中国企业AI转型的真实关口

摘要

这场对谈围绕中国企业如何采用AI展开，核心落在一个现实问题上：企业不愿为过程、工具和咨询付费，只愿意为可量化的结果买单。AI Agent、数字员工、RaaS、知识库、组织减层、老板认知和商业模式，都被放进中国ToB市场的真实语境里讨论。

内容框架与概述

开场从硅谷裁员、Oracle式组织收缩和AI面试变化谈起。AI让企业重新审视中层岗位的价值，中层过去大量承担上传下达和信息传递功能，如今这部分工作正在被智能体替代。新的职场能力也变成两层：会调度AI完成大部分工作，同时能接住AI没有完成、不能负责、需要人判断的部分。

中段转向中国企业AI转型的管理难题。AI变革不是单纯技术采购，而是一把手工程。老板必须先坚定方向，再找到年轻技术骨干和有业务经验的老员工，把领域知识、SOP和关键判断沉淀出来。很多企业表面想用AI替代员工，真正卡住的却是管理关系、感情负债、组织阻力和老板自己对业务的理解。

后段集中讨论商业模式。中国企业长期不愿为SaaS式工具和过程性服务付费，更愿意购买资源、流量、订单、成本节约和最终交付。因此RaaS、TaaS、数字员工和结果分成更适合中国语境。但这也带来难题：数据整理、知识库建设、SOP提取都很重，甲方又常把它当免费咨询。未来机会在于把AI真正做成可交付结果的硅基员工。

核心概念及解读

RaaS，Result as a Service，结果即服务

RaaS的关键不是卖软件账号，而是直接交付结果。客户不关心用了多少模型、多少Agent、多少流程，只关心是否多赚钱、少花钱、少招人、提升转化。这种模式更贴近中国企业的付费心理。

TaaS，Transaction as a Service，交易即服务

TaaS强调交易达成。对企业来说，最容易付费的不是工具，而是你能不能帮它拿到客户、促成成交、带来收入。如果AI服务商能直接参与交易闭环，就可能绕开传统SaaS收费难的问题。

AI Agent，智能体

智能体在这里不是聊天机器人，而是能承担任务链条的数字员工。它替代的不是螺丝刀，而是拧螺丝的人。呼叫中心、客服、营销、法务、人力、财务等岗位，都可能被拆成可执行的Agent流程。

知识库与RAG

很多中国企业想上AI客服或内部智能体，却连基础知识库都没有。经验停留在老员工脑子里，没有文档、没有SOP、没有结构化资料。没有这些底层材料，RAG也很难有效工作，AI只能在空地上打转。

老板蒸馏

员工技能蒸馏固然重要，但更前置的是老板蒸馏。老板先把自己对业务、目标、流程、判断标准讲清楚，组织才知道要沉淀什么知识、设计什么Agent、改造什么流程。否则下面只会焦虑，上面只会喊口号。

文章基本信息

字段	内容
原标题	在中国，AI只能卖结果：奥特曼来了都要呕血三升｜对谈百融智能创始人张韶峰
作者	人民公园说AI
发布日期	2026年5月28日

访谈详情

AI裁员正在改变企业对人的基本态度

裁员从管理动作变成系统动作

Oracle式裁员被拿来做开场案例：凌晨发邮件，员工收完通知后工号、系统、电脑权限直接失效，连告别信都来不及写。过去裁员还会有PIP、HR谈话、直属上级沟通，现在变成权限系统一关，人就从组织里消失。这里的残酷感来自一个变化：企业对人的处理越来越像对资源的调度，情感性环节被压缩到最低。

背后还有资本开支和AI扩张的压力。企业要投入数据中心、模型、云和新业务，成本端必须重新整理。裁员并不总是因为企业活不下去，也可能是企业为了给下一轮AI资本投入腾空间。

