文章核心观点 - AI智能体（如Anthropic Claude Cowork）的快速发展引发市场对传统软件/SaaS行业被颠覆的担忧，导致美股软件板块出现恐慌性抛售，而重资产、低淘汰（HALO）板块则受到追捧 [3][4] - 市场正在对各类资产的“AI抗性”进行系统性重估，软件行业面临估值重构，这标志着AI产业从“讲故事”向“看业绩”的过渡阶段，但当前市场定价可能过度演绎了AI的终局影响，存在错杀 [6][7] - AI确实将削弱部分传统软件公司的价值并引发行业洗牌，但并非所有软件公司都会被取代；深度嵌入垂直行业业务流程、拥有独占数据、监管锁定或网络效应的公司仍具壁垒，并可能通过拥抱AI实现重生 [4][17][21] 软件股抛售与HALO交易策略 - **市场表现**：Anthropic发布Claude Cowork后，全球软件股集体跳水，Thomson Reuters暴跌约16%，ServiceNow、Salesforce、HubSpot、Workday、Adobe等头部企业股价纷纷下挫 [3] - **具体跌幅**：截至文章发布日，Adobe年内下跌约27%，ServiceNow跌约35%，Salesforce跌约35%，Workday跌约50% [3] - **反向策略**：石油石化、煤炭、有色金属等“重资产、低淘汰”板块逆势暴涨，美国拖拉机巨头迪尔年内涨幅约33%，催生了名为HALO（Heavy Assets, Low Obsolescence）的交易策略，即做多AI难以替代且依赖的重资产，做空易于被AI颠覆的轻资产 [3] 市场波动的原因与本质 - **直接诱因**：AI Agent产品发布加剧市场对软件板块受损的担忧，叠加顺周期交易风格及部分企业平淡的四季报，引发了非理性、踩踏式抛售 [6] - **逻辑转变**：波动的本质是AI产业从“讲故事”向“看业绩”过渡的必经阶段，市场对科技产业投资逻辑的理解发生根本性转变 [6] - **情绪与重估**：尽管行业领袖（如英伟达、OpenAI、Anthropic CEO）呼吁冷静，但情绪达到峰值后，资金开始系统性地重估各类资产的“AI抗性” [6] - **中美差异**：对比中美，中国资产在此次软件股“回调”中受影响相对较小，部分观点认为中国享受垄断壁垒和超额利润的产业环节相对美国更少 [7] AI对软件/SaaS行业商业模式的冲击 - **叙事转向**：市场此前认为SaaS是AI的分发渠道和受益者，但AI智能体的出现使叙事转变为软件行业正经历“YouTube时刻”——构建App的边际成本趋近于零，颠覆性远超预期 [10] - **收入模式颠覆**：传统按人头/席位收费的订阅制面临挑战，AI协助下可能出现更多小团队或个人完成大生意的情况，导致SaaS收入模式面临变数 [10] - **估值难题**：未来三到五年变数太多，存在被颠覆可能，投资人无法准确计算估值，因此选择先抛售股票 [11] - **市场规模变化**：大模型客观上会让SaaS市场规模缩小，但不会彻底取代SaaS；未来SaaS可能成为智能体的“脚手架”或工具 [12] 软件行业护城河的消解与留存 - **被摧毁的壁垒**：软件行业的习得性界面、自定义工作流和业务逻辑、人才稀缺性被摧毁，准入门槛降低 [13] - **仍存的护城河**：私有和专有数据、监管和合规锁定、网络效应、嵌入核心业务流（如ERP、物流、支付）因业务不可中断和更换成本高而具备高壁垒 [13][14] - **数据难题**：尽管大模型能处理行业专有数据，但数据的交易、归属、价值认定与定价仍是现阶段未解决的核心问题 [15] - **能力门槛**：编程思维和工程能力对普通人门槛仍极高，非程序员用AI做出的产品难以达到商用标准 [15] 具备生存与投资潜力的公司特征 - **核心优势留存**：传统软件行业毛利高、订阅收入具备持续性的核心优势仍在，且新一代AI软件也多采用订阅模式 [17] - **垂直与深耕**：水平型产品、面向中小客户、功能单一易被替代的工具（如Duolingo、Wix、DocuSign）最危险；而深耕垂直行业（如医疗、保险、法律），拥有大量行业数据、经验并深度嵌入业务本身的公司更具优势 [19] - **关键生存因素**：拥有真正稀缺的、AI智能体无法触及的东西很重要，具体包括：数据是否独占、是否存在监管锁定、软件是否嵌入交易；占据其中两到三个因素的公司大概率安全 [21] - **转型与拥抱AI**：不拥抱AI的SaaS基本没有机会，拥抱AI的SaaS则有可能变得更强；传统巨头（如Salesforce）需加快转型或孵化AI原生团队的速度 [20] - **模式演进**：未来商业模式可能从SaaS（软件即服务）转向RaaS（结果即服务），直接为客户交付结果，赚取替代人力的收益 [20]

中国大模型市场格局与调用量变化 - 根据OpenRouter数据，在9号到15号的一周内，中国大模型的调用量达到4.12万亿Token，首次超过美国模型的2.94万亿Token [1] - 调用量前五的模型中，中国占据四席，分别是MiniMax的M2.5、月之暗面的KimiK2.5、智谱GLM-5和DeepSeek V3.2 [1] - 市场出现战略分叉：BAT等公司将模型整合进搜索、电商、办公等现有业务，而Kimi、智谱、MiniMax等新势力则通过大量Agent拓展开发者生态 [1] 调用量激增的驱动因素与用户构成 - 调用量的激增主要源于全球开发者的使用，OpenRouter平台上美国开发者占47.17%，中国开发者仅占6.01% [2] - 驱动因素包括性能提升与成本优势：中国模型在代码编写、搜索等硬核领域表现已可比肩OpenAI和Anthropic的主力产品 [2] - 成本是核心优势：中国模型的调用成本仅为海外巨头的1/10到1/20，例如同样任务，使用Claude需100元，而使用MiniMax可能只需5元 [3] - 具体价格对比：MiniMax M2.5输入0.3美元/百万Token，输出1.1美元；智谱GLM-5输入0.3美元，输出2.55美元；Claude Opus4.6输入5美元，输出25美元 [4] 技术架构与效率优化 - 中国厂商采用混合专家（MoE）架构，根据任务只调用部分专家，实现了工程效率的极致优化 [3] - 阿里云等平台将顶级开源模型打包，推出首月7.9元的订阅，大幅降低了开发者的试错成本 [3] - Kimi K2.5能同时调度100个Agent分身，将复杂任务效率提升3到10倍；智谱GLM-5具备200K超长上下文窗口，适用于长时间任务 [3] Agent场景爆发与Token消耗逻辑转变 - Agent场景的爆发改变了Token消耗逻辑，从Chatbot的线性对话转变为任务执行中的反复推理推演，导致单次任务Token消耗呈指数级上升 [5] - 中信证券测算，智能体执行任务时，整体Token消耗可能提升十倍以上，对应的算力需求需增长百倍以上 [5] - OpenRouter数据显示，超过70%的Token消耗来自互联网大厂、中大型企业及专业程序员的生产环境 [6] - 在100K到1M Token的智能体典型工作流消耗区间，MiniMax M2.5的调用量遥遥领先 [6] 新势力厂商的财务压力与商业模式探索 - 新势力厂商面临严重亏损：智谱三年半亏损62亿元，MiniMax三年零三个季度亏损13.2亿美元（约95亿人民币） [8] - 算力成本占研发开支的70%到80%，形成“越卖越亏”的局面，每赚1元需付出5元多的算力成本 [8] - 行业探索从售卖API转向售卖结果，即Results-as-a-Service（RaaS）的按效果付费模式 [8] - 商业模式转变驱动行为变化：按Token定价促使厂商控制成本，按结果定价则促使厂商追求更高的通过率和转化率 [10] 按效果付费模式的落地场景 - **电商直播**：中科深智提供AI直播全托管服务，企业零成本开播，按GMV分成。案例显示，在同等投流ROI下，AI直播GMV可达头部真人主播的40%到50%，同时人力成本节省70%以上 [12][13] - **金融营销**：蚂蚁数科推出智能托管模式，银行设定目标后全流程由智能体执行，最终按交易规模增长的千分之二到千分之四收费。