「被投資人怒懟30分鍾后，我更確定中國To B的答案」 | 甲子光年

AI崗位化，重塑中國To B市場邏輯。

作者｜田思奇

飯還沒上，爭論先來。投資人堅持「改成美式SaaS，不然沒戲」；張韶峰迴了一句：「中國沒有SaaS。」

這句「逆勢」背后，是他多年在一線看到的常態：項目越做越長、系統越來越全，最后的KPI卻沒有人認領。到2025年，行業走到了新的人工智能拐點——企業還能為功能買單嗎？還是為結果付費？AI應用必須從「工具」被推向「崗位」。

據「甲子光年」觀察，作為少數率先下場者，成立11年的AI原生上市企業——百融雲創，其破局中國企業軟件桎梏的核心思路是：把AI當作「硅基員工」。只有把考覈指標與業務目標掛鉤，讓AI真正承擔崗位KPI，AI才能在To B市場紮根。

「工具邏輯」和「崗位邏輯」的分野，正在決定AI能否在中國產業真正落地。

1.從賣鏟子到分金子

百融雲創的選擇並非橫空出世，而是一次對行業舊範式的突破。要理解突破背后的的深層原因，得先回到企業軟件行業的原點。

紅杉資本合夥人帕特·格拉迪（Pat Grady）在今年早些時候的閉門會上直言，AI能力將從「賣工具、拿軟件預算」，過渡到「賣成果、拿勞動力預算」。下一個萬億美元機會，即將浮出水面。

在美國，這場範式轉換有SaaS作為過渡；但中國企業級軟件行業長期困於「賣工具、賣人頭、做項目」的邏輯里。項目制與定製化壓垮訂閲模式，低價競爭讓廠商無力迭代，用友、金蝶的財報就是最好的註腳。

這套邏輯放到AI階段，只會更加放大問題。模型、平臺、PoC（概念驗證）層出不窮，卻始終停留在演示和試點。業務部門試用幾輪，又換下一家供應商，真正能跑進企業真實業務的幾乎沒有。

對於創業經歷豐富的張韶峰來説，這並不陌生。

作為清華畢業的工程師，張韶峰的職業起點是甲骨文、IBM這樣的外企巨頭。他見識到「企業級軟件產品」的工程底色：穩定、可靠、流程完備。也更快意識到：外企的產品和業務體系在歐美土壤里可以成功，但移植到中國可能水土不服。

帶着這種認知，張韶峰很快選擇創業。第一次創業失敗；第二次在百分點科技小有成績；第三次，他選擇從業務know-how要求最深、監管最嚴的金融行業切入，於2014年創立了百融雲創，用最苛刻的邊界把「工程力」鍛造成「合規生產力」。

起初，百融雲創以「人工智能」與「大數據風控」為核心，為銀行、保險、消費金融等機構提供風險評估與智能營銷服務。這是 AI 1.0 階段的典型路徑：通過算法和建模提升效率，但仍以「工具」或「項目制交付」為主。畢竟在當時，按結果付費幾乎是不可能完成的任務：能力有限，數據體系尚未成熟，企業更習慣一次性採購或定製化外包。

然而，長期的項目實踐讓張韶峰對這種模式的瓶頸認識愈發清晰。AI定製化項目周期長、回款慢、利潤率低，重交付、輕複用，幾乎重演了上一代軟件外包的困局。商湯、曠視等「AI四小龍」都在這一階段承受巨大的現金流壓力。

真正讓百融雲創跳出「工具邏輯」的轉折點，來自一次客户的真實需求。

「當時我們原本還是想‘賣工具’，」張韶峰對「甲子光年」回憶，「但有客户説：‘你們乾脆幫我把產品賣出去，賺了錢我再分你們’。」

這句話點醒了他。既然客户真正需要的是結果，那就徹底調轉邏輯。於是，百融雲創把商業模式定為「結果計價」——客户賺錢，百融才能賺錢。

百融雲創副總裁、首席產品與市場官王偉民打了個比喻：「我們不是賣鏟子讓客户自己挖金子，而是用同一把鏟子幫客户把金子挖出來。」

這也是百融從「賣工具」到「分收益」的關鍵轉折：不再試圖與客户博弈（即把工具賣給客户），而是與客户結成夥伴（即與客户肩並肩，共同實現業務成果，再分收益）。

但當時很少有To B公司用這種策略。張韶峰與投資人在飯桌上的衝突正源於此。

投資人的意見與主流一致：照搬美國 SaaS 模式，做輕產品、籤長訂閲，換取更高估值。

而張韶峰的判斷來自自己過去十幾年的積累。他説得很直接：「技術正確，不等於商業正確。 Oracle、IBM的邏輯放在中國根本行不通。沒人會為‘過程的可能性’付費，大家只會為結果買單。」

