2B Agent 不是2C的複製:企業願意被AI黑掉自己的系統
Afine創始人認為2C的Personal Agent太卷,拼的是供應鏈和補貼;2B Agent因為老闆主動配合AI改造公司,反而更容易端到端捕獲價值。
原視頻在 YouTube 上放不出來,用音頻聽:
核心論點 · 點時間戳可跳到原聲
百個Agent加百個員工放大的是噪聲
賀佳琛指出,給每個員工配一個Personal Agent後,企業決策層面對的不再是100個員工的信號,而是100個員工加100個Agent,這些Agent之間沒有聯動和學習過程,反而放大的是噪聲而不是信號。他們的解法是讓所有人共用一個具備持續學習能力的Agent,既保留個人單獨的記憶和運行環境,又能在公司所有業務和軟件前臺持續學習。
— 賀佳琛2C的Agent幾乎沒有規模效應
賀佳琛認為AI創業與互聯網創業最大的區別是規模效應和網絡效應被極大減弱:做一個聊天機器人,用戶量再大,數據也未必能讓產品進化到更強的Agent,模型本身的智能提升才是決定性因素。這也是他們不做2C Personal Agent的核心原因——2C賽道拼的是供應鏈和補貼,而非產品本身的壁壘。
— 賀佳琛B端老闆主動配合AI黑自己的系統
在C端,獲取用戶全部信息去做推薦會讓人恐懼,Personal Agent天然要靠奇技淫巧和逆向工程才能拿到權限;但在B端,企業一號位告訴員工說AI能端到端捋順業務數據、財務數據、每一行代碼流向後,老闆反而有更強動力主動改造自己的系統以配合AI獲取更多context。這使得2B Agent在早期反而更容易獲得採用。
— 賀佳琛工作流外掛的生命週期越來越短
賀佳琛談到LongChain、Dify、N8N、Open Cloud這類工作流/腳手架產品曾經估值飛漲,但到26年下半年已經很少被提起。原因不是被更好的工作流取代,而是模型本身把這些工作流學了進去——用更聰明的模型或harness後,第一件事往往是把之前的skill和system prompt刪掉,否則反而起負作用。確定性的固化正從模型外轉向模型內,靠KV Cache和Prompt Cache命中率就能復現確定性輸出。
— 賀佳琛自己訓模型在26年才真正可行
賀佳琛曾深度參與國內一個ET參數以上多模態agentic model的訓練,當時認為創業公司做模型訓練根本找不到客戶,因為前沿大廠的卡、人才密度和基建端到端都遠勝第三方。但到26年,隨著架構變化(如Jamba類模型出現)和基模能力達標,小模型可以不追求比AGI model更強,只需把確定能做對的任務以更低成本、更快響應蒸餾出來,這才讓創業公司訓模型變得make sense。
— 賀佳琛小模型是植物神經,大模型是大腦皮層
他們訓練兩種模型:一種是Task Routing Model,把sota模型完成任務時的工具調度軌跡和用戶偏好蒸餾下來形成「肌肉記憶」,讓小模型像人學會騎車後形成條件反射;另一種是20到40億參數的Worker Model,專門處理企業內部操作系統層面的逆向和特定任務,突破大模型在安全限制下的侷限。賀佳琛將聰明的大模型比作大腦皮層,自己訓練的小模型則是腦幹和脊髓。
— 賀佳琛今天所有軟件本質上都是開源軟件
賀佳琛提出一個判斷:只要別人知道你的軟件在做什麼、能拿到API spec,AI就能把整個軟件逆向出來或重寫一個功能一模一樣的替代品,所以軟件本身在消亡,價值轉向了模型智能本身。他同時預計兩到三年內開源模型追趕速度會大幅加快,AGI模型供給會變得充裕,屆時B端C端重構世界的商業規則會變得非常血腥。
— 賀佳琛Agent正在跨越此前陪伴視頻賽道獨享的拐點
賀佳琛認為過去兩三年裡,只有聊天和視頻生成這類交付結果可預期、能商業化閉環的賽道率先賺到錢,而通用Agent因為必須端到端完成才能創造價值,只要缺一環就解鎖不了大價值。但這個環最近被補上,連之前視頻、陪伴賽道積累的優勢也開始被通用基建和通用模型挑戰,他舉例稱Opus 5.5最會剪視頻、GPT6 Astra最會控制機器人視頻,是「倒反天罡」的現象。
— 賀佳琛原話 · 已逐字校驗
這也是我們沒有選擇做2C的personal agent的核心原因
這也是我們沒有選擇做2C的personal agent的核心原因。
賀佳琛16:10
但在2B的場景裡面 企業的一號位負責人 就他是樂意讓你去hack他的
但在2B的場景裡面,企業的一號位負責人,他是樂意讓你去黑他自己的系統的。
賀佳琛19:13
實際上這些大客戶有比我更強的動力 去對他們的系統做必要的改造 就是為了讓AI能拿到更多的context 進行更多的剷除
實際上這些大客戶有比我更強的動力去對他們的系統做必要的改造,就是為了讓AI能拿到更多的context,進行更多的剷除。
賀佳琛20:13
當你深度的參與過模型訓練之後 其實在那段時間 我是特別不相信創業公司的模型訓練這個敘事的
當你深度參與過模型訓練之後,那段時間我其實特別不相信創業公司自己訓模型這個敘事。
賀佳琛35:31
我們有兩個比較根本的判斷 第一是我們覺得說 今天所有的軟件都是開源軟件
我們有兩個比較根本的判斷,第一是我們覺得今天所有的軟件都是開源軟件。
賀佳琛40:34
就OPUS 5.5是最會剪視頻的模型 然後GPT6 Astra是最會控制Robotic的視頻模型 這簡直就是倒反天剛
Opus 5.5是最會剪視頻的模型,GPT6 Astra是最會控制機器人的視頻模型,這簡直就是倒反天罡。
賀佳琛43:34
術語
- Proactive Agent主動型智能體
- 不只是被動響應對話,還會主動聯繫用戶、推進任務的Agent形態
- KV Cache / Prompt Cache鍵值緩存/提示詞緩存
- 存儲模型此前生成結果,使相同調用可直接複用而不必重新推理
- Task Routing Model任務路由模型
- 將大模型完成任務的軌跡和用戶偏好蒸餾下來、低成本復現的小模型
收聽指南
關注Agent產品形態演化的創業者、做2B企業軟件/AI轉型的決策者,以及好奇模型訓練在創業公司內如何落地的從業者。
開場關於創始人個人經歷變化的寒暄部分可以跳過。