当科技头条还在热议“超级AI助手何时走入千家万户”时，一批低调务实的玩家，已经悄然在垂直赛道的Agent领域掘到了真金白银。

扎根垂直领域的2B Agent，如今正化身企业的“特种兵”——瞄准一个个具体、高频的业务痛点，用可量化的效率提升或成本节约，让企业心甘情愿地持续付费。垂直赛道Agent，如何找到那个“值钱”的场景？构建让企业无法拒绝的“高价值闭环”？

在AGI Playground 2025上，语核科技创始人分享了2B垂类Agent的产品理念和经验，并邀请了两位深度实践并取得卓越成效的标杆客户代表，共同探讨垂直Agent赛道背后的商业价值。

嘉宾介绍：

• 翟星吉：语核科技创始人兼CEO
• 王士昊：上海马勒热数字化管理官
• 赵德旭：华宝国际副总裁

TLDR

• SaaS有一种不一样的方式去展开的可能性。
• 只做这个公司最核心业务流程里面最核心的阻塞点，直接创造营收或帮助企业大幅降低成本，交付真实可控的生产力。
• 2B垂类Agent落地的一个重要概念：从demo玩具变成生产场景中可控落地的东西。
• 通过每个项目去迭代产品核心能力，打磨PMF，让产品真正有能力面对市场竞争。
• 未来Agent一定是垂直的，不会是通用的。
• 在未来的商业格局中，只会存在两类企业：积极拥抱并深度整合人工智能的企业，以及被时代淘汰的企业。
• 选择一家真正能提供B端服务的企业至关重要，平台的集成性也需要足够支撑企业快速落地。

以下内容基于AGI Playground 2025现场对谈，由Founder Park整理。

01 反共识，做长期难而正确的事

大家好，我是语核科技创始人兼CEO翟星吉。创业这件事，本质就是把你的认知——那些别人看来反直觉、反共识的东西，坚持下去。从认知出发，通过战略和执行落地成项目，再转化为商业成果，形成一个闭环验证。在这条路上不断坚持、持续做大量决策，追求连续正确的选择，最终收获一个还不错的结果。

接下来，我想带大家回顾一下过去一年我们在垂直Agent赛道的探索与思考。

1.1 SaaS时代的亲历者看到了什么

语核的核心团队一部分来自帆软——包括我自己、COO以及部分业务负责人；另一部分则来自年轻一代的技术圈，比如2003年出生的Co-Founder兼CTO池光耀，一个典型的技术极客。我们完整经历了上一个SaaS时代从巅峰跌入谷底的过程。在那个公认不错的时代里，我们是跑得很快的一批人，收获不少，也看到很多遗憾——SaaS其实有一种截然不同的打开方式。

过去做数字化工具，要么卖产品，要么卖服务，要么两者搭配卖。卖服务就是卖定制化、卖人头，也就是IT民工；卖产品则面临一个核心痛点：你得不断说服老板相信，这套产品或系统能带来价值。但无论BI、CRM还是其他垂直业务系统，都很难直接产生营收，也很难立刻改善经营现状。本质上，它们画的是“管理效率提升”的饼，而且这个饼需要老板信。很多时候老板不信，你就要花大量成本去讲行业最佳实践、讲竞争对手怎么做的。说服成本高得离谱。

所以从一开始做Agent，我们就有一个执念：能不能去掉大量说服成本？能不能直接告诉客户，买了我们的Agent，ROI一目了然？让客户直接买单，而不是花时间做一堆汇报，证明我们有价值。

基于此，我们形成了核心主张——只做这个公司最核心业务流程里最核心的阻塞点。找到阻塞点后，目标就是帮客户直接创造营收或大幅降低成本。注意，这个“大幅”不是砍半，我们觉得得做到1/10，至少1/5。因为企业内部推行数字化转型有很高的管理成本和战略阻力，如果收益不够显性，根本推不动。

现在大家提RaaS（Result as a Service），那时候并没有这么明确的概念。我们只有一个直觉：想直接帮业务增收或降本。其实我们一直在做的，就是按结果交付——让Agent数字员工直接上岗“打工”，背跟原有人一样的KPI。