投資人認為他在冒險，他卻堅持認為，只有「結果計價」才能讓AI真正融入業務，成為生產力。

這場分歧也讓他更早確立了百融的底色——與其賣工具，不如共擔結果；與其賣軟件，不如承包KPI。

后來，隨着市場一次次驗證SaaS模式的失靈，那次被認為「太冒險」的選擇，反而成為百融最重要的確定性。

只是，「非主流」並不容易。

因此，百融選擇繼續深耕金融等複雜場景，以「可信交付」積累底層能力。隨着對話式AI工程、語音理解與合成、檢索增強與長期記憶、工具調用與編排等基礎能力逐步成熟，「按結果付費」的理念才真正照進現實，業務由工具試點終於進入崗位化階段。

不僅在商業模式上敢堅持，在技術路徑上，百融雲創也選擇了逆勢。

2017年，Transformer的論文問世不久，整個行業還停留在關鍵詞匹配、模板化應答的AI客服模式。端到端語音對話在真實業務的大規模可用性仍存質疑。但百融雲創提前押注了「語音對話技術棧」（ASR/TTS、語義理解、多輪對話、合規校驗、低時延運營），持續投入8年，把語音從「可選交互」打磨成崗位剛需。

如果説金融行業的深水試煉鍛造了百融的「合規生產力」；投資人壓力下的堅持塑造了其「商業定力」；那麼 2017 年的技術孤勇，則打磨出其「底層工程能力」。三者合一，才讓百融雲創在今天的Agentic AI落地的轉折點上，有底氣提出「硅基員工」這一概念。

2021年，百融雲創在中國香港成功上市，這條少有人走的路，不僅讓公司活了下來，也贏得了資本市場的回報。

2.讓硅基員工能干活，干好活

不過，資本市場的認可是一方面，真正的考場始終在客户一線。百融雲創「硅基員工」帶來的效果，已經寫進成熟落地的業務場景。

銀行理財業務中，宂長的對接常常消耗客户耐心。比如一位説四川話的客户諮詢低風險理財時，首位客服未精準捕捉需求便轉接；第二位理財經理推薦的產品收益不達標，未滿足其預期；轉至第三位貴賓經理時，信息斷層已讓客户煩躁，甚至直接提出3.5%保底收益的要求——若客服為安撫客户而應允，極易觸碰監管紅線。

在百融雲創的硅基員工體系里，前臺一次採集需求即入記憶庫；中臺在關鍵節點自動風險提示；后臺全程做合規校驗並生成證據賬本。客户只需説一遍，信息在「客服-理財-合規」三個智能體間順暢流轉。即便客户再次追問「保底」，硅基員工也能穩守合規紅線。長尾客羣意向率提升57%（同口徑抽檢），違規承諾 0 件，理財鏈路轉化顯著提升。

在運營商營業廳，難題是業務複雜與信息滯后。用户原本只要「100元50G流量」，辦理中又追加「全家共享200G流量、500分鍾語音」，預算升至300元。人工櫃檯往往耗時四五十分鍾以上，還容易出現推薦方案與現有業務規則相沖突的錯漏。硅基員工可實時調用最新產品庫，動態切換套餐以滿足用户需求，辦理時間縮短至15分鍾以內，滿意度顯著提升。且運營商全國的套餐信息可在2-3小時內同步到全體硅基員工。

在大型客服中心，難題是峰值產能與SLA。平時600席，峰值需要800席，年成本高達數千萬元。硅基員工能直接承擔高頻、重複性任務，不僅降低人力支出，還減少招聘、培訓與流失成本。

在共享服務中心（SSC）等后臺流程場景，痛點在於合同、報銷、對賬等標準化流轉的時耗。以百融雲創的內部實踐為例，單件合同修改時長由56分鍾縮短至4分鍾（由智能體完成）。

這些案例的共通點是：AI不再只是輔助性的「軟件工具」，而是進入組織結構，與碳基員工一起被納入KPI考覈。銀行的難題是合規與體驗，運營商的難題是流程與信息，客服中心的難題是峰值人力。過去的「賣工具」邏輯只會交付功能清單，無法對結果負責；崗位化則讓AI真正承擔崗位責任。

真正支撐這些「硅基員工」跑起來的，是百融雲創十余年的技術積澱。客户看到的是能上崗、會執行、能考覈的智能體；背后，是一套系統級的工程能力。

首先是多智能體協作。傳統的軟件模塊各自為政，需要人工補位；而硅基員工必須像團隊一樣協同。百融雲創讓不同崗位智能體共享同一「大腦」和記憶系統，前臺採集的投資偏好能直接傳給中后臺，避免重複溝通；例如理財顧問的合規提醒也會同步給風控后臺，實現真正的鏈路協作。

其次是持久記憶。沒有記憶，智能體只能做一次性應答；有了記憶，才能在長周期業務中保持一致性。百融的智能體擁有短期與長期雙重記憶：短期記憶支撐幾十輪複雜對話；長期記憶可延伸至一年以上，保存客户畫像、業務習慣與歷史案例。這些記憶還與RAG技術等結合，把規則、案例、經驗固化為可實時調用的知識庫。崗位經驗因此得以傳承，不再依賴老員工「口口相傳」。

第三是實時語音對話能力。在多方言的中國市場，語音是觸達客户的第一關。百融雲創的 基於自研語音對話棧（ASR/TTS、多輪對話、合規校驗、低時延運營）打造的VoiceAgent已可支撐日均一億通電話的語音交互，端到端延迟低於200毫秒（行業基準30-40毫秒），準確率近99%，並具備多方言與噪聲環境下的魯棒性。毫秒級響應與合規校驗，讓語音交互從「錦上添花」變成崗位剛需。