硅谷已经把不稳定当成职业常态

硅谷程序员的状态发生了变化：失业、被裁、被优化，变成日常问候的一部分。很多人开始在本职工作之外找AI相关的创业项目或副业，防止哪天主业突然中断。

这说明AI带来的压力不只落在普通员工身上，也落在高薪技术群体身上。过去程序员代表稳定、高收入和稀缺技能，现在这套叙事被打穿了一部分。稳定性下降后，个体开始把自己当成一个小型公司来经营。

企业中层是AI时代最脆弱的一层

中层的核心功能长期是上传下达

组织层级的形成，来自人的管理带宽有限。一个人只能直接管理有限数量的下属，于是企业只能不断加层级。中层因此承担了大量信息传递工作：把上面的战略拆成任务，把下面的情况汇报上去，再维持流程运转。

AI进入后，这部分上传下达、整理汇报、协调沟通的功能最容易被替代。中层当然也有判断和创造，但大量岗位的核心工作确实是信息传递。一旦智能体能够读数据、写汇报、调任务、跟进进度，中层的存在理由就被重新审查。

永久性中层岗位会减少

未来企业会倾向于减少固定中层。老板和一线之间的距离缩短，组织会变薄。企业这么做不只是为了赶潮流，更直接的原因是降成本、提效率、提高信息传递准确性。

这对员工来说是压力，对企业来说是竞争动作。一个企业先减层级、先用智能体替代流程型中层，就可能比竞争对手成本更低、反应更快。资本也会逼企业往这个方向走：你不做，别人做，你就出局。

人会被推到智能体边缘

未来企业可能有两个世界模型：一个是企业运作模型，一个是客户需求模型。企业内部的流程由智能体连接，客户需求也由系统持续感知，再反向驱动产品和服务。

人的位置会靠近边缘：处理物理世界、情感连接、复杂责任、灰度判断。这不是说人完全消失，而是人的核心价值会从传递信息转向承担判断、关系和责任。

AI面试正在重新定义能力

会用AI已经成了基本要求

过去面试防的是候选人用AI作弊，现在面试反而要考候选人会不会用AI。一个典型场景是：候选人前半小时可以用Cursor、Claude、Gemini等工具，快速产出过去一周才能完成的工作量；后半小时突然被关掉AI，要求手工完成剩下部分。

这个设计很刁钻，但抓住了新职业能力的核心：一个人既要能把AI用起来，也要保留基础能力。只会手写不够，只会让AI写也不够。

新岗位画像是尾货完善师

AI能完成大量初稿、原型、代码、方案，但总会留下没处理好的尾巴。真正能拿薪水的人，需要接住AI没做完的部分：验收、修补、负责、背锅、交付。

好的程序员、产品经理、技术负责人在这一波里反而有机会。因为他们不必亲手写完所有代码，但必须知道方向怎么选、质量怎么验、风险在哪里。经验在这里重新变值钱。

有经验的人会迎来另一种机会

过去写代码，未来调度代码

有经验的产品经理或工程师，过去需要设计师、前端、后端组成小团队，才能做出产品原型和早期版本。现在一个懂业务、懂产品、懂技术判断的人，可以借助AI完成原来三四个人的早期迭代工作。

这不是简单的个人效率提升，而是组织结构的变化。一个强调度者可以带着多个智能体完成设计、前端、后端、文案、测试的一部分工作。调度能力会变成稀缺能力。

老经验的价值在判断，不在手速

很多多年没写代码的人，可能不会再靠手写代码证明自己。他们的价值在于知道什么方案可行，什么东西不该做，什么地方容易出事故，什么结果算达标。

AI让执行成本下降，但判断成本没有同步消失。经验丰富的人如果能适应AI协作，会从一线执行者变成系统验收者和任务调度者。

企业AI转型不能简单外包

老板不能只喊替代员工

很多老板想找外部顾问或技术团队，把自己的员工替换成Agent。但问题是，老板自己如果没法把下属、秘书、CTO、CFO等岗位的工作机制拆出来，外部团队很难凭空做出真正可用的智能体。

