自2023年下半年以來，已有25家人工智慧相關企業在港交所IPO上市，僅2025年上半年就有5家AI企業成功上市。可見AI類股正成為資金鏈條上最具確定性的增長點。資本的目光從來不會無的放矢。那些被資本選中的“AI寵兒”們，究竟具備怎樣的共性？那些落地方向最具現實變現潛力？而想成為“AI第一股”的公司，又應該怎麼走？2025年，AI似乎成了少數仍能匯聚確定性與想像力的方向，吸引著資金、人才與敘事的加速匯聚。IT橘子資料顯示，截止今年三季度，共有764家AI公司獲得風投投資，創下近五年新高，交易金額高達830億元。表面上看，一級市場熱度在回升，但事實上，市場可投賽道並不多，而資金仍集中湧向了AI領域，呈現出一種風景獨好的狀況。這種“熱度集中”的現象，並非只出現在一級市場。二級市場的IPO動向，同樣驗證了AI的資本吸引力。據LiveReport巨量資料統計，自2023年下半年以來，已有25家人工智慧相關企業在港交所IPO上市，僅2025年上半年就有5家AI企業成功上市。可見AI類股正成為資金鏈條上最具確定性的增長點。資本的目光從來不會無的放矢。那些被資本選中的“AI寵兒”們，究竟具備怎樣的共性？那些落地方向最具現實變現潛力？而想成為“AI第一股”的公司，又應該怎麼走？這些，正是下一階段AI產業競爭的關鍵命題。被資本選中的“AI寵兒”們對比2024年，今年被資本選中的AI企業，顯然更加務實。據產業家統計，2025年前三個季度，人工智慧領域一級市場共發生548起交易事件，同比增長44.59%，具體到細分賽道上，AI通用應用和AI行業應用佔據近一半，成為增長最迅猛的兩條主線；在交易金額上，AI行業應用則躍升為資金最集中的洗到賽道，達到150億元。這一趨勢與去年資本在AIGC層的狂熱完全不一樣。2024年同期，AIGC賽道交易金額高達308億元，佔總額六成。而今年這一數字銳減至111億元，同比下降64.01%。資本對AIGC“降溫”也直接拉低了整個AI交易金額，使得2025年前三個季度交易金額僅為460.64億元，同比下降8.43%。然而，資金並未離場，而是更精準地流向了“能落地”的領域。資本將更多資源投向AI通用應用、AI行業應用以及AI基礎技術三大方向，分別增長216%、36.8%和153.74%。值得注意的是，基礎層雖然拿到更多融資，但這在一定程度上與該領域裝置重、投入高有關。資本不是收縮，而是在調整配置，把錢放在更能轉化為生產力的地方。進一步剖析前三季度一級市場獲得1億以上融資的企業，發現大部分公司主要是聚焦於醫療、物流、自動駕駛、機器人、行銷數位化這幾類具體的應用場景。資本顯然在回歸一個原則，即AI要“親民”。再看AI領域的二級市場。截止2025年7月，二級市場成功上市五家企業，涵蓋倉儲物流、解決方案、無人礦卡等多個領域。表面上看這些企業也屬於行業應用，但不同點在於，IT橘子將這些企業歸於了AI基礎層和AI技術層。此外，這些企業普遍具備穩健的盈利能力。例如極智嘉收入達人民幣10.25億元，同期增長31.0%，這得益於倉儲機械人跑通AI商業模式；雲知聲雖整體利潤增長放緩，但其山海大模型收入近1億元，同比激增457%。顯示出AI技術在原有業務體系中的放大效應。值得注意的是，無論是一級市場還是二級市場，這些“AI寵兒”大部分AI屬性都不夠“純粹”。換句話說，AI並非它們的唯一標籤，大多數並不是AI原生公司。明略科技仍以政企數位化、知識圖譜和智能決策為主營；雲知聲早在2012年成立，定位也曾轉換；滴普科技的根基在資料分析。一級市場上，真正“純AI”的公司屈指可數，僅有的幾家，背後也都有巨頭加持或成熟產業鏈的資源托底。比如betteryear背靠阿里，Intent AI獲得的是戰略投資。同樣地，二級市場的贏家往往是那些深耕行業已久，再借AI完成躍遷的企業。這透露出一個耐人尋味的現象，無論是一級市場還是二級市場，資本押的不是AI，而是“能AI化的公司”，真正走向IPO的公司更是有著清晰的商業化路徑。AI落地產業，真實溫度幾何？資本的選擇，從不是孤立事件，這背後反映出的是市場對落地難易度的集體判斷。回看AI技術熱潮襲來的這幾年，技術落地最多、最快的是介面層的改造。這一層改造集中發生在程式設計開發、客服、辦公、內容行銷等場景，它們具備“低風險、高頻率”的特徵，AI在這些環節提升了操作效率、降低了人力成本，也迅速讓企業初步看到了ROI的正反饋。比如在程式設計開發場景，GitHub的一項研究顯示，AI程式設計助手可使開發者完成任務的速度提升約26%，AI不僅擅長程式碼補全、單元測試生成、邏輯最佳化，甚至參與初步的程式碼審查。但隨著AI進入更高階的開發環節，短板逐漸顯現。MIT一項實驗指出，對於資深開發者而言，AI對生產力的提升僅為8%～13%，甚至在某些場景中，AI的引導反而讓開發時間延長了19%。