三大能力疊加，構成硅基員工的三項基本素質：協同工作、傳承記憶、上崗履責。

在此之上，百融雲創搭建起「百工平臺」——硅基員工的生產工廠。它能把崗位經驗抽象成模塊，批量化生成智能體。就像操作系統之於應用軟件，崗位化不只是百融的一種交付方式，更可能成為行業的公共底座。

截至2024年底，百融雲創已服務8000+機構客户，產品自主知識產權率超95%，累計取得310項軟著與專利。客服話術要合規留痕，理財銷售要遵循監管標準，貸后管理要與風險模型實時打通。這些看似「業務邏輯」，實則已沉澱為可執行的技術規則。

對客户而言，這意味着結果可見、風險可控；對百融而言，這意味着崗位化不再是概念，而是可規模複製的生產力。

技術、監管、市場三股力量的共振，讓崗位化從理念變成現實。百融雲創過去十一年的積累，恰好在此刻與大勢匯合。

3.中國AI To B 的新商業秩序

全球範圍內，AI「崗位化」的呼聲正在迅速匯聚。

1999年，英偉達發佈GeForce 256，把加速計算推上軌道，相當於蒸汽機的問世；2016年，數據、模型、工程工具和算力被打包成可複製的體系，就像工廠的雛形。下一步，AI 必須進入流水線階段，讓產出形成穩定循環。8月的一次演講中，紅杉資本將這場轉變置於產業演進脈絡加以拆解。

紅杉合夥人康斯坦丁·布勒（Konstantine Buhler）強調，要讓AI真正走出實驗室並承擔崗位責任，必須同時具備三種能力：

• 智能體協作——像團隊一樣完成複雜任務；

• 持久記憶——在長周期業務中保持一致性與可靠性；

• 語音交互——讓AI能真正站上前臺崗位。

三者合一，AI纔可能具備崗位化的穩定性，成為可計量的生產力。這一判斷也與百融雲創的技術沉澱和行業實踐高度共振。

此外，紅杉還提到一個近兩年很火的概念：Agent Swarm（多智能體羣協作）。他們認為，單個智能體價值有限，真正能跑起來的是一羣智能體的協作網絡。在人類管理者的編排下分工合作、信息交換，甚至在系統內建立責任與信任的約束。換句話説，智能體第一次被當作經濟參與者，而不只是工具。

市場擴張的軌跡也很清晰。雲計算早期，全球軟件市場約3500億美元，其中SaaS只有60億美元；隨着訂閲模式普及，市場規模膨脹到6500億美元，SaaS也隨之成長到4000億美元。如今AI在美國服務業的市場不足200億美元，但潛在空間高達10萬億美元。護士、開發者、律師等崗位的薪酬，本身就是一片待開墾的「金礦「。只要AI真正進入這些崗位，就可能孕育新一代巨頭。

幾乎在同一時間，中國的大廠也給出了類似判斷。阿里巴巴集團CEO吳泳銘在雲棲大會上提出：Agent將吞噬軟件，自然語言就是未來的源代碼。未來，終端用户都可以通過大模型等工具來滿足自己需求。種種聲音説明，崗位化不只是個口號，而是全球產業共識的收斂方向。

但在具體落地層面，真正敢把AI推到崗位、為結果買單的公司鳳毛麟角，百融雲創的獨特性也得以凸顯。

歷經客户檢驗的閉環能力，直接塑造了行業差異：大廠有技術，卻缺少業務沉澱，做得了諮詢卻跑不通成交；小廠懂業務，卻沒有穩定的語音識別和合規引擎，難以承擔崗位職責。

而百融雲創在批量交付「硅基員工」的同時，也以標準API/SDK向生態夥伴開放底座，包括語音對話棧；Agent OS的編排與治理；合約與結果賬本；模型服務與對齊。張韶峰説：「如果客户新創造了100元價值，我們只按合同約定分享其中一部分。與其卷價格，不如一起把結果做大——甲方多賺，我們自然共贏。」

在內捲成性的中國To B市場，未來的想象空間即將打開。在張韶峰的願景里，百融雲創將依託自研智能體開發平臺和自研模型矩陣，成為中國最大的「硅基員工提供商」。

這個定位釋放了一個行業信號：中國軟件行業沒必要重複美國的SaaS路徑，而是有機會直接跳進「崗位化」階段，在 Agentic AI時代，有望走出低價位競爭，進入高價值的新周期。

幾十年來的數字化演進，甲乙雙方都困在零和博弈中，如今出現了共生的可能。風險前置到供給側，收益與客户掛鉤，雙方第一次站在同一陣營。

王偉民的總結是：「以前是博弈，現在是共生。」

對於中國To B行業，這不僅僅是交付方式的更替，更可能是秩序的重寫。崗位化讓AI從實驗室走進產業，也讓一個長期失靈的行業機制，第一次看見了新秩序的雛形。

（封面圖及文中未説明圖片由AI生成）