集成 AI Agent 的竞赛已然打响，各企业正着手利用各种 Agent 产品重塑工作流程。根据 IDC 报告，2024 年中国 AI Agent 软件市场规模已成功突破 50 亿元大关。
“Agent 的采用就像抛硬币，虽然结果难以预料，但几乎每个人跃跃欲试。”LangChain 在其发布的一份报告中表示，关于 Agent 的讨论并非全是推特炒作，目前约有 51% 的受访者正在生产环境中使用 Agent。其中，员工人数 100 至 2000 人的中型公司在生产环境中使用 Agent 的积极性最高。
虽然科技行业通常被认为是早期采用者，但各行各业对 Agent 的兴趣正在日益增长。“90% 在非科技公司工作的受访者已经或计划将 Agent 投入生产。”其中，性能质量是使用企业最关心的问题，其次则是成本问题。
本次采访中，InfoQ 对话来也科技 CEO 汪冠春、英科医疗 CTO 陈坤，两人分别从 Agent 产品提供商和应用方的不同角度，讲述了自己的产品理念和应用策略。
汪冠春表示，当前的产研已逐渐转向“紧密结合客户需求”的模式，而非最初的技术驱动，不再“拿着锤子找钉子”。他强调能否找到应用场景是这次 Agent 竞赛的关键。陈坤也坦言道，在纯粹的生产环节应用 Agent 挑战确实较大，也没有现成的成功模式可借鉴，因此企业更多要依赖自主研发，而其当前并不特别关注 Agent 对降本增效的作用，但一两年后就有必要向 Agent 要效益了。另外，两人都认为员工心态年轻很重要，经验反而不是最重要的。
Agent 应用，
先降本还是先创新？
InfoQ：两位具体在产品里面引入 Agent 的理念是在什么时候？
汪冠春： 我们公司成立于十年前，初心便是让每个人都能拥有一个智能助理。当时我们还没有“智能体”或“Agent”这样的术语，而是称之为“AI Assistant”， 我们专注在 RPA+AI 领域，主要采用传统的自动化与 AI 技术。
大约两年前，我们开始着手定义新品类。2022 年底，我们隐隐察觉到，RPA+AI 之后可能涌现一个新品类，当时我们将这个新品类命名为“工作执行系统”，这源于我们看到 ChatGPT 等大模型不仅能完成简单任务和流程自动化，还能实现复杂工作的整体执行，尤其在人机协同场景。因此，我们在 2023 年定义并推出了基于大模型的数字化劳动力平台，集成了 OpenAI 及国内智谱、百度文心等大模型，去年又推出了智能体概念的三款助手产品。
总的来说，我们用了一年时间将大模型技术整合到产品中，随后又用了一年时间基本完成了智能体相关技术性产品的开发，这些产品主要面向开发者群体。今年，智能体可以真正在业务侧落地了，一些先进的制造业公司已经开始在多场景甚至规模化地部署。
陈坤： 今年年初，我们已经开始着手应用多种大模型，包括 ChatGPT 以及国内的一些大模型。纯粹的智能体应用主要还是与来也科技合作，另一个重要的合作伙伴是字节跳动旗下的办公协作平台飞书。
在最初的应用阶段，我们的工作主要集中在两个方面：一方面，与来也科技主要在营销和人力资源等领域开展项目合作；另一方面，与飞书平台合作，应用更偏向于面向终端用户。
InfoQ：英科有在实际生产环节的落地案例吗？
陈坤： 对于纯粹的生产环节而言，挑战确实较大。我们所在的行业相对小众，产品并不是那种广泛应用于大众市场的商品，因此无法像一些大型行业那样，从外部找到现成的、可供学习或借鉴的成功模式。在这种情况下，我们只能依靠自主创新。
