對話瀾碼科技創始人周健：AI Agent和SaaS是相輔相成的_風聞

做好Agent，重要的事情是定義好，包括希望 Agent 所在的環境，能夠關注到哪些內容，並且它能夠對什麼樣的目標負責等等。在業務需要更新的過程中，能夠自動獲取到這個更新，能改變它的行為，去適應它的行為。有智能性、主動性，而非被動。 

作者|皮爺 

出品|產業家 

開年以來，大模型賽道的一舉一動都在成為備受關注的話題。

從 Sora 的發佈，Grok 的開源，從多模態的深化到計算存儲的新範式等等，大模型在改變着一切，影響着一切。

其中，一個話題備受關注，那就是 AI Agent。即在大模型被定義的應用元年裏，AI Agent 是當之無愧的討論焦點，在業務流程裏，在生產場景裏，在企業服務裏，它都在成為人們看見大模型和應用大模型的最小觸點。

但在關注之外，更多的問題也恰在浮現，什麼才是真正的 AI Agent？它是如何從大模型中誕生的？以及 AI Agent 的應用場景到底包含哪些？它能做的事情又有哪些？

此外，在 AI Agent 之中，也更被人討論和關注的話題是，在 AI Agent 時代，新的軟件開發範式應該是怎樣的？它的出現對現代軟件有什麼影響？對於 SaaS、企業服務，AI Agent 的定位是重構還是增量？

在4月11日的《產業AI會客廳》第一期，我們邀請到了瀾碼科技創始人兼CEO周健，一起來聊聊關於 AI Agent 的一切。

人物介紹：周健，2006 年加入谷歌美國總部，此後歷任阿里雲、MediaV、依圖科技、弘璣 RPA 等公司研發總監、CTO 等，如今創辦的瀾碼科技主要面向的正是 AI Agent 領域。

以下為對話摘要（經整理發佈，完整版可看視頻回放）：

產業家 皮爺：現在國內對 Agent 這個事情大家沒有很明確的定義，到底什麼才是 Agent？或者説在真正的業務裏面它到底是怎麼發揮作用的？

瀾碼科技 周健：Agent 能夠代表你，能夠跟環境進行互動、決策、適應環境，能夠去成長、進化。

實際上，在 ToB 的環境中很重要的一個事情其實是組織。像當年我們在做 RPA 的時候，可能因為它的智能程度不夠，所以在 RPA 時候它的那個環境更像是員工的這個筆記本電腦。

我覺得現在在業務上面要做好這個 Agent，**其實很重要的事情是定義好，包括我們希望這個 Agent 所在的環境，這個 Agent 能夠關注到哪些內容，並且它能夠對什麼樣的目標負責等等。**按照我們的叫法他其實需要知道這個流程是什麼樣子的。在業務需要更新的過程中，它能夠自動獲取到這個更新，就能改變它的行為，去適應它的行為。有智能性、主動性，而非被動。

產業家 皮爺：可以理解為，它比 Copilot 要更高一級別，Agent 其實還有進化的成分，比如説自我訓練。我想了解一下現在目前 Agent 的這些東西，就是咱們在基座大模式的上層我們又做了一層，是流程的封裝嗎？

瀾碼科技 周健：是的。我其實一直在強調的一個觀點叫做**專家知識的數字化。我們期待的就是 Agent 其實是要理解這個領域，這個領域包括了企業本身的業務流程的一些要求，**以及這個領域裏一些專家的知識，輔助這個 Agent 去進化、增強。

現在我覺得還是隻能是靠專家去閉環，**未來我覺得可能甚至可以再用這些數據進行微調小模型，**或者去訓練一些機器學習的一些模型。

產業家 皮爺：很多專家知識的這些應用，這個**應用的環節是在預訓練的時候，還是説是在微調的時候，還是説在什麼環節是咱們做的訓練嗎？**還是説企業那邊我們教給他們一個方法，還是説讓他們自己內部用了相關的知識庫，或者用 RAG 的方式把它最終做成這樣一個東西。

瀾碼科技 周健：第一遍一般都是會用 GPT 4 去做驗證，確保端到端這個場景確實是能跑通的。可能我們應該會問客户場景當中需求是什麼樣子的。比如問題集，比如他會給我們所有的政策文件，比如數據庫表的定義等等。

企業會給我們很多系統的 API，希望我們能夠去嘗試，最後我們會再通過技術的實現，把這些知識從我們的數據庫裏邊把它給檢索出來，並且按照專家提前制定好的這些模板，然後把它給輸出來。

產業家 皮爺：我們都是在公有云上給他去做這個事情嗎？

瀾碼科技 周健：像央國企的話都得私有化部署。如果是零售或者其他的一些，有可能公有云。

產業家 皮爺：我們提供的這個產品，是一個什麼樣的方式呢？產品還是解決方案？

瀾碼科技 周健：我們自己垂直縱向做了十幾個應用，在我們自己的平台上其實已經沉澱了很多的重點的功能，比如説知識問答，比如説指標查詢，比如説任務完成。因為我們第一天就在説我們要做業務流程，而且其實是過去，其實已經有大量的沉澱，知道説 RPA 其實在做自動化的時候，哪些事情是做不了。

