左：Morketing Group創(chuàng)始人&CEO 曾巧；右：深演智能創(chuàng)始人&CEO 黃曉南

文 | Harper

“行業(yè)里慢慢有了個(gè)共識(shí)：大模型的戰(zhàn)爭(zhēng)基本結(jié)束了，接下來，智能體才是企業(yè)真正創(chuàng)造效益、打造自己核心競(jìng)爭(zhēng)力的核心抓手。”

這句話的分量，來自一種更現(xiàn)實(shí)的判斷：當(dāng)大模型越來越像“基礎(chǔ)設(shè)施”，企業(yè)真正掏錢、真正驗(yàn)收、真正要落到業(yè)務(wù)結(jié)果的，往往不在“你用的是哪家模型”，而在“你能不能把概率性的回答，變成確定性的動(dòng)作”。這一點(diǎn)同樣被寫進(jìn)了深演智能對(duì)“最后一公里”的描述：企業(yè)要的是“穩(wěn)定、可靠、能嵌進(jìn)工作流、能被驗(yàn)證”的結(jié)果，不是更熱鬧的Demo。

近期，深演智能創(chuàng)始人兼CEO黃曉南與Morketing創(chuàng)始人兼CEO曾巧進(jìn)行了一場(chǎng)關(guān)于All in AI Agent對(duì)話。問題追得很“甲方”：要不要All in？大模型競(jìng)爭(zhēng)到底“結(jié)束”在哪一層？什么叫好用、什么叫管用？KPI誰(shuí)負(fù)責(zé)？企業(yè)自己“手搓智能體”行不行？出了錯(cuò)誰(shuí)背鍋？

針對(duì)以上問題，黃曉南給出的主線很清晰：企業(yè)級(jí)智能體想跑通，先別急著神化AI——先把韁繩、工作流、數(shù)據(jù)保真、人的決策權(quán)這四件事，真正落到產(chǎn)品機(jī)制里。

為什么要All in AI Agent？

曾巧：兩年前您就說要All in AI Agent，如今產(chǎn)品已經(jīng)迭代到DeepAgent3.0版本了?；仡^看，當(dāng)時(shí)為什么篤定押注企業(yè)級(jí)AIAgent？

黃曉南：2022年底大模型開始出現(xiàn)，之后一年半我們沒有盲目行動(dòng)，而是一直研究：這個(gè)技術(shù)對(duì)我們、對(duì)客戶到底意味著什么。到2024年明確提出All in AI，其實(shí)是垂直聚焦企業(yè)級(jí)服務(wù)的智能體領(lǐng)域，主要兩個(gè)原因。

第一，我們肯定大模型是劃時(shí)代的技術(shù)，但也發(fā)現(xiàn)它在企業(yè)級(jí)場(chǎng)景里會(huì)暴露很多問題和局限，我們覺得找到了發(fā)展的突破口。

第二，我們有長(zhǎng)期積淀。公司成立至今17年，當(dāng)時(shí)已經(jīng)有15年行業(yè)經(jīng)驗(yàn)，對(duì)企業(yè)營(yíng)銷、銷售、電商、運(yùn)營(yíng)等環(huán)節(jié)的痛點(diǎn)理解很深入。以前總覺得解決這些痛點(diǎn)的方法不夠完善，但大模型出現(xiàn)，讓我們?cè)诮鉀Q企業(yè)業(yè)務(wù)問題上實(shí)現(xiàn)了質(zhì)的飛躍。

曾巧：你提到行業(yè)形成共識(shí)，大模型的競(jìng)爭(zhēng)基本結(jié)束，接下來智能體才是企業(yè)創(chuàng)造核心價(jià)值的關(guān)鍵抓手。這里的“結(jié)束”到底指哪一層？你們把自己放在產(chǎn)業(yè)鏈?zhǔn)裁次恢茫?/strong>