在制造业中，营销无疑是至关重要的环节，因此我们最初的应用场景大多是从营销端开始探索的。然而，生产环节的情况复杂得多。目前，我们正寄希望于现有的产品和技术能够与我们的 DCS（分布式控制系统）以及核心工艺数据相结合，挖掘出一些有价值的应用场景。不过，这一部分目前仍处于尝试阶段，尚未真正落地。目前真正实现落地的应用，主要还是集中在销售和职能管理这两个方向。
InfoQ：两家公司对 Agent 的定位分别是什么？更看重降本还是业务模式创新？
汪冠春： 上一代相对传统的自动化技术，大多应用于后台业务，其核心价值在于降本增效。随着 AI Agent 时代的到来，情况发生了显著变化。AI Agent 不仅能够支持客户的业务增长，还能为企业的扩张提供有力支持。
比如，英科是一家业绩一直较为强劲的企业，尤其在海外市场拓展方面表现得相当激进。在这种情况下，无论是在招聘新员工还是培训等场景中，AI 都能帮助他们更高效地完成工作。在营销和销售领域，AI Agent 也能助力企业拓展新客户，实现收入增长。因此，AI Agent 在一定程度上已经超越了传统自动化在降本增效和中后台业务方面的应用，更多地走向了前台业务。
陈坤： 目前阶段，我们并不特别关注落地项目是否能立即带来降本增效的效果。事实上，我们正处于一个重投入的时期，因此现阶段我们更看重的是模式创新。
当然，降本增效始终是企业必须关注的核心目标之一，但未来实现大量智能体落地应用后，降本增效是必然的结果。作为 IT 部门，我们必须配合公司整体战略的发展，不能仅仅追求新技术的应用而忽视其实际价值。因此，虽然在当前阶段我们更侧重于模式创新，但我始终认为降本增效是企业永恒的追求。
激进一些的话，一年时间就足以看到成效。这其实与我们当初推进 RPA 项目时的情况非常相似。在 RPA 初期合作阶段，我们调研了许多应用场景，很多人甚至质疑这些技术是否真的有价值，似乎看不到明显的效益。然而，随着 RPA 应用的推动，最初的几个流程如今到即将突破 1000 个，这正是量变引起质变的过程。
InfoQ：在内部推广新技术会不会受到阻碍？
陈坤： 我们董事长亲自牵头，无论是在大型会议还是小型研讨会上，他都会反复强调 AI 技术的重要性。
同时，我们也在努力营造一种鼓励创新的企业文化，鼓励团队成员使用智能体。公司内部举办了许多活动，例如举办 AI 创新大赛，鼓励全体员工积极参与，哪怕只是提出一个很小的想法，我们也会给予充分的肯定和支持。为了激励员工的创新热情，我们设立了多重奖励机制：我们会奖励提出优秀 AI 应用方案的员工，集团层面也会根据季度表现进行奖励，年底还会评选出最具创新精神的个人或团队，并给予额外的奖励，包括奖金物质奖励和荣誉表彰。
技术方面，我们组建了专业的团队来推动 AI 项目落地。另外，每当我们落地一个新功能，来也团队都会为我们组织一场培训，这种培训不仅面向 IT 部门，也面向业务部门，帮助全体员工更好地理解和应用 AI 技术。
汪冠春： 在目前的早期阶段，我认为最重要的是先帮助大家找到适合落地的应用场景。我们作为一家中立的产品提供方，更重要的是提供解决方案的方法论。
目前，我们将更多的精力放在了推动客户侧的落地应用以及商业化进程上，并没有将“直接投入自主研发模型”作为最紧迫的任务。然而，我们对模型的发展以及智能体生态的构建保持着高度关注。我们的团队成员大多来自互联网巨头，如百度等，他们对行业动态有着敏锐的洞察力，解决方案团队的许多成员曾在华为、IBM、微软等顶尖企业工作过。