要替代一个岗位，先得知道这个岗位到底在干什么、产出什么、依赖什么信息、遇到例外怎么处理。老板自己不先搞清楚，只会形成上面焦虑、下面自保的局面。员工会拒绝交出SOP，因为他们知道那可能意味着自己被替代。

SOP交出来之前，组织会先进入防御状态

员工不愿意交SOP，不一定是道德问题，而是生存问题。你让他把经验沉淀出来，再告诉他AI要学习这些东西，他当然会判断这是在训练自己的替代者。

所以企业AI转型不是买一套工具就结束。它会触碰信任、利益、岗位安全和组织权力。技术动作背后一定有管理动作。

AI变革是一把手工程

第一把手必须先坚定

AI变革会动组织结构、动岗位、动老员工利益。如果第一把手不坚定，中层一定会摇摆。因为下面有人求情，老员工有历史贡献，兄弟部门有关系，管理者很容易被感情负债拖住。

所以第一把手要先定调：这个方向必须做，不能因为局部阻力就停下来。没有这个前提，AI变革会变成试点、汇报、展示，最后没有进入生产系统。

要建立一支能推进变革的童子军

一支真正能干活的AI变革队伍，需要两类人。一类是年轻技术人员，他们熟悉AI工具、智能体开发、自动化流程。另一类是有领域经验的人，他们知道业务真实运行方式，脑子里有老SOP和隐性判断。

只有技术人员，智能体会缺少业务细节。只有老业务人员，转型速度上不去。两类人要被明确保护和奖励，让他们知道自己不会因为交出经验而被抛弃。

对转不过来的人要做取舍

如果员工能力不够，或者明确拒绝拥抱AI，组织最终要做淘汰。这个判断很冷，但在访谈的逻辑里，它属于管理责任。企业如果方向已经确定，却一直被不愿变化的人拖住，最后损失会扩散到整个组织。

投资人对AI的态度发生了反转

早期AI路线不被认可

百融智能较早推进AI和结果交付模式时，曾被投资人要求转向SaaS。2021年前后，SaaS还是资本市场认可度很高的商业模式，北美已经证明过路径，很多投资人自然希望中国企业复制这一套。

但张韶峰的判断是，中国SaaS根本跑不通，中国企业大概率会跳过SaaS，走向TaaS，也就是交易即服务。你能帮客户达成交易，客户就可以分钱；只卖过程工具，付费意愿很低。

ChatGPT之后，资本话术全面反转

ChatGPT爆发后，投资人开始追问企业会不会AI、有没有AI提效、有没有减员。过去不认可AI-native路径，后来又把百融智能列为AI-native公司案例。这个反转说明资本并不总是领先，有时候只是等市场情绪明确后再转向。

对企业来说，早做AI的人会经历长期不被理解的阶段。等外部共识形成，问题又会变成：你有没有真正落地，能不能提效，能不能减人，能不能证明业务结果。

中国SaaS长期跑不起来

中国企业不愿为过程付费

中国企业对SaaS的付费意愿弱，原因不在于软件一定不好，而在于客户不想为过程性工具买单。美国企业习惯买工具、买seat、买订阅，因为它们相信自己有能力用工具创造价值。

中国企业更喜欢两类东西：资源和结果。资源包括钱、流量、客户。结果包括外包交付、交易达成、成本下降、收入增长。中间过程越难归因，付费意愿越低。

工具价值难归因，最后就被压价

数字营销、软件系统、AI工具常遇到归因问题。比如一个系统带来客流，店长可能会说，客户到店后是我服务好的结果，凭什么给系统付高价。

一旦价值不能量化，客户就会压价。过程性服务最终被压到很低，甚至变成免费咨询。对乙方来说，最难受的地方不是做不出价值，而是证明不了价值，或者证明后也收不到合理的钱。