黃曉南：“結(jié)束”不是說大模型不重要，而是說真正能參與到底層競(jìng)爭(zhēng)的玩家，格局已經(jīng)基本確定。底層競(jìng)爭(zhēng)需要算力、頂尖技術(shù)團(tuán)隊(duì)、數(shù)據(jù)研發(fā)能力，這些是大廠優(yōu)勢(shì)。海外一開始大家關(guān)注OpenAI，后來谷歌實(shí)現(xiàn)翻盤；國(guó)內(nèi)也類似，最終還是頭部大廠成為主力。

深演要做的是AI應(yīng)用層，而且定位明確：企業(yè)級(jí)AI，聚焦?fàn)I銷、銷售、運(yùn)營(yíng)這些離資金、生意、用戶最近、最能帶來明確價(jià)值回報(bào)的場(chǎng)景。簡(jiǎn)單說，除了供應(yīng)鏈、后端生產(chǎn)，其余更貼近增長(zhǎng)的一段，是我們的主要戰(zhàn)場(chǎng)。

AI Agent的現(xiàn)狀與企業(yè)價(jià)值

曾巧：你們說要做“中國(guó)好用又實(shí)用的企業(yè)級(jí)智能體”。把這話翻譯成大白話，什么叫“好用”？更快更省，還是能跑通全流程、對(duì)KPI負(fù)責(zé)？

黃曉南：我們內(nèi)部先看“管不管用”，再談“好不好用”，這不是一個(gè)層面。

先說“管用”，同一個(gè)問題十次里有一次回答錯(cuò)，大家就不會(huì)再用；或者任務(wù)完成度不夠——讓它做五件事只做了三件，也是不管用。企業(yè)服務(wù)里更關(guān)鍵：先把客戶要解決的問題邊界、規(guī)模定義清楚。定義太大AI做不了；定義太小又沒價(jià)值——人工兩分鐘做完，AI只省半分鐘，這種優(yōu)化意義不大。

“好用”則是把門檻降下來。比如AI消費(fèi)者調(diào)研產(chǎn)品，持續(xù)迭代后，用戶只要用日常對(duì)話方式提出需求，就能得到一份完整調(diào)研結(jié)果，降低了專業(yè)操作門檻。“管用是基礎(chǔ)，好用是升級(jí)?！?/strong>

曾巧：好用、管用之后，大家更關(guān)心KPI。你怎么看“AI對(duì)結(jié)果負(fù)責(zé)”？

黃曉南：當(dāng)我們說AI對(duì)結(jié)果負(fù)責(zé)，并不是說AI要對(duì)企業(yè)最終極的KPI負(fù)責(zé)。企業(yè)終極KPI需要先拆解成具體、可落地的問題，這一步還是要企業(yè)自己完成。在拆解出明確細(xì)分KPI后，我們能對(duì)效果提升做承諾。

舉例，比如幫助導(dǎo)購(gòu)、內(nèi)部銷售寫搜索類營(yíng)銷文章，考核指標(biāo)就是閱讀量、點(diǎn)擊率、留資有效性?？蛻粲昧艘院?，這些指標(biāo)比不用AI時(shí)提升5倍——這種拆解后的KPI，是他們?cè)敢庳?fù)責(zé)的范圍。

深演智能創(chuàng)始人&CEO 黃曉南

曾巧：你之前總結(jié)過企業(yè)級(jí)智能體落地的四個(gè)難點(diǎn)“穩(wěn)定可靠、業(yè)務(wù)知識(shí)深度融合、上下文記憶、多智能體協(xié)同”。難在哪？哪個(gè)優(yōu)先級(jí)最高？

黃曉南：最先卡住的一般是穩(wěn)定可靠。大模型同一個(gè)問題每次答案可能不一樣，這種不確定性在企業(yè)應(yīng)用里不能接受。我們要通過輸入業(yè)務(wù)信息、搭建標(biāo)準(zhǔn)化工作流和思考框架，讓結(jié)果穩(wěn)定、可復(fù)用，這是落地基礎(chǔ)。

