生成式AI商业高峰论坛核心观点 - 多位AI领域创业者在论坛上分享了关于AI Agent商业化落地的最佳路径和核心要素的看法 [1] AI Agent最佳商业化落地路径 - 语核科技创始人翟星吉强调垂直领域的AI Agent，看重企业扎根垂直行业的能力 [1] - 笔墨AI创始人汤伯榕强调多模态大模型突破，特别是在图像识别和视觉领域的重要性 [1] - DeepWisdom合伙人徐宗泽介绍了AI Agent具体的对内、对外应用场景 [1] AI Agent具体落地场景 - 翟星吉以美国一家自动报价生成解决方案公司为例，指出其成功在于创始团队在物流行业扎根深、业务逻辑理解深、技术产品能力强、行业洞察强且懂得结合Agent技术与营销能力 [4] - 翟星吉指出海外垂直SaaS Agent企业非常多，它们并非超级大厂，但产品垂直深度极深，市场能量非常大 [4] - TTC联合创始人宁辽原认为AI Coding是共识性的商业化落地场景，除此之外也能做很多其他工作 [4] - 汤伯榕认为如果AI Agent要有质的飞跃，必须在多模态，尤其是图像识别和视觉领域取得突破，否则就像盲人，视频AI的突破将使AI Agent能像人类一样处理事情 [4] - 汤伯榕具体举例工业场景，指出目前许多机器设备表面检测需人工完成，未来可用AI识别并通过Agent生成故障报告，客观决定是否需要检修 [4] - DeepWisdom合伙人徐宗泽称其公司自2019年成立以来一直聚焦B端市场，但发现B端市场不易深入，无论是SaaS还是定制开发都难以深入企业内部 [4] AI Agent落地核心要素与阻力 - 翟星吉指出AI Agent落地最核心的因素是企业业务上存在真正的“痛点”，且最好体现在最主要的业务流程上，如果只是解决“痒点”，上线后使用率会很低 [5] - 翟星吉补充表示Agent本身必须具有核心业务价值，ROA要算得明确，要么能直接赚钱，要么能大量节省成本，否则使用效果不佳 [5] - 翟星吉强调Agent的准确率必须达到90%以上，如果像数据员工只有60%的准确率则没有价值，必须端到端达到高准确率才能在企业发挥真正价值 [5] - 汤伯榕指出需要了解B端客户是否清楚自己的需求，因为很多客户只知道AI火热，却不清楚AI能帮助解决什么问题，因此需看用户是否有痛点需要AI解决 [5]