智能体洗牌“六小虎”，模型厂商如何破局转型？

题图｜AI生成

智能体的浪潮正在改写AI产业的主导逻辑。

过去一年，从内容生成走向任务执行，智能体成为大模型能力的新出口，也成为独立模型厂商和互联网大厂争相布局的新赛点。

在这场变局中，大模型厂商面临艰难抉择：是继续作为通用能力的提供者，退居底层？还是向上走，构建平台、直达应用？商业化困局与技术路径选择交织下，哪些玩家能留在牌桌？

近期，《虎嗅·AI无悖论》节目特别邀请智谱高级商业副总裁、前字节跳动飞书&Lark全球首席商业官吴玮杰，以及企业知识开源计划创始人、前波士顿咨询Platinion董事总经理、前IBM咨询全球合伙人陈果进行了探讨，请他们分享了智能体技术冲击下，模型厂商的战略近况及行业相关的深度思考：

• 智能体的普及，是在放大大模型的基础设施作用，还是正在削弱模型厂商的核心价值？

• 面对创业者蜂拥而上、互联网大厂全力抢占入口，模型公司能否通过MaaS平台与智能体生态“再造主导权”？

• 智能体到底是工具、入口，还是新操作系统？

本期主持人为资深媒体人、热AInext主理人陈庆春。

以下是交流实录，有删编：

智能体是什么，谁在制造？

主持人：智能体（Agent）到底是什么？它和大模型是什么关系？

吴玮杰：我会把大模型当做是一个图书馆。现在很多chat类的应用，更像图书管理员，当它接收到一个用户的指令，就会去图书馆里查阅各种图书，给出一个反馈。

但今天的智能体，它更像是一个项目经理或者项目的助手——基于我的某一个目的去图书馆里查阅相应的文献，最终做出相应的操作，或相应的产品。

陈果：简单来说，智能体是指一个能感知环境、做出判断，并据此采取行动以实现目标的智能系统。

智能体真正火起来是在2023年初，背景是2022年底ChatGPT等大模型的爆发。大模型最初用于文本生成，后来扩展到图像、音频等“生成式AI”。再往前一步，人们开始思考：既然能生成内容，是否也能“生成并执行动作”？这就进入了智能体的范畴。

简而言之，大模型驱动的“智能体”代表的是AI从“生成内容”进化为“完成任务”。

主持人：那现在是谁在制造智能体？是专业开发者的专利吗？

吴玮杰：现在人人都可以制造智能体。就像几年前流行“人人都是产品经理”一样。

对于普通用户和初级开发者来说，智能体更像是“美图秀秀”式的轻工具——简单、好玩，用于生成网页、聊天机器人等浅层场景。

而对于大模型公司或互联网大厂，智能体则更像是“Photoshop”——用于深度业务场景，模型公司可以把智能体的部分能力“训进模型”本身； 互联网公司更善于结合用户习惯与入口生态来落地产品。

陈果：我有个朋友创业，做的就是“五分钟教你做智能体”，只要你想学，五分钟就能做出来一个。

主持人：听陈总这么一说，吴总作为大模型厂商怎么想？现在智能体的门槛变得这么低，对大模型厂商有什么冲击？

吴玮杰：我反而认为这对大模型公司是很好的促进作用。大模型越来越基础设施化、算力成本降低，才能被用户真正的用起来。

当然这也带来一个问题，因为模型厂商更加基础设施化，相应的玩家会越来越少，这本身是预期内的事情。即便没有deepseek这样的开源模型，它也会被淘汰，只是时间早晚的区别。

今天第一梯队的模型厂商，尤其是服务B端、G端的，在商业化路径上不再只是“提供一个模型”，而是向上层的MaaS平台、智能体平台延伸，提供一整套可交付、可执行的能力包。

这种技术的迭代带来的能力“交替式上升”的竞争，其实有利于整个第一梯队的所有的玩家。

主持人：那第二梯队就不存在了吗？

吴玮杰：这是个很好的问题。事实上，从2024年底，有一个很大的变化是很多互联网大玩家进场了，早期的“六小虎”大多在转型、逐步走向分化，分别聚焦在国内的C端应用、垂直行业的应用、海外的应用。

这个问题，回到当年的SaaS时代是一样的。现在互联网大厂做SaaS主要做钉钉、飞书、腾讯会议这类工具类的应用，但是不影响市场上有很多深度的垂直行业的SaaS公司。