業(yè)務(wù)知識(shí)融合也很關(guān)鍵。大模型像剛畢業(yè)的博士生，看似無所不知，但對(duì)企業(yè)營(yíng)銷實(shí)操一無所知，必須像培訓(xùn)員工一樣，用行業(yè)里最頂尖的專家知識(shí)去訓(xùn)練它；很多時(shí)候還要和客戶共建專屬知識(shí)，比如行業(yè)最優(yōu)話術(shù)、企業(yè)自己的標(biāo)準(zhǔn)框架。

上下文記憶則對(duì)應(yīng)企業(yè)連續(xù)流程：一項(xiàng)工作往往要分多步完成，做到最后一步忘了前面要求就沒法用，所以要讓智能體具備連續(xù)、長(zhǎng)期記憶。

多智能體協(xié)同，是因?yàn)槠髽I(yè)工作本身由多個(gè)子任務(wù)組成。人工智能領(lǐng)域的國(guó)際頂尖學(xué)者李飛飛也說過，AI擅長(zhǎng)單個(gè)具體Task，但企業(yè)工作不是單Task。要讓輸出穩(wěn)定、精準(zhǔn)，就要把大任務(wù)拆成多個(gè)子任務(wù)，由多個(gè)智能體聯(lián)動(dòng)完成。

曾巧：你預(yù)判2026年企業(yè)級(jí)智能體三個(gè)關(guān)鍵詞：任務(wù)完成度、多智能體協(xié)同、白盒化。這三個(gè)詞背后，企業(yè)真正想買的“結(jié)果”到底是什么？

黃曉南：把“任務(wù)完成度”落到一條更接近業(yè)務(wù)結(jié)果的鏈路里。企業(yè)不會(huì)只為單點(diǎn)工具買單。就拿“打標(biāo)簽”來說，單點(diǎn)能力能提效，但企業(yè)未必買；如果進(jìn)一步結(jié)合商品知識(shí)、購(gòu)買行為，給出個(gè)性化跟進(jìn)策略，再把策略落到溝通話術(shù)里，形成從“識(shí)別—策略—溝通”一條鏈，企業(yè)才愿意為這個(gè)結(jié)果付費(fèi)。這里往往會(huì)用到企業(yè)微信（企微）這類日常溝通場(chǎng)景，把建議直接放進(jìn)一線的動(dòng)作里。

“白盒化”則是企業(yè)敢用的底線：決策邏輯、數(shù)據(jù)依據(jù)要可驗(yàn)證、可解釋，而不是黑箱。比如用戶運(yùn)營(yíng)旅程，他們不會(huì)讓AI直接根據(jù)“提高復(fù)購(gòu)”做全盤決策，而是把生成過程拆解成三步：

• 先用AI梳理企業(yè)歷史旅程里的人群、內(nèi)容、發(fā)送節(jié)點(diǎn)，找出最優(yōu)運(yùn)營(yíng)因子；

• 再用小模型做更精準(zhǔn)的預(yù)測(cè)，讓大模型去調(diào)取結(jié)果；

• 最后再把人群、內(nèi)容、時(shí)間節(jié)點(diǎn)做精準(zhǔn)匹配、組裝成旅程。

拆開后，每一步都能被驗(yàn)證、被復(fù)盤，企業(yè)才敢把它放進(jìn)高風(fēng)險(xiǎn)的運(yùn)營(yíng)鏈路。智能體的價(jià)值說得更像一張采購(gòu)清單：要能跑完整鏈路，要能解釋每一步。

All in AI Agent，

企業(yè)到底怎么落地？

曾巧：你提出2026年企業(yè)做智能體四個(gè)關(guān)鍵點(diǎn)：套韁繩、嵌工作流、保數(shù)據(jù)保真、人掌決策舵。它們分別在糾正哪些誤區(qū)？