区域性银行是该模式的主要采纳者，占合作机构的三分之二 [14] - **工业领域**：在设备预测性检修、节能优化等场景尝试按实际节能效果收费，但大额复杂项目因效果难以衡量，仍采用传统模式 [15] 按效果付费模式的挑战与临界点 - 技术成熟度与采购主体变化是模式兴起的两个原因：技术能力提升，且采购方从科技部门转变为直接背负业务KPI的营销、财务等部门 [16] - **核心挑战在于效果归因**：企业业务增长是多因素共同作用的结果，目前缺乏统一标准精确量化AI的贡献度，基本只能一事一议 [18] - 实施按效果付费需重构商业逻辑，包括重新包装SKU、设计定价模型和签订合同 [19] - 该模式对厂商现金流构成巨大考验，需要先垫付算力成本，在效果达成后才能收款 [19] 行业成本结构与规模经济拐点 - 存在“杰文斯悖论”现象：过去三年主流模型的单位Token推理成本下降99%以上，但调用量暴涨导致算力总账单持续扩大 [20] - 海豚投研测算，为回本，云厂商需用算力创造1.2万亿美元收入，最终用户需靠AI创造2.4万亿美元经济价值，相当于美国GDP的7.5% [21] - 算力需求逻辑从训练转向推理，更关注单位Token的成本、能效和场景适配度，降低了竞争门槛 [22] - 主要云客户（如微软、亚马逊、谷歌、Meta）在购买标准GPU的同时，也在推进自研或扶持第三方专用推理芯片，2026年四家资本支出合计近7000亿美元 [23] - 中国新玩家积极布局低成本算力，如首都在线为智谱扩增GPU集群，弘信电子提供绿色算力直供，润泽科技支撑字节跳动的万亿级Token吞吐 [24] - 规模经济的拐点取决于“每花1元算力能收回多少钱”的比例何时超过1，当前算力成本占收入比例过高是主要财务风险 [24][26]

文章核心观点 - AI技术，特别是AI执行引擎和智能体，正在引发软件与SaaS行业的根本性变革，传统软件的价值定位、开发模式和商业模式面临重塑[4][5][12] - 软件正从独立的“资产”或“人机界面”下沉为“基础设施”或“后台能力管道”，其界面价值下降，而系统能力和API价值上升[12][15][17] - 行业竞争进入下半场，焦点从模型的“智商”转向“动手能力”和“社交网络”（工具生态），商业价值取决于模型解决实际痛点的能力[18][19] - SaaS公司必须积极转型，从提供软件到开放API，再到创造AI原生体验，最终成为垂直领域的AI智能体入口，否则将面临生存危机[21][24][25] 行业变革与市场冲击 - **事件驱动市场恐慌**：2026年初，开源AI执行引擎OpenClaw和Anthropic的Claude 3.5模型引发了对软件与SaaS龙头的恐慌性抛售[6] - **具体市场表现**：美股软件ETF IGV收跌近4.8%，Applovin、CrowdStrike大跌超9%，甲骨文大跌超4%，赛富时、Palantir大跌超3%[9]；A股市场金山办公、用友网络等龙头在2月24日大盘普涨背景下大幅下挫近5%[10] - **颠覆性技术出现**：OpenClaw跳过了代码中间环节，让软件开发围绕用户需求展开，月访问量两周内飙至263万，动摇了软件公司的技术根基[6]；Anthropic的Claude Cowork智能体可一句话搞定过去需跨多款软件操作的复杂流程，大大降低了切换成本[14] - **行业价值重估**：研究机构预测软件将从“资产”变为“大宗商品”，SaaS行业平均客单价可能在18个月内下降85%[9] AI技术重塑软件定义与形态 - **软件新形态**：AI代理（Agent）是未来软件的新形态，软件将从“独立运行的应用程序”转变为“嵌入工作流的智能层”[13][14] - **生产力爆炸**：AI引发了代码世界的史诗级生产力爆炸，代码产能被无限放大，软件行业必然变天[4][12][15] - **开发模式变革**：Claude Cowork的代码几乎全部由AI自身完成，开发周期被压缩至仅一周半[17]；“AI写AI”的模式极大缩减了软件生产的成本结构[18] - **竞争维度转变**：大模型下半场竞争是关于模型“动手能力”和“社交网络”（工具生态）的厮杀，商业价值取决于它能调动多少外部工具和服务[18][19] 