陈果：我认为在基础模型这一层，不会有第二梯队。大模型是基础设施，类似于云计算刚兴起时的演进逻辑：

一开始很多厂商都能“做云”，但最后真正能留下来的不超过五家，因为底层基础设施的竞争是同质化、高投入、拼成本的，最终往往是头部厂商形成垄断格局。

AI也一样，最底层是算力和GPU，现在全球80%的市场份额在英伟达手中；再往上是基础大模型层，长期来看也只会剩下极少数具备深厚技术和资源能力的公司。

主持人：那是不是意味着除了头部厂商，其他都没有机会了？

陈果：也不是。越往上走、越靠近用户侧，玩家就越多，因为用户需求复杂，场景多样；上层应用空间足够大，足以容纳各种差异化定位。

所以，大模型之上的几个“层级”才是创业和差异化竞争的空间：一是模型微调层（如小模型、二次训练、蒸馏等）——会有部分专注垂直场景的技术型公司参与； 二是智能体构建层——围绕不同行业、流程场景构建智能体，是最有可能百花齐放的领域。

主持人：所以吴总作为现在的大模型厂家，是给人类做最基础的贡献了？然后会慢慢退出历史的舞台，变成另外一种身份？

吴玮杰：我觉得我们还在舞台中央。

未来的模型市场，一类是以互联网大厂为代表的，有自己的生态，有自己的应用场景，长期以一个比较好的身位活着；第二类是国内以to B为主、toC为辅的独立模型厂商，给不同的企业提供差异化的服务。

我很同意陈总讲的，大模型越偏基础设施这一层，越是赢者通吃。第一、第二名活得很开心，第三名艰难的活着，第四、第五名每天想着能不能活。

中国市场和海外市场始终不一样的是，无论是SaaS时代，还是今天的模型时代，国外推的很多都是 MCP 标准化的接口。但国内这个生态始终没有完全接在一起，会给一些特定的企业机会。

技术与巨头冲击下，大模型厂家走向分野

主持人：刚才也讲到，创业公司可能面临更大的资源的问题，现在巨头压力会传递给你们吗？互联网巨头也在抢你的单吧？

吴玮杰：这是个很好的问题。其实今天市场上有一个很有意思的现象。不少B端和G端项目的招投标，还凑不齐三家去参与竞标，因为客户的要求越来越高。

互联网大厂其实做的是相对比较通用化的模型，比较easy money。通过API的调用，可以基于自己的生态，去推云智一体——卖大模型的目的是为了推动云，靠大模型亏一点钱，顺带去卖一点算力资源，再赚回这个钱。

陈果：我非常同意刚才吴总说的，去年的时候，大家大部分都在跑比跑分，像原先的手机、摄像跑分一样。但是跑到一定程度，是有极限的。

你做到95分之后，边际效率就开始走平了。

吴玮杰：对，这种情况23年和24年上半年比较多，就是一堆模型公司热衷于刷榜，这是特别离谱的一件事儿，我们甚至有一个阶段性的说法叫道德的下限决定了你排名的上限。

那个时候有很多榜单，它都是一些公开的数据集，你可以有针对性的做数据，很多的模型公司都有一个刷榜小组，专门用于解决榜单排名的问题。

越关注榜单其实是客户对模型的认知还处于一个比较早期的阶段。

主持人：刚才两位讨论了互联网大厂对to B端的冲击，to C端的话，大厂的冲击会不会更强？

吴玮杰：肯定的，大厂有入口的优势，天然会获得更多的C端客户。现在甚至有一些大厂在利用现有的垄断优势，不允许竞争对手在他们的环境中进行任何的投流工作，只能投自有产品，那这对整个C端的应用场景就造成很大的挑战。它有更多的语料，所以很容易强者恒强。

主持人：你们会把c端产品当成一个重点的产品来做，或者是商业变现的一个产品来做吗？

吴玮杰：目前在商业变现上，通过C端chat类的工具还是比较的难。其实也不只是智谱，所有国内外通过这种聊天类、订阅的方式去获得变现还是比较难，最近一个开始全免费的是百度。

主持人：大模型厂商都已经有这么大的压力了，那比如Manus这种没有基础模型、又没办法去to B服务的纯智能体厂家，压力会不会更大？

吴玮杰：我觉得会，这类厂家其实很多的收入来自海外的调用。因为海外的市场成熟度更高，商业市场程度高，用户愿意为此付费。

主持人：对于其他做智能体创业的公司来说，这种在国外的商业模式是可以复制的吗？

吴玮杰：今天很难讲任何一种商业模式能复制，如果去看大模型的应用的榜单，其实每半年有50%的明星公司就不在榜单上了。这也是一项技术在高速迭代的过程中，必然会产生的一个情况。

主持人：就是在智能体阶段，智能体却没有办法诞生出自己的创业公司？

吴玮杰 ：也不能那么绝对。我们能看到的趋势是，模型能力跟应用场景在逐步的解耦。

今天模型当中会出现MaaS层、智能体平台这样的中间层，是希望客户和用户聚焦在上层的应用上。

可能在某一些场景上，deepseek还是比较不错的，在另外一些场景下，智谱的能力是远超其他的对手的，某一些场景上可能OpenAI还是老大。客户可以通过上面的MaaS平台，去选择调用不同的模型的能力。所以我觉得还是会出现一些行业内较好的智能体公司。