這也解釋了為什麼在一級市場上，許多主打介面層應用的AI初創企業在早期看似炙手可熱，卻很難持續放大營收曲線。技術門檻不高、服務可替代性強、同質化嚴重，是這個賽道的系統性難題。這些介面層的AI改造，只有與業務流程深度串聯，才能釋放真正的生產力。一些企業已經意識到這一點，開始將AI嵌入核心業務鏈條。由此，在醫療、金融、教育、物流、零售等領域，AI的重心正逐步下沉至流程層的改造。醫療行業是一個典型樣本，阿里雲白皮書提出的四象限模型顯示，醫學影像診斷與藥物研發處於“高成熟度+高潛力”區間，其中醫學影像AI產品商業化率已達90%；英矽智能其生成式AI平台將抗體研發周期壓縮10倍，實現四項藥物授權合作，總金額超15億美元。而就在今年這家企業獲得多筆大額融資。AI在醫療行業的落地，不僅限於研發。BD公司通過預測性分析最佳化庫存管理，將預測準確率提升20%，顯著降低庫存成本；而森億智能的智慧醫院解決方案，通過AI驅動的病歷生成與質控，將醫生文書時間縮短50%；西門子的AI平台，在提升診斷精度的同時，將放射科工作流程效率提升40%，實現協同最佳化。這些案例背後的共同點在於AI不再只是工具，而是嵌入系統之中的決策變數。一旦進入流程，它便成為企業最深的護城河，也因此成為資本最願意押注的方向。但流程層的改造並不輕鬆。首先是資料，企業的資料分散在不同系統、格式不統一，AI模型要理解需要大量清洗與標註。其次是組織，要讓AI接管決策流程，意味著管理層要放權給演算法。多數企業依然在“AI+人工”雙軌狀態，模型決策還需要人工驗證。醫療場景就凸顯了這種複雜性。資料偏差、解釋性不足、倫理責任模糊、流程嵌入複雜等問題，使得AI目前在醫療行業主要承擔質控、影像判讀、醫患溝通等角色，離“獨立診斷”仍有顯著距離。不過，從技術節奏來看，這仍不是AI落地的盡頭。AI真正的價值，在於對業務邏輯的重新定義。這一層不是工具升級，也不是流程最佳化，而是對整個系統運行機制的重塑。自動駕駛、具身智能，以及像京東、快手建構的AI導購系統，阿里國際站的“AI合夥人”，本質上都在探索一種AI原生的組織與營運方式。但這一步也最遠。它要求的不僅是高品質資料和巨額算力投入，更需要多年的工程落地驗證。在當下，能進入這一層的公司寥寥，大多數仍處於實驗室驗證或局部試點階段。總的來說，介面層AI持續變現難，業務邏輯重塑層AI投的是未來，而流程改造層AI則可能是眼下最容易兌現的商業化區間。這也解釋了為什麼一級市場真正“純AI”的公司數量極少，而二級市場上大多數被歸為“AI概念股”的上市企業，其實是“AI+多年行業經驗”的組合體。尋找AI浪潮裡的下一個IPO在AI領域，下一個敲鐘的人，正在加速趕來。資料顯示，截至2025年7月24日，港交所已有214家公司遞交上市申請，其中AI相關企業多達48家，佔比22.43%。換句話說，每5家擬上市公司中，就有1家與AI相關。更有意思的是，這48家AI概念擬上市公司中，11家為A+H公司，佔比高達22.92%。這意味著AI領域已有一批技術成熟、商業化路徑清晰、具備國際化佈局能力的“頭部企業”嶄露頭角。它們正通過雙重上市來穩固資本根基、放大全球影響力。天下英雄如過江之鯽，誰能脫穎而出，成為下一個真正意義上的產業敲鐘人？回看2025年前後成功登陸資本市場的一批AI公司，可以發現一種隱性的共識：落地路徑要“以點帶面”，技術打法需“以場景起家”。無論是雲知聲的醫療AI、明略的行銷AI，還是極智嘉的倉儲機器人、斯年智駕的港口無人車，幾乎都遵循了類似軌跡，那就是從一個確定性高的業務場景出發，深挖需求、打磨產品，做到業內領先，再逐步橫向擴張相近領域。雲知聲選擇的突破口是病歷質控和地鐵語音購票兩個場景。通過樹立標竿項目，它構築起能用、好用的早期使用者認知，為後續通用大模型的應用拓展提供了現實抓手。海致科技也是類似路徑，其通過知識圖譜技術切入金融反欺詐場景，逐步將能力延展至營運風控與資料治理，實現了“場景突破—平台沉澱”的良性循環。這些AI企業在商業化的路徑選擇上，也普遍繞開了與通用大模型正面競爭，轉而採取“垂直化+專精化”的策略。值得注意的是，這批走到“敲鐘”前線的AI企業，還有一個共性，那就是他們幾乎都在早期就投入建設了自己的平台型產品或基礎技術架構。比如雲知聲擁有自研的大模型平台“雲知大腦”與語音晶片Atlas；滴普科技打造了FastData與FastAGI雙平台，分別對應資料引擎與智能引擎；明略在“秒針系統”與“小明助理”之間建構起從分析到決策的全鏈路AI營運系統；而極智嘉和斯年智駕則圍繞AI應用場景建構了軟硬體一體化的全端方案，實現從演算法、感知、決策、執行的端到端閉環。這些自主平台一方面凝聚了核心演算法、模型、工具鏈，形成技術壁壘，另一方面也方便產品標準化複製，降低項目交付成本。是AI企業從人力密集型項目向產品化、規模化發展的必要階段，誰的平台能力強，誰就更能主導商業化節奏。據IDC等機構預測，中國AI解決方案市場未來5年仍將保持50%以上年增長，2030年規模可望超過兆元。這既是巨大機遇，也是激烈戰場。大模型時代技術日新月異，唯有掌握獨特場景資料和know-how，才能抵禦同質化競爭，成為下一個敲鐘的人。 (鈦媒體)