大模型逐渐兴起时，尤其是像 GPT-3 那样的技术突破，大多数人可能还没有意识到其重要性，但来也已经敏锐地捕捉到了这一趋势。同样，当大多数人还未注意到 DeepSeek 的性能已经相当出色时，来也在去年下半年就已决定将其集成到我们的产品中，而不是等到今年春节之后它声名鹊起才采取行动。
InfoQ：此前，英科医疗董事长刘方毅提到，公司要积极拥抱年轻员工，推动团队更加年轻化。这一变化对公司整体而言，会产生怎样的影响？
陈坤： 从我们这些老员工的角度来看，我们大多在公司待了 10 年以上，如今普遍年龄也较大了。董事长提到的“拥抱年轻”，其实更多是一种心态上的转变。以往，我们过于依赖自己的经验，但在向科技转型的过程中，经验并非万能，不能完全依赖过往的经验来开展工作。因此，我们提出了这一转型方向。
对于新进员工，我们也调整了招聘策略和人员素质要求。以前，我们很少会考虑像清华这样的顶尖高校，因为觉得与他们的合作机会较少。但如今，我们主动与清华以及其他 985、211 高校建立联系，积极寻找合作机会。
在招聘社会人员时，我们也改变了以往以经验为主的标准，现在更注重个人的潜力和综合素质。比如以前招聘 ERP 相关岗位时，我们可能会优先选择有相关经验、甚至使用同一系统的人员，但现在，我们更看重一个人的聪明程度、对企业文化的认同以及对新技术的接受和尝试能力。
汪冠春： 心态是关键，年轻其实是一种心态。比如 80 后，现在可能已经被认为是年纪较大的一代了。来也科技已经走过了十年的发展历程，公司成立之初，我们都觉得自己是年轻的一代，但如今我们似乎已经逐渐变得容易思想僵化。然而，幸运的是，我们正处于人工智能这一新兴浪潮之中，这反而促使我们能够保持思维的活跃。
从组织架构来看，我们的研发团队一直保持着较为年轻的特质。团队成员大多是校招生或毕业没几年的新人，他们思维活跃、乐于拥抱新技术，并且一直关注着行业的新趋势。这也是我们能够较早地进入 DeepSeek 领域，并利用 Agent 框架实现 Agent 平台的原因之一。当然，活跃的研发团队功不可没。
不过，在面对大型客户时，团队成员就需要具备一定的资历。如果让一个 00 后与英科的高管们沟通，可能很难产生共鸣。但反过来讲，无论是 80 后甚至 70 后，只要他们的思维能够跟上时代的步伐，能够适应新的 AI 技术，就依然可以在公司中发挥重要作用。
无论年龄大小、职位高低，拥抱新技术与不拥抱新技术的态度是有明显差别的，这种差别甚至会体现在工作产出上。因此，公司需要更加认可并鼓励那些愿意积极拥抱新技术的员工，而对于反应较慢的员工，可能就需要给予更多的关注和帮助。在招聘过程中，我们也会有意识地筛选出那些思维灵活、积极进取的候选人，从而为公司注入新的活力。
InfoQ：创始人参与的尺度方面，有没有可以分享的？
陈坤： 这需要根据不同的时间节点来分析。大概在今年三、四月份的时候，我们董事长几乎将百分之百的时间都投入到这一领域。当时，他主要在了解行业动态、筛选外部合作伙伴，同时也在内部进行团队搭建的筛选工作，以确定我们 AI 团队的架构。
但最近情况有所变化。随着对行业有了更深入的了解，并与一些稳定的合作伙伴建立了联系后，他开始逐渐将精力转向其他方向。毕竟，作为创始人，虽然 AI 是我们当前的重点，但企业还有其他命脉领域，比如投资等，这些同样需要关注。当团队已经培养成熟，能够独立运作时，董事长的时间投入就可以适当减少一些。