1.2 一个季度建联100+客户

有了核心主张，下一步是选行业。从创业第一天起，我们就明确要选垂直赛道、聚焦。

团队背景相对不错，有一定客户资源。于是我们做了一个季度内建联超过100个客户的计划，平均每周跟4个客户聊。聊天方式很有意思：我们不会问客户想用AI做什么，而是问——第一，你们公司最核心的业务流程是什么？核心阻塞点是什么？第二，什么让你们老板或部门负责人睡不着觉？第三，我们判断能否用Agent解决这个问题，让老板不再焦虑。

举个具体例子。一个汽车产业链的零配件企业，核心流程是：零配件生产后发往中转仓（通常在整车厂旁边），整车厂有仓库货物支配权，随时提取零配件，再定期结算。这里最大的痛点：零配件企业对仓库存量、整车厂实际使用量几乎一无所知。于是他们雇很多人专门做数据获取和核对，频率是按周或月，效率极低。客户问：能不能用Agent解决数据获取和核对，让数据处理时效性更低？

去年我们不追求营收，只追求场景，几乎把所有能想到的行业都跑了一遍。跑完后发现一件有意思的事——行业其实有共性。

比如医疗行业，门槛高。我们试过导诊助手、预分诊、医疗记录生成，POC验证技术效果很好，但没人买单。为什么？因为赛道挤满大厂，他们可以不计成本拿下客户案例，这对小公司是地狱模式。

再比如政企客户，能建高商务壁垒，上百万、上千万的单子也有。但这类项目的营收不一定健康：技术产品不是决策关键因素，而我们作为初创公司，核心能力就是产品创新；另外账款周期长，现金流风险太高。

最后，我们选了高科技行业——中高端制造业。

很多人对中高端制造业有误解。午餐时朋友问我：为什么选制造业？他认为制造业很难做Agent。这确实是反共识的事。但创业做的就是反共识。

理由有五：第一，中高端制造业是国家基本战略，未来不会差。做企业服务，很多时候最重要不是自己有多厉害，而是客户有多厉害。客户日子不好过，你也没希望。所以要选好的利基行业。第二，中高端制造业数字化程度远超想象。为什么小米、特斯拉能几分钟自动化生产一台车？芯片产线为什么一个人没有？背后是强大的数字化能力。这类企业几乎把所有能上的系统都上了。它碘伏了传统制造业认知——在中高端制造业做Agent场景，数据最完整、最合适。第三，客户有钱。一条产线动辄几十亿，一套业务系统动辄几千万。对于几十万、百万的Agent项目，他们有预算和试验欲望。第四，转型需求强烈。制造业经营压力大，迫切需要Agent替代低效工作，让人做更有价值的事。第五，进入壁垒极高。知识壁垒极其高——新人进半导体行业可能要熟悉3-6个月，到装备制造又要重学。每一个细分行业都需要从头学习的过程。

02 从demo玩具，到生产场景中可控落地

2.1 创始人深度参与

垂直Agent时代，业务Know-How是核心共识。问题在于，如何找到自己的Know-How？如何打磨产品？答案很简单：创始人深度参与。

我本人不负责对外商业化，主要负责产品。早期深度参与了公司的每个PoC——每个项目都亲自去做，每个客户都亲自到现场调研。深入探讨他们的核心业务流程和痛点，只有这样才能拿到客户真正关心的东西。本质上，我们是帮客户解决问题，客户是业务场景的专家，我们是解决方案专家。只有深入理解客户场景，才有可能做出好东西。

做PoC或技术验证时，需要做三层抽象：第一层抽象，判断客户的场景有没有共性，能复制推广到多少客户？价值够不够高？第二层抽象，判断标准化程度够不够高，能不能抽象成标准产品，快速复制到不同客户？第三层抽象，判断产品未来是否有核心竞争力，技术攻坚点值不值得做？

2.2 交付真实可控的生产力

在所有PoC验证中，一个核心概念是：把Agent从demo玩具变成生产场景中可控落地的产品。

去年接触客户时，很多企业都在自己做Agent。他们简单试一下，效果特别棒，汇报时演示得也很漂亮。但领导说：现场拿出来真实用用？不是PPT形式？——大家就紧张了，担心现场效果不可控。再推给业务用户真实使用，情况更糟：大部分被弃用，反馈稳定性差，幻觉严重。

这里的关键点在于：能否交付真实可控的生产力？

我们做的本质是数字员工。对企业而言，雇Agent和雇人逻辑一样：如果雇佣一个员工，每件事都只干到60分，业务Leader的反应大概率是开除他。去年我们看到的大多数Agent，轻松做到60分，但做到90分极难。难在哪里？需要对业务场景有足够多的Know-How，有足够多的数据，做足够多的验证，同时相信做好准确率是件重要的事。在此基础上，还得有能力用技术达成高准确率。这样才有可能把Agent变成可控的生产力。