2025 年，企業 AI 應用正經歷從概念驗證到規模化部署的關鍵轉折點。Salesforce Dreamforce 2025 大會作為企業軟體領域的風向標，集中展示了企業 AI 發展的最新趨勢和實踐方向。根據麥肯錫最新全球調查報告，78% 的企業已在至少一個業務功能中使用 AI 技術，較 2024 年初的 72% 和一年前的 55% 顯著提升。更令人矚目的是，92% 的企業計畫增加 AI 投資，但僅有 1% 實現了完全的營運整合。這一巨大的成熟度差距揭示了企業在 AI 轉型過程中面臨的挑戰：如何將 AI 從實驗性工具轉變為驅動業務增長的核心引擎？Dreamforce2025主題 "Agentic Enterprise"（智能體驅動型企業）給出了明確答案。Salesforce CEO Marc Benioff 在大會上宣佈，Agentforce 已成為 Salesforce 所有產品的核心，標誌著公司從傳統的雲軟體服務商向 "AI-first" 企業的戰略轉型。這一轉變不僅體現在產品層面，更代表著企業營運模式的根本性變革 —從 "介面操作" 向 "智能助力" 的必然路徑。本文將深入剖析 Dreamforce 2025 揭示的企業 AI 三大核心方向：智能體驅動的業務流程最佳化、資料整合與統一驅動的 AI 應用，以及人機協同的工作模式建構。通過分析 Salesforce 及其 12,000 家客戶的實踐案例，結合其他主要雲服務商的佈局和行業研究資料，為企業 AI 轉型提供系統性的洞察和可操作的建議。一、智能體驅動的業務流程最佳化：從自動化到自主化的躍遷1.1 Agentforce 平台的技術架構革新Salesforce 的 Agentforce 平台代表了企業 AI 代理技術的最新演進。在 Dreamforce 2025 上發佈的Agentforce 360，將 AI 代理、即時資料和人工工作流程整合為單一一致的體驗。這一平台由四個核心元件構成：Agentforce 平台作為建構智能代理的基礎架構，支援從簡單的聊天機器人到複雜的多步驟推理系統的全譜系應用。特別值得關注的是，Agentforce 2dx 版本引入了革命性的 "主動式 AI 代理" 能力，使代理能夠在資料變化時被觸發，在任何業務流程的後台自主運行，並通過豐富的內容和媒體與使用者介面進行互動。資料 360（Data 360）提供統一的資料訪問層，打破了傳統的資料孤島。通過超過 200 個預建構連接器，Data 360 能夠無縫整合來自 SAP、Shopify、Zendesk、Workday 等多個資料來源的資料。更重要的是，Salesforce 收購 Informatica（價值 80 億美元）後，將其豐富的資料目錄、資料整合、治理、質量和隱私服務與 Salesforce 平台結合，建立了智能代理 AI 的統一架構。客戶 360 應用包含業務邏輯和機構記憶，為 AI 代理提供上下文理解能力。而Slack作為使用者介面層，成為智能代理與人類協作的主要通道，實現了從 "點選" 到 "對話" 的工作方式轉變。在技術能力方面，Agentforce 展現出多項突破性創新：多模態互動能力：Agentforce 支援文字、語音、圖像等多種互動方式。Agentforce Voice 加入了自然、可中斷的對話功能，具有無縫人工交接和完整轉錄上下文。在現場演示中，代理成功處理了購買流程、檢查配送狀態，並在保持相同對話執行緒的同時轉移給現場代表。混合推理機制：結合規則引擎和 AI 推理，確保代理行為的可預測性和精準性。新的AgentScript 語言允許開發者定義規則、變數和條件，實現了確定性邏輯與 AI 推理的完美結合。智能上下文處理：通過新的低程式碼管道攝入和索引結構化及非結構化資料。在演示中，一個複雜的產品手冊被轉換為結構化、可搜尋的知識，代理可以在回答問題時引用來源。1.2 典型行業應用案例與量化成果智能體驅動的業務流程最佳化在多個行業展現出顯著成效。以下通過具體案例分析其商業價值：DirecTV（媒體行業）的成功實踐最具代表性。通過部署 Agentforce，DirecTV 實現了驚人的效率提升：1.每周減少客服耗時300 小時2.每周執行5 萬次自動化操作3.大幅降低了人工客服成本，同時提升了服務質量Falabella（拉美零售）的轉型案例同樣令人矚目。作為一家拉美零售集團，Falabella 希望將 WhatsApp 打造成客戶服務的主導管道。在使用 Agentforce 之前，項目進展緩慢；轉向Agentforce 後，僅用兩個多月就完成了部署。