AI岗位化，重塑中国To B市场逻辑。

作者｜田思奇

编辑｜栗子

饭还没上，争论先来。投资人坚持“改成美式SaaS，不然没戏”；张韶峰回了一句：“中国没有SaaS。”

这句“逆势”背后，是他多年在一线看到的常态：项目越做越长、系统越来越全，最后的KPI却没有人认领。到2025年，行业走到了新的人工智能拐点——企业还能为功能买单吗？还是为结果付费？AI应用必须从“工具”被推向“岗位”。

据「甲子光年」观察，作为少数率先下场者，成立11年的AI原生上市企业——百融云创，其破局中国企业软件桎梏的核心思路是：把AI当作“硅基员工”。只有把考核指标与业务目标挂钩，让AI真正承担岗位KPI，AI才能在To B市场扎根。

“工具逻辑”和“岗位逻辑”的分野，正在决定AI能否在中国产业真正落地。

1.从卖铲子到分金子

百融云创的选择并非横空出世，而是一次对行业旧范式的突破。要理解突破背后的的深层原因，得先回到企业软件行业的原点。

红杉资本合伙人帕特·格拉迪（Pat Grady）在今年早些时候的闭门会上直言，AI能力将从“卖工具、拿软件预算”，过渡到“卖成果、拿劳动力预算”。下一个万亿美元机会，即将浮出水面。

在美国，这场范式转换有SaaS作为过渡；但中国企业级软件行业长期困于“卖工具、卖人头、做项目”的逻辑里。项目制与定制化压垮订阅模式，低价竞争让厂商无力迭代，用友、金蝶的财报就是最好的注脚。

这套逻辑放到AI阶段，只会更加放大问题。模型、平台、PoC（概念验证）层出不穷，却始终停留在演示和试点。业务部门试用几轮，又换下一家供应商，真正能跑进企业真实业务的几乎没有。

对于创业经历丰富的张韶峰来说，这并不陌生。

作为清华毕业的工程师，张韶峰的职业起点是甲骨文、IBM这样的外企巨头。他见识到“企业级软件产品”的工程底色：稳定、可靠、流程完备。也更快意识到：外企的产品和业务体系在欧美土壤里可以成功，但移植到中国可能水土不服。

带着这种认知，张韶峰很快选择创业。第一次创业失败；第二次在百分点科技小有成绩；第三次，他选择从业务know-how要求最深、监管最严的金融行业切入，于2014年创立了百融云创，用最苛刻的边界把“工程力”锻造成“合规生产力”。

起初，百融云创以“人工智能”与“大数据风控”为核心，为银行、保险、消费金融等机构提供风险评估与智能营销服务。这是 AI 1.0 阶段的典型路径：通过算法和建模提升效率，但仍以“工具”或“项目制交付”为主。毕竟在当时，按结果付费几乎是不可能完成的任务：能力有限，数据体系尚未成熟，企业更习惯一次性采购或定制化外包。

然而，长期的项目实践让张韶峰对这种模式的瓶颈认识愈发清晰。AI定制化项目周期长、回款慢、利润率低，重交付、轻复用，几乎重演了上一代软件外包的困局。商汤、旷视等“AI四小龙”都在这一阶段承受巨大的现金流压力。

真正让百融云创跳出“工具逻辑”的转折点，来自一次客户的真实需求。

“当时我们原本还是想‘卖工具’，”张韶峰对「甲子光年」回忆，“但有客户说：‘你们干脆帮我把产品卖出去，赚了钱我再分你们’。”

这句话点醒了他。既然客户真正需要的是结果，那就彻底调转逻辑。于是，百融云创把商业模式定为“结果计价”——客户赚钱，百融才能赚钱。

百融云创副总裁、首席产品与市场官王伟民打了个比喻：“我们不是卖铲子让客户自己挖金子，而是用同一把铲子帮客户把金子挖出来。”

这也是百融从“卖工具”到“分收益”的关键转折：不再试图与客户博弈（即把工具卖给客户），而是与客户结成伙伴（即与客户肩并肩，共同实现业务成果，再分收益）。

但当时很少有To B公司用这种策略。张韶峰与投资人在饭桌上的冲突正源于此。

投资人的意见与主流一致：照搬美国 SaaS 模式，做轻产品、签长订阅，换取更高估值。

而张韶峰的判断来自自己过去十几年的积累。他说得很直接：“技术正确，不等于商业正确。 Oracle、IBM的逻辑放在中国根本行不通。没人会为‘过程的可能性’付费，大家只会为结果买单。”

投资人认为他在冒险，他却坚持认为，只有“结果计价”才能让AI真正融入业务，成为生产力。

这场分歧也让他更早确立了百融的底色——与其卖工具，不如共担结果；与其卖软件，不如承包KPI。

后来，随着市场一次次验证SaaS模式的失灵，那次被认为“太冒险”的选择，反而成为百融最重要的确定性。

只是，“非主流”并不容易。

因此，百融选择继续深耕金融等复杂场景，以“可信交付”积累底层能力。随着对话式AI工程、语音理解与合成、检索增强与长期记忆、工具调用与编排等基础能力逐步成熟，“按结果付费”的理念才真正照进现实，业务由工具试点终于进入岗位化阶段。

