從能對話到能賺錢：一場關于Agent商業(yè)化的殘酷坦白局｜ WAIC2026

“三年前和我們一同拿到融資的很多公司，現在已經有不少退出了市場。”Jobright.ai 聯合創(chuàng)始人鄭玉典（Ethan Zheng）在鈦媒體與 WAIC 組委會聯合主辦的「WAIC UP！AI 三極夜話」上，用一句話點出了 AI 創(chuàng)業(yè)市場的殘酷性。

快速涌動的資本和極速變化的AI市場，造就了一個又一個財富神話。OpenAI、Anthropic等用兩三年的時間，“市值”便沖進世界前十，成為頭部AI公司。過去一年，這些大模型公司極速演化，正在演變成Agentic AI公司或企業(yè)服務公司。“快”與“變”的背景下，企業(yè)Agent如何活下來，如何賺到錢，如何實現商業(yè)閉環(huán)，這些最現實的商業(yè)問題中隱藏著AI創(chuàng)業(yè)者最深的焦慮。

市場環(huán)境對企業(yè)Agent的要求也再逐步提高。據Gartner預測，企業(yè)AI預算正受到更嚴格的審查，支出正向能在成本、時延、性能與可靠性方面展現明確商業(yè)價值的供應商傾斜。這表明，企業(yè)采購AI不再是為"炫技"買單，而是必須為“結果”付費。

在 WAIC 當晚這場“Agent 的‘最后一公里’——從能對話到能賺錢”的圓桌討論中，來自中國、美國和新加坡的 AI 創(chuàng)業(yè)者——Jobright.ai 聯合創(chuàng)始人鄭玉典（Ethan Zheng）、Agnes AI 合伙人孫卓（Will）、Cloudsway AI 創(chuàng)始人杜知恒（William）、紅熊 AI 執(zhí)行總裁楊曉煜——圍繞 Agent 商業(yè)化展開討論，共同探尋不同商業(yè)模式下的困惑、機遇與生存法則。這或許不是一場成熟“成功經驗”的分享，但一定呈現了創(chuàng)業(yè)者最切身的市場思考。

7.17 WAIC UP！AI三極夜話 現場照片

困局：“賺錢難”是共識

盡管 Jobright.ai 的年經常性收入（ARR）已超過 700 萬美元，并已實現盈利，正在向 1000 萬美元 ARR 的目標邁進，鄭玉典依然認為：“賺錢難是 AI 創(chuàng)業(yè)的本質問題之一。”

難在哪里？他算了兩筆賬。第一筆是 Token 賬。很多 AI 公司的成本結構中，Token 成本占比超過 20%，有的甚至達到 50%、60%乃至 80%。“如果 Token 成本長期占到收入的 80%，企業(yè)就很難形成自己的產品壁壘，更像是在轉售模型能力。”他認為，OpenAI、Anthropic 等頭部基礎模型公司正在向更廣泛的知識工作和企業(yè)服務場景延伸，過去企業(yè)用于招聘白領員工的一部分預算，未來可能會轉化為 AI 算力、模型調用和軟件服務支出。

第二筆是獲客賬。AI 產品往往希望觸達認知度高、付費能力強的用戶，即 Prosumer 或 Super Consumer。例如愿意為 AI 投資決策工具付費的專業(yè)投資者，或能夠獲得公司報銷的管理者。但這類用戶的獲客成本也很高：“在美國，一些 Vibe Coding 工具獲取一名程序員注冊用戶的成本可能達到數百美元；一個高質量注冊用戶的成本可能達到上千元人民幣。”

他認為，從產品打磨、用戶獲取到最終實現商業(yè)化，需要團隊具備很強的綜合能力。與此同時，像 Manus 這樣擁有較強品牌勢能的公司，可以顯著降低獲客成本：“其他企業(yè)獲取一個用戶可能需要 100 美元，它可能只需要 5 美元。”

“應用難賺錢，用戶忠誠度低，哪里有羊毛薅哪里，付費轉化有問題，marketing投入也越來越難。”Agnes AI 的合伙人孫卓坦言，在應用商業(yè)化碰壁之后，今年團隊已將重心轉向模型與Harness（工具鏈）研發(fā)。核心是將量化做到極致：從模型參數優(yōu)化、硬件適配到場景化訓練，通過自研非傳統(tǒng)Transformer架構、定制化獎勵函數與強化學習算法，實現低成本推理。6月1日Agnes AI上線了API Platform。目前為止，單周的調用量超過5T。文本占60%，多模態(tài)占40%。