行业巨头战略布局与生态构建 - **技术收购与整合**：OpenClaw上线3个月内便被OpenAI火速收购[15]；Anthropic与FactSet、标普全球、汤森路透等传统数据巨头深度绑定，并引入普华永道作为合作伙伴[14] - **工作流平台竞赛**：全球顶尖大模型竞相进入工作流，OpenAI发布Frontier平台，Google的Project Mariner瞄准浏览器自动化，英伟达推出AI Blueprint提供行业预训练Agent模板[19] - **国内厂商跟进**：阿里云、火山引擎、百度智能云在48小时内接连宣布支持OpenClaw部署[15]；阿里通义千问通过“百炼”平台提供Agent开发工具，并与钉钉深度整合[19] - **长期愿景**：Anthropic创始人预测，到2035年将迎来“数据中心里的天才国度”，数万个诺贝尔奖得主水平的AI协同工作，这可能在一两年内就会发生[19] SaaS公司的挑战与转型路径 - **根本性挑战**：传统软件的价值在于提供“人机界面”，而未来独立应用可能降维为“后台能力管道”，软件厂商正从“目的地”沦为“通道”[17] - **商业模式演变**：商业模式可能从“按任务付费”的SaaS转向“按结果付费”的RaaS[21] - **防守策略（生存底线）**：必须立即开发并开放稳定、文档清晰的API，成为能被AI“流畅调用”的高质量工具[24] - **进攻策略一（产品重塑）**：必须将AI深度内置，创造“AI原生”体验，例如CRM内置“AI销售教练”，用垂直领域专有数据打造“专家AI”以锁定用户黏性[24] - **进攻策略二（成为入口）**：终极策略是成为垂直领域（如财务、法律、HR）的AI入口，例如财务SaaS升级为能跨界调用多系统API、自动完成结算的“AI CFO”，成为该领域的“工作流操作系统”[25] - **转型窗口与最终定位**：尽管存在数据迁移和习惯重塑等高昂切换成本，为转型留有时间，但改变终将发生[25]；人类未来角色是成为“数字世界的出题人”，负责定义问题、价值和方案，而AI负责执行[25]

文章核心观点 - 以“硅基助理”（AI智能体）为核心的RaaS（结果即服务）新商业模式正在兴起，它通过提供可衡量业务结果的“硅基员工”，帮助企业应对“人力真空”等挑战，实现从“人力刚性约束”到“生产力弹性保障”的范式跨越，并正在挑战传统的SaaS（软件即服务）模式 [4][5][8][10] 行业趋势与范式转变 - 传统SaaS模式按员工人数收费，面临“人力真空”挑战，而RaaS模式根据AI智能体应用后的业务结果收费，商业逻辑发生根本转变 [8] - 硅谷风投a16z报告指出，AI时代智能体将直接取代劳动力完成任务，SaaS行业逻辑正发生根本性转变 [8] - AI 1.0时代以SaaS为普遍模式，但随着业务增量潜力挖尽、同质化竞争加剧，SaaS应用已近黄昏，RaaS模式呼之欲出 [10] - 2025年被认为是“AI智能体元年”，行业正在寻求制定企业级AI智能体应用效能评估规范，新的以RaaS为导向的评估体系正在建立 [14] 公司战略与产品（百融云创） - 公司于2025年12月18日正式发布企业级AI智能体战略，提出RaaS商业模式，推出Results Cloud（结果云）平台和企业级智能体产品体系 [5] - RaaS模式不是卖工具，而是用工具帮客户达成业务结果，旨在将客户业务经验移植到AI智能体上，实现“硅碳共治” [10] - Results Cloud平台设立三层架构：AI Infra（“百基”）、Agent OS（“百工”）、Agent Store（“百汇”） [11] - 公司在对话式AI工程等四大技术领域研发突破，硅基员工部署周期从两个月缩短到两周 [11] - 公司引入“硅基员工之家”管理体系，为每个硅基员工配备工号、绩效指标和碳基“职场导师” [12] - Results Cloud概括出“四大旗舰硅基岗位”：百盈（销服一体）、百才（智能招聘）、百鉴（专业服务）、百智（知识生产） [12] 技术应用与效能 - “硅基助理”或AI智能体定义为能够感知环境并利用工具采取行动以实现特定目标的代理，是沉淀在平台中的标准化生产力资产 [5] - 依托Agent OS与工程化交付体系，可像调度弹性云算力一样，根据业务洪峰需求，在极短周期内实现“硅基援军”的批量上岗与精准补位 [5] - 公司内部硅碳比达到1:150，即1个碳基员工可调度约150个单位的硅基员工，应用于面试、会计、税务、研究、营销等场景 [6] - 随着AI能力提升，硅基员工间自我协同能力强化，碳基员工可调度的硅基员工单位数迅速上升 [6] - 麦肯锡透露，其AI代理数量在过去18个月从几千个飙升至2.5万个，近30%的工作量由“数字员工”构成，并计划在未来18个月为每个碳基员工配备至少一个硅基员工 [9][10] 业务成果与数据 - 四大旗舰硅基岗位效能显著：百盈咨询转化率提升217%；百才将招聘周期从28天缩短至2天；百鉴将总额达数百万元的法商财税成本降至百万元以内；百智让深度报告交付周期缩短80% [12] - 采用RaaS模式后，2025年上半年公司营收增长22%，毛利率稳定在73% [14] - RaaS模式使用客户私域流量数据训练AI，有别于通用大模型，可随时间沉淀提升容错率，强化平台与客户业务的耦合关系 [14] 市场影响与定位 - 行业与资本市场的评估焦点从传统SaaS指标转向“生产态活跃硅基员工数”及“工作份额”等代表新质生产力的指标 [14] - 公司不仅是AI智能体平台公司，更是全球RaaS赛道的先行者和规则制定者，正在推进一场生产新范式革命 [15]

行业趋势：AI从生成智能向决策智能演进 - 全球企业级AI的发展路径发生结构性变化，正从“生成内容”迈向“承担责任的决策智能” [1][2] - 资本市场开始逐步淡化传统SaaS的订阅倍数叙事，转而关注交易规模、风险定价能力与结果变现率 [1] - 决策智能的前提是确定性、可追溯、可审计的数据基础设施，而非更多参数 [2] 中国市场的独特优势：制度型基础设施 - 中国在AI变革中具备独特优势，金税四期、数电发票等国家级数字基础设施的推进，使企业的合同、发票、申报、资金流等关键经营行为首次在制度层面实现全量数字化与标准化确认 [3] - 这些数据是具备法律后果的“制度事件”，合规成为数据资产进入经济现实层的唯一确权机制 [3] - 在全球范围内，很少有经济体能在大规模上形成覆盖全市场的“交易级数字底座” [3] 理论创新：交易本体论 - 白皮书的核心创新在于提出并系统阐释了“交易本体论” [4] - 在传统数字化范式下，发票是一行数据，而在交易本体论视角下，发票是连接资金流、货物流与法律责任的经济事实节点 [4] - 只有经过税法、合同法、会计准则等制度确认的数据，才具备可审计、可追责、可流通的资产属性，是AI可直接用于高风险决策的“数字资产” [4] - 未经制度确认的数据只是“数字噪音”，这一区分为破解AI幻觉问题、推动AI从辅助工具走向决策主体提供了关键路径 [4] 商业模式变革：从SaaS向RaaS迁移 - 当数据具备法律与制度确定性后，企业服务行业正处在由SaaS（软件即服务）向RaaS（结果即服务）迁移的结构性拐点 [5] - 企业不再为“功能”或“席位”付费，而是开始为可量化的经营结果买单 [5] - 例如在采购场景，基于价格指数按节省金额分成；在供应链金融场景，按风控与资产收益分润；在B2B营销场景，按高意向线索或成交结算 [6] - 这些RaaS模式的共同前提是交易本体所带来的可归因性与可审计性 [6] 公司战略：构建智能经济底座 - 公司依托覆盖数千万企业的真实交易网络，持续构建跨行业的交易语义标准与全产业链图谱，将分散的数据碎片还原为结构化、可计算的经济事实 [7] - 这一能力支撑了控本、融资、获客等RaaS场景的规模化落地，并为AI Agent进入高责任决策领域提供了现实路径 [7] - 公司正在尝试构建的是AI2.0时代的“商业决策操作系统” [7] - 公司认为，可信是智能经济的起点，需先解决信任、确立交易本体，再释放算法价值 [7]