不仅在商业模式上敢坚持，在技术路径上，百融云创也选择了逆势。

2017年，Transformer的论文问世不久，整个行业还停留在关键词匹配、模板化应答的AI客服模式。端到端语音对话在真实业务的大规模可用性仍存质疑。但百融云创提前押注了“语音对话技术栈”（ASR/TTS、语义理解、多轮对话、合规校验、低时延运营），持续投入8年，把语音从“可选交互”打磨成岗位刚需。

如果说金融行业的深水试炼锻造了百融的“合规生产力”；投资人压力下的坚持塑造了其“商业定力”；那么 2017 年的技术孤勇，则打磨出其“底层工程能力”。三者合一，才让百融云创在今天的Agentic AI落地的转折点上，有底气提出“硅基员工”这一概念。

2021年，百融云创在中国香港成功上市，这条少有人走的路，不仅让公司活了下来，也赢得了资本市场的回报。

2.让硅基员工能干活，干好活

不过，资本市场的认可是一方面，真正的考场始终在客户一线。百融云创“硅基员工”带来的效果，已经写进成熟落地的业务场景。

银行理财业务中，冗长的对接常常消耗客户耐心。比如一位说四川话的客户咨询低风险理财时，首位客服未精准捕捉需求便转接；第二位理财经理推荐的产品收益不达标，未满足其预期；转至第三位贵宾经理时，信息断层已让客户烦躁，甚至直接提出3.5%保底收益的要求——若客服为安抚客户而应允，极易触碰监管红线。

在百融云创的硅基员工体系里，前台一次采集需求即入记忆库；中台在关键节点自动风险提示；后台全程做合规校验并生成证据账本。客户只需说一遍，信息在“客服-理财-合规”三个智能体间顺畅流转。即便客户再次追问“保底”，硅基员工也能稳守合规红线。长尾客群意向率提升57%（同口径抽检），违规承诺 0 件，理财链路转化显著提升。

在运营商营业厅，难题是业务复杂与信息滞后。用户原本只要“100元50G流量”，办理中又追加“全家共享200G流量、500分钟语音”，预算升至300元。人工柜台往往耗时四五十分钟以上，还容易出现推荐方案与现有业务规则相冲突的错漏。硅基员工可实时调用最新产品库，动态切换套餐以满足用户需求，办理时间缩短至15分钟以内，满意度显著提升。且运营商全国的套餐信息可在2-3小时内同步到全体硅基员工。

在大型客服中心，难题是峰值产能与SLA。平时600席，峰值需要800席，年成本高达数千万元。硅基员工能直接承担高频、重复性任务，不仅降低人力支出，还减少招聘、培训与流失成本。

在共享服务中心（SSC）等后台流程场景，痛点在于合同、报销、对账等标准化流转的时耗。以百融云创的内部实践为例，单件合同修改时长由56分钟缩短至4分钟（由智能体完成）。

这些案例的共通点是：AI不再只是辅助性的“软件工具”，而是进入组织结构，与碳基员工一起被纳入KPI考核。银行的难题是合规与体验，运营商的难题是流程与信息，客服中心的难题是峰值人力。过去的“卖工具”逻辑只会交付功能清单，无法对结果负责；岗位化则让AI真正承担岗位责任。

真正支撑这些“硅基员工”跑起来的，是百融云创十余年的技术积淀。客户看到的是能上岗、会执行、能考核的智能体；背后，是一套系统级的工程能力。

首先是多智能体协作。传统的软件模块各自为政，需要人工补位；而硅基员工必须像团队一样协同。百融云创让不同岗位智能体共享同一“大脑”和记忆系统，前台采集的投资偏好能直接传给中后台，避免重复沟通；例如理财顾问的合规提醒也会同步给风控后台，实现真正的链路协作。

其次是持久记忆。没有记忆，智能体只能做一次性应答；有了记忆，才能在长周期业务中保持一致性。百融的智能体拥有短期与长期双重记忆：短期记忆支撑几十轮复杂对话；长期记忆可延伸至一年以上，保存客户画像、业务习惯与历史案例。这些记忆还与RAG技术等结合，把规则、案例、经验固化为可实时调用的知识库。岗位经验因此得以传承，不再依赖老员工“口口相传”。

第三是实时语音对话能力。在多方言的中国市场，语音是触达客户的第一关。百融云创的 基于自研语音对话栈（ASR/TTS、多轮对话、合规校验、低时延运营）打造的VoiceAgent已可支撑日均一亿通电话的语音交互，端到端延迟低于200毫秒（行业基准30-40毫秒），准确率近99%，并具备多方言与噪声环境下的鲁棒性。毫秒级响应与合规校验，让语音交互从“锦上添花”变成岗位刚需。

