從融合走向新生
AI浪潮下，傳統應用軟件會消亡，還是與AI“共生”？
在崔牛會策劃的「DeepTalk」的第二個系列話題欄目「AI的爭議」對話中，由崔牛會創始人&CEO崔強主持，邀請了明道云創始人&CEO任向暉、企業級AI應用創業者張浩然，圍繞“應用軟件消亡論：AI Agent是否將取代傳統企服軟件”主題，展開了精彩討論。
任向暉認為，未來Agent將是企業軟件的一個重要門類，它與原有企業軟件是互相融合，而非完全取代的關系；企業軟件應當先建設好所在應用領域的優勢，然后再考慮接入AI Agent的能力。
張浩然認為，新一波AI-Native的應用公司，更應該關注的是如何利用好上個時代已經構建出來的生態，來形成自己的價值交付。
以下是經牛透社編輯整理的對話內容：（有刪減）
替代焦慮
崔強：今晚討論的話題是“AI Agent會不會取代企服軟件”。我們會從架構、知識壁壘、新老格局三個方面展開討論。請兩位嘉賓先就今晚的話題談一下自己的觀點。
任向暉：我的觀點是不會取代，雖然這也不代表傳統企業軟件就可以高枕無憂。從中短期看，AI Agent這一新細分賽道要取代所有企業軟件的細分市場并不現實。主要有以下幾個原因：
第一，企業軟件雖然傳統，但并非一無是處，雖然它不如今天的AI智能，但它也有很多特點比如精確性、可管理性、GUI本身的獨特能力等，這些都是AI不太可能完全替代的。
第二，AI生態已經表現出一種向工具軟件、應用軟件主動集成的趨勢，或者說它已經主動采納了這個技術架構。
比如現在幾乎所有的AI Flow產品，都提供了Function Calling（函數調用），包括最新的MCP協議，以及向量化嵌入、知識圖譜嵌入等架構，它們的存在說明了AI能力要結合應用軟件的能力，才能最終端到端地解決客戶的問題。
這好像人家已經把手伸過來要和你握手了，你卻說我不行了，我要去做你這個，這顯然是非常不理性的。以上是兩個基礎原因。
第三，從市場角度來講，AI領域的公司和傳統的企業軟件公司在相互滲透時，是存在一點不對稱性的。
從現在來看，企業應用去加AI能力要相對容易，而AI能力去加企業軟件所在細分市場上的領域能力，相對更難，或者要花的時間更長。所以，企業軟件公司，至少在與AI相互融合的難易度方面是占一定優勢的。
第四，是時間周期的現實性。在企業軟件產品規劃的現實周期內，在AI沒有完全形成替代能力的情況下，企業軟件仍需要按照現有的技術架構演進下去。
所以雖然AI技術是飛躍的，但應用產業飛躍不了，它永遠都是進化的。所以，未來五年內，企業軟件還是要建設好所在應用領域的優勢，然后再考慮接入AI Agent能力，而不是因為擔心會被AI Agent完全取代，自己也轉行去做AI Agent了，這更可能是舍本逐末。
張浩然：這個問題，還要看SaaS或者上一個軟件時代的本質到底是什么。我對它的總結是一個組織所有的工作流程、SOP，從完全的不在線到在線，然后又有一些工作流因為在線而變得更好地自動化。
從本質上講，我們講SaaS軟件的時候，是講一個由無數SOP或者企業經營Know-how所組成的場景聚合的應用載體。這個應用載體過去完成了在線、自動化，接下來一定會向智能化方向演化。
在線和自動化，提供了非常豐富的數據養分和巨大的數據體量，構建出的SOP或者Workflow，這些都會成為AI學習的經驗。
而智能化的本質就是要去思考怎么利用這些數據、經驗，讓企業的經營模式在下一個技術浪潮中產生改變。
這個智能化的趨勢在大模型出來之前就已經發生了。今天的LLM（大語言模型）再加上RL（強化學習），其實是把原來的深度學習、機器學習推到了一個新的高度。
所以，與其說是取代，不如說是演化。
這個過程中需求也會發生很多變化。過去很多需求都是非黑即白的，現在逐漸開始有了一種介于兩者之間的灰度需求，這些需求上一代架構是沒辦法再滿足的，這時就會融合產生一種全新的AI-Native應用。
所以，最終看起來就是一種取代關系。
融合之路
崔強：剛才浩然提到了一個問題：原來的軟件架構和現在的AI-Native架構有什么本質不同嗎？現在企業軟件在架構和功能上要做出哪些具體的調整才能與現在的AI進行融合？
任向暉：兩年前可能還不太清晰，現在我覺得整個智能體、LLM本身的一些技術路徑已經比較清晰了，結合無非是以下幾個方面：