現在**這些 Agent 的場景一方面客户意願高，一方面實際上它的價值是比較容易能夠去被衡量的，**所以我們實際上也是在我們的平台上沉澱了大量跟公司財務或者説金融相關的這些知識模塊、一些指標。

但我們現在沒有做到開箱即用，就大模型落地的最後一公里，我覺得我們走完了 900 米，最後 100 米可能還需要企業的工程師自己來做。

產業家 皮爺：最近有人會提“RPA +AI”的事情，在 AI 時代，我們應該怎麼去理解 RPA 呢？或者説它是不是已經不能完全稱之為是 RPA 的東西？

瀾碼科技 周健：RPA 的價值點在於説我能夠打通不同的系統，就像我們過去，不管是説，比如説網上銀行對賬等等，那他們基本上做到的事情還是説在設計流程當中的一個自動化，要麼就是生成流程，要麼就是在連接應用上面去處理，那麼他們基本上沒有進入到去理解文檔這個事情。

今天其實這波最大的紅利是我們這個AI可以理解我處理的文檔了，需要對我們所面對的問題進行語言建模，我們這今天其實自然語言，比 CV （視覺識別）更難。

比如，13B 的模型它能處理的文檔有些什麼屬性？這個問題一定要去解，就是必須要去認真的抽象的去思考，我們**現在或者説去評價現有的這些模型，它的在文本，在語言上面的，它的能力的邊界在哪裏？**它是不清晰的。

產業家 皮爺：同規模或者是不同大小的小模型，其實它現在並沒有被定義能做哪些事情，或者能不能做，比如目前介紹裏面更多也是偏向於簡單的 Copilot 這些相關東西。這個事情企業在做相關那個訓練的時候，自己不會感知到嗎？或者誰來説明？

瀾碼科技 周健：今天其實很多企業在發佈模型的時候，其實並沒有一個特別好的一個標準，所以現狀確實是，**大模型公司今天對於他們發佈、售賣的模型，實際產品的描述不到位。**本質上也是説整個生態其實沒有到位，那我們自己是對於不同參數的，包括不同公司的模型在什麼場景下，至少在我們的適用的這些場景之下能發揮怎樣的作用，我們是有判斷的。但客户是不知曉的。

產業家 皮爺：這個難點在哪呢？是不是因為他們自己沒有衡量好場景？還是説是因為基座廠商覺得就是這樣的規模化，比如説就像 SaaS 產品一樣，推出幾個規模化的版本，對企業而言邊際成本低，規模效應更強？

瀾碼科技 周健：我覺得還是他們今天對於場景理解不深，那我聽到很多的説法是大模型公司覺得現在沒有場景，但是其實從我的視角看起來到處都是場景。

就是我在某個大行裏邊，我們在幫他們去做智能客服的時候，發現其實某個有很多客服數據的大廠，實際上它的模型在 33B 的這個級別要比很多大廠更大參數的模型效果更好。

本質還是訓練語料的問題，它有大量優質的語料來訓練。現在市面上其實除了代碼生成模型以外，其他的小級別的模型現在都沒有被定義出來，應該怎麼收費，包括怎麼訓練、微調等等，都沒有明確的標準。

產業家 皮爺：咱們瀾碼期待怎麼樣的 AI 大模型的生態，這些基座廠商應做到哪種程度？他們要做的是哪件事情，然後把哪些事情交給咱們？或者説他們生態想搞成什麼樣子，咱們才更樂於去接受、樂於去進入。

瀾碼科技 周健：一個很大的問題在於，他們發佈出來的模型，對於數據集其實是封閉的，雖然模型是開源的，但無法法確切瞭解其訓練過程中所依賴的具體數據。

那麼這些商業化場景當中的這些數據，**比如化學、鋼材、汽車領域，這些特定領域的文檔如何能夠開放出來？**如何訓練出來這樣一個模型？

OpenAI 其實定義了一些語料標準和訓練方法，**中國基座廠商也應該有一些這樣的定義或者微調能力，一起幫助客户解決問題，**這樣才能共贏。但現在大模型公司好像並不太會開放，不願意跟我們這樣的應用或者説中間層的廠商合作。

產業家 皮爺：您提到這個專業的數據集，我理解在國內是不是因為中國的很多企業的數字化，它其實沒有到那個程度，很多行業導致它其實一部分的數據集沒有出現？那就現在而言，我覺得是不是很多行業它沒有辦法產出這種很專業的數據集？