更重要的是，WhatsApp 使用率在三周內從不足 50% 激增至超過 70%。具體成果包括：1.電話諮詢量下降25%2.淨推薦值（NPS）提升10 個百分點3.三個月內三次追加訂單，顯示出強勁的投資回報OpenTable（餐飲預訂平台）的案例展示了智能代理在提升客戶服務效率方面的巨大潛力。OpenTable 的 AI 代理在三周內處理了數萬個原本需要人工支援的對話，處理了73% 的餐廳網路查詢，相比之前的工具提升了 50% 的效率。Equinox（健身連鎖）和Williams-Sonoma（家居零售）也通過 Agentforce 實現了顯著的營運改善。Equinox 使用 AI 代理最佳化了會員服務流程，而Williams-Sonoma 則利用代理提升了訂單處理和客戶支援效率。從行業分佈來看，智能代理的應用已經擴展到多個垂直領域：1.金融服務：風險評估、合規監控、交易處理自動化2.公共部門：市民服務、許可證辦理、案件管理3.消費品：供應鏈最佳化、庫存管理、需求預測1.3 技術實施的關鍵成功因素基於 Salesforce 及其客戶的實踐經驗，智能體驅動的業務流程最佳化成功實施需要關注以下關鍵因素：快速部署能力：根據行業分析機構 Valoir 的研究，使用針對智能代理 AI 開發最佳化的平台（如 Salesforce Agentforce）的組織，能夠以平均16 倍的速度交付自主 AI 代理，同時將精準性提高75%。Futurum Research 發現，使用 Agentforce 的組織可以實現高達 5 倍的投資回報速度，總擁有成本至少降低 20%。標準化與定製化的平衡：成功的實施策略是先使用標準化範本快速部署，再根據具體業務需求進行定製。Salesforce 提供了數百個跨行業的預建構代理範本，大幅縮短了部署時間。同時，通過低程式碼和無程式碼工具，業務使用者也能參與代理的配置和最佳化。持續最佳化機制：智能代理的價值在於其不斷學習和改進的能力。Salesforce 的 Agentforce Interaction Explorer 提供了詳細的報告和分析功能，從總體趨勢到個別會話跟蹤，幫助團隊持續代理性能。新的 Agent Insights 和 Analytics 工具（2025 年 11 月 Beta 版）提供了對關鍵指標的即時可見性，如解決率、升級趨勢和會話級行為。安全與合規保障：企業級應用必須滿足嚴格的安全和合規要求。Agentforce 代理繼承運行它們的使用者的權限，確保了資料訪問的安全性。Varonis 等第三方解決方案提供了統一的可見性，涵蓋敏感性、權限和活動，自動執行最小權限原則。二、資料整合與統一驅動的 AI 應用：建構智能決策的基石2.1 資料雲平台的戰略佈局資料整合與統一是釋放 AI 價值的基礎。Salesforce 的 Data Cloud（現更名為 Data 360）代表了企業資料管理的新範式。正如Salesforce CEO Marc Benioff 所言，Data Cloud 是一個 "豐富的 4D 業務狀態地圖"，將來自 Salesforce 應用程式和外部來源的資料聚合和協調成單一的事實來源和上下文。Data 360 的核心架構包括四個關鍵元件：1.企業消息傳遞平台：支援即時資料交換和事件驅動架構2.資料聯邦服務：提供統一的資料訪問介面，支援跨資料來源的無縫查詢3.客戶解析引擎：通過智能演算法識別和合併重複的客戶記錄4.易用的使用者介面：為管理員和資料管理員提供直觀的資料管理工具在資料整合能力方面，Data 360 展現出強大的連接性。通過與 MuleSoft 的深度整合，平台支援超過300 個資料來源的接入，包括：1.企業資源規劃（ERP）系統：SAP、Oracle 等2.客戶關係管理（CRM）系統：Salesforce 自身及其他競品3.電子商務平台：Shopify、Magento 等4.人力資源系統：Workday、SuccessFactors 等5.分析工具：Tableau、Power BI 等特別值得關注的是 Salesforce 在 2025 年 5 月宣佈的80 億美元收購 Informatica計畫。這一收購將為 Data 360 帶來革命性的提升：1.資料治理能力：Informatica 的高級資料質量、整合、編目和治理功能，確保流經 MuleSoft API 的資料不僅被連接，而且經過豐富、標準化和可信處理2.中繼資料管理：Informatica 豐富的中繼資料與 Salesforce 的統一資料模型相結合，使 AI 代理能夠以有意義的上下文解釋、連接和操作企業資料3.主資料管理（MDM）：提供單一的資料管道，確保關鍵業務實體（如客戶、產品、供應商）的一致性和精準性2.2 統一資料架構的技術創新Data 360 的技術創新不僅體現在整合能力上，更重要的是其為 AI 應用提供的智能資料處理能力：即時資料處理：Data 360 支援即時資料攝入和處理，使 AI 代理能夠基於最新資訊做出決策。