陈果：补充一下，其实就是对模型的编排。所谓的智能体系统，指的是一个大智能体指挥一个小智能体，核心问题是，你做的是一个面向任务的智能体，还是面向流程的智能体？比如做一个客服的智能体，中间除了接电话，还有很多环节，会有一些综合服务的技术跑道新机会。

主持人：那大模型现在驱动出来一些在chatbot里可以直接点击购买的、原生的智能体，对于大模型厂商来说，是否有利于商业化的变现？

吴玮杰：智能体的出现，大大加快大模型tokens的调用量，但其实今天大部分国内的大模型厂商并没有因此能获得足够的利润。

陈果：不是国内的问题，全世界大模型公司都还没找到怎么赚钱的方法，如果只谈基础模型的营业收入的话。全世界大模型真正产生的收入，70%被GPU厂商拿掉了，30%被算力的厂商拿掉了，目前可能没有一家挣到钱。

吴玮杰：智能体的商业化变现，对我们来说是多种商业化变现中的一种，比如我们还会帮其他国家训练主权大模型。

主持人：那对于一些大模型厂商，是不是可以借着智能体这个机会去做一些转型？

吴玮杰：这个问题我有比较多的考虑过。2023、2024年的“几条虎”，在今天已经放弃基座模型的选择，转型全面做医疗，全面做教育。那是不是能够在另一条路上能够走得通？我觉得其实很有挑战。

我们刚刚讲了基础模型是最下面那一层，当大家去切换一条赛道，其实就是去做上层更偏应用层的事。但这两类公司对人才的画像，对基础能力的要求其实是不一样的，当你在一条赛道做的很难的时候，你在另一条赛道会碰到同样的问题，甚至会更难，因为在这个时刻你没有行业的洞察。

所以我觉得可能今天一家模型厂商，转型来做一个行业模型，不见得比一家曾经在这个赛道里面服务于医疗公司的SaaS公司，或者软件公司更有优势。

主持人：所以就和我们开始说的一样，大模型厂家要么就成为第一梯队，要么就被淘汰了？

吴玮杰：这是一个比较悲伤的故事，但这就是现实的故事。

智能体重构企业系统与入口

主持人：但是好多巨头现在都已经接入了MCP 协议，基本上应该是通行的标准了？

吴玮杰：怎么说呢，我觉得这是个被动式的响应。

早期的一些平台，心态上大多是自家的花园里种着自家的菜，自家的菜能让自家来收割。

陈果：我举个例子，大家都知道淘宝和微信没有打通，链接没办法拷贝过去。

我觉得是不是联通，还取决于上面的应用。MCP（Model Context Protocol）不是智能体的协议，是模型和周边数据交换的协议。MCP更偏底层一些，A to A更偏应用层一些。MCP本身逻辑是个电话号码簿，它有各种各样的接口，比如一个复杂的企业软件，有订单、物料、客户供应商、好多信息的接口，接10个还是100个，接的深还是浅，都有区别。

更底层的问题是企业的应用系统建设。在SaaS时代，有个说法是一个硅谷的公司大概会用一百多种SaaS，在每一个细小的环节都用一个，你的业务要跑起来，这些系统资源都要打通，自然而然就形成了生态，中国的情况是所有的厂商恨不得我把客户生意全做完了。

另外一个原因是客户本身的需求也有问题。一种是倾向于用大厂全弄完了，第二个情况是大型公司自己干，造成整个企业数字化的割裂和大厂的垄断，企业和企业之间互相不接触。

主持人：那现在不是正在二次起跑吗？智能体不是企业系统互通的解法吗？

陈果：应用系统之间是不是打通这个问题，跟是不是智能体系并没有直接的关系。智能体只是一种新形态的软件，软件行业、企业的应用环境本来如此，不是因为有智能体就变了。

智能体要有工具、环境，才叫智能体。智能体只是脑子推理说我要去ERP里做个订单、做个账，做账还是做账，做订单还是做订单。智能体是在企业的核心信息系统里跑的，换句话说，智能体是车，ERP是车跑的那个路。你有了大脑后，就像有了车，但没有路，车在哪里开？

企业如果连ERP都没有用好，不可能用智能体的。

主持人：所以您的观点是，在AI智能体这个时代，在中国依然是没有通用的这种协议存在，不会有一个比较通行的标准让A to A进行连接、智能体跟智能体之间调用，server和server之间还是割裂的？我相信吴总肯定不赞同。

吴玮杰：我最近在一个峰会上，他们问了我类似的问题，我当时讲了一句话，可能显得不那么有情商，就是当某一天在座的这群45岁以上CTO都退休的时候，我觉得这个时代会来临。

<img src="https://nimg.ws.126.net/?url=http%3A%2F%2Fdingyue.ws.126.net%2F2025%2F0701%2Fcaefe4f6j00sypyp700gad000rs00fhg.jpg&thumbnail=660×2147483647&quality=80&type=jpg" width="10