第一類，就是在特定領域里進行必要的微調或者再訓練。比如醫療、法律已經有一些嘗試在做垂直領域的大模型，或者是在專業領域可以提供精確度更高、質量更好的服務；
第二類，就是現在應用比較廣泛的，如知識庫、客服這種RAG，這個方面的應用方向也比較明確了；
第三類，可能是最重要，也是企業軟件和AI能力最主要的結合方式，就是Function Calling（函數調用），這要求企業軟件本身的接口要面向AI友好地呈現。
如果以往軟件產品的接口設計是不夠完善的，現在就要迅速補上這一課。原來中國的企業軟件公司在開放性方面做得比較薄弱，有開放API的少，有高質量開放接口的更少。
我覺得今天要盡快把這一課補上，還好它的難度并不算非常高。
崔強：浩然，你怎么看企業軟件和AI的融合、握手這個問題？
張浩然：我覺得肯定要握手。今天LLM驅動的AI底座，如果沒有一個好的容器，一定是缺胳膊少腿的。所以，AI如何用好上一代建立起來的軟件優勢，形成自己的價值交付是一個關鍵。
單純的一個LLM驅動的Agent應用，其實并沒有什么壁壘。如何讓Agent工作，如何保證Agent在不同工作場景里既能夠泛化又能穩定地輸出，這是我們應當關注的一個方向。
崔強：Agent讓應用體驗變成對話式的，未來會不會一些設計或者流程就不需要了？
任向暉：現在的判斷是不能。企業軟件并非今天完成了一個單一的任務就結束，而且有時的確也存在很多與智能性沒有關系的東西。
比如一些現實性的工作需要，或者是一些行業性的要求，這些都是需要GUI來輔助的，并不是通過對話就能夠完全解決。
基于這些原因，肯定是一個漸進的、融合的過程，傳統企業軟件和AI這兩個東西都可能會存在。
崔強：浩然關于這個問題怎么補充？
張浩然：人的必要性永遠存在，只是人的角色可能會發生變化。SOP、垂直領域的Know-how，這些也不會消失，但會以另一種方式呈現。
比如以Zapiar、HubSpot、Salesforce這一類流程引擎來說，過去都是把人類在這個世界里構建起來的Know-how轉化成了一種映射在機器中的流程，本質上它還是人的Insight（洞見），而不是機器的洞見。
這一波AI最大的價值，在于機器有了洞見能力，那么流程是否可能由機器完成，人的作用要如何改變？
在這個過程中，人的作用應該是建起一個河堤，不要讓Work flow（流程）脫離河堤來運行；而且AI也不會無限地擴展，必定會被具體領域里的邊界所限制，人更重要的作用是要關注這個邊界在哪里。
以往做SaaS、做軟件其實是建立起來了一套“0和1”的規則。而AI-Native應用不一樣，它是有灰度的，這個灰度再疊加上智能性，讓AI可以在定義工作流這件事上，一定程度上替代人類，這也是AI-Native應用一定會替代SaaS的本質。
但CUI（對話式用戶界面，Conversational User Interface）和GUI（圖形用戶界面，Graphical User Interface）其實不是對抗的，而是相輔相成的關系。
CUI最大的優勢是在于意圖理解，而GUI的優勢是在于效率。所以未來一定會出現一種全新的交互方式。
灰度驅動的新一代智能系統所帶來工作流的動態變化，才是AI Agent在企業級市場的最大潛力。
這中間我們需要做的是什么呢？就是在Plan環節如何去糾正，在運行環節怎么去控制，以及在運行以后如何去觀測和審計。
這可能是AI-Native應用與SaaS不同的地方。
崔強：為什么灰度反而推動了這樣一個進步呢？你可以補充一下。
張浩然：灰度在我看來是某種程度的泛化。我在使用LLM時，體驗是當我在研究每件事情的時候，它會突破我提供給它的框架，生成一些我完全沒有想到的角度。
這其實可以對標剛才我想表達的灰度含義：雖然不是絕對精確，但也不是錯誤的。這個灰度在企業級市場里面，和原來強定義的那套東西不同。
任向暉：灰度目前肯定會存在的，是沒辦法精確控制的。目前在AI應用細分市場相對跑得比較快的，都是對精確性要求門檻低，如一般的客服場景。
但大部分企業軟件的門類可能不太能接受灰度，比如財務軟件、工作流軟件等。從我們服務客戶的經驗來看，沒有客戶是喜歡灰度的。
張浩然：我在這個地方的視角，是因為今天的SaaS只是交付過程，而不是交付結果。
