釘釘卡位戰(zhàn)：SaaS 掙不到的錢，Agent 會掙到

　　訪談主持|霍太穩(wěn)，極客邦科技創(chuàng)始人兼 CEO

　　訪談嘉賓|葉軍(不窮)，釘釘總裁

　　作者|褚杏娟

　　2020年，剛帶隊做出全國第一張健康碼的不窮加入了釘釘。不窮是阿里的第一位校招計算機博士，從 PC 時代開始觸網(wǎng)，完整經(jīng)歷了移動互聯(lián)網(wǎng)時代。而他如今面臨的，是一場關(guān)于大模型的競備賽。

　　想必已經(jīng)無需用過多筆墨贅述。2022年底至今，ChatGPT 的出圈程度還沒有誰能超越，其背后的技術(shù)方向也早已經(jīng)被競相追捧。就像不窮說的“大家都充滿了 FOMO 情緒。”

　　那么身處其中的釘釘，能夠在這次浪潮扮演什么樣的角色?

　　和很多企業(yè)一樣，釘釘最初也沒有一下就找到合適的入局方式。一年多前，看到自己與微軟不約而同地都選擇了給當(dāng)前產(chǎn)品增加 AI 能力時，釘釘團隊覺得這種方式已經(jīng)很讓人眼前一亮了，大模型爆發(fā)的能量遠比想象得還要大。

　　整個2023年，OpenAI、微軟、谷歌等大模型發(fā)布頻繁，李開復(fù)、王小川等也親自下場發(fā)布大模型……去年4月，釘釘全面投入智能化，開始用大模型逐個將高頻產(chǎn)品重做。到了當(dāng)年六、七月份，釘釘內(nèi)部有人提出:能否有一個直接 AI 原生的產(chǎn)品?這引發(fā)了內(nèi)部關(guān)于從“+AI”到“AI+”的爭論。這個想法與去年10月李彥宏公開提到的 AI 原生理論異曲同工，可見國內(nèi)的探索思路其實差異并不大。

　　那什么是 AI 原生?釘釘也在思索。其實在將思維轉(zhuǎn)換成以 AI 為中心后，這個問題就不難回答。

　　“AI 原生產(chǎn)品從一開始的思考就是全新的，就是要用純 AI 的思路來解決一個任務(wù)。它從數(shù)據(jù)感知、任務(wù)分解，再到思維鏈，最后到行動執(zhí)行，是一種全新的思考架構(gòu)。”不窮表示。

　　而對于做 AI 原生的方式，釘釘選了 Agent。

　　“我們依賴這些大模型公司”

　　今年1月，OpenAI 正式推出了 GPT Store。幾乎同時，釘釘發(fā)布了 AI 助理，并宣布4月推出 AI 助理市場。

　　“GPT Store 上線的第一天我就用了，當(dāng)天就已經(jīng)有非常多的產(chǎn)品了，速度非�？�。但我分析了所有數(shù)據(jù)后發(fā)現(xiàn)，GPTs 同質(zhì)化非常嚴(yán)重，而且都是一些通過簡單限定詞、指令或角色扮演來形成的 AI 助手。”不窮說道。

　　這一體驗讓不窮認(rèn)定，釘釘未來的 AI 助理市場不做全量推薦，只會推薦自己精選過的 AI 助理。

　　不窮強調(diào)，釘釘模式與 GPT Store 的不同:GPT Store 通過不斷豐富插件使 AI Agent 能夠批量調(diào)用外部系統(tǒng)的能力，但它的組合效率要比釘釘?shù)�，因為釘釘擁有天然�?To B 環(huán)境，其中有大量的工作任務(wù)需要解決。

　　不窮認(rèn)為，目前釘釘?shù)哪芰Σ辉谟谧鲎约旱拇竽Ｐ�，而是在�?yīng)用和數(shù)據(jù)，在工程性、用戶體驗以及 To B 理解方面。對于 Agent 來說，大模型只是其中的一個能力，此外還需要非常好的場景和高質(zhì)量的業(yè)務(wù)環(huán)境數(shù)據(jù)，這兩者恰恰是釘釘有、而 OpenAI 目前還欠缺的。