黃曉南：核心針對(duì)兩大問題：一是把AI神化，過度夸大智能體能力；二是忽視數(shù)據(jù)真實(shí)性。

有些公司會(huì)跟客戶說AI已經(jīng)無所不能，讓客戶凡事交給AI，這其實(shí)是把AI神化。就算是在編程領(lǐng)域，資深工程師也需要最后把關(guān)；企業(yè)級(jí)智能體更是，目前我們的智能體還都處于L2到L3的水平，離完全自主決策的L4很遠(yuǎn)。智能體永遠(yuǎn)只做輔助決策，最終決策掌控權(quán)一定在人手里。

另一個(gè)誤區(qū)是數(shù)據(jù)不保真。智能體不可靠，核心就是幻覺。企業(yè)級(jí)決策容不得虛假數(shù)據(jù)，所以“保數(shù)據(jù)保真”是一條生命線。

曾巧：如果智能體輸出出錯(cuò)、決策偏差造成損失，誰(shuí)來背鍋？你們有沒有把“可追責(zé)”的邏輯寫進(jìn)機(jī)制？

黃曉南：這又回到“人掌決策舵”。就像開L2級(jí)別自動(dòng)駕駛，駕駛員必須盯著路、手放方向盤?，F(xiàn)在不管大模型還是智能體，幻覺率都很高，這意味著使用AI的人所需要的專業(yè)能力不是變低，而是更高。

我們要把“可追責(zé)”落在“流程設(shè)計(jì)”上：讓AI做全流程支撐和推導(dǎo)，讓人只做核心輸入和選擇，減少中間無效干預(yù)。需求表達(dá)越清晰，結(jié)果越接近；信息缺失越多，偏差越大。

曾巧：你們?cè)趺炊x“數(shù)據(jù)保真”？怎么減少幻覺？又怎么用數(shù)據(jù)支撐企業(yè)的驗(yàn)收？

黃曉南：數(shù)據(jù)保真就是讓智能體所有決策和輸出基于確定、真實(shí)、可溯源的數(shù)據(jù)，而不是憑空生成。我們主要兩方面做：第一依托企業(yè)一方數(shù)據(jù)，比如CDP這類經(jīng)過業(yè)務(wù)驗(yàn)證的“單一真實(shí)來源”；第二幫企業(yè)搭建專屬品牌知識(shí)庫(kù)，把業(yè)務(wù)知識(shí)、產(chǎn)品信息、客戶資料沉淀下來。

用一個(gè)更刺激的例子解釋“為什么一定要保真”：之前我讓大模型搜一份去越南的攻略，它給出了很多看似完整的內(nèi)容，有博主名字、閱讀量、文章標(biāo)題，結(jié)果這些文章全是它編的。個(gè)人用AI還能“將就”，企業(yè)決策里這就是災(zāi)難。

所以我們還會(huì)用合規(guī)三方數(shù)據(jù)補(bǔ)充。深演智能深耕多年數(shù)字營(yíng)銷，連接了大量數(shù)據(jù)生態(tài)，知道哪些數(shù)據(jù)適配哪些場(chǎng)景、哪些真實(shí)有效。比如做小紅書的營(yíng)銷策略，用大模型憑空生成容易“編”；但基于官方真實(shí)數(shù)據(jù)就更貼合實(shí)際。

曾巧：說到“值不值”，甲方更現(xiàn)實(shí)：不會(huì)只看概念，更關(guān)心投入能不能驗(yàn)收。能不能拿一個(gè)具體場(chǎng)景講講，怎么提效、怎么對(duì)比、怎么落到“能驗(yàn)收”的結(jié)果？

黃曉南：我就用“AI消費(fèi)者調(diào)研產(chǎn)品”舉例。很多客戶會(huì)把過去線下做的同款調(diào)研搬過來：過去一次調(diào)研可能要花幾十萬，現(xiàn)在只需要幾百塊；過去完成調(diào)研要1–2個(gè)月，現(xiàn)在用AI只需要10–40分鐘，而且兩種方式得出的結(jié)果基本一致，能支撐品牌決策。