AI Coding赛道发展现状与市场格局 - 2024年Vibe Coding赛道发展迅猛，明星公司Cursor的年经常性收入从2023年的100万美元暴涨至2024年11月的6500万美元，估值在四个月内翻了超6倍 [2] - 市场变化体现在两个维度：一是C端产品获得高估值且收入猛涨，证明了真实市场需求；二是市场格局重构，越来越多厂商从C端转向B端，企业级需求开始爆发 [5] - C端AI产品（如Cursor、Replit、ChatGPT）的迅速普及，提升了企业研发群体对AI的接受度和付费意愿，远超预期 [13] 公司创业背景与团队构成 - 公司创始人杨萍原为字节跳动技术研发负责人，自2021年起带领百人团队探索AI在软件领域的应用，其产品曾服务字节内部数万研发人员，帮助公司节省亿级别研发预算 [2] - 杨萍于2024年8月离开字节，并于2025年7月与两位联创正式成立新公司“词元无限” [6][15] - 公司近期完成数千万元天使轮融资，投资方为某软件产业CVC [7] - 团队吸纳了资深人才，CTO王伟为清华姚班校友，曾任国内知名具身机器人公司与大模型创业公司的技术合伙人；商业化负责人李莹拥有十余年AI产业落地经验，曾在大模型To B领域主导完成数亿元规模的项目落地 [7] 公司产品：InfCode平台 - 公司核心产品InfCode于12月初上线第一个版本，形态为插件+企业级AI Coding平台 [10] - 产品帮助企业完成代码治理、补全、审查、任务规划等工作，能力相当于一个中阶研发工程师 [10] - 产品通过两层机制解决企业适配问题：第一层是标准化对接，通过内置MCP Server连接器快速集成飞书、企业OA等常见办公系统；第二层是个性化适配，针对企业独特的微服务架构和遗留系统提供开放接口 [10] - 在全球权威智能体评测基准SWE-Bench Verified上，InfCode以79.4%的得分刷新了世界最佳纪录，超过公开排行榜上GPT-5、Claude等顶尖模型65%左右的成绩 [12] 目标市场与核心价值主张 - 公司专注于面向B端企业的AI Coding Agent服务，聚焦于严肃级的企业级编程场景，解决规模化、复杂的软件交付全流程问题 [6][18] - 与主打轻量化软件交付的C端Vibe Coding产品不同，公司致力于解决企业复杂的遗留系统、技术栈和严苛业务规范下的问题，例如金融、医药等关键行业的合规要求 [7][17][20] - 企业级场景与Vibe Coding在很大程度上相悖，因为前者要求结果确定、服务稳定，并需在特定业务上下文和规范下完成 [21] 产品技术实现与效果 - 为解决企业级场景中模型上下文窗口有限的挑战，Agent设计了两层机制：内功方面进行上下文优化（如动态压缩、加载卸载机制）；外功方面通过MCP等开放协议连接企业研发过程中的各类信息 [23] - 在实际POC验证中，合作客户的研发效率提升了近40%，AI生成代码的可用率达到88%以上，质量达到中级程序员水平 [11] - 在一个金融上市公司案例中，实施分为两步：第一步提供标准化产品并关注上下文工程；第二步解决信息对接问题，最终帮助客户提升了将近40%的人效 [24][26] - 公司衡量价值的方式是以结果为导向，直接对比人力投入（如研发周期人天），而非中间过程的AI准确率 [12][27] 商业模式与收费 - 商业模式正探索以结果为导向的方式，即RaaS [13] - 收费模式针对工具类产品收取License授权和Agent订阅费；针对平台类产品，除标准费用外也在考虑分润模式 [30] 市场竞争与公司战略 - 尽管阿里、字节、百度等大厂及Cursor等垂类厂商也在布局，但公司认为头部企业的布局未必意味着市场终局，许多大厂的根本动机在于作为云服务与模型业务的入口策略，而非产品本身 [41] - 当前端到端的AI编程尚未形成明确市场标准与行业共识，公司认为这是一个关键的时间窗口，必须加速确立标准并深度打通企业级研发流程 [42] - 公司认为AI Coding领域的最终形态将从单体工具进化到人机协作模式，并最终演变为程序员群体本身，改变生产力主体和组织 [43] - 公司发展将分三个阶段迭代：第一阶段以工具形态轻量化嵌入企业；第二阶段变为工具+平台，作为连接器；第三阶段目标是构建Agent集成平台 [39][40][33] 