未來，軟件開發(fā)模式需要從以功能為核心轉(zhuǎn)向以業(yè)務目標為導向。
最近全球知名風險投資機構紅杉資本發(fā)布了AI行業(yè)年度報告《Generative AI's Act o1》，總結了在生成式AI革命的兩年時間里，AI生態(tài)系統(tǒng)發(fā)生的變化及對未來的預測。報告中有幾個觀點我非常贊同：
1.新的Scaling Law：推理競賽已經(jīng)開始
(1)o1代表通過“推理時計算在一般推理能力上的重大進展，給與模型推理時的計算越多，模型的推理能力就越強，這將推動應用層的可用性
2.SaaS重新定義：服務即軟件
(1)在AI時代，代理推理將“Software as a Service”轉(zhuǎn)向“Service as a Software”
3.領域?qū)I(yè)知識重要性
(1)將專業(yè)知識與模型能力結合是構建數(shù)據(jù)閉環(huán)、從副駕駛（copilot）到自動駕駛（Autopilot）的關鍵。
再看Gartner 10/21發(fā)布的Top Strategic Technology Trends for 2025。其中，Agentic AI名列十大關鍵字之首。
Agentic AI系統(tǒng)會自主的計劃并采取行動來滿足用戶定義的目標。當前的AI助手和大語言模型能夠完成包括生成文本、總結內(nèi)容或者使用基礎的工具，但是它們并不能夠主動的采取行動，它們是按照用戶的提示詞或者根據(jù)編排好的流程來行動。Agentic AI以目標驅(qū)動的規(guī)劃能力，也承諾能夠交付更有適應性的軟件系統(tǒng)，能夠完成在眾多領域內(nèi)沒有被定義過的任務，而不是只能完成設計的功能。
AI Agent的能力可以被視為一個連續(xù)的光譜，從在特定條件下為傳統(tǒng)軟件提供智能，以完成特定任務；再到完整的Agenti AI系統(tǒng)——它們能夠在環(huán)境中自主學習，規(guī)劃策略，做出決策，并獨立執(zhí)行任務。
那么不同領域的兩個權威機構做出預測的背后，反映了怎樣的技術趨勢？根據(jù)這樣的技術趨勢，我們又能推測出怎樣的商業(yè)趨勢？
數(shù)智化變革的核心瓶頸在“人”
LLM技術的突破，大家都有目共睹，從ChatGPT時刻發(fā)生到現(xiàn)在，我們可以看到的是正如智能摩爾定律所預測的——隨著開源LLM能力的迅速提升，推理成本則指數(shù)級下降，因此自然語言理解和表達能力對于任何軟件已經(jīng)觸手可及。而OpenAI今年9月剛發(fā)布的o1模型，則打開了推理能力，大模型的推理能力可以由推理時間的Scaling Law來提升，這必將帶來的是，隨著時間的推移，推理成本能夠指數(shù)級下降。
于是，任何軟件又可以再一次獲得極其便宜的推理能力。這將給企業(yè)軟件市場帶來什么樣的變化？
我們試圖從時尚服裝業(yè)過去30年的發(fā)展變化中，發(fā)現(xiàn)一些規(guī)律。從商業(yè)角度來看，互聯(lián)網(wǎng)革命，本質(zhì)上解決了消費者和品牌之間的連接問題；互聯(lián)網(wǎng)時代之前，品牌必須通過媒體或線下觸達消費者，因此一方面是品牌信號的傳遞速度緩慢，另外一方面，品牌信號的傳播過程也會伴隨很多“噪音”。
傳統(tǒng)時尚服裝行業(yè)一般是一年為一季，每年都需要經(jīng)歷對于時尚的判斷、產(chǎn)品設計、小規(guī)模生產(chǎn)、時裝秀、拿到反饋，然后生產(chǎn)、壓貨，其中的風險十分大。
而從Zara/H&M，到Shein的品牌發(fā)展來看，由于消費者注意力越來越多地被吸引到線上，以及線下供應鏈越來越成熟、敏捷，整個循環(huán)從年，到月再到周維度，在快速迭代周期中，最重要的是能夠?qū)τ谛碌奈锓N構建起數(shù)據(jù)飛輪，因為在數(shù)字化的世界里，機器的運作是可以24小時*7天的，此時，人的生產(chǎn)能力就變成了瓶頸。
但是在其它的大部分行業(yè)，從客戶獲取價值的流程中，由于種種原因，他們的業(yè)務規(guī)劃執(zhí)行周期仍然類似30年前的時尚服裝行業(yè)，是以年或者季度為單位。
圖源來自：瀾碼科技
以上述業(yè)務架構為例，一般企業(yè)都會有業(yè)務流程，流程中會涉及到橫向的不同職能部門接力來完成一個決策，縱向則有管理來進行管控。而企業(yè)內(nèi)的信息系統(tǒng)只起到了記錄的作用，如過去的大數(shù)據(jù)系統(tǒng)也只具備單一的分析功能。在由不同的角色橫縱交叉組成的決策網(wǎng)絡中，核心的瓶頸仍然是人。
專家知識的數(shù)字化和端到端的交互，是Agent落地企業(yè)并實現(xiàn)數(shù)據(jù)飛輪的必要條件
那么，有了生成式AI帶來自然語言理解和表達能力之后，會產(chǎn)生什么變化呢？
圖源來自：瀾碼科技
我們發(fā)現(xiàn)，專家知識的數(shù)字化是AI助手落地的必要條件，端到端的人機交互對于提高AI助手在業(yè)務場景中的準確率也是必備條件，因為這樣能夠更好地解決一線業(yè)務人員對于目標上下文理解偏差的問題。