汪冠春： 在 2023 年，公司设定了一个季度的 OKR，要求全体员工积极拥抱大模型技术。当时，Agent 技术尚未完全成熟，但公司已经强调要充分利用大模型以及相关的 AI 创新工具。如今，这些工具在市场部、人事部、销售运营等部门的应用已经非常广泛。
我还记得两年前，我曾展示过一段与我的数字孪生进行对话的演示，创意最初来自市场部。此后，许多工具在翻译、文本生成和视频生成方面表现出色，极大地提升了我们全球化拓展过程中的效率。我特别佩服英科的一点是，我原本以为他们在世界各地都有大量销售人员，实际上大部分销售团队仍然集中在国内，但他们销售人员在与全球客户的邮件交流中却毫无障碍。这正是我们所倡导和推动的方向。
当然，这一过程中也存在一些挑战。比如公司的一些老员工或高管，在跟进这些新技术方面可能稍显不足。有些人在对这些工具的了解上存在差距，比如他们可能听说过某些工具，但对其企业版的功能却不甚了解。但这已经与我们业务密切相关了，甚至在与客户沟通时，客户可能对这些工具已经很熟悉，如果业务人员或管理者自己都不了解，那么很难打动那些有创新需求的客户和合作伙伴。
InfoQ：向智能体转型后，来也在产品架构上做了哪些调整？
汪冠春：** 首先，我们围绕企业级智能体对产品进行了重新定位，来也 RPA 定位是为智能体提供可靠的 UI 自动化工具，来也 IDP 的定位是为智能体提供高精度的文档处理工具，而来也数字员工平台定位则是开放的企业级智能体平台。**
其次，我们对产品的架构进行了调整。我们积累的经验极为宝贵，只是之前主要以 RPA + AI 的形式呈现，RPA + AI 在处理基于规则且确定性高的任务和流程方面表现出色。但接下来，我们需要将更灵活的智能体融入其中，使其成为更智能的数字员工。这依然涉及到数字员工的设计、开发、管理以及编排等需求，但同时也带来了许多新的变化。
例如，以前的编排大多是基于流程的，但现在有了智能体，未来需要将一些能力更好地原子化，甚至将某些能力进行 MCP 化，以便智能体可以更高效地调用这些能力。如果这一目标能够实现，智能体的作用将变得越来越大。
以英科为例，他们之前开发了许多 RPA 流程，每个流程或流程片段都可以通过 MCP 进行封装，变成一个工具。未来，当他们引入智能体时，这些封装好的工具可以直接被调用，而无需重新开发。否则，每次将流程整合到新的智能体中，都需要重新开发，这无疑会增加工作量。目前，我们已经对 RPA 产品进行了 MCP 封装。虽然目前这可能被视为一种增值服务，但当这种原子化能力和工具的 MCP 化被普及后，其价值将更加凸显。
InfoQ： 你们如何确保智能体能够稳定运行并提供准确的结果？
汪冠春： 在引入大模型和智能体的过程中，首先需要关注的是大模型本身的能力。虽然大模型已经具备了一定的规划能力，但有时智能体的输出可能会出现“幻觉”，即产生错误的规划或编排结果。如果规划本身是错误的，那么后续的自主编排将无法顺利实现。因此，我们还需要等待大模型能力的持续提升，或者在不同的应用场景中选择当前最适合的模型，确保其能力能够满足特定场景的需求。
另一方面，在高并发或规模化部署的情况下，如何保证系统的安全性和可靠性也是一个关键问题。这实际上涉及到开发企业级平台的经验。这也是为什么我认为来也科技在今天依然具有一定的竞争优势，AI 初创公司可能能够快速开发出单个 AI 应用，但要真正落地到大型企业，满足其对稳定性、可用性以及数据安全性的高要求，企业级平台的开发经验和成熟度就显得尤为重要了。