行业机遇与挑战 - 基础模型发展迅速，2025年基础模型厂商在Agent能力上建设不遗余力，新模型带来的业务价值立竿见影 [13] - 传统SaaS更多是标准化模块固化流程，而AI Coding的核心价值是通过动态能力组合解决企业复杂问题，推动业务从流程执行走向智能决策与生成 [46] - AI Coding与以前AI模式的最大区别在于，它本质上是在创造一种由AI驱动的数字劳动力，使得规模化扩展、个性化方案与低实施成本的不可能三角获得了新的可能性 [47] - 当前To B的AI Coding产品尚未形成市场标准和供需平衡，但存在巨大商业价值，市场存在红利 [51]

核心观点 - 2025世界人工智能大会以智能时代同球共济为主题 聚焦AI技术向生产力转化 其中Agent和多智能体协同成为行业焦点 [1] - 体育产业与工业医疗等传统领域共同进入AI价值爆发期 疯狂体育作为体育加AI垂直领域企业 其战略布局与创新实践契合产业跃迁趋势 [1] 行业趋势 - 工业智能体规模化落地和多智能体协同成为行业必答题 [1] - 体育产业加速驶入AI价值爆发的兑现期 [1] - 国家政策将体育产业纳入新质生产力重点发展领域 指向规模超5万亿元的巨大市场 [5] 公司战略 - 公司技术演进与产业趋势深度共振 战略核心紧扣智能体产业化方向 [3] - 2024年推出国内首个体育垂类大模型Agent如意 确立专业领域大模型应用先锋地位 [3] - 2025年推出全球首个体育预测大模型Foretell 瞄准复杂环境下决策辅助与预测能力 [3] - 布局路径清晰 从垂类大模型基础能力构建到聚焦预测与决策高价值场景 [3] 技术应用与业务赋能 - Foretell预测平台借势2025年国际足联俱乐部世界杯进行高强度实战测试 [4] - 平台以秒级速度更新处理海量赛事数据 通过概率化输出替代传统人工分析模式 [4] - 平台提供前所未有的时效性客观性与量化支撑 完美诠释RaaS理念 [4] - 大模型未来可深度赋能多模态观赛交互如语音互动助手 具身机器人陪练与康复等场景 [3] - RaaS平台可进一步整合多模态交互能力 为观众教练运动员提供丰富即时智能服务 [4] 竞争优势 - 公司依托中国足彩网25年历史赛事数据库积累 叠加覆盖全球主流赛事的实时数据流 构筑难以逾越的垂类数据壁垒 [4] - 规模与时效性兼具的数据资产是训练和迭代如意Foretell等核心模型的独家燃料 [4] - 基于独家数据和领先模型形成技术代差 在挖掘市场蓝海时具备显著优势 [5] - AI技术成为开拓广阔县域市场及海外增量用户的核心引擎 [5] 发展前景 - 公司探索展现从短期效能提升到长期价值创造的清晰路径 [7] - 在数据资产与政策红利双重护航下 构建的体育垂类AI技术体系不仅是自身增长引擎 更为产业智能化转型提供实践样板 [7] - 有望引领体育产业奔向更智能更高效更具想象力的未来 [7]

行业核心观点 - Agent从概念验证阶段进入大规模应用阶段 成为人工智能行业的必答题 [1] - WAIC 2025展示800余家企业3000余项展品 展品数量比往年增加一倍 [1] 技术发展趋势 - 万物皆可Agent化 从工业生产到医疗健康等多领域实现应用落地 [2][4] - 智能体系统展示工业场景协同能力 西门子Industrial Copilot实现从订单输入到物流调度的全流程自动化 [2][4] - 多智能体协同(Multi-Agent)成为解决复杂任务的关键方式 蜜度展示的办公系统将数小时工作缩短至分钟级 [7] - 从工具思维转向协作伙伴思维 智能体具备自主决策和任务规划能力 [7] 企业战略转型 - 科技巨头从展示大模型转向展示Agent应用 智谱AI AutoGLM模型实现跨平台任务执行包括抢红包 电商下单等操作 [5] - 交付模式从SaaS转向RaaS(结果即服务) 强调实际交付结果而非功能数量 [9][11] - MiniMax Agent展示全栈开发能力 半小时内生成可运行的横版冒险游戏框架 [9][13] 市场应用扩展 - C端产品出现井喷式爆发 WPS灵犀支持自然语言多轮对话完成文档创作和演示文稿生成 [14] - Agent被确立为AI时代的软件形态产品 类比PC时代的网站和手机时代的App [14] 基础设施发展 - 阿里云发布"无影AgentBay"云基础设施 开发者仅需三行代码即可接入高性能环境 [16] - PPIO搭建全栈式Agent基础设施服务平台 包含国内首个Agent沙箱和模型服务 [17] - 星环科技展示10分钟打造AI产业问答智能体 将数周开发过程极致压缩 [17] - 月之暗面聚焦开发者工具型模型 主力模型Kimi K2主打代码能力和Agentic任务处理 [17]