新的私有連接功能提供安全的雙向資料訪問，零複製檔案聯邦功能允許訪問大型資料集而無需複製，混合搜尋功能從非結構化資料中提供更相關的搜尋結果。智能資料治理：通過 AI 驅動的標記和分類功能，系統能夠自動標記和組織資料及中繼資料。基於策略的治理幫助使用者建立、執行和管理策略，通過動態資料遮蔽控制資料訪問和混淆敏感資訊。上下文感知能力：Data 360 的 "上下文即程式碼" 概念將中繼資料、文件和即時資料流直接連結到代理推理，減少了重複並提高了準確性。這使得 AI 代理能夠理解資料的完整上下文 —來源、轉換、質量和治理，而不僅僅是看到資料點。開放生態系統：Salesforce 採取了開放的策略，與多個資料平台建立了深度整合：1.與Snowflake的雙向 "零複製" 資料共享，允許 Salesforce Data Cloud 即時查詢 Snowflake 中的資料，反之亦然2.與Databricks的合作，將 Lakehouse 資料納入其中，客戶可以將Databricks 的湖資料與 Salesforce Data Cloud 合併，甚至將自己的 AI 模型從 Databricks 帶入 Agentforce3.與AWS的緊密整合，通過 Hyperforce 基礎設施計畫，Salesforce 軟體可以在 AWS（和其他公共雲）上全球運行2.3 資料驅動 AI 應用的商業價值資料整合與統一驅動的 AI 應用正在多個維度創造商業價值：提升決策質量：統一的資料基礎使企業能夠獲得 360 度的業務檢視。例如，一家製造企業通過整合 ERP、CRM、IoT 感測器和第三方市場資料，建立了即時的供應鏈監控系統。AI 代理基於這些綜合資料預測潛在的供應鏈中斷，並主動調整生產計畫，將供應鏈延遲減少了40%。加速洞察生成：通過統一的資料架構，分析和 AI 模型可以更快地訪問所需資料。Tableau 與 Data Cloud 的整合特別值得關注，Benioff 透露："Tableau 現在有了語義層…… 資料層…… 動作層…… 和中繼資料層。它是 Slack 中核心應用的可嵌入應用程式"。這使得業務使用者能夠通過自然語言查詢獲得即時洞察。降低資料管理成本：傳統的企業資料架構往往存在大量的資料孤島，導致資料冗餘、不一致和管理成本高昂。Data 360 通過統一的資料模型和治理框架，幫助企業大幅降低資料管理成本。根據行業分析，採用統一資料平台的企業平均可將資料管理成本降低30-50%。增強 AI 模型性能：高品質、一致的資料是訓練有效 AI 模型的基礎。通過 Data 360 提供的清洗、標準化和豐富的資料，企業的 AI 模型表現得到顯著提升。例如，一家金融服務公司通過整合和清洗客戶資料，將其信用風險模型的精準率提升了15%，同時將模型訓練時間縮短了60%。2.4 行業最佳實踐與實施建議基於 Salesforce 及其客戶的實踐經驗，資料整合與統一驅動的 AI 應用成功實施需要遵循以下最佳實踐：循序漸進的實施策略：Rome 不是一天建成的，資料整合也需要分階段進行。建議從核心業務資料開始，逐步擴展到其他資料來源。Salesforce 建議的實施路徑是：1.第一階段：整合核心業務系統（CRM、ERP 等）2.第二階段：加入分析和 BI 工具3.第三階段：整合外部資料來源和 IoT 資料4.第四階段：建立即時資料處理和 AI 應用重視資料質量："垃圾進，垃圾出" 是 AI 時代的金科玉律。Data 360 通過以下方式確保資料質量：1.自動資料清洗和標準化2.基於規則和 AI 的異常檢測3.資料血緣追蹤，瞭解資料的完整生命周期4.資料質量監控和警報機制建立資料文化：技術只是基礎，成功的資料驅動轉型還需要組織文化的支援。Salesforce 的經驗表明，成功的資料文化需要：1.高層領導的支援和參與2.跨部門的資料治理委員會3.資料素養培訓和認證4.基於資料的決策流程和激勵機制三、人機協同的工作模式建構：重新定義人與 AI 的關係3.1 人機協同的核心理念與架構設計人機協同不是簡單的 "人工 + AI" 疊加，而是一種全新的工作模式。Salesforce將其定義為 "Superagency"（超級智能）狀態，即個人在 AI 賦能下，大幅提升創造力、生產力和積極影響力。這種模式的核心在於：AI 不是替代人類，而是增強人類能力，讓每個人都成為"超級工作者 "。在架構設計上，人機協同工作模式包含以下關鍵要素：智能代理的角色定位：智能代理在人機協同中扮演多重角色：1.協作者：與人類員工並肩工作，處理複雜任務2.助手：提供即時建議和上下文資訊3.執行者：自動化重複性和規則性任務4.