陈坤： 在选择新的 RPA 厂商时，我们选择来也科技的主要原因是他们当时提供了一套管理工具，能够对所有的自动化工作单元进行有效的管理。当众多独立的系统和流程在外部运行时，运维压力会变得非常巨大。在这种情况下，拥有一个专业的管理工具来对这些流程进行统一管理是至关重要的。
InfoQ：工作流对企业来说还是更加合适一些？
汪冠春： 在目前的阶段，我认为在工作流中自行定义每一个流程节点仍然非常重要。当然，在某些节点上可以引入大模型或利用智能体来增强功能。这种将传统工作流与智能体相结合的复合编排方式，实际上更为常见且实用。
要实现端到端的流程完全依赖智能体自主编排，目前仍面临一些挑战。或许在一些非关键流程中，例如我们今天展示的海外报销流程，如果海外员工能够接受可能出现的错误，那么可以尝试让智能体自主完成。但在核心且重要的流程中，我们仍需依赖工作流来对自定义的、按规则的流程进行验证。
InfoQ：你们的工程师都用哪些 AI 工具？
汪冠春： 目前，AI 编程的落地应用对我们来说是一件非常重要的事情，它极大地提升了我们的研发效率。我们公司内部设定了一个年度 OKR，旨在打造一个由 AI 驱动的研发体系。
在开发数字员工平台的过程中，AI 编程扮演着至关重要的角色。此前，我们利用代码生成技术，通过自然语言描述快速开发 RPA 机器人。然而，RPA 机器人仅是数字员工的一种形态，Agent 是另一种重要形态。在智能体的开发中，自动生成代码尤为重要。未来，当描述 Agent 所需完成的任务时，如数据库操作，部分任务可通过调用现有组件实现；若无合适组件，则需要自主编写代码。因此，AI 编程对我们平台具有巨大价值，我们极有可能将其集成到未来的研发体系中。目前，团队正积极尝试并鼓励使用国产 AI 编程工具。
汪冠春： 我们目前大量使用了来也、飞书这些国产工具。我们肯定优先选择国产化的产品。我们希望在实现国产化的同时，能够做到与海外产品同等水平，甚至更好。毕竟，海外相关技术起步较早，大概比我们早两年左右，我们追赶还需要一些时间。
InfoQ：根据你们之前的实践经验，目前 Agent 所面临的瓶颈是什么？
陈坤： 我们目前较为依赖大模型本身的能力，我认为这一方面仍有很大的提升空间。例如，我们会对我们获取的所有线索进行评估，从多个维度对其打分，以决定是否跟进该客户。
并不是所有线索我们都会跟进，因为我们主要专注于中大型企业客户，对于小型企业客户，我们有时甚至不会投入精力。因此，我们特别重视对客户的打分环节。但目前，这一环节还存在一些问题。有时模型的判断精确度不够高，需要我们通过 Agent 不断补充信息，只有在信息补全之后才能进一步分析。
汪冠春： 业务结果的获取有时确实存在一定的难度。例如，正如之前提到的模型优化问题，如何让打分模型足够精准，这本身就是一个挑战。通用大模型可能无法完全满足我们的需求。此外，有些业务链条较长，需要较长时间才能看到实际的业务结果。
我们有一个 Agent 每天都在努力挖掘新的线索。像英科已经是市场上的龙头企业，大部分潜在客户已经被触及，这种情况下再寻找新的客户本身就不是一件容易的事情。当然，Agent 会勤勤恳恳地工作，但它每天可能只能挖掘出几十个新的线索，而这些线索本身的转化成功率可能只有千分之一。因此，可能需要经过几周甚至一个月的时间，才能按照这样的成功率找到一个潜在的意向客户。这需要一个较长的时间周期来证明这个 Agent 是否真正有价值。
InfoQ：英科用的通用大模型吗？有没有计划微调一个自己的大模型？