行业趋势 - 模型竞赛进入冷却期，AI发展重点转向产品化与生态整合，各大平台争夺用户入口、智能体标准和终端能力 [1][2] - 2025年被称为"智能体元年"，关键词从"更大模型"转向"Agent"、"自主执行"、"连接器"和"委派编程" [2] - 商业模式从MaaS（模型即服务）转向RaaS（结果即服务），AI从成本中心转化为利润引擎，按实际产出或价值分成计价 [5][20][21][22] 技术演进 - 基础模型实现"操作系统级更新"，新一代模型如GPT-4.5、Gemini 2.5 Pro具备"自我对话"和多步推理能力，思维方式接近人类 [4][5] - 开源社区推动模型认知能力升级，新增长时记忆、自我提升、目标分解等模块，实现从被动应答到主动思考的转变 [4][5] - 智能体（Agent）成为AI落地的关键载体，具备环境感知、自主规划、工具调用、数据连接和多步任务执行能力 [7][8][9][10][11][12] 应用场景 - 智能体重构人机交互模式，界面从"工具栏+菜单"变为"自然语言+智能执行"，可自动完成跨平台复杂任务（如整合Google Docs/Gmail生成PPT） [10][11][12] - AI编程进入全面委派阶段，开发者角色从编码转向架构设计，AI可独立完成需求分析、编码、测试、部署全流程 [14][15][16][17][18] - 科技巨头加速布局智能体生态：微软Copilot Studio、百度心响App、字节跳动"扣子空间"等，推动AI向"数字员工"进化 [13] 性能表现 - Gemini 2.5 Pro在科学推理（GPQA单次尝试84%正确率）、数学（AIME 2025单次86.7%）等基准测试中领先 [3] - Claude 3.7 Sonnet在多次尝试任务中表现优异（数学AIME 2025多次尝试93.3%，科学GPQA多次尝试84.8%） [3] - 代码生成领域OpenAI模型单次尝试通过率74.1%，LiveCodeBench v5测试中Grok 3 Beta多次尝试达79.4% [3] 职业影响 - 人类核心竞争力转向品味、判断力和方向感，工程师需从"实现者"转型为"问题定义者"和"AI团队管理者" [25][26][27] - 工作组织方式重塑，人类角色更接近"指挥官"，负责目标设定、结果审核和战略规划，而非具体执行 [13][18][28] - 编程价值重心从编码技能转向产品设计、系统架构和决策能力，AI接管重复性工作释放人类创新潜力 [18][25]

行业趋势 - SaaS行业不会终结但AI智能体将呈现爆发式增长[1] - 企业管理信息化已从MRP进化到EMAI（企业管理AI）[1] - 工作场景下AI智能体采用率未来3年将超过50%[1] - 生成式AI时代即将终结 AI智能体成为下一代AI核心发展方向[1] - 2025年有望成为智能体应用爆发元年[1] 公司战略与产品 - 金蝶发布五大智能体和苍穹Agent平台2 0包括财报分析 企业问数 招聘 差旅 企业知识智能体[2] - 金蝶将全面转型为"企业管理AI公司"目标3至5年成为世界一流"企业管理AI厂商"[2] - 产品收费模式从"按功能收费"转向"按成果收费"（RaaS Result as a service）[2] - 差旅智能体按出差行程数量收费是RaaS模式的一种体现[2] 商业模式挑战 - 从"交付工具"到"交付结果"的商业模式转变面临挑战[2] - 最大挑战在于结果的正确性和效果客户付费衡量标准为结果是否有帮助和正确[2]