　　對于與國內(nèi)大模型公司的關(guān)系，用不窮的話說是:“我們依賴這些大模型公司，它們是我們的發(fā)動機和心臟。沒有它們，我們無法運行。”

　　面向 AI，不窮把釘釘定義為 AI 應(yīng)用創(chuàng)作平臺，企業(yè)在這個平臺上連接、開發(fā)和加工各種應(yīng)用。釘釘?shù)暮诵娜蝿?wù)就是連接場景和數(shù)據(jù)，實現(xiàn)結(jié)構(gòu)性自動化和批量處理各種工作，并通過 Agent 讓創(chuàng)作變得更簡單。

　　具體來說，釘釘?shù)穆氊?zé)是確保外部記憶存儲部分的完善，包括短期和長期記憶的處理，同時做好任務(wù)規(guī)劃，之后將大模型生成的內(nèi)容與本地業(yè)務(wù)數(shù)據(jù)集成，并將形成的行動在各個系統(tǒng)中落地。

　　在不窮看來，當(dāng)前國內(nèi)各個基礎(chǔ)模型之間的差距并不大，未來不是每個開發(fā)者都會關(guān)心基礎(chǔ)模型的選擇，他們更注重解決業(yè)務(wù)場景中的問題。因此，如果基礎(chǔ)模型效果不理想，開發(fā)者應(yīng)該可以隨時更換。

　　因此，為快速上線和體驗，釘釘選擇了通義千問作為默認(rèn)大模型，除此之外用戶有需求時還接入了其他大模型公司的模型，如智譜 AI、月之暗面、Minimax 等。用戶的業(yè)務(wù)邏輯可以建立在自己選擇的基礎(chǔ)模型體系上，業(yè)務(wù)流程和數(shù)據(jù)流也不會進入釘釘平臺。

　　“根據(jù)不同的場景和需求，我們可能還會推薦小模型或?qū)Ｓ媚Ｐ汀?rdquo;不窮說道。

　　不窮在給用戶提供模型的選擇建議時，會提醒他們更加關(guān)注模型的性能，如每秒處理的 token 量;大模型的安全性問題等，如本地部署還是云上部署;工程解決方案的多重性和便捷性等。這些問題也是釘釘構(gòu)建 AI 助理時實際遇到的。

　　“C 端還沒有太多

　　優(yōu)秀的產(chǎn)品形態(tài)出現(xiàn)”

　　無疑，GPT Store 的模式吸引了大批用戶:剛正式發(fā)布時，OpenAI 就宣稱已經(jīng)有超過300萬個 GPTs。

　　與傳統(tǒng)軟件相比，AI 助理、GPTs 等的不同之處在于擁有非常快的更新速度，模型、交互方式、數(shù)據(jù)和產(chǎn)品形態(tài)等方方面面都變得迅速，開發(fā)者也不要從頭到尾進行開發(fā)和維護。這種模式還大大降低了開發(fā)門檻，沒有研發(fā)背景的人也可以嘗試，而對于研發(fā)人員來說則大大縮短了研發(fā)、測試等成本。

　　一方面，這意味著傳統(tǒng)軟件的研發(fā)模式可能會面臨變革;但另一方面，不窮也指出，百萬千萬級的 GPTs 目前看相對來說形式比較單一，沒有傳統(tǒng)軟件那樣強大的業(yè)務(wù)理解能力，因此目前 GPT Store 中的應(yīng)用很難成為高價值產(chǎn)品。

　　不窮認(rèn)為，盡管 GPTs 的創(chuàng)建能力很強，甚至一天可以創(chuàng)建幾十個，但它目前還代替不了傳統(tǒng)軟件市場。

　　釘釘也在尋找有價值的產(chǎn)品。在1月份宣布啟動的 AI 助理創(chuàng)造大賽上，目前有超過2000支隊伍提交作品，不窮也會親自體驗這些 AI 助理，尋找優(yōu)秀的作品。

　　那么，個人玩家又如何在 GPT Store 這種模式中賺到錢呢?