去年世界人工智能大会，我们没有产品、没有demo、没有演示视频，什么都没有。只有一个观点：Agent需要交付真实可控的生产力，需要做到90%+准确率。我们发现大部分团队都碰到了这个痛点，而且很痛。现场反馈极好——加了几百个微信联系人，拿到很多线索。这种正反馈让我们确信：这个方向可能真的押对了。

2.3 迭代产品核心技术竞争力

明确了攻坚方向，接下来就是怎么干。答案是与客户共创、持续迭代。

我们的第一个核心技术能力——复杂文档解析能力，是和一家芯片设计龙头公司共创迭代四个月才完成初版的。这四个月里，核心精力全部放在打磨技术上。过程很累、很苦，但当产品打磨出来时，这个客户是否签约已经不重要了——我们发现，自己拿到了一个有很强技术竞争力的优势，可以直接拿着这个功能去打其他客户。

第二个核心技术能力是结构化内容提取。这是与某海运客户共创的场景。他们在全球有超过50个口岸，每个口岸都有大量单据、发片处理工作。国内发片标准、电子化，传统OCR技术提取内容已经很成熟。但海外没有标准发片，很多时候只有收据，比如餐厅小票，每家格式都不同。他们以前找了一家大公司，花一千多万，针对每个版式训练一个基于深度学习的OCR小模型。但系统维护成本高，效果也不稳定——很多场景没见过。

这不是重点。重点是它不能真正帮人解决问题。我们的关注点就是：产品是否真的能帮客户解决问题？比如有的发片识别准确率90%，但系统只能告诉你整体上有90%准确，没办法精准指出哪10%错了。这意味着业务人员还得把每张发片看一遍，系统的价值直线下降。我们的做法：直接给出置信度——前90%我们确信比人类员工准确率更高；后10%可能有错，建议重点检查。这样业务才真正被解放出来。

03 不接超级大单，专注打造「端到端」Agent数字员工

3.1 保持战略定力

最后的问题是：如何选择客户？

过去我们做了很多战略取舍，核心关注一件事：产品在客户场景中是否具有核心价值？

希望产品有价值，公司有长期存在的意义——这是创始人应该认真思考的事。因为这个时代想赚快钱太容易了。太多企业买DeepSeek一体机、想上KPI驱动的AI项目，这些机会很考验人性。在这些时刻，能不能坚持初心，放弃一些东西？

对我们而言，KPI驱动的项目一定不做。比如某大公司CEO拍板要搞AI创新项目，业务部门被迫凑一个。这类项目钱确实多，上百万，买一个Agent产品加一堆场景包。但我们拒绝。原因很简单：要么项目中包含大量非Agent相关业务（比如传统数字化），我们确实能做、也能赚钱，但那不是我们想要的。除非商务能力特别强，能把100万的单运作到500万——我们没有这个能力，钱也赚不到。

我们坚持做业务价值最显性、最核心的产品。希望每个项目都能迭代产品内核、迭代PMF，让产品真正能面向市场、在未来有一席之地。

3.2 未来Agent一定是垂直的，不会是通用的

具体往什么方向迭代产品内核？只有聚焦到一个又一个垂直场景，才能真正把Agent做好。比如DeepResearch，本质是研报助手，一个垂直岗位。它有明确的岗位职责和SOP，这样才能做好。如果拿DeepResearch做其他垂直场景——比如客户分析、销售策略建议——它可以做，但一定不专业。

术业有专攻。就像人的工作一样，每个人都有特定岗位、自己的业务Know-How。Agent也一样。现在我们理解的Agent不是聚焦在一个行业，而是聚焦在一个职能、一个又一个特定的岗位上。需要把某个特定岗位的能力做深做透，收集足够多的垂直数据——包括Agent执行任务时的思考数据和路径数据，形成高质量数据集，再去做垂直Agent的预训练、微调。这是我们在探索的路。

这个方向还很前沿，没有成型，但它是未来。未来几年内，一定不是一个通用的大Agent解决所有事情。

在这个趋势下，公司赖以生存的核心，是有多少个垂直Agent能交给用户开箱即用。基于此，现在有个300万的案子，堆人就能做，但对核心产品没有迭代价值；还有个30万的案子，利润不高，但能帮我们迭代产品和场景核心。在这种情况下，大家心里都会有选择。作为创业公司，短期营收压力确实存在，但要明白初心是什么。在这个时代的风口浪尖冲浪，我们得看到更远、更大的机会。

