2B Agent 不是2C的复制:企业愿意被AI黑掉自己的系统
Afine创始人认为2C的Personal Agent太卷,拼的是供应链和补贴;2B Agent因为老板主动配合AI改造公司,反而更容易端到端捕获价值。
原视频在 YouTube 上放不出来,用音频听:
核心论点 · 点时间戳可跳到原声
百个Agent加百个员工放大的是噪声
贺佳琛指出,给每个员工配一个Personal Agent后,企业决策层面对的不再是100个员工的信号,而是100个员工加100个Agent,这些Agent之间没有联动和学习过程,反而放大的是噪声而不是信号。他们的解法是让所有人共用一个具备持续学习能力的Agent,既保留个人单独的记忆和运行环境,又能在公司所有业务和软件前台持续学习。
— 贺佳琛2C的Agent几乎没有规模效应
贺佳琛认为AI创业与互联网创业最大的区别是规模效应和网络效应被极大减弱:做一个聊天机器人,用户量再大,数据也未必能让产品进化到更强的Agent,模型本身的智能提升才是决定性因素。这也是他们不做2C Personal Agent的核心原因——2C赛道拼的是供应链和补贴,而非产品本身的壁垒。
— 贺佳琛B端老板主动配合AI黑自己的系统
在C端,获取用户全部信息去做推荐会让人恐惧,Personal Agent天然要靠奇技淫巧和逆向工程才能拿到权限;但在B端,企业一号位告诉员工说AI能端到端捋顺业务数据、财务数据、每一行代码流向后,老板反而有更强动力主动改造自己的系统以配合AI获取更多context。这使得2B Agent在早期反而更容易获得采用。
— 贺佳琛工作流外挂的生命周期越来越短
贺佳琛谈到LongChain、Dify、N8N、Open Cloud这类工作流/脚手架产品曾经估值飞涨,但到26年下半年已经很少被提起。原因不是被更好的工作流取代,而是模型本身把这些工作流学了进去——用更聪明的模型或harness后,第一件事往往是把之前的skill和system prompt删掉,否则反而起负作用。确定性的固化正从模型外转向模型内,靠KV Cache和Prompt Cache命中率就能复现确定性输出。
— 贺佳琛自己训模型在26年才真正可行
贺佳琛曾深度参与国内一个ET参数以上多模态agentic model的训练,当时认为创业公司做模型训练根本找不到客户,因为前沿大厂的卡、人才密度和基建端到端都远胜第三方。但到26年,随着架构变化(如Jamba类模型出现)和基模能力达标,小模型可以不追求比AGI model更强,只需把确定能做对的任务以更低成本、更快响应蒸馏出来,这才让创业公司训模型变得make sense。
— 贺佳琛小模型是植物神经,大模型是大脑皮层
他们训练两种模型:一种是Task Routing Model,把sota模型完成任务时的工具调度轨迹和用户偏好蒸馏下来形成「肌肉记忆」,让小模型像人学会骑车后形成条件反射;另一种是20到40亿参数的Worker Model,专门处理企业内部操作系统层面的逆向和特定任务,突破大模型在安全限制下的局限。贺佳琛将聪明的大模型比作大脑皮层,自己训练的小模型则是脑干和脊髓。
— 贺佳琛今天所有软件本质上都是开源软件
贺佳琛提出一个判断:只要别人知道你的软件在做什么、能拿到API spec,AI就能把整个软件逆向出来或重写一个功能一模一样的替代品,所以软件本身在消亡,价值转向了模型智能本身。他同时预计两到三年内开源模型追赶速度会大幅加快,AGI模型供给会变得充裕,届时B端C端重构世界的商业规则会变得非常血腥。
— 贺佳琛Agent正在跨越此前陪伴视频赛道独享的拐点
贺佳琛认为过去两三年里,只有聊天和视频生成这类交付结果可预期、能商业化闭环的赛道率先赚到钱,而通用Agent因为必须端到端完成才能创造价值,只要缺一环就解锁不了大价值。但这个环最近被补上,连之前视频、陪伴赛道积累的优势也开始被通用基建和通用模型挑战,他举例称Opus 5.5最会剪视频、GPT6 Astra最会控制机器人视频,是「倒反天罡」的现象。
— 贺佳琛原话 · 已逐字校验
这也是我们没有选择做2C的personal agent的核心原因
这也是我们没有选择做2C的personal agent的核心原因。
贺佳琛16:10
但在2B的场景里面 企业的一号位负责人 就他是乐意让你去hack他的
但在2B的场景里面,企业的一号位负责人,他是乐意让你去黑他自己的系统的。
贺佳琛19:13
实际上这些大客户有比我更强的动力 去对他们的系统做必要的改造 就是为了让AI能拿到更多的context 进行更多的铲除
实际上这些大客户有比我更强的动力去对他们的系统做必要的改造,就是为了让AI能拿到更多的context,进行更多的铲除。
贺佳琛20:13
当你深度的参与过模型训练之后 其实在那段时间 我是特别不相信创业公司的模型训练这个叙事的
当你深度参与过模型训练之后,那段时间我其实特别不相信创业公司自己训模型这个叙事。
贺佳琛35:31
我们有两个比较根本的判断 第一是我们觉得说 今天所有的软件都是开源软件
我们有两个比较根本的判断,第一是我们觉得今天所有的软件都是开源软件。
贺佳琛40:34
就OPUS 5.5是最会剪视频的模型 然后GPT6 Astra是最会控制Robotic的视频模型 这简直就是倒反天刚
Opus 5.5是最会剪视频的模型,GPT6 Astra是最会控制机器人的视频模型,这简直就是倒反天罡。
贺佳琛43:34
术语
- Proactive Agent主动型智能体
- 不只是被动响应对话,还会主动联系用户、推进任务的Agent形态
- KV Cache / Prompt Cache键值缓存/提示词缓存
- 存储模型此前生成结果,使相同调用可直接复用而不必重新推理
- Task Routing Model任务路由模型
- 将大模型完成任务的轨迹和用户偏好蒸馏下来、低成本复现的小模型
收听指南
关注Agent产品形态演化的创业者、做2B企业软件/AI转型的决策者,以及好奇模型训练在创业公司内如何落地的从业者。
开场关于创始人个人经历变化的寒暄部分可以跳过。