中关村科金奖喻友平解读：为什么一些Agent企业试用后消失？
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，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。
以下是与喻友平的对话内容，作了不改变原意的编辑：
谈论商业模式？恐怕为时尚早
：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。
：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。
：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。
：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。
(公众号：)：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。
：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。
：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。
：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。
：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。
：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
：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。
：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。
：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。
：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。
：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。
：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。
原创文章，未经授权禁止转载。详情见转载须知。
相关攻略
要让智能体真正理解人类语言，意图识别是必须攻克的首要技术关卡。这不仅决定了人机交互的流畅度，更是构建智能体认知能力的基石。如果无法准确识别用户意图，后续的任务规划与执行将失去方向，甚至产生完全错误的响应。本文将深入解析智能体意图识别的核心原理、关键技术路径及落地实践，为打造真正懂业务的智能助手提供系
在数字化转型的关键时期，无论是电商运营的实时监控，还是财务报表的精准生成，都离不开高效、准确的数据采集与录入。然而，面对海量的数据来源和复杂的系统环境，如何有效突破效率瓶颈，成为众多企业亟待解决的核心难题。从早期的手工录入，到自动化脚本的辅助，再到如今具备理解、规划与执行能力的智能体（AI Agen
我们正身处AI数字化浪潮席卷的时代。与其被动等待技术变革的冲击，不如主动成为驾驭趋势的先行者。你是否曾期待拥有一个能精准理解指令、自动操作各类软件、并且7×24小时持续高效工作的专属数字员工？ 如今，随着大模型技术的快速演进与落地，智能体（AI Agent）已从实验室概念走向实际应用。它正深度融入企
近日，ModelScope团队正式开源了Ultron项目。这一创新并非旨在重复构建一个单一的智能体（Agent），而是精准地瞄准了当前Agent生态中一个长期存在的关键短板。 无论是个人开发者还是企业团队，在自主部署与应用智能体时，普遍会面临几个核心痛点，导致实际运营成本高昂： 状态易失（会话结束即
开发完成一个智能体（Agent）后，如何与它进行高效沟通就成为关键所在。这很大程度上取决于你是否为其精心设计了一套“对话指南”——也就是提示词模板。一套优质的提示词，直接决定了智能体是能够精准理解你的意图，还是只会答非所问、输出无效信息。 当我们学会使用结构化、场景化的提示词时，智能体的回复质量往往
热门专题
热门推荐
在《燕云十六声》的天工地窟中，“身如飞燕”宝箱的获取是一场对玩家综合探索能力的深度考验。想要成功开启它，不仅需要耐心与观察力，更需掌握系统性的探索策略。 掌握地窟地形与核心布局 进入天工地窟后，首要任务是进行全方位的地形勘察。建议玩家先熟悉主要通道、分支岔路以及所有可能被忽略的角落，建立完整的地图认
装修这件事，说多了都是泪。找施工队像开盲盒，预算表永远在“动态调整”，设计图看得眼花缭乱……投入大量时间和精力，最后的效果可能还是差强人意。说到底，信息不对称和过程不透明，是大多数装修烦恼的根源。 好在，如今有不少专业的数字化工具，能帮我们把控关键环节。今天就来聊聊五款定位清晰、实用性强的装修类应用
在《燕云十六声》的宏大江湖中，“不见山洞”无疑是一处引人入胜的秘境。这里不仅栖息着珍奇异兽、埋藏着稀世珍宝，更交织着无数待玩家发掘的隐秘故事与特殊事件。若想彻底揭开此地的所有秘密，掌握以下探索技巧至关重要。 进入不见山洞后，首要任务是保持专注，对环境进行细致勘察。洞内的景象暗藏玄机，绝非一目了然。一
在《骷髅传奇》中，神盾系统是决定角色战力的核心模块，远非一件普通装备可比。它更像是一位能够深度定制、伴随你征战四方的忠实伙伴。本文将为你全面解析神盾系统的获取、培养与实战运用，助你将其从基础配置打造为真正的战力引擎，在游戏中脱颖而出。 获取你的第一面神盾是旅程的起点。游戏内提供了多样化的获取途径：完
天成孙悟空这款限定皮肤，以其独特的视觉设计在战场上脱颖而出。它将中国古典神话中齐天大圣的经典形象，与游戏内的现代美学风格进行了深度结合。标志性的金色毛发、可化为武器的金箍棒特效，以及服饰上精致的云纹与神话元素，共同塑造了一个极具战场辨识度的英雄形象。这种高辨识度本身，在战术层面就具有独特价值——它能