陈坤： 是的，目前我们还在使用通用大模型。我们计划在 7 月开始着手进行自研模型的相关工作。7 月，我们的算力中心将正式投入使用。我们在当地拥有一座热电厂，这使得我们在能源成本方面具有一定的优势。我们也会通过租赁、采购等方式获取必要的算力资源。
InfoQ：成本投入方面具体是如何考虑的？
陈坤： 目前，我们正处于积极倡导一种创新文化的阶段，因此在这个时期，我们不能过于关注成本。如果过于计较成本，可能会错失许多有潜力的项目，甚至将一些本可以成功的项目扼杀在摇篮里。公司内部讨论后认为，某些场景目前可能并不适合我们，所以暂时不会过多关注。然而，我坚信到了明年，情况将会有所不同。
在这个过程中，我们相当于为员工提供了培训机会。虽然从成本角度来看，能够直接带来业务收益当然是最理想的情况，但一定程度上的投入也会带来人员能力的提升。这种提升不仅体现在我们内部的 IT 相关岗位人员上，还有业务部门的同事。我们的核心价值在于员工能力的成长。
汪冠春： 在过去几年中，AI 创业公司的挑战确实相当大，尤其是在资本方面，出现了许多扰动，包括整个 SaaS 行业，如今在一定程度上已不再被市场看好。当时 RPA + AI 已经相对成熟，大家觉得只要紧贴客户需求就能做好，似乎它已经不再是前沿产品了。于是，有一段时间，最优秀的人才，尤其是科技人才，纷纷流向了大模型厂商。我们公司也有一些创始技术合伙人离职，加入了像智谱、月之暗面这样的大模型公司。我们当然也不会成为大模型公司，这从来都不是我们的定位。不过，他们确实站在了行业的风口浪尖。
但如今这波 Agent 的机遇非常好。大家逐渐意识到，大模型竞争非常激烈，玩家可能就那么几家，同时大模型定位更多是基础设施，未来价值创造的关键在应用层，甚至可能比模型层更大。我们的研发团队、业务团队以及部分其他团队成员都非常振奋，公司再次拥抱了最前沿、最热门的技术方向，这为组织注入了新的活力，也让我们有了一种十年创业重生的感觉。
在研发成本控制方面，如今我们开发智能体应用或平台时，一定是紧密结合客户的需求。创业初期可能更偏向技术驱动，现在则必须以客户为导向。技术系统已经相对成熟，我们不能再拿着锤子找钉子，但幸运的是，我们所从事的对话机器人、RPA 等领域都有实际的落地场景。许多其他 AI 创业公司虽然拥有很牛的技术，但最终因为没有找到合适的落地场景而失败，可能是因为他们选择的方向有误。但这一次，Agent 更加偏向业务，所以我们更需要以客户为导向来开发产品。
这是一个全新的领域，其实并不需要很多人。最初可能只有 3 到 5 个人，现在加上一些产品经理，可能是一个 7～8 人的团队，就可以开发一个新的智能体应用。我们整体的研发团队可能有上百人，但我们会挑选出最有活力、最精锐、最愿意接受挑战的人来做如候选人简历筛查、线索生成等有真实需求的项目。
在开展这些项目时，我们也会思考如何从这些场景中提炼出 Agent 应用，并且能否抽象出一些通用能力，比如流程编排是采用低代码编排还是专业代码开发模式等。我们将这些能力沉淀在平台上，未来客户的工程师或团队成员在使用我们的平台后，开发速度会更快，后续的管理也会更便捷。
坦率地说，我们也走过很多弯路，曾经有几十个工程师在一个我们自己设想出来的平台产品上投入了大量精力，但最终发现客户并不买单。因为客户是用自己的真金白银来为产品投票的。
InfoQ：英科在接入一些智能体后看到哪些效果吗？