　　不窮的答案是價值，“只要有價值就一定能掙到錢，只是遲早的問題。”在他看來，個人或企業(yè)創(chuàng)建 AI 助理的核心在于要解決具體的問題，解決問題本身就有價值。但現(xiàn)在“賣工具”的人可能不是最終解決問題的人，解決問題的人是那個場景中離問題最近的人。

　　AI 助理的商業(yè)模式則與傳統(tǒng)軟件相似，需要一定的用戶使用量，“只要使用量上去了，很快就會有開發(fā)者賺到第一桶金。”根據(jù)不窮的經(jīng)驗，一旦調(diào)用量達到百萬次，軟件做商業(yè)化就是必然的。

　　這與之前釘釘在與 IDC 聯(lián)合發(fā)布的《2024AIGC 應(yīng)用層十大趨勢》中提到的觀點“新一輪的 AIGC 之爭，也將會是一場流量入口之爭”是契合的。釘釘在其中也提到了有望成為超級 App 的想法。

　　“在目前的 To C 場景中，我還沒有看到太多優(yōu)秀的產(chǎn)品形態(tài)出現(xiàn)。”不窮說道，“但是，AI Agent 絕對不是自我陶醉，我相信一定會有出色的產(chǎn)品出來，應(yīng)該給創(chuàng)新者更多的時間。”

　　根據(jù)不窮之前的訪談，AI Agent 和智能助理產(chǎn)品發(fā)展到一定程度后，中間態(tài)、碎片化的產(chǎn)品成為極簡流量入口，就會出現(xiàn)“No App”理念重塑應(yīng)用的情況:通過對話即可直接調(diào)取、使用各種工具，更多非軟件專業(yè)人員也能獲得強大的系統(tǒng)服務(wù)。

　　“SaaS 掙不到的錢，

　　會通過 Agent 掙到”

　　相較 C 端，B 端是不窮更看好的方向，因為 To B 場景更容易產(chǎn)生有效的產(chǎn)品:確定的數(shù)據(jù)和場景可以幫助解決大模型的幻覺問題，同時通過批量和自動化的方式提高 To B 常見工作流和任務(wù)流的效率問題。

　　不窮指出，To B 軟件的目的是解決問題，所以這里天然聚集了大量的問題和數(shù)據(jù)。在這樣環(huán)境里構(gòu)建的 AI Agent，傳統(tǒng) SaaS 和 PC 軟件軟件的開發(fā)流程、產(chǎn)品交互、形態(tài)及維護等的缺陷都將得到彌補。未來，SaaS 的定制化或各種行業(yè)需求，都可以用簡單、低成本的方式實現(xiàn)。

　　“Agent 市場形態(tài)肯定會取代傳統(tǒng)軟件市場形態(tài)。更重要的是，它將取代傳統(tǒng) SaaS 產(chǎn)品的產(chǎn)品形態(tài)。”不窮說道。

　　現(xiàn)在 AI 助理的 to B 服務(wù)中，釘釘要與用戶頻繁、深入地互動，根據(jù)反饋不斷調(diào)整和改進。比如在解決一家芯片企業(yè)客服培訓(xùn)難題時，釘釘團隊要去公司了解實際工作流程，然后將線下流程轉(zhuǎn)化為線上的 AI 助理。

　　雖然每個企業(yè)的需求相同，但產(chǎn)品會逐漸沉淀下來。企業(yè)自行完成標(biāo)注、訓(xùn)練和本地化數(shù)據(jù)接入，釘釘則保留抽象層和公共層，逐漸完成產(chǎn)品的廣泛行業(yè)適用性。

