把好几件核心工作做扎实。首先得能对各类模型做好专业测评、统一纳管，这一点本身就不简单，你得摸透每个模型的特性，清楚它在什么场景下用最合适，不能盲目堆砌。更关键的是，平台要能支撑起在业务场景里持续可用、可优化、可迭代的 Agent，现在真正能做到这一点的平台并不多。另外，平台的安全性和合规性是绝对的底线，不能含糊。

客观说，市面上目前没有哪家能把企业级大模型平台做得特别好，大家都还在摸索阶段，但中关村科金在这些核心维度上的表现，在行业里还是比较靠前的。