陈坤： 我们目前正处于积极推广和鼓励大家使用新技术的阶段，只要某个技术或工具能够发挥一定的价值，我们便愿意投入资源去支持它，而不是过分关注投入产出比。无论大模型还是智能体，本身都会不断迭代和优化。此外，我们也在不断改进数据处理方面的工作，例如清理和优化数据质量。我们相信，这些技术和工具一定会变得越来越好用。
汪冠春：Agent 的销售并非单纯销售工具，而是提供结果。关于如何用业务指标来衡量智能体的效果，我认为对于营销类智能体而言，最直接的衡量标准是其能够创造多少有效线索，甚至促成交易。目前，我们已经看到一些积极的反馈，例如发出的邮件得到了回复，甚至有迹象表明本季度可能会有交易达成。虽然最终的转化可能仍需由销售人员完成，但智能体在前期已经参与了线索挖掘、初步筛选以及与客户的初步交互过程。
InfoQ：关于 Agent 的未来设想，C 端应用会发生哪些变化呢？
汪冠春：在 C 端的市场中，虽然存在许多生产力工具的机会，但竞争也非常激烈。以豆包和 OpenAI 的 ChatGPT 为例，他们在这一领域已经取得了显著的成就。在这种激烈的市场竞争中，我们更倾向于在 C 端进行一些围绕情感关怀的尝试。
我们推出了面向 C 端消费者的“小来”手环，我们希望“小来”未来能发展为一个覆盖作息健康、运动健康、饮食健康等多维度的综合性健康智能体，并具备强大的情感关怀能力。与传统工具型健康应用（如 Keep）比，后者虽提供丰富的课程和建议，但往往缺乏情感互动。这种融合专业建议与情感价值的能力，正是未来消费级 Agent 的发展方向。
陈坤： 对于面向 C 端消费者的应用，用户可以基于个人兴趣和创新精神去体验和探索，并不需要这些应用必须服务于特定的业务场景。C 端产品只要足够新颖有趣，就更容易获得用户青睐。然而，当开发面向企业的工程或平台时，侧重点则截然不同。在 To B 领域，核心目标是提升生产力，因此平台必须具备强大的管理能力和对业务流程的管控能力。
InfoQ：在 C 端和 B 端，Agent 目前还有哪些机会？
汪冠春： 从原则上来说，C 端的所有工具都可以通 Agent 的方式重新设计和开发。那些曾经非常受欢迎的 APP，在 Agent 时代可能会被彻底颠覆，因为交互体验将发生根本性的变化。我认为，未来 Agent 最大的发展前景可能在于软硬件结合，新的终端设备的出现将进一步推动智能体的广泛应用。
然而，我并不认为通用型的 AI 智能体能够轻易取得巨大成功，因为竞争实在过于激烈。像 OpenAI 和谷歌这样的巨头都在密切关注这一领域。甚至在新的终端设备出现之后，智能体的形态是否还会保持现状，也尚未可知。
陈坤： 我们主要 B 端，我认为这一领域的整体机会是巨大的。几乎所有的部门和流程都需要通过 Agent 进行迭代或升级，这一点是毋庸置疑的。尤其是在实体行业、制造业，这次的热情非常高。与上一波相比，我觉得是因为看到了希望。尽管目前可能还没有达到质变的阶段，但制造业的创始人们都非常敏锐，他们已经意识到智能体的应用是未来的大趋势，是一个新时代的开端。传统制造业未来肯定会面临挑战，如果不向科技行业转型，毛利率将难以保证。只有通过增加产品的附加值，才能为客户提供更多价值。
InfoQ：Agent 公司如何在激烈的竞争中存活下来？
汪冠春： 找到适合自己的应用场景并确立一个稳固的根据地是至关重要的。虽然不同公司的志向各异，有些企业希望抓住人工智能领域最大的机遇，比如像 OpenAI 这样的通用 AI 公司，他们追逐的可能是颠覆谷歌这样的巨大机会。然而，对于更多的创业公司而言，找到自己的精准定位才是关键。