協調者：在多個系統和人員之間協調工作流程Slack 作為統一協作平台：在 Dreamforce 2025 上，Salesforce 將 Slack 定位為 "智能代理企業的對話介面"。通過 Auto Slack 功能，管理員可以建立尊重 Salesforce 權限的 Slack 工作區，確保代理只能看到請求使用者能看到的資料。在演示中，一個 "Aloha" 代理在一個 Slack 執行緒中協調預訂、處理電子表格、下採購訂單和共享 Tableau 可視化 —— 所有這些都在一個對話執行緒中完成。存取控制與安全保障：人機協同必須在安全的前提下進行。Agentforce 代理繼承運行它們的使用者的權限，確保了資料訪問的安全性。這意味著：1.代理不能訪問使用者沒有權限的資料2.所有代理操作都有審計日誌3.可以設定代理的操作限制和審批流程4.支援多因素認證和會話管理3.2 迪士尼案例：人機協同的巔峰實踐迪士尼的 "Agent Fluidity"（代理流動性）案例完美詮釋了人機協同的巨大潛力。根據 Salesforce 的披露，迪士尼現在擁有" 代理流動性 "，數千個面向公園遊客的 AI 代理可以同時接入客戶偏好、遊樂設施可用性等系統，推薦個性化體驗 —— 這是人類工作人員難以即時協調的。迪士尼的人機協同系統展現出以下特點：大規模分佈式部署：數千個 AI 代理同時運行，每個代理都針對特定任務進行了最佳化，如：1.遊樂設施推薦代理：基於即時等待時間、遊客偏好和體力狀況推薦路線2.角色互動代理：通知遊客附近的卡通角色位置3.餐飲推薦代理：根據飲食偏好和當前位置推薦餐廳4.商品導購代理：推薦個性化的紀念品即時資料同步：所有代理都連接到統一的即時資料平台，包括：1.遊樂設施狀態（等待時間、運行狀態）2.遊客即時位置（通過園區內的定位系統）3.歷史遊玩記錄和偏好4.天氣和特殊活動資訊智能協同機制：代理之間通過 "代理流動性" 實現無縫協作。例如，當一個遊客在排隊時，排隊等待代理會通知附近的餐飲代理，後者會根據等待時間推薦附近的快速服務餐廳。這種協同是即時的、動態的，並且能夠適應不斷變化的環境。人性化互動設計：儘管有大量的 AI 參與，迪士尼仍然保持了人性化的服務。AI 代理會主動提供資訊，但也會尊重遊客的選擇。例如，AI 導遊會告知遊客某個遊樂設施當前等待時間較短，並詢問是否需要提供方向指引；隨後又提示遊客 "小熊維尼" 角色就在附近區域，方便遊客前往互動見面。3.3 人機協同的價值創造機制人機協同通過多種機制創造價值：生產力提升：Salesforce 內部資料顯示，通過 Agentforce，員工在工程、服務和支援功能方面實現了50% 的生產力提升。這種提升不是通過簡單的自動化，而是通過智能代理承擔繁瑣的任務，讓人類員工專注於創造性和戰略性工作。決策質量改善：人機協同顯著提升了決策的速度和精準性。例如，在客戶服務場景中，AI 代理可以即時分析客戶情緒、歷史互動記錄和產品資訊，為客服人員提供個性化的響應建議。這種協同使首次解決率提升了40%，客戶滿意度提升了15%。創新能力增強：當人類從重複性工作中解放出來後，他們有更多時間進行創新思考。Salesforce 的調查顯示，使用 AI 代理的員工在創新項目上的參與度提高了60%，新想法的產生速度提升了45%。成本效益最佳化：人機協同帶來了顯著的成本節約。Salesforce 自身通過 AI 驅動的客戶支援，每年節省1 億美元，並將客戶支援團隊從約 9,000 人減少到 5,000 人。但這種 "人員減少" 實際上是 "人員重新分配"—— 從低價值的重複性工作轉向高價值的創新和客戶體驗提升工作。3.4 人機協同的實施框架與最佳實踐基於成功案例的分析，人機協同工作模式的實施需要遵循以下框架：明確角色分工：成功的人機協同需要明確人類和 AI 的角色邊界。一般原則是：1.AI 負責：資料處理、模式識別、規則執行、24/7 監控2.人類負責：創造性思維、情感交流、複雜決策、戰略規劃漸進式部署策略：建議採用 "試點 - 擴展 - 規模化" 的三步策略：1.試點階段：選擇 1-2 個低風險、高價值的場景進行試點2.擴展階段：基於試點經驗，逐步擴展到其他相關場景3.規模化階段：建立標準化的人機協同流程和工具持續培訓與適應：人機協同需要持續的培訓和適應：1.為員工提供 AI 工具使用培訓2.建立反饋機制，收集使用體驗和改進建議3.根據反饋不斷最佳化 AI 模型和工作流程3.培養 "AI 素養"，讓員工理解 AI 的能力和侷限文化變革管理：人機協同不僅是技術升級，更是文化變革：1.高層領導需要率先示範，積極使用 AI 工具2.建立激勵機制，鼓勵員工創新使用 AI3.創造安全的實驗環境，容忍失敗4.定期分享成功案例，營造積極氛圍四、三大方向的協同效應與未來展望4.1 三大方向的內在邏輯與相互支撐智能體驅動的業務流程最佳化、資料整合與統一驅動的 AI 應用、人機協同的工作模式建構，這三大方向並非孤立存在，而是形成了一個相互支撐、協同發展的生態系統。