孫卓認為，勝負手還是取決于，“模型能力再強，得有人用。Race with top 1%，serve the 99%，價格打下來，大家都用起來，之后會有正向反饋和循環(huán)。”

無論是高昂的Token調用成本，還是驚人的獲客支出，是Agent商業(yè)化的第一重成本鴻溝。將技術優(yōu)勢轉化為可負擔的商業(yè)價值，這是C端AI創(chuàng)業(yè)者必須跨越的死亡之谷。

破局：“懂需求”縫隙求生

盡管共識是“難”，但圓桌中四家企業(yè)都已經利用不同的途徑實現了自己的商業(yè)閉環(huán)。追本溯源，“懂需求”既是他們商業(yè)化的起點也是最終實現閉環(huán)的錨點。

Jobright.ai 是垂直 AI 應用的一個代表案例。隨著 AI 重塑白領就業(yè)市場，崗位需求、技能結構和招聘流程都在快速變化。單次求職雖然具有階段性，但整個求職過程包含職位發(fā)現、簡歷定制、申請?zhí)顚憽韧茖ふ液兔嬖嚋蕚涞却罅扛哳l任務。Jobright.ai 將 AI 深入這些具體工作流，并通過數據持續(xù)優(yōu)化用戶價值、付費轉化和獲客效率。

通用模型難以在短期內覆蓋的垂直場景，也是 Jobright.ai 建立差異化優(yōu)勢的重要空間。

“基礎模型公司專注于算法和通用能力，但垂直領域的復雜流程很難在短時間內被徹底顛覆。”鄭玉典認為，招聘、房地產、法律等行業(yè)的工作流復雜且高度專業(yè)化，通用模型公司很難覆蓋其中的全部業(yè)務細節(jié)，這恰恰為專注垂直領域的創(chuàng)業(yè)公司留下了機會“AI 會率先改變標準化程度較高、重復性較強的工作環(huán)節(jié)，但真正進入復雜的垂直行業(yè)仍然需要時間。只有長期深耕一個領域，積累行業(yè) know-how，理解工作流的每一個細節(jié)，才能建立用戶愿意付費的價值。”

Agnes AI雖然是低成本換市場規(guī)模的路徑，但同樣離不開深切的市場洞察。孫卓認為，“戰(zhàn)略要堅定，但戰(zhàn)術一定要靈活。因為變化太快了。好的模型，高質量的交付結果，肯定有人愿意為此付費。但這部分人不是所有的市場需求。”

觀察到文本模型的Coding需求以及多模態(tài)圖片視頻里的短劇需求，Agnes AI就此發(fā)力。目前，Agnes AI的文本模型已成為國內外頭部模型的“兜底替換”方案，尤其在短劇等多模態(tài)內容生產領域，為成本敏感的用戶提供了高性價比選擇。

“模型故事講完了，下一個敘事是ToB與Harness。”孫卓判斷，作為模型公司，主要方向還是怎么樣把成本打下來。滿足大量場景訴求。

作為Infra玩家，走SLG路線的Cloudsway AI天然就帶著客戶需求導向的基因。頭部模型公司和 AI 應用公司是其主要客戶，前二十大客戶為其貢獻了超一半的收入，連測試都收費，Cloudsway AI從根源上避免了“用虧損換增長”的陷阱。

“商業(yè)化起點永遠是客戶需求。”杜知恒舉例，DeepSeek R1走紅后，微軟停掉了向中國大模型開放的搜索接口，英文搜索引擎市場出現空白，Cloudsway AI順勢推出搜索API。

“我們用三個圈篩選機會：一是看頭部客戶需求，二是看創(chuàng)始團隊有沒有能力稟賦滿足客戶需求，三是看市場 momentum（勢能）。在Telling下，一分努力可能拿十分結果。豬都能飛起來，飛起來過程中能不能活下來，還得靠團隊能力和對客戶需求的把控。”他表示。

“中國客戶愿意付費，但前提是你真的懂他們的需求。”紅熊AI執(zhí)行總裁楊曉煜也在圓桌討論上這樣強調。紅熊AI 2024年成立，2025年營收已達2.5億元，今年6月便突破去年全年水平。

楊曉煜認為To B的核心不是“簡單粗暴砍人頭”，而是“提效增收”。“老板關心的不是省多少人力成本，而是業(yè)務增量與營收增長。”紅熊AI的做法是為每個客戶做業(yè)務剖析，找準真實痛點，再匹配AI工具：針對大型客戶提供私有化部署，滿足個性化需求；針對中小客戶推出輕量化SaaS版本，支持免費試用，按效果付費。