RaaS和TaaS更适合中国企业语境

TaaS是直接促成交易

TaaS的逻辑是交易即服务。客户不买工具，也不关心模型多先进，只看能不能把生意做成。如果AI服务商能够直接帮客户拿单、转化、成交，就可以按交易结果分成。

这比SaaS更接近中国企业的付费直觉。因为交易是硬结果，比较容易认账。你带来了多少订单，节省了多少成本，创造了多少收入，数字摆出来就能谈分成。

RaaS是直接交付结果

RaaS的核心是结果即服务。客户不需要知道后面是真人、AI员工，还是人机混合团队，只要活干完、结果达标，就付钱。访谈里用一句话概括得很直接：把result给你。

这也解释了为什么AI Agent不是更好的工具，而是数字员工。工具按seat收费，员工按任务和产出收费。智能体一旦替代的是人，收费模式就会从软件订阅转向岗位、任务、结果。

Agent替代的是劳动力市场

AI Agent改变的不是软件功能，而是劳动力供给。过去呼叫中心软件按坐席收费，因为人类坐席是业务基础。现在坐席本身可能被AI替代，原来的定价基础就消失了。

当坐席数从很多变成接近零，传统按人头、按seat、按账号数收费的模式会被打穿。这个变化对软件公司很危险，也给RaaS公司提供了入口。

中国ToB市场最痛的是免费咨询换业务机会

甲方常把前期重活当成试用

企业级AI落地前期非常重：调研业务、整理知识库、梳理SOP、拆岗位、建流程、接系统、做数据准备。这些工作本质上已经是咨询和实施，但很多甲方会说，你先帮我做成样板，之后拿去赚别人的钱。

这句话听起来给了乙方机会，本质上把乙方最重的前期投入免费化。每个客户都说自己可以当样板，最后乙方会被拖进无偿咨询。

中国AI应用层的风险在商业模式

张韶峰最担心的不是百融智能能不能做出Agent，而是整个中国AI应用层能不能转过商业模式。如果甲方仍然按照传统软件招标逻辑来买AI：预算500万，互相砍价到50万，还要求交付源代码，那中国AI应用层很难健康发展。

AI Agent需要持续迭代、场景理解、数据准备和业务负责。如果最后仍然被当成人力外包和项目制软件压价，行业会回到上一个时代。

中国企业复杂度既是训练场，也是阻力源

数据和流程复杂度很高

中国企业的问题不只是流程复杂，更在于很多流程没有被数字化。知识在员工脑子里，客服经验在老员工嘴里，培训方法在老师傅手上，文档、知识库、SOP都不完整。

如果没有知识库，就很难做RAG。如果基础数据是垃圾，模型输出也会变成垃圾。企业AI不是把模型接进来就能跑，它依赖大量清洗、整理、结构化工作。

最大工作量常在数据准备和知识整理

做智能体时，真正重的工作不一定是训练Agent，而是前面的数据准备、流程拆解、文档整理和SOP处理。这部分可能占到大部分工作量，而且往往是长程任务，需要几十个步骤才能完成。

长程Agent的发展给这件事带来希望，因为AI可能逐步承担一部分清洗和整理工作。但如果企业连基本文档都没有，所有知识都在人脑里，那就必须先把人脑里的经验提取出来。

老员工知识需要被蒸馏出来

很多企业培训新员工依赖资深员工，但资深员工往往不愿意教。一方面他们忙着见客户，另一方面他们也不一定愿意把自己的经验交出去。于是企业的核心知识长期被锁在个人经验里。

用播客、访谈、口述、录音、文档等方式提取老员工经验，变成一种现实做法。哪怕没有文字，也可以先把语音转成结构化知识。这个过程被称为蒸馏员工。

Palantir模式在中国的悖论

中国企业需要重咨询和重实施

从业务复杂度看，中国企业很需要Palantir式服务。它能帮企业整理数据、理解流程、搭建系统、把业务知识转成可用工具。中国企业内部数字化基础弱，按理说需求更强。

问题在于这种模式前期很重，需要大量人力和咨询投入。中国客户又不愿为这部分付费，容易把它当成免费诊断和试用。这就形成悖论：越需要这类服务，越不愿为这类服务付足够的钱。