陈坤： 在制造业中，行动必须紧密围绕公司的战略方向展开。如果当前的战略重点是项目营销，那么会将众多 Agent 的应用方向聚焦于提升效率；如果目标是拓展客户群体，那么工作重心就会偏向营销方向。因此，我们目前所做的一切工作，实际上都是为了契合公司的战略方向。
企业首先需要明确自身的战略目标，然后思考如何利用技术手段去实现这些目标。以 IT 部门为例，它本质上是一个偏向后台支持的部门。虽然我们可以进行大量的数据分析和计算，但有时计算出的结果并不完全符合实际情况。因此，企业必须沿着既定的战略方向前进，根据企业当前的业务重点，将资源和精力集中投入到相关领域。
InfoQ：2022 年 4 月，来也完成 C++ 融资并收购法国创业公司开拓全球市场。当时为什么要出海并选择收购 Mindsay？
汪冠春： 当时我们计划拓展欧美等成熟市场，但在进入欧洲和美国市场后发现挑战依然很大。要在当地建立销售团队并积累客户基础，需要投入大量的资源。恰逢一家法国的 AI 创业公司寻求并购，该公司既有客户基础也有专业团队，我们觉得这是一个快速进入欧洲市场的高效方式。
现在回过头来看，这一举措仍然面临诸多挑战。首先，我们收购的这家对话机器人公司在大模型技术出现之前就已经存在。大模型技术的兴起，对他们来说既是机遇也是挑战。虽然该公司已经将大模型的能力集成到产品中，并不断进行迭代升级，但在一定程度上也面临着众多新的竞争对手。
此外，我们还发现，远程管理法国团队，使其高效运转、业务健康发展并实现盈利，确实存在不小的挑战。因此，在前年年底，我们做出了艰难的决定，将该公司出售给了另一家法国当地的 AI 公司，从而退出了欧洲市场。此后，我们将更多的精力集中在港澳台地区以及东南亚市场。
在拓展欧美市场时，我们曾考虑采用 SaaS 模式，专注于中小客户群体。收购法国公司后，我们还成立了全球 SaaS 部门，希望以此来拓展中小客户市场。但在成熟市场中，中小客户的客单价可能与中国大客户的收入相当甚至更高。尽管当时我们有此想法，但由于业务调整，目前这一部分已经收缩。
目前，在东南亚、港澳台地区甚至中东地区拓展业务时，我们的思路与国内保持一致，主要面向大客户群体。大客户对产品的要求更高，对服务能力、销售能力的要求也更高，市场竞争更为激烈。但如果我们能够在竞争中胜出，收益也会相对较高。在策略上，我们保持相对统一，但也会根据各地的不同情况，进行必要的本地化调整。尽管面向的客户群体相对一致，但产品的设计理念和架构仍然保持相对统一。
InfoQ：英科有什么出海经验分享？
陈坤： 在出海之前，我认为与行业前辈们多交流是非常重要的。我们母公司位于山东，而山东青岛等地有许多已经成功出海的企业。我们经常拜访这些企业，与他们交流经验。这些交流内容可能非常细致，甚至涉及到某一行业的供应商选择、品牌推荐等具体问题。大家在海外打拼，都愿意分享自己的经历，帮助彼此更好地发展。通过与前辈们的交流，我们可以避开他们曾经踩过的坑。在海外，我们都是中国人，大家相互支持，就像一家人一样。
制造业出海对于中国企业来说并不是新鲜事，早在几十年前就已经开始。我们在这方面其实并没有踩过什么大坑，但如今，一些国际局势的变化给我们的业务带来了一定的挑战。以美国市场为例，由于关税政策的调整，我们可能无法进入某些市场，而我们的竞争对手却得以进入。但这些竞争对手的产能是有限的，一旦他们进入美国市场，他们原有的客户可能会因为产能不足而重新选择我们。我认为，所有的危机都蕴含着新的机遇。
声明：本文为 AI 前线翻译整理，不代表平台观点，未经许可禁止转载。
（文：AI前线）