Jay 发自 凹非寺 量子位 | 公众号 QbitAI 天下苦SaaS已久。 服务商为居高不下的推理成本头疼，客户诟病交付质量跟「抽卡」一样反复无常…… 进入AI时代，SaaS似乎不再是那颗令人趋之若鹜的明珠。 在此背景下，RaaS （ Result as a Service，按结果付费 ） 被普遍认为是最有潜力的出路。但受制于结果质量难衡 量、用户认知不成熟等阻力，鲜有企业愿意「吃螃蟹」。 如今，深耕企业级AI领域11年的 百融云创 ，选择全仓押注这条全新的AI商业化路径。 企业级AI可以不只是卖铲子 「垂直行业+AI」是一座取之不竭的金矿，相信已成为业内的普遍共识。 无论技术如何发展，企业亘古不变的诉求始终是——如何利用新技术为客户提供更好的服务？ 但现实是，即便有DeepSeek这样的开源模型出现，真能部署私有模型的企业仍是少数。卡该买还得买，开源模型也不 是拿来就能用，依然得根据垂直场景做大量训练。 有需求，自然就有市场。 为弥合AI落地的这「最后一公里」，市面上涌现出一大批「共享单车」：出租模型训练所需的基础设施和工具包，按 Token计费。 然而，即便「铲子」的种类越来越多，企业客户似乎至今也没能 ...

垂直Agent赛道现状 - 国外2B垂直Agent领域已进入商业化阶段，企业通过解决具体业务痛点实现可量化的效率提升或成本节约[1] - 垂直Agent正成为企业的"特种兵"，瞄准高频业务痛点，让企业持续付费[1] - 行业关注如何构建"高价值闭环"场景，挖掘垂直Agent的商业价值[2] 语核科技的产品理念 - 聚焦企业核心业务流程中的核心阻塞点，直接创造营收或大幅降低成本(1/5-1/10)[16][18] - 采用RaaS(Result as a Service)模式，让Agent数字员工背KPI上岗[18] - 从demo玩具转变为生产场景中可控落地的产品是2B垂类Agent落地的关键[7][30] - 未来Agent一定是垂直Agent而非通用型，聚焦特定岗位职能[41][42] 行业选择与客户开发 - 选择中高端制造业作为重点赛道，因其数字化程度高、客户预算充足、转型需求强烈[24][25] - 一个季度建联100+客户，通过深度访谈挖掘核心业务流程痛点[19] - 案例：汽车零配件企业用Agent解决中转仓数据获取和核对问题，提升数据处理时效[21] - 避开医疗和政企等门槛高或现金流风险大的行业[22] 产品开发方法论 - 创始人深度参与每个PoC，亲自调研客户场景获取真实需求[28] - 产品开发需做三层抽象：场景共性、标准化程度、核心竞争力[30] - 交付90%+准确率的可控生产力是关键，避免业务弃用[31] - 与客户共创迭代核心技术能力：复杂文档解析和结构化内容提取[33][34] 客户选择与战略定力 - 拒绝KPI驱动型项目，专注业务价值显性的场景[39] - 通过项目迭代产品内核和PMF，而非追求短期营收[40] - 建立"端到端"Agent数字员工，未来靠垂直Agent数量取胜[44] 客户实践案例 - 华宝国际在研发、销售、运营环节部署Agent，实现定制化香精开发等应用[50] - 上海马勒热部署28个智能体，提升研发生产效率和销售预测准确性[51] - 制造业优先选择非保密信息场景，如专利和知识库应用[56] 行业趋势与SaaS对比 - 未来企业将分为深度整合AI的企业和被淘汰的企业[51] - Agent与SaaS的本质区别：前者是能独立思考的"员工"，后者是工具模块[54] - 制造业数字化和AI冲击显著，核心是"增效"而非单纯降本[52] 供应商选择标准 - 需真正理解业务场景，具备行业经验，团队稳定[61] - 优先选择创业公司而非巨头，因其更专注垂直领域[62] - 平台集成性是企业快速落地的关键因素[60]