Palantir式服务会被误解成人肉项目制

Palantir早期也被资本市场嫌弃，觉得它重人力、重项目、像人肉公司。在中国，这种压力会更大。因为甲方习惯压价、要求源代码、把乙方变成人力外包。

所以中国企业虽然更需要Palantir式能力，但Palantir式商业模式在中国更难活。除非它能转成可量化结果、可复用产品、可分成模式，否则很容易被甲方采购体系消耗掉。

中国和美国企业付费习惯差异很大

美国企业更愿意为服务付费

美国企业也有数据混乱、流程原始、知识库不足的问题，但付费习惯更成熟。只要使用了服务，通常会承认服务价值，并按合同付费。法律环境和商业习惯共同支撑了服务定价。

这让美国企业级AI服务商更容易把前期咨询、实施、定制和持续服务纳入收费模型。

中国企业倾向于先用再说

中国企业面对新服务时，常见心理是价值判断不了，那就先不付钱，先试用，先看效果。对AI这种新东西，这种习惯会放大。

这不是简单的人性问题，更像商业环境问题。过去中国ToB市场长期项目制、招标制、压价、交源码，形成了买方强势、乙方弱势的结构。AI应用层如果沿用这套结构，会很难形成高质量供给。

硅基员工开始进入真实企业岗位

从外包替代走向内部岗位替代

早期百融智能的AI员工更多是替代外包场景。客户原本就把广告、客服、营销等任务外包出去，只是过去供应商用真人，现在百融用AI员工。对客户来说，接口没变，只是乙方内部生产方式变了。

现在出现了新的信号：一些大型机构开始考虑把内部岗位也交给硅基员工。银行副行长主动提到可以雇佣硅基员工，这说明AI员工正在从外部供应商工具，进入企业内部组织设计。

企业难增员，会推动数字员工

经济压力下，企业增员越来越谨慎。真人员工有招聘、培训、社保、赔偿、管理成本，数字员工可以先试用，两三个月不好用就不续约。

这种低风险试用机制，对企业很有吸引力。AI员工不像正式员工那样有强人事成本，也不像传统软件那样需要内部员工主动用起来。它更像一种可替换、可验收的外部劳动力。

全球AI竞争中，中国还有强机会

中美在AI模型和应用层都领先

AI竞争会变成全球化竞争，而中美在模型层和应用层都处在明显领先位置。中国企业如果醒得早、转得快、老板和员工一起往前跑，机会不只在国内存量竞争里。

这也是访谈里偏乐观的一面。中国ToB环境难，付费习惯差，甲方压价严重，但中国有庞大场景、复杂业务、强执行和足够多企业需求。复杂性本身也可能成为训练AI应用能力的战场。

乐观来自人和层级一定会减少

无论商业模式多难，访谈里有一个判断很明确：企业人会减少，层级会减少。只要这个方向成立，AI Agent和数字员工就有机会。

企业已经很难继续靠增员解决问题。以前遇到新任务可以招人，现在招人变贵、变慢、变重。AI员工给企业一个新选项：先把岗位、任务、流程拆出来，再用智能体承担一部分工作。

最后的关键是先蒸馏老板

老板先懂要干什么，SOP才会出现

如果只想着蒸馏员工，很容易卡住。员工不愿交SOP，老员工不愿教新人，中层害怕被替代。更前面的动作是蒸馏老板。

老板要先把企业目标、业务逻辑、岗位边界、取舍标准讲清楚。老板知道要什么，下面才知道沉淀什么SOP、训练什么智能体、替代什么流程。否则AI转型会停在口号层面。

数字版老板会成为组织资产

把CEO的经验、判断、表达和业务逻辑沉淀下来，本身就是一种组织知识资产。未来员工可以和数字版老板沟通，理解方向和标准。它不是替代老板本人，而是把老板长期掌握的判断框架部分显性化。

这件事对企业很现实：很多组织的问题不是没有员工执行，而是老板的真实判断标准没有被结构化。AI要真正进入企业，先要把这种隐性标准变成可调用的知识。