但是，在現(xiàn)有的落地場景中，業(yè)務人員對于業(yè)務目標的拆解、計劃以及在業(yè)務活動中拿到客戶反饋等任務，仍然無法由機器來協(xié)助。而推理時計算的出現(xiàn)，則為這些環(huán)節(jié)的智能化帶來可能。
如果只是為企業(yè)提供更多的自動化/智能化的功能，我們?nèi)匀粺o法解決當前無論是自行購買算力還是買token的成本問題。畢竟現(xiàn)階段技術尚未成熟，推理時的scaling law也意味著成本的飆升。
由此產(chǎn)生的一個問題是，難道只能等模型的成本降低，才能獲取智能化帶來的價值？
我們采訪了很多企業(yè)，發(fā)現(xiàn)有一個顯著且具有共性的特點：即使是百年老店或者世界500強企業(yè)，在業(yè)務能力上仍然是“一招鮮打遍天下”，也就是說它們的經(jīng)營重點大多都是聚焦在放大自己的競爭優(yōu)勢上。因此，在企業(yè)關鍵業(yè)務能力方面，業(yè)務專家就成為了瓶頸。假設專家將全部精力投入工作也就是“007”，但業(yè)務專家能力越是作為企業(yè)的競爭優(yōu)勢，則需要業(yè)務專家并行處理的業(yè)務任務或業(yè)務決策就越多，在此過程中還需要保障業(yè)務專家的決策質(zhì)量，所以，企業(yè)需要通過增加新的員工來分擔業(yè)務專家的工作內(nèi)容和壓力。
那么，有沒有可能將消費互聯(lián)網(wǎng)行業(yè)的經(jīng)驗遷移到新時代的軟件開發(fā)中來呢？
我們的答案是肯定的。我們認為，可以通過優(yōu)先找到企業(yè)主要價值流程中的決策瓶頸環(huán)節(jié)，重新設計業(yè)務流——讓業(yè)務專家設計的Agent去拆解目標，并通過交互收集業(yè)務信息并給出業(yè)務決策，讓只有在線下完成的業(yè)務活動仍然可以由現(xiàn)在的業(yè)務人員去執(zhí)行。
也就是說，企業(yè)仍然可以在數(shù)字世界里面構建數(shù)據(jù)飛輪。由于是Agent在處理任務、決策，因此可以24小時*7天在線，并且能夠永不疲倦且有耐心的輔助業(yè)務人員，通過這樣的數(shù)字化流程可以幫助專家節(jié)省更多時間成本，對Agent處理的業(yè)務任務或決策進行分析，并給出改進意見。
圖源來自：瀾碼科技
一方面，我們已經(jīng)看到了o1模型在代碼生成準確率上的提升，使得我們可以有能力準確地執(zhí)行數(shù)字世界中的計劃；另外一方面，o1在強化學習上，關于self-play和process reward model的創(chuàng)新，也讓我們能夠通過專家將商業(yè)問題映射到相應的數(shù)學問題之后，可以用數(shù)百條專家標注來學習到專家的隱性知識。
同時，我們還可以通過歷史數(shù)據(jù)來構建情景記憶，從而完成規(guī)劃任務的智能化。最后，也是最難的一步，如何讓專家以低成本的方式讓Agent通過數(shù)據(jù)進行反思，并改進它的規(guī)劃能力，甚至讓Agent自主的從經(jīng)驗中學習，這個部分可能有待o1模型或者新架構的模型的推出才能夠得到答案。
另外一方面，在已有軟件的改進或者新軟件的設計中，我們需要改變過去以功能為核心的軟件開發(fā)，變?yōu)橐詷I(yè)務目標為導向的軟件開發(fā)，實現(xiàn)從圍繞功能堆砌到圍繞角色的轉(zhuǎn)變。
圖源來自：瀾碼科技
基于此，我們也就能夠理解為什么軟件商業(yè)模式會變成服務即軟件。
這里簡單引用一下紅杉文章的觀點：
紅杉認為，由于Agent推理，人工智能轉(zhuǎn)型是“服務即軟件”。軟件公司將勞動力轉(zhuǎn)化為軟件。
Sierra就是一個很好的例子。B2C公司將Sierra集成到他們的網(wǎng)站上，負責與客戶交流。Sierra的工作是解決客戶問題，它按每次解決問題的數(shù)量來收費，這里并不存在「按席位收費」的概念。你有一個需要完成的任務，Sierra完成了這個任務，獲得相應的報酬。
從商業(yè)模式上看，還是“上下同欲者勝”。SaaS替代傳統(tǒng)軟件，是因為SaaS模式使得軟件開發(fā)者可以知道不同功能的客戶使用情況是怎樣的，那么通過改變收費方式，雖然一次性收入看似降低了，但它讓軟件公司的功能迭代和客戶的付費關聯(lián)起來，從而讓SAAS軟件的迭代加速往正確的方向進化。
同樣的，大模型令軟件可以交付業(yè)務價值時，新的商業(yè)模式雖然看上去收入變少了，但會由于利益的原因進一步加快軟件公司去推動數(shù)據(jù)飛輪的完成。
當有新的AI原始軟件公司在組織上完成這一步蛻變的時候，那么就是萬億美元的服務市場向新物種開放的時候。而這場戰(zhàn)爭勢必會像19世紀末非洲的土著部落遇到歐洲殖民者的馬克沁重機槍一樣摧枯拉朽。
本文來源：36氪
文章轉(zhuǎn)載于其他網(wǎng)絡，如有侵權請聯(lián)系我們及時刪除！