如果五年后AIAgent交付的是某個結果，但在交付結果的過程中，很可能是到了交付的里程碑節點，需要人的互動。但和以往相比，需要人介入的顆粒度可能是被拉粗了，某種角度，這個灰度是被AI內部消化掉了。
雖然，某些情況下存在一定的灰度性，但這個里程碑卻是可控的。
任向暉：相信今天做AI來解決企業軟件問題的人，都想實現端到端的目標。你也提到了它不可能一步達成，有時只能跳到某一個里程碑，這時需要人的參與。
問題是你不知道這個里程碑會失敗在哪個點上，它可能在整個鏈條當中隨時都可能失敗，這就意味著你在每一個環節還是要安排觀察窗，需要提供人類操作的入口，這和現在并沒有什么不同。
這也從另外一個角度來說明，今天我們構建的企業軟件，可能就是在實現端到端之前必須做的一個事情。而且如果僅是企業的端到端，意義并不大，因為很多情況下需要跨越企業邊界，但企業邊界并不一定就是同步發展的。
未來五年，甚至十年企業要實現真正的端到端其實是很困難的。在這種情況下，堅持做好觀察窗，還是領先優勢的保障。
張浩然：觀察窗一定不會消失，但定義可能會被改變。如果把GUI視作觀察窗，過去是由人來控制，今天可能是由AI來控制。
過去我們做軟件是面向人做，下一步會不會轉變成面向AI來做？就像以往瀏覽器是給人用的，今天大家都在面向AI做瀏覽器，這就是一個變化的奇點。
如果我們把上一代已經建立好的互通的API、Workflow、流程，變成面向AI來做，這時就可能產生一些新的變化，這也是新的創業者的機會；從另一個角度，我也認同LLM發展到一個階段以后會停下來，沒有辦法向著所謂的端到端發展，可能會有更新的框架來解決這個問題。
今天在LLM基礎上疊加了各種Agentic系統，才是有可能替代SaaS的東西。絕對以大模型驅動的端到端是很難實現的，但以Agentic系統來完成應用構建的端到端的新方向會到來。
任向暉：未來Agent肯定是一種很重要的軟件形態，可能是企業軟件中的一個重要門類，原來的門類和它有所結合，現在大家應該都看得到這個愿景了。
現在的智能體市場，有很多年輕的創業者來做這樣一個新的門類，我覺得是更為可取的。原來的企業軟件產品公司，也有去做智能體編排工具的，我覺得這就沒有必要了。
我不否認Agent是一個很重要的形態，但它只是與企業軟件的結合，而不會把原來的這個門類的軟件都替代。
崔強：我們在使用AI的時候，怎么保障它的安全性？在這個過程中企業自己的數據會不會被公有化，怎么在保證數據的隱私和安全的前提下去迭代？
張浩然：這是個難點，但并不是一個新問題。以Agent和Agent之間的互動協議為例，這些通信協議中能夠獲取的權限也是要被管理的。
過去人在系統中需要身份認證，今天Agent在整個系統中同樣需要身份認證，這意味著以往的安全性保障體系在AI時代仍然需要，問題是它們如何融合到新的AI系統中，來完成第一道安全屏障。
第二道安全屏障，我認為同態加密這類技術也會火起來。
任向暉：這與SaaS的公共云和私有云服務是類似的。如果采用Function Calling，從本質上并沒有把私有數據存放到大模型里去。
如果大家覺得只要和自己的內部數據有通信就是不安全，這其實是有點過度了。這也導致了DeepSeek出現以后，大家都想要私有部署一個，我覺得這是不可持續的，因為它的成本是不合理的。
大企業可能還具備規模經濟效益，但對于絕大多數中小企業來講這是不現實的。而且模型本身也在進步，沒有理由未來的成本也像今天這么低，所以基本上最后絕大多數中小企業還會使用公共服務的模型。
只有大型企業可能會選擇私有部署。而且安全的本質也不是靠部署模式來決定的，而是一個全方位的東西。
因此，我不覺得這與AI有什么特定相關的關系。
AI生態之變
崔強：目前國內生態都不太開放，用MCP的方式也很難解決聯通的問題。從國內生態環境來看，五年后AI的生態會發展成一個什么樣的狀態？
張浩然：很難說，整個基礎設施還在不斷完善，Agent調用工具的準確性還會繼續增加，所以MCP這種基礎能力會成為一個共識，但它能否成為AI Infra的一環也說不好。
但是以五年來看，Agent調用工具的準確性會非常高，這意味著一個Agent單元的邊界會被定義得非常清晰、具體。
大家可能通過SaaS以往的定義和想象，來清晰描繪出未來Agent的定義和想象，這可能也是下一步會看到的一個變化。