04 客户需要怎样的垂直Agent？

任何商业模式的成功，根基都在于客户价值。再好的Agent数字员工，其真正价值也必须由客户实践来检验和放大。

以上是我们站在第一视角的思考。而在语核科技所服务的客户看来，对于Agent的价值、落地中遇到的挑战，以及供应商成功的关键因素，有着不同的洞察。

Q：请两位嘉宾快速介绍公司基本情况及内部Agent应用落地情况。

赵德旭：我们是亚洲最大的味道实业控股集团，旗下有三家上市公司，覆盖40万亿消费市场。每天24小时内大家一定会接触到我们的产品——早上用的洗发液、化妆品、香水；中午吃的大米先生、永和大王，包括日料的芥兰（我们占中国70%份额）；下午喝的奶茶，晚上用的香氛或精油。可以说产品与服务渗透在生活的方方面面。

因为是定制化企业，所以AI需求很强。在香精香料领域，公司内部的Agent技术已从概念验证走向核心业务场景使用。研发与生产环节，Agent实现定制化香精开发与生产，将专家经验的复杂过程智能化；销售与客服环节，利用AI实现调料售前方案，生成高度个性化的解决方案；运营与决策支持环节，通过AI数据分析实现市场洞察，更好预测市场变化。

王士昊：我是上海马勒热系统公司的王士昊。公司是上汽集团和德国马勒的合资企业，传统汽车零部件制造，技术密集兼劳动密集型。这几年汽车行业竞争激烈，企业数字化转型非常紧迫。

从去年开始，我们部署了28个智能体支撑核心业务决策——包括销售预测、产量预测、市场预测，以及专门的销售风险预测智能体，用于实时识别评估销售风险。目前更关注研发生产、开发、工艺管理三个环节，提升效率与质量，实现从创新到交付。

Q：从战略角度看，你们希望Agent给公司带来什么商业改变？

赵德旭：未来的商业格局中只会有两类企业：积极拥抱并深度整合AI的企业，以及被时代淘汰的企业。AI加持下，各类商业都能精准化。未来一定是个性化的世界，也是AI时代。如今企业仿佛拥有“无数个AI领域专业博士”，关键在于如何高效组织、释放这些智能体的潜力。AI一定会成为公司的生产力。商业本身是否具备自我进化能力非常重要——今天公司卖产品和服务，这只是表象；背后应该是通过产品和服务，能否获得消费者精准或私有的数据，帮助商业模式快速更新迭代，再更精准地服务客户。

王士昊：这两年的感受是，数字化和AI智能化对制造业的冲击非常大。企业利润空间不断压缩，制造业持续承压。降本增效是老板重点关注的。相比单纯成本削减，我们的核心是“增效”。为此，搭建了“AI教练”等智能化系统深度赋能运营。一方面利用AI生成与分析能力提升用户洞察、互动和运营效率，实现更精准的营销服务；另一方面通过AI自动处理重复性、规则化任务，释放人力聚焦更高价值工作。

Q：这一代Agent和上一代SaaS的核心差异是什么？

赵德旭：SaaS的本质是工具与功能模块，核心价值在于通过标准化流程和数字化界面，让人更顺畅、规范地完成工作，主要作用于提升操作效率、建立执行规范。AI Agent的定位不同——它不是工具，而是能独立思考和行动的“员工”。Agent的核心目标是自主完成复杂任务，通过“自我调用”能力协调资源、决策行动，最终实现“让人干得更少、更快”，释放中高端劳动力去聚焦战略性和创造性工作。

当前SaaS公司普遍焦虑，因为业界已形成一个明确共识：未来的Agent，凭借自主性、目标驱动性，极有可能从根本上取代许多现有SaaS公司的价值定位和生存空间。

Q：两位在Agent选型时考虑哪些因素？优先选什么场景？

王士昊：制造业有区别，尤其汽车制造，有严格的网络安全和保密要求。信息不需保密的先做。所以先做专利场景：之前一年专利申请量15个，去年上了智能体，申了74个——这就是AI带来的冲击力。