比如新品包裝測(cè)試，傳統(tǒng)做法要在全國(guó)找?guī)浊€(gè)不同城市、不同畫像的消費(fèi)者做線下調(diào)研，流程很繁瑣。在AI消費(fèi)者系統(tǒng)里，我們模擬出貼合中國(guó)10億用戶的AI消費(fèi)者畫像體系，每個(gè)畫像都有精準(zhǔn)標(biāo)簽，品牌在日常協(xié)作工具里操作，差不多半小時(shí)就能完成一次復(fù)雜測(cè)試。有客戶用它選出的最優(yōu)包裝，和線下真實(shí)消費(fèi)者調(diào)研結(jié)果完全一樣——這類對(duì)照，本身就是最直觀的驗(yàn)收。

它還緩解了傳統(tǒng)定性調(diào)研的“失真”：線下訪談容易被引導(dǎo)，消費(fèi)者也可能因?yàn)槟谜{(diào)研費(fèi)而刻意討好品牌；而AI消費(fèi)者在規(guī)則約束下會(huì)更客觀地反饋真實(shí)想法，還能用對(duì)話的方式做產(chǎn)品創(chuàng)新探討，規(guī)模也沒有限制，可以模擬海量不同畫像。

曾巧：很多公司讓員工“手搓智能體”先提升個(gè)人效率。您曾說過“個(gè)人沒問題，但要對(duì)組織負(fù)責(zé)就是另一回事”。具體差異在哪？

黃曉南：個(gè)人層面的通用智能體，像個(gè)人助理，門檻相對(duì)低；企業(yè)級(jí)垂直智能體的差異在范圍和深度。企業(yè)級(jí)背后要有大量?jī)?yōu)質(zhì)數(shù)據(jù)、工程代碼、行業(yè)專家知識(shí)和know-how、系統(tǒng)對(duì)接接口，還要做模型微調(diào)、RAG知識(shí)庫(kù)等。個(gè)人手搓可能只是給“博士生”看了PPT；企業(yè)級(jí)要用系統(tǒng)方式培訓(xùn)它，讓它具備真正業(yè)務(wù)能力，并滿足可靠、多智能體協(xié)同、長(zhǎng)期記憶、管用又好用等要求。

曾巧：如何產(chǎn)品化和交付？

Morketing Group創(chuàng)始人&CEO 曾巧

黃曉南：先講產(chǎn)品化，再講交付。

產(chǎn)品化上，DeepAgent的迭代節(jié)奏很清晰：2025年2月1.0、6月2.0 Pro，基本半年一迭代。3.0的核心是把“任務(wù)能力推到極致”，讓智能體完成接近業(yè)務(wù)結(jié)果的完整任務(wù)；其次是全鏈路多智能體協(xié)同，每一個(gè)智能體底層都由子智能體組成，服務(wù)客戶時(shí)還會(huì)和整個(gè)智能體系聯(lián)動(dòng)；同時(shí)還具備持續(xù)迭代底層能力，不斷評(píng)測(cè)，“哪個(gè)模型效果好就快速切換”，不綁定任何大模型。

DeepAgent 3.0的智能體數(shù)量比2.0翻了一倍，并且與國(guó)內(nèi)近200家頭部客戶共建，讓智能體從真實(shí)痛點(diǎn)里打磨出來。

交付上，則是“70%通用能力+30%客戶共創(chuàng)”。

曾巧：“70%通用能力+30%客戶共創(chuàng)”怎么理解？

黃曉南：先糾正一個(gè)誤區(qū)，不是70%的通用能力，而是70%靠我們自身能力就能落地：行業(yè)專家、技術(shù)團(tuán)隊(duì)、十幾年?duì)I銷know-how和AI技術(shù)，把智能體核心框架、基礎(chǔ)能力搭好。剩下30%需要和客戶共創(chuàng)，因?yàn)槊總€(gè)企業(yè)都有自己獨(dú)有的業(yè)務(wù)邏輯、工作框架、行業(yè)分析思路，這部分必須融進(jìn)去，智能體才真正適配。