任向暉：這可能要依靠兩邊的共同努力。一方面模型能力肯定還會繼續提高，它也許還能提供比我剛才所講的三種結合方式更好的方式，但有一點是肯定的，企業軟件自身也是需要努力的。
這需要耐心，同時要避免做無意義的事。比如我們今天做的事，就是利用Agentic能力調度我們的內部接口，通過用戶提示和提供的材料，能夠生成自己定義的Agent，這是明道云自己的零代碼應用模型。
但這個過程說起來簡單，實現起來需要拆成非常多的步驟，每個細節可能都要打磨幾個月才能達到可以接受的準確度，這也是我們做應用軟件應當去努力的。如果不在我們這一側去做對齊、驗證，即使另一側模型的能力越來越強，我們也解決不好客戶的問題。
所以，五年其實是可以走很遠，但大家要盡快取得一些共識，即不要做那些無意義的事。如果你不理解現有的技術限制，而是只想做一些噱頭性的功能，就等于是在浪費時間。
崔強：我們現在看到一種趨勢，大模型也在推一些新能力，比如Kimi推出了PPT、思維導圖這樣的通用能力，這可能會對一些做單點應用的產品帶來一些困擾。
同樣的，一些工具型軟件也在往上走，去訓練自己的私有小模型。未來兩位怎么看AI-Native和傳統軟件之間，以及大廠之間、模型平臺之間這種格局的競爭？
任向暉：我覺得小廠是有巨大優勢的，而且這和AI沒什么關系。比如最近我們購買了一款錄屏軟件，這個產品就是完全靠設計取勝的，它是國外一個小團隊做的，它的功能設計也和AI沒有特定的關系。
這說明競爭絕對是不在于技術路徑的，和有無采用AI也沒有太大關系。
在大多數情況下，贏得客戶的心，都是要靠主流技術以外的東西。因為主流技術是所有人都關注的，今天的AI幾乎是一個公共的東西，它的門檻也越來越低。
所以對于小廠來說，關鍵在于你能否在很多細分市場中找到獨特的機會，并且專注去做。
崔強：你的觀點是小廠還是有很大優勢，不要糾結在技術、品牌實力上，而是完全要靠創新，找到屬于自己的細分市場。
張浩然：我非常認同，我覺得技術不是本質。新一波AI-Native的應用公司，更應該關注的是如何利用好上個時代已經構建出來的生態，而不需要再去考慮怎么去建立那些已經被人建立過無數次的底座了，而是要考慮怎么利用它們，通過AI創造出的新價值。
定義清楚價值，不斷思考怎么用新一代的AI-Native應用去交付價值才是重點。
崔強：SAP在每一輪轉型的過程中都做了相應的收購，未來中國的企服生態會不會也有這樣的狀態，即大廠在轉型過程中收購一些新的小廠，來補充自己的技術版圖？
任向暉：總會有這么一天，這也是產業規律。但我覺得“老大哥”們要先解決好眼下的問題，即自身的造血能力要補回來。我覺得一兩年內都是比較麻煩的，要三五年才可能走到這樣一種整合狀態，這樣也更健康。
張浩然：這是非常好的，比如一個AI-Native的應用，今天靠快做出了一個垂直場景的交付，但是應用的底座其實是存在很大競爭壁壘的，不是短短幾年就能夠搞定的。
這時如果小的創新型AI應用公司，能夠適時地把我們定義好的價值，找到一個可以將它放大10倍、20倍的底座交給他們，這其實也是一個好的結果。
任向暉：其實大部分SaaS公司的創始人天天關注的也是他們的AI產品，或者是產品如何利用AI能力。這時我覺得相比較錯過，容易做多做錯的風險反而會更高一些。
崔強：最后兩位再用最簡短的話來總結一下今天自己的觀點和內容。
任向暉：大家知道一個最經典的對比，就是100多年前汽車替代馬車的例子，把SaaS公司比作是馬車，AI原生應用比作汽車。但大家可能更容易忽略一個歷史事實，是很多汽車公司都是從當年的馬車公司轉型過來的。
所以大家從歷史回顧來看，都容易過度簡化，但是從微觀事實來看它并不是這樣。傳統企業一直都在關注這個市場。所以，更大的可能性就是技術融合，也不要太焦慮。
張浩然：我認為整體上看它絕對不是一個替代關系，而是融合與生長。我們沒有理由說巨頭們在這上面一定會落下。
AI-Native應用，與以往應用軟件最大的區別就是它的發散性和生成式，這兩個核心帶來的灰度也會生長出不太一樣的需求，這些不太一樣的需求一定會和傳統軟件拉開一個“身位”，而這也是我們今天最重要的切入點。
本文來源：36氪
文章轉載于其他網絡，如有侵權請聯系我們及時刪除