第二类是企业知识库。很有意思的是，AI技术出现后，企业上什么场景？上知识库。它是AI教练发挥作用的基础与核心，也是非常现实的场景。企业私有化、落地本地后，各类智能体逐渐互联，数据关联，搭建神经网络，再搭建运营智能体。

还有很多其他场景，我们会看员工与AI对话时输入什么，作为参考。值得强调的是，成功实施AI项目，管理层的支持和企业运营体系的支撑不可或缺。从业务部门视角看，上AI不是简单“上线一个工具”。“懂AI”的深层含义远超“上AI”的技术动作本身。

赵德旭：评估部署企业级AI Agent，需要系统性考量多个维度。首要问题是明确Agent的能力边界：它能否独立解决完整的业务问题？能否有效执行特定岗位的操作？鉴于Agent开发有成本，我们目前聚焦高频、重复性强、易出错的业务环节进行试点推广。

当前阶段的Agent并不具备碘伏企业现有成熟IT系统的能力，核心价值在于能否与这些系统深度集成协同。安全性是重中之重——必须严格设计细粒度权限控制机制保护敏感数据，评估私有化、公有或混合模式满足不同安全需求。另外，Agent解决方案的可拓展性至关重要，要能适应业务增长、流程变化以及未来可能接入的新系统或数据源。

在应用场景方面，制造型企业最爱用两个方向：一是销售——能否帮我卖更好的产品；二是研发——这是整个生命线的保证。就这两个点，之后再选难度——如果难度很大，也会先放一放，做一些容易的，让大家有信心。我们也会重点选2-3个标杆，注入资源，不计代价推出去，形成趋势。

Q：中国很多企业是预算制，红杉有观点：创业团队一定要做经常性预算的项目，不要做非经常性预算。王总怎么看？

王士昊：评估AI价值时，ROI更多是潜在的。期望上线AI就能直接减员实现ROI，缺乏保障。更务实的是从SaaS模式切入，在非敏感数据场景让用户感受应用效果，这种方式已能初步验证成效。

尤其当前制造业普遍面临预算压力，创新型预算空间已非常有限。分步落地过程中，员工会自然涌现大量需求。企业IT部门可以借此机会，结合已验证的场景价值和实际需求，逐步规划和申请预算。需要本地部署的系统，投入可更清晰地纳入投资回报框架计算考量。

Q：Agent进入企业时怎么选伙伴？内部做还是外部做？外部做的话怎么选？

王士昊：2B端很现实——真没那么多时间试练。最近接触几家大集团公司，IT落地到企业服务级不一定行。所以个人认为选一家真正能提供B端服务的企业非常重要，而不是单独找某一家单领域AI功能提供商。

还有平台的集成性要足够支撑企业快速落地——将DeepSeek或ChatGPT这类大模型安全嵌入企业级数据环境，安全加固的复杂性远超想象。这种情况选择一家已经集成完的2B服务企业可能更好、更快。

赵德旭：选择AI解决方案合作伙伴时，我们核心关注几个维度：

• 供应商能否真正理解我们真实的业务场景？这至关重要。
• 供应商是否具备深厚的行业经验？有直接经验最好，类似经验也可接受。
• 团队稳定性我们也很看重，很多创新企业中途可能出问题。
• 供应商类型上，更倾向创业公司而非巨头——大公司往往缺乏深耕细分领域垂直落地的精力，且大型组织当前成本高、灵活度不足。
• 费用预算方面，AI转型是当下必选项，属于战略性投入，早期不会严格考核短期ROI，而要保持足够容忍度和耐心，重点发掘培育成功的标杆案例。

整个项目的驱动逻辑是：立项由战略目标自上而下推动，但实际成效和价值则需通过基层应用自下而上地涌现和验证。

Q：做Agent立项是战略驱动、从上到下，落地从下到上，最后怎么评估效果？企业可以今年创新、明年创新，但不能一直投下去。

赵德旭：评估Agent是否成功落地并产生价值，核心在于考察它是否真的能帮助员工完成实际工作。具体效果可以从几个维度衡量：能否有效减少特定环节的人力需求、缩短任务处理时间？能否降低人为操作导致的错误率？以及，能否独立完成一个闭环的业务任务单元？

必须强调的是，每一家企业的业务流程和痛点都具有独特性。因此，成功的Agent解决方案必须是为企业深度定制化的，能够紧密嵌入其特有的业务场景并解决实际问题，而非提供通用的、脱离现实的“万能”工具。