資料是基礎：統一的資料平台為智能代理提供了準確、及時、完整的資料支撐。沒有高品質的資料，智能代理就如同無源之水。Data 360 不僅整合了結構化資料，還通過智能上下文處理能力，將非結構化資料（如文件、圖像、音訊）轉化為可被 AI 理解和利用的資訊。這種資料基礎使得智能代理能夠做出更準確的決策和預測。智能代理是引擎：智能代理是連線據和業務價值的關鍵橋樑。它們將資料轉化為行動，將洞察轉化為決策。通過 Agentforce 平台，企業可以快速部署各種智能代理，從簡單的客服機器人到複雜的供應鏈最佳化系統。這些代理不僅自動化了重複性工作，還通過機器學習不斷改進自己的行為。人機協同是目標：最終，所有的技術創新都是為了提升人類的工作效率和創造力。人機協同不是簡單的替代關係，而是一種共生關係 ——AI 增強人類能力，人類指導 AI 發展。這種協同創造了 "1+1>2" 的效果，使企業能夠實現前所未有的創新和增長。4.2 行業發展趨勢與市場前景根據多家權威機構的研究，企業 AI 正迎來爆發式增長：市場規模預測：1.全球 AI Agent 市場規模從 2023 年的 37 億美元增長到 2025 年的73.8 億美元，預計 2032 年將達到1036 億美元，2023-2032 年復合年增長率為 45.3%2.MarketsandMarkets 預測，智能代理 AI 市場將從 2025 年的 810 億美元增長到 2032 年的1408 億美元，年複合增長率為 39.3%3.Gartner 預測，到 2028 年，33% 的企業應用將嵌入 AI 代理，而 2024 年這一比例還不到 1%採用率快速提升：1.麥肯錫調查顯示，78% 的企業已在至少一個業務功能中使用 AI 技術，92% 的企業計畫增加 AI 投資2.美國市場調研顯示，79% 的企業正在採用 AI 代理，"等待觀望" 已成為一種風險姿態3.87% 的企業預計 AI 將在三年內提升收入技術融合加速：1.多模態 AI 成為主流，代理能夠同時處理文字、圖像、語音、視訊等多種資訊2.邊緣計算與 AI 結合，實現即時響應和隱私保護3.量子計算開始影響 AI 演算法，帶來計算能力的飛躍4.區塊鏈技術確保 AI 決策的透明性和可追溯性4.3 對企業的戰略建議基於以上分析，我們為企業提出以下戰略建議：制定清晰的 AI 戰略：1.評估現狀：全面評估企業的資料基礎、技術能力、人才儲備和文化 readiness2.設定目標：明確 AI 轉型的願景和階段性目標，確保與業務戰略一致3.選擇路徑：根據企業特點選擇合適的實施路徑，不必追求 "大而全"4.分配資源：為 AI 轉型提供充足的預算、人才和時間投入建構資料驅動的文化：1.建立資料治理體系，確保資料質量和安全2.投資資料基礎設施，包括儲存、處理和分析能力3.培養資料素養，讓每個員工都能理解和使用資料4.建立基於資料的決策流程，用事實而非直覺做決定循序漸進部署智能代理：1.從低風險、高價值的場景開始，如客服、HR流程等2.利用預建構的範本和最佳實踐，快速實現價值3.建立持續最佳化機制，根據反饋不斷改進4.逐步擴展到更複雜的業務場景重視人機協同：1.投資員工培訓，提升 AI 工具使用能力2.設計新的工作流程，充分發揮人類和 AI 各自的優勢3.建立激勵機制，鼓勵創新使用 AI4.關注員工心理健康，幫助他們適應工作方式的變化建立生態合作：1.與技術提供商建立戰略合作關係2.加入行業 AI 聯盟，分享最佳實踐3.投資或收購有潛力的 AI 初創公司4.與高校合作，培養 AI 人才擁抱智能代理驅動的新時代Salesforce Dreamforce 2025 為我們描繪了企業 AI 發展的清晰圖景：智能代理不再是科幻小說中的概念，而是正在重塑企業營運方式的現實力量。通過智能體驅動的業務流程最佳化、資料整合與統一驅動的 AI 應用、人機協同的工作模式建構，企業正在經歷一場深刻的數位化轉型。這場轉型的核心不是技術本身，而是如何利用技術釋放人類的潛能。正如 Salesforce CEO Marc Benioff 所說："我從未像現在這樣對我的工作感到興奮…… 感覺就像一家初創公司"。這種興奮不僅來自技術創新，更來自於看到技術如何幫助企業和個人實現前所未有的成就。對於企業而言，現在是擁抱這一變革的最佳時機。市場正在快速演進，早期採用者將獲得顯著的競爭優勢。但同時也要保持理性，避免盲目跟風。成功的關鍵在於找到適合自己的路徑，在技術創新和人性化之間找到平衡。展望未來，我們有理由相信，智能代理驅動的企業將成為商業世界的新常態。那些能夠成功整合這三大方向的企業，將在激烈的市場競爭中脫穎而出。而那些仍然停留在傳統模式的企業，可能會發現自己已經被時代所拋棄。變革已經開始，未來正在到來。你準備好了嗎？ (在行人)