三大能力叠加，构成硅基员工的三项基本素质：协同工作、传承记忆、上岗履责。

在此之上，百融云创搭建起“百工平台”——硅基员工的生产工厂。它能把岗位经验抽象成模块，批量化生成智能体。就像操作系统之于应用软件，岗位化不只是百融的一种交付方式，更可能成为行业的公共底座。

截至2024年底，百融云创已服务8000+机构客户，产品自主知识产权率超95%，累计取得310项软著与专利。客服话术要合规留痕，理财销售要遵循监管标准，贷后管理要与风险模型实时打通。这些看似“业务逻辑”，实则已沉淀为可执行的技术规则。

对客户而言，这意味着结果可见、风险可控；对百融而言，这意味着岗位化不再是概念，而是可规模复制的生产力。

技术、监管、市场三股力量的共振，让岗位化从理念变成现实。百融云创过去十一年的积累，恰好在此刻与大势汇合。

3.中国AI To B 的新商业秩序

全球范围内，AI“岗位化”的呼声正在迅速汇聚。

1999年，英伟达发布GeForce 256，把加速计算推上轨道，相当于蒸汽机的问世；2016年，数据、模型、工程工具和算力被打包成可复制的体系，就像工厂的雏形。下一步，AI 必须进入流水线阶段，让产出形成稳定循环。8月的一次演讲中，红杉资本将这场转变置于产业演进脉络加以拆解。

图片来源：红杉

红杉合伙人康斯坦丁·布勒（Konstantine Buhler）强调，要让AI真正走出实验室并承担岗位责任，必须同时具备三种能力：

• 智能体协作——像团队一样完成复杂任务

• 持久记忆——在长周期业务中保持一致性与可靠性；

• 语音交互——让AI能真正站上前台岗位。

三者合一，AI才可能具备岗位化的稳定性，成为可计量的生产力。这一判断也与百融云创的技术沉淀和行业实践高度共振。

此外，红杉还提到一个近两年很火的概念：Agent Swarm（多智能体群协作）。他们认为，单个智能体价值有限，真正能跑起来的是一群智能体的协作网络。在人类管理者的编排下分工合作、信息交换，甚至在系统内建立责任与信任的约束。换句话说，智能体第一次被当作经济参与者，而不只是工具。

图片来源：红杉

市场扩张的轨迹也很清晰。云计算早期，全球软件市场约3500亿美元，其中SaaS只有60亿美元；随着订阅模式普及，市场规模膨胀到6500亿美元，SaaS也随之成长到4000亿美元。如今AI在美国服务业的市场不足200亿美元，但潜在空间高达10万亿美元。护士、开发者、律师等岗位的薪酬，本身就是一片待开垦的“金矿“。只要AI真正进入这些岗位，就可能孕育新一代巨头。

几乎在同一时间，中国的大厂也给出了类似判断。阿里巴巴集团CEO吴泳铭在云栖大会上提出：Agent将吞噬软件，自然语言就是未来的源代码。未来，终端用户都可以通过大模型等工具来满足自己需求。种种声音说明，岗位化不只是个口号，而是全球产业共识的收敛方向。

但在具体落地层面，真正敢把AI推到岗位、为结果买单的公司凤毛麟角，百融云创的独特性也得以凸显。

历经客户检验的闭环能力，直接塑造了行业差异：大厂有技术，却缺少业务沉淀，做得了咨询却跑不通成交；小厂懂业务，却没有稳定的语音识别和合规引擎，难以承担岗位职责。

而百融云创在批量交付“硅基员工”的同时，也以标准API/SDK向生态伙伴开放底座，包括语音对话栈；Agent OS的编排与治理；合约与结果账本；模型服务与对齐。张韶峰说：“如果客户新创造了100元价值，我们只按合同约定分享其中一部分。与其卷价格，不如一起把结果做大——甲方多赚，我们自然共赢。”

在内卷成性的中国To B市场，未来的想象空间即将打开。在张韶峰的愿景里，百融云创将依托自研智能体开发平台和自研模型矩阵，成为中国最大的“硅基员工提供商”。

这个定位释放了一个行业信号：中国软件行业没必要重复美国的SaaS路径，而是有机会直接跳进“岗位化”阶段，在 Agentic AI时代，有望走出低价位竞争，进入高价值的新周期。

几十年来的数字化演进，甲乙双方都困在零和博弈中，如今出现了共生的可能。风险前置到供给侧，收益与客户挂钩，双方第一次站在同一阵营。

王伟民的总结是：“以前是博弈，现在是共生。”

对于中国To B行业，这不仅仅是交付方式的更替，更可能是秩序的重写。岗位化让AI从实验室走进产业，也让一个长期失灵的行业机制，第一次看见了新秩序的雏形。

（封面图及文中未说明图片由AI生成）