在巨頭林立的夾縫中，AI創(chuàng)業(yè)者必須找到自己的生存法則：深刻理解并滿足特定市場的真實需求。無論是深耕招聘等垂直領域，還是通過極致的成本控制，為價格敏感型市場提供高性價比的模型方案；亦或是敏銳捕捉市場變化，為頭部客戶提供定制化的基礎設施服務。它們的共同點在于，商業(yè)化并非始于技術，而是始于對客戶痛點的精準洞察，并以此構建起難以被輕易復制的商業(yè)閉環(huán)。

抉擇：做深場景還是做廣平臺？

Agent商業(yè)化，到底是做深場景，還是做廣平臺？哪種模式更可持續(xù)？商業(yè)抉擇背后的邏輯依然需要回歸到市場需求。

“做深場景和做廣平臺本身并不沖突。”楊曉煜表示，紅熊AI的使命就是：把人工智能帶入每一家企業(yè)里去。

他認為，從市場化的角度來說，一定是兩條腿走路。深耕某個場景是為了更好地獲得行業(yè)認可和利潤；做廣平臺是為了更好地迭代技術和產品。兩者相輔相成。

他舉例表示，“在實際市場運行中，紅熊AI的營銷獲客產品正是基于市場投流線索量暴增而來的。市場上很多CRM系統(tǒng)不太安全或者可靠，基于我們自己的漏斗模型，自己建了一套CRM系統(tǒng)。通過在零售電商領域里做市場驗證，用戶獲得了好的收益。企業(yè)自身也從工具銷售的邏輯變?yōu)樾Ч顿M的邏輯。”

因此，在楊曉煜看來，兩點并不矛盾，“我們有AI能力，有服務能力，可以向前端獲客視角延伸。企業(yè)需求是動態(tài)變化的，單點突破能為平臺化積累經驗，平臺化又能反哺單點場景的效率。”

杜知恒的三個圈理論同樣適用于此：做深場景是為了驗證需求、打磨產品，做廣平臺是為了復用能力、放大規(guī)模。“去年賣模型，今年賣Harness，明年可能賣完整Agent解決方案。”

杜知恒已經明確感知到：客戶的需求已經從需要大模型本身變成需要 Harness 的套件，需要一套完整可交付結果的產線。中國公司，不管是大模型公司，還是大廠，亦或是傳統(tǒng)產業(yè)公司，對AI的覺醒程度都顯著高于東南亞、日韓等市場，差距非常明顯。即使是傳統(tǒng)行業(yè)的CTO、CIO，對AI產品的理解和需求可能領先新加坡、日韓半年到一年的時間。“去年在中國賣得好的東西和方式，今年在亞洲市場比較容易鋪開。”Cloudsway AI已經開始復制成功模式到其他市場。

鄭玉典認為，路徑選擇還取決于創(chuàng)始團隊的能力結構：“具備大客戶銷售、行業(yè)資源和復雜交付能力的團隊，可以探索平臺型業(yè)務；產品和技術能力更強的團隊，也可以先從 C 端產品或開發(fā)者工具切入，驗證需求并積累能力。”孫卓則強調，“抓住需求，就能找到商業(yè)化切口。”

關于“做深場景”還是“做廣平臺”的戰(zhàn)略抉擇，并非一道非此即彼的單選題。深耕場景是驗證需求、打磨產品、獲取利潤的起點；而拓展平臺則是復用能力、放大規(guī)模、迭代技術的必然路徑，其核心邏輯始終圍繞著如何更高效地交付可落地的業(yè)務結果。

Agent商業(yè)化的終局，屬于懂業(yè)務的長期主義者

這場圓桌討論剝開了Agent商業(yè)化最真實的切面：市場需求急劇變化，更明確的商業(yè)反饋，更落地的業(yè)務結果，已經成為企業(yè)采購AI的核心訴求。先跑出商業(yè)價值的主體，不一定是手握超大模型、充沛資源的巨頭，也可能是長期扎根垂直產業(yè)、深度吃透業(yè)務場景的AI創(chuàng)業(yè)公司。

當全球企業(yè)逐步擺脫單一模型依賴，或自研垂直專用小模型，或基于開源基座通過強化學習搭配大小雙模型適配細分業(yè)務，AI商業(yè)化的底層邏輯已然清晰——能賺錢的AI，從來不是“做出來的”，而是“長出來的”：長在真實的場景里，長在用戶的需求中，長在一群愿意堅持的創(chuàng)業(yè)人手里。（文｜AI Boom Global，整理｜楊秀娟）