曾巧：用智能體服務(wù)好中大型企業(yè)，需要滿足哪些核心條件？

黃曉南：主要有三點(diǎn)：

第一，AI時(shí)代能勝出的還是行業(yè)老兵。所有的智能體落地，都基于我們對(duì)企業(yè)數(shù)據(jù)的理解、服務(wù)中大型企業(yè)的成熟邏輯和完整服務(wù)體系。

比如有些客戶要求智能體對(duì)接指定的大模型，并非標(biāo)準(zhǔn)化SaaS方案，這就需要有多年企業(yè)服務(wù)的沉淀；而且現(xiàn)在見客戶都是直接演示AI產(chǎn)品，不再靠PPT講概念，這就讓行業(yè)的準(zhǔn)入門檻變得很高。

第二，必須有業(yè)務(wù)專家、數(shù)據(jù)科學(xué)家、工程師組成的“鐵三角”團(tuán)隊(duì)，缺一不可。過去做軟件是需求分析、寫PRD、研發(fā)、測(cè)試的流水線模式，只要按流程走就能做出產(chǎn)品；但做企業(yè)級(jí)AI智能體，必須這三類角色緊密配合，圍繞客戶需求快速打磨、反復(fù)迭代。

我們幾乎所有智能體都要迭代到第十版，才能達(dá)到“管用又好用”的標(biāo)準(zhǔn)，第一版甚至前幾版基本都無法落地，而且迭代過程中還要不斷解決實(shí)際問題，這個(gè)過程非常耗時(shí)，也極其考驗(yàn)團(tuán)隊(duì)的綜合能力。

第三，對(duì)數(shù)據(jù)生態(tài)、企業(yè)數(shù)據(jù)有深度理解，同時(shí)有成熟的生態(tài)合作伙伴。比如我們的VOC用戶洞察產(chǎn)品，需要清楚各類數(shù)據(jù)的獲取渠道、適配的獲取方式，還要和電商、平臺(tái)、數(shù)據(jù)服務(wù)商等生態(tài)伙伴合作。沒有這些長(zhǎng)期積累，想讓智能體真正落地到企業(yè)的業(yè)務(wù)場(chǎng)景里，根本不可能。

曾巧：我知道過去一年你們已經(jīng)服務(wù)了數(shù)十家中大型企業(yè)落地企業(yè)級(jí)智能體，哪些案例算行業(yè)代表性？什么樣的案例才算“方向?qū)Α保?/strong>

黃曉南：代表性的案例要滿足三個(gè)點(diǎn)。從單點(diǎn)能力走向鏈路化落地；能真正驅(qū)動(dòng)業(yè)務(wù)結(jié)果；還要可復(fù)制、可規(guī)模化。比如在食品飲料、零售、美妝、汽車等行業(yè)落地，強(qiáng)調(diào)的是“動(dòng)作鏈路”而不是“單點(diǎn)工具”。

舉一個(gè)全流程新品創(chuàng)新的例子：先用智能體完成市場(chǎng)消費(fèi)者心智洞察，基于洞察生成多個(gè)新品概念，再放到AI消費(fèi)者系統(tǒng)里做概念測(cè)試，篩選最優(yōu)概念，最終指導(dǎo)新品研發(fā)落地。這是多個(gè)智能體協(xié)同完成的閉環(huán)。

還有CRM私域運(yùn)營(yíng)的案例：過去只是搭MA系統(tǒng)，后來讓營(yíng)銷自動(dòng)化客戶用上AI，從內(nèi)容生成、設(shè)計(jì)到用戶分析、圈層觸達(dá)，全環(huán)節(jié)AI化，重構(gòu)了企業(yè)私域運(yùn)營(yíng)流程。

曾巧：你覺得行業(yè)里做企業(yè)級(jí)智能體，最容易走偏的彎路是什么？

黃曉南：行業(yè)最容易走偏的地方有三類：只做單點(diǎn)工具，沒有形成業(yè)務(wù)鏈路；閉門造車不與客戶共創(chuàng)，脫離企業(yè)實(shí)際工作邏輯；忽視數(shù)據(jù)保真與技術(shù)打磨，迷信大模型能力，不做校驗(yàn)、不反復(fù)迭代，導(dǎo)致輸出不穩(wěn)定、幻覺多，撐不起企業(yè)決策。