月初，我剛發佈了文章《AI 的泡沫，可能就要破滅了》，僅僅過了 1 周，美國麻省理工學院就發佈了一份重磅報告《生成式AI鴻溝：2025年商業AI現狀》。由於揭露了 AI 行業的巨大泡沫，報告發佈的當天，納斯達克指數就暴跌了 1.4%。首先說一下報告的核心結論——麻省理工學院通過調研 153 位企業高管發現：美國企業在生成式 AI 方面已經投資了 300～400 億美元，但 95% 的企業都沒有得到回報。老實說，95% 這個數字把我驚到了。畢竟在全球範圍內，歐美企業的數位化程度已經算很高了，是 AI 最容易落地的一批企業。他們都有 95% 的失敗率，很難想像中國企業的失敗率究竟有多高。不過，有意思的是，雖然這些企業的 AI 項目大都失敗了，但他們的員工卻都在使用個人版 AI，而且還是自己付費使用。那為什麼會出現這種矛盾現象呢？我覺得可能有 3 個原因。首先，企業對 AI 的要求比個人要高得多。個人使用 AI，主要是用於辦公提效，場景簡單，對準確性要求不高，那怕 AI 的效果只有 60 分，也能顯著提升工作效率。而企業級 AI 主要用於處理核心業務流程，比如供應鏈管理，不但場景複雜，而且對準確性的要求非常苛刻。一旦出現錯漏，就會造成巨大損失。而目前很多 AI 產品還沒有達到企業的要求。第二，企業 AI 落地的前提是資訊化。但很多企業包括很多美國企業，資訊化程度其實都不夠。比如很多美國企業都上了 CRM 系統，但是只使用了最簡單的線索、商機功能，銷售過程資料基本都線上下。這就導致了 AI 在規劃階段設想得很美好，但一旦落地，就會發現缺失很多重要的資料。第三，可能也是最重要的一點：在個別媒體的炒作下，企業高管對 AI 的期待實在是太高了。年初，很多企業甚至制定了 AI 裁員的計畫。但實際上 AI 的缺陷還很明顯，這就導致了巨大的泡沫。看完報告，我還有一點感受：在企業級市場，這一輪 AI 浪潮最大的受益者，恐怕不是初創公司，而是傳統軟體廠商。首先，根據麻省理工的調研，大部分企業高管對 AI 初創公司都不信任。以某位高管為例：雖然每天都能收到很多初創公司的推銷郵件，聲稱自己能夠提供最好的 AI 方案，但是他還是寧願等待現有供應商新增 AI 功能。這裡面可能有 4 點原因:首先，企業級系統的替換成本非常高，一旦選擇了不靠譜的供應商，就會面臨巨大風險。因此企業更願意相信合作已久的老供應商。第二，傳統軟體供應商都在加速轉型AI，初創公司的先發優勢其實非常短暫，不足以讓企業更換供應商。第三，相比於初創公司，傳統軟體廠商更懂企業需求，這會大大降低企業部署 AI 系統的成本和風險。最後，對於企業來說，AI 一定要融入核心業務流程，這就意味著AI 系統必須和原有業務系統深度整合。顯然，傳統軟體廠商在這方面也擁有巨大的優勢。當然了，麻省理工的這一份報告並非沒有缺陷。最大一點就是調研的企業數量有限，不一定能代表大部分美國企業。但是，能被麻省理工選中的企業，大機率都有一定的實力，因此這份報告還是非常有參考價值。這也是為什麼它會引發納斯達克暴跌的核心原因。上周，一位頭部 SaaS 公司的 CEO 專程來拜訪我，他們去年的營收已經突破 5 個億，這兩年也一直在大力投入 AI。但經過 2 年的摸索，他卻不看好企業級 AI 在短期內的表現，認為 AI 的泡沫太嚴重。不過，生成式 AI 畢竟是近 20 年來最大的技術突破之一，發展潛力巨大。因此，長期來看，我們對 AI 都抱有非常大的期待。還是那句老話：短期不要高估，長期不要低估。 (ToB老人家)

“發言稿就在我的眼鏡裡！” 2月18日，浙江杭州餘杭區舉行 經濟高品質發展大會 一名戴著AR眼鏡發言的企業家

York並分享ai360.work的MES-QMS（製造執行與品管系統）影片，讓大家目睹該軟體的簡單易用與完整性。 https://www.youtube.com/watch?v=pTv3agqRX4s “加速“的重要性 不是您做得不對或不夠好，而是您做得比競爭者“慢“。York以AirBnB在2011年遇到Windu公司生死威脅，採用Blitz Scaling 一年內成立6家國際公司，以快速擴展規模，搶佔歐洲市場，完成美歐整合，度過危機為例，說明“加速”的重要性。以及如何“加速”。

募資簡報介紹的次序。有的是以“故事”來開頭，有的是以“問題”來開頭，有的是以“亮點”來開頭。這三種方式都可以，也可以將問題與亮點溶合在故事裏。 關鍵在讓聽眾能了解主題與背景，同時又不失去興趣與注意力。但不要瞎編。反而失去信用。 所謂的流暢度，就是起承轉合，將疑點與阻力減至最小，帶出動人情緒。公版的格式，不是配合你公司的特性來設計，所以你不一定要依它的順序來做簡報。 例如：有一家AI自動採草莓機公司。CEO在做簡報前，先播他們家的AI 自動採草莓機採草莓的影片。而不是留到簡報最後才播。有一家AI自動廚房炸薯條機器手公司。