瀾碼科技 周健：在美國，整個軟件的發展是一波一波進行的。首先是信息化，其次是互聯網化，再次是移動互聯網，最後是 AI，那麼中國實際上是“四浪疊加”，不夠標準化。

產業家 皮爺：目前，Agent 率先會在哪些方向落地？像軟件側的，ERP、CRM 這些，它可能相對而言在企業在過去多少年裏經過過比較大場景的訓練，很多流程是比較成熟的，咱們 Agent 企業會率先落地這些嗎？

瀾碼科技 周健：實際上，現在我們**反而不會去在一些成熟的流程裏邊去做，**比如智能客服。目前Agent一定是要去增收，那增收或者説合規。我為什麼説在普惠金融落地，因為普惠金融它本身實際是客户經理他不願意做，而且之前的質量不夠高，單人成本太高。

現在 AI Agent 的個性化定製成本是低的。**通過自然語言甚至有些時候都能夠把這個代碼生成出來，然後改變掉業務的流程，**並且回收數據，這其實很特別的。

產業家 皮爺：這個很有意思。像 SaaS 的話軟件它可能固化的，做定製化大家都很難去做，這種項目很重，大家虧錢。但是到反正這種大模型時代，就是 Agent 可能具備這種自我進化或者智能的能力，反而做定製化的這種新的嘗試會更容易一點。

瀾碼科技 周健：大家現在其實已經達成共識了，就代碼生成在模型能夠提高 30% 的效率，我覺得未來這個生產力的提升會進一步的加劇，那麼很明顯的一個趨勢就是個性化定製。

產業家 皮爺：到後面 Agent 相互協作這個階段，目前就是您覺得這個進程是怎麼樣的？或者説現在的這些卡點在哪裏？以及，未來專業的 Agent 是不是會在 SaaS 的核心環節，比如 ERP、CRM 這些裏面率先產生？

瀾碼科技 周健：首先第一個，今天其實最重要的卡點還是大模型，還是基座大模型的能力，那其實去年我們在 GPT 4 上面已經看到了它的能力，但是在私有化部署成本太高。GPT 5 能夠私有化部署，但以智譜的最優模型來看，整個項目所需要的顯卡，一套可能就要幾千萬。

其次，對SaaS企業而言，就拿 HR 舉例，它是記錄花名冊的，那像我們新的Agent的企業，我們也沒有必要把它去給替換掉，我們做這個東西沒有意義，我們應該更多的是做連接，做個人的助手，把不同的系統最好能夠連起來。所以 SaaS 企業應該有這個生態位，我覺得他們應該也會自己去做自己的系統。

產業家 皮爺：未來 SaaS 軟件和 Agent 結合的方式，是一起可能為客户會提供這樣一個定製化的方案，降低成本。現在關於專業數據集的構建，現在有什麼好方法嗎？

瀾碼科技 周健：大企業一定會領先，很多知識和數據在大企業裏一定是分門別類整理好的，但是不是能達成共識，這個需要推動。標準其實是一直是軟件行業裏面的難點，這是很難的一件事情。

產業家 皮爺：未來對於一家公司來説，或者對於一些大型產業公司，它從底層到上層，大概會是一個什麼樣的形態？

瀾碼科技 周健：會有三層。首先第一個維度是説從用户的視角去看，一層是説你的用户人機界面，一定會只有幾個它常用的，比如釘釘飛書企業微信等。

後面的其實今天的相當於是一個編排層，也叫路由曾，就是它會需要把就是前面的那一層的交互或者個人的一些偏好、喜好能夠記錄下來，向底層資源層傳遞。

最後再底層就是算法層、存儲層，這個企業不同情況不同，有的需要企業大腦，有的規模比較小的可能就不太需要。

產業家 皮爺：世界模型，在Agent側有什麼價值？

瀾碼科技 周健：現在要好Agent，**一定要有建模能力。**我自己覺得説可能世界模型有點大，但我覺得組織模型相對準確，可以幫助我們能夠做到更好。

產業家 皮爺：我理解，需要更全局視角、可能更偏底層規律的這樣一個東西，而不是説是像單純的現在一個大家剛才提的是規模法則，大力出奇跡，做到一定程度之後再怎麼樣。

您覺得現在市面上的 AI應用什麼樣的才是真正有價值的？或者説是它大概是經過一個怎麼樣的訓練方式，或者説是怎麼樣的一個表達，它是能夠真正在產業領發揮價值。

瀾碼科技 周健：大模型不是一個商品，是一個產品。它是需要有上層的專家知識的，讓專家的這個能力能夠幫到我們沒有這個專家知識的這些初級、中級的員工。

我覺得其實 AI 應用很重要的一件事情是它必須需要能夠去適應人，過去一年多我對這件事是比較失望的，或者説我本來覺得其實大家一開始就已經達成共識了，就是所謂的人機交互的界面會被革命性的重塑，但現在並沒有，仍然還是之前的輸入框的形態。

未來的挑戰還是應該去想怎麼樣能夠讓機器跟人去配合，以及新的人機協同、人機融合的關係是怎樣的，在交互等等各方面有所突破，我覺得這樣的 AI 應用才有更大的價值。