曾巧：為什么很多AI產(chǎn)品最后落不了地？

黃曉南：過去不少產(chǎn)品做的是一個(gè)類似Code Pilot的側(cè)邊欄對(duì)話窗口，員工干一段工作就得停下來去問一次，最后會(huì)發(fā)現(xiàn)這種模式并不好用。相比之下，他更強(qiáng)調(diào)“AI原生產(chǎn)品”——如果大模型不能工作，產(chǎn)品就直接用不了，AI是產(chǎn)品的核心底層，而不是附加功能；也只有這樣，AI才可能像“水融入水里”一樣嵌進(jìn)日常。

曾巧：如何落到最后一公里？

黃曉南：一定要“嵌工作流”。我們說Agent Light模式，本質(zhì)就是把AI藏進(jìn)企業(yè)每天用的軟件里：不是多開一個(gè)對(duì)話窗口，而是讓內(nèi)容生成、數(shù)據(jù)分析、洞察輸出變成系統(tǒng)原生能力：企業(yè)不需要為了用AI改掉原來的工作模式，滲透率自然才上得去。

曾巧：那你們?cè)趺创钌鷳B(tài)？怎么和大模型廠商、數(shù)據(jù)生態(tài)伙伴、系統(tǒng)軟件伙伴、客戶一起共建？

黃曉南：把生態(tài)共建拆成三塊。

一是與大模型廠商通過API對(duì)接，保持對(duì)技術(shù)生態(tài)敏感和快速采納；

二是和數(shù)據(jù)生態(tài)、系統(tǒng)軟件伙伴深度打通，深演已經(jīng)和企微、抖音、京東等平臺(tái)全鏈路連接，做AI消費(fèi)者時(shí)也會(huì)與京東共建更精準(zhǔn)的用戶標(biāo)簽；在一些巡店場(chǎng)景中對(duì)接高德地理數(shù)據(jù)；

三是與垂直領(lǐng)域knowhow伙伴共創(chuàng)，把外部經(jīng)驗(yàn)與自家AI技術(shù)、系統(tǒng)能力融合，最終落到客戶業(yè)務(wù)場(chǎng)景里。

這一整套“方法、數(shù)據(jù)、組織、生態(tài)、產(chǎn)品”拼到一起，企業(yè)級(jí)智能體不是“手搓一個(gè)workflow”，而是要把可用、好用、可驗(yàn)證、可規(guī)?；哪芰?，塞進(jìn)組織的日常系統(tǒng)里。

曾巧：規(guī)?；癁楹文芘艿每?？

黃曉南：兩點(diǎn)底層支撐。

第一是沉淀“原子能力”，把這些原子能力內(nèi)化成可復(fù)用的技能（比如基于文本給用戶打標(biāo)簽），新場(chǎng)景出現(xiàn)時(shí)就重新組合；第二是深演有十多年的營(yíng)銷know-how，以前不是不懂消費(fèi)者調(diào)研、新品洞察，而是傳統(tǒng)軟件開發(fā)時(shí)間與成本太高，現(xiàn)在AI讓這些know-how 能更快變成產(chǎn)品。

行業(yè)總說“軟件行業(yè)已死”，其實(shí)我想說軟件沒有消失，只是解決問題的方法被AI顛覆了，我們做的是“AI軟件”。

從“可用”走到“好用”

曾巧：作為企業(yè)級(jí)AI智能體決策領(lǐng)域的參與者，你們會(huì)怎么推動(dòng)行業(yè)從“可用”走到“好用”？行業(yè)目前還缺標(biāo)準(zhǔn)、評(píng)估體系、數(shù)據(jù)治理能力，你們會(huì)不會(huì)牽頭推動(dòng)？