　　不窮評價 OpenAI 做產(chǎn)品就像是科學(xué)家通過成千上萬次的實驗，最終找到一個正確的方向，逼近科學(xué)真理。而釘釘則投入大量時間與客戶共創(chuàng)，解決他們的實際問題。兩者雖然方向不一，但殊途同歸。

　　與大模型創(chuàng)業(yè)公司苦苦尋找自己的商業(yè)模式相比，釘釘探索出來的大模型商業(yè)模式已有三種。

　　第一種是基于調(diào)用量的模式。無論個人 AI 助理還是企業(yè)助理，產(chǎn)品使用頻率越高、解決問題的能力越強，吸引的用戶就越多，自然也就需要更多的調(diào)用。使用量大，消耗的算力和資源也就越多。

　　第二種是應(yīng)用層本身帶來的商業(yè)模式。傳統(tǒng)的 SaaS 模式賺錢較為困難，因為它需要大量的定制和本地化需求，AI Agent 的應(yīng)用能力提供了一個解決方案:

　　簡潔的界面、任何需求都可以通過對話來理解，并通過行動系統(tǒng)對接外部系統(tǒng)邏輯，這樣就將界面定制化和流程重構(gòu)的職責(zé)就交給了后端模型和 AI Agent 系統(tǒng)。這樣，從交互層到模型層，再到持久層，整個過程都得到了簡化。因此，SaaS 的維護成本也就降低了。

　　“AI 助理的盈利天花板目前還看不到，隨著更多優(yōu)秀產(chǎn)品的出現(xiàn)，我們可能還會發(fā)現(xiàn)新的盈利途徑，帶來新的驚喜。”不窮說道。

　　不窮認(rèn)為，通過消耗算力來提供服務(wù)只是最基本的模式，除此之外，服務(wù)消耗還有很多其他的可能性。他的判斷是，未來十幾年中國 SaaS 行業(yè)掙不到的錢可能會通過 AI Agent 來實現(xiàn)。

　　結(jié)束語

　　在提到當(dāng)前釘釘 AI 助理接下來要重點攻關(guān)的方向時，不窮還是說到了數(shù)據(jù)和場景:

　　數(shù)據(jù)和場景是 Agent 普遍存在的問題，釘釘?shù)?AI 助理現(xiàn)在有更專注的場景和數(shù)據(jù)，就像是給“孫悟空戴上了緊箍咒”，好處是能夠減少幻覺、能夠解決一些通用場景里難以解決的問題。這也意味著，釘釘未來還需要發(fā)掘和洞察到更多的場景、沉淀和積累更多的高質(zhì)量數(shù)據(jù)。

　　其次，行動能力是目前 Agent 所欠缺的，只是讓它們聊天未免太乏味。因此 AI 助理會接入釘釘上原有的應(yīng)用、低代碼等開放能力，不窮希望以此讓 AI 助理能夠不斷出現(xiàn)各種創(chuàng)新玩法，而不僅僅是簡單的信息查詢和單向交互。比如，AI 助理對接了很多的主流 App 行動系統(tǒng)，比如可以查看淘寶訂單等，App 的行動系統(tǒng)實際上就變成了一個 AI 助理，無需在不同系統(tǒng)間切換。

　　在不窮看來，Agent 的最大好處就是它的無限可能性，這種模式不受傳統(tǒng)思維和現(xiàn)有框架的限制，是真的可以讓想象力轉(zhuǎn)化為生產(chǎn)力的。

　　“我今年非常期待行動系統(tǒng)能夠變得更加強大、數(shù)據(jù)質(zhì)量得到提升。隨著越來越多的人洞察到新的場景，AI 助理將不再是一個個廢話大師、一個個應(yīng)對親戚的聊天工具、一個個面試官。”不窮說道。

　　訪談里，不窮不掩對微軟戰(zhàn)略眼光的稱贊。“戰(zhàn)略需要耐心，如果沒有耐心，那就只是投機。”同樣地，釘釘對 AI 助理的耐心有多久?AI 助理未來的價值能有多大?這些也是不窮現(xiàn)在要面對的課題。