黃曉南：這件事難度不小?，F(xiàn)在行業(yè)還沒有太多統(tǒng)一標(biāo)準(zhǔn)，大家都聚焦在應(yīng)用層，而不同應(yīng)用場(chǎng)景差異很大。大模型領(lǐng)域有一些Benchmark，但應(yīng)用層標(biāo)準(zhǔn)還在探索。說到底，客戶的復(fù)購(gòu)和實(shí)際反饋，還是衡量產(chǎn)品的核心標(biāo)準(zhǔn)。

左：Morketing Group創(chuàng)始人&CEO 曾巧；右：深演智能創(chuàng)始人&CEO 黃曉南

曾巧：那回到你們自己。深演一直強(qiáng)調(diào)長(zhǎng)期主義，你們的企業(yè)愿景有沒有迭代？2026年必須打贏的短期戰(zhàn)役又是什么？

黃曉南：我們的愿景在2026年做了全新迭代：原來聚焦?fàn)I銷領(lǐng)域做決策AI，現(xiàn)在把場(chǎng)域擴(kuò)大，定位成企業(yè)AI運(yùn)營(yíng)的頭部 AI 應(yīng)用平臺(tái)。簡(jiǎn)單說，企業(yè)除了生產(chǎn)、供應(yīng)鏈環(huán)節(jié)，其余業(yè)務(wù)問題我們都有能力、也愿意去解決，這一點(diǎn)也被客戶服務(wù)成果驗(yàn)證。

短期必贏戰(zhàn)役，就是讓現(xiàn)有智能體在更多企業(yè)落地、發(fā)揮實(shí)際價(jià)值。今年我們定了“兩個(gè)100個(gè)客戶”的戰(zhàn)略目標(biāo)，核心是把使用門檻降下來，讓不只是頭部大型企業(yè)，中型企業(yè)也能享受到智能體價(jià)值。

曾巧：你說要降門檻，具體怎么落到產(chǎn)品和價(jià)格上？

黃曉南：過去我們按企業(yè)級(jí)軟件標(biāo)準(zhǔn)售賣，合作門檻高?，F(xiàn)在把DeepAgent上的智能體做標(biāo)準(zhǔn)化拆解，單個(gè)智能體合作門檻降到二三十萬，并采用消耗型付費(fèi)：企業(yè)可以按量付費(fèi)，用量不夠再充值，用量小的企業(yè)也能花少量錢用上智能體能力。

曾巧：最后給2026年所有想布局、落地企業(yè)級(jí)智能體的企業(yè)，提幾條建議。

黃曉南：核心有兩條。

第一，會(huì)用AI的企業(yè)終將勝過不會(huì)用的企業(yè)。AI不會(huì)直接淘汰企業(yè)，但使用AI的能力，會(huì)成為個(gè)人、團(tuán)隊(duì)乃至公司接下來最核心的能力，差距帶來的效率和結(jié)果差異，可能是十倍、百倍甚至上千倍。企業(yè)如果還沒開始嘗試AI智能體，真的“時(shí)不我待”。

第二，落地智能體一定要從具體業(yè)務(wù)痛點(diǎn)、業(yè)務(wù)場(chǎng)景出發(fā)，而不是為了搭平臺(tái)、做IT項(xiàng)目、趕熱點(diǎn)。很多企業(yè)被“大模型私有化”“AI 一體機(jī)”概念裹挾，盲目投入?yún)s看不到價(jià)值。企業(yè)級(jí)智能體的核心是解決生意問題，尤其營(yíng)銷、銷售這些貼近業(yè)務(wù)的板塊——最終還是要回歸企業(yè)自身的業(yè)務(wù)抓手。

大模型帶來“可能”，但企業(yè)買單要“確定”。所謂競(jìng)爭(zhēng)力，不是讓AI更像人，而是讓智能體更像一個(gè)能被組織使用的系統(tǒng)：能穩(wěn)定復(fù)用、能嵌入工作流、能基于真實(shí)數(shù)據(jù)、能把黑箱做成白盒，也能讓人始終握著“決策舵”。