2026-05-13 09:06
扫码打开虎嗅APP
本文来自微信公众号： 出海同学会 ，作者：出海同学会，原文标题：《干货｜AI 真正进入中小企业的“入口”会在哪里？》
在上篇，我们讨论了通用Agent能力持续增强背景下，中小企业的实际采用节奏，以及垂类Agent壁垒正在发生的变化。
而真正的问题，是从这里才开始：
Agent将首先进入哪些真实业务流程？
商业化机会会优先沉淀在哪些环节？
创业公司还能在哪一层建立可持续位置？
在这场讨论中，一个逐渐清晰的判断是：
随着通用能力不断下沉，真正的竞争焦点正在从模型能力本身，转向产品嵌入业务流程的深度，以及组织如何围绕Agent重新构建工作方式。
[一页精华].
如出现链接或企业名为嘉宾引用第三方，侵删。
Trae｜DOM｜Gary Qi
Minitable｜CEO｜Sean Pan
AgentWeb｜CPO｜Fangfang Tan
Google｜Engineer｜Alan Wang
Paypal｜Senior PM｜Stella Chu
Moxt｜Founder｜张昊然
Ancher AI｜Co-Founder｜Steve Li
AI大量应用于中小企业的真正“入口/契机”会是什么？
张昊然｜Moxt
之前我一直都在做Vibe coding相关的事情。春节之后，我们团队基本算是all in到了一个连我们自己也还很难准确定义的方向上。这个方向出现的原因很简单，就是我们观察到：越来越多公司开始变成AI native。而且这些公司从0到1的过程，本质上是在围绕自己的agents去搭一整套环境。所以我们现在做的一套事情，就是无论是企业的context文档，还是一部分通信方式，都会优先按照for agents的思路来设计。你一旦从这个角度去想，就会发现，原来那些很大的通用工具，比如Notion、飞书，甚至IM类产品，未必真的适配这种形态；而且它们也未必能靠简单改一改就适配。因为原来的UI、交互、入口，都是为人设计的；但如果是为agents来做，逻辑会完全不一样。
我自己还观察到一个很有意思的变化。以前大家会说，欧美相比中国信息化渗透程度低一些。但最近AI agent这件事，可能会让很多原来没有做好的信息化，突然发生一种很不一样的变化。
举个很简单的例子。为什么在澳洲、欧美，很难出现像国内链家、天鹅到家这种，把服务提供者和需求方高效撮合起来的平台？一个重要原因就是，过去线下这套体系要被组织起来，本身就需要大量人力去做拓展。在中国，过去可能会把这种能力叫“铁军”。但现在不一样了。我们看到有很多做海外市场的创业者，他们其实做的已经不只是垂类agent，而是用纯AI agents的方式去做垂类。比如我要撮合一个水管工和一个需要修水管的人，过去很难，是因为你让水管工去填表、上SaaS，这件事本身就很费劲；但现在你可以直接用AI去外呼、去对接，让他们在自己熟悉的环境里，通过聊天把信息收集起来。C端那边也可以用别的方式去完成匹配。所以我会觉得，这是一个非常不一样的变化。它意味着，原来在中国已经成立的很多基础设施服务、平台经济模式，在欧美未来也有可能成立。它的数字化程度和连接性，都有机会被重新拉起来。而且我确实认识很多朋友，他们最近并没有在PR或新闻层面频繁露面，但如果看收入和利润，他们过去一年做这种事情，其实成果非常可观，而且一直在默默推进。
所以回到这个话题，我现在的感受是：未来很多公司和中小企业的机会，可能不只是“我要不要做一个垂类agent”，也不只是做一个工具，而是去思考：我怎么构建我自己的AI agents“铁军”？一旦这件事成立，你就可以真正渗透进自己熟悉的行业和场景里去，这其实是一种完全不同的打法。基于这件事，我觉得接下来一个新的命题就是：怎么去管理这些agents，怎么去更好地调度这些agents。我们自己内部也会把它们叫作“AI员工”。这也是我们现在正在做的事情，以及长期最想服务的一类形态。
Sean Pan｜Minitable
如果站在餐馆老板的角度，他其实很难算清楚到底有多少营收是AI直接带来的。他更直观的判断往往是：是不是因为location好、广告投得好、菜做得好、服务做得好，所以客流多了。
所以我觉得，我们在给这类客户提供AI服务的时候，反而应该反过来做。也就是说，不要让他先学AI、理解AI、适应AI，而是让他继续用自己原来的方式。华人老板就继续用微信、飞书，海外客户就继续用Email。AI对他来说，最好就是一个黑盒：他只需要告诉我们要做什么，我们把结果做出来就行了。只要他感受到的是：我还是用原来的渠道、发出差不多的指令，但最后效果变得更好了，那他就愿意续费。这是我的观察。因为对这类客户来说，学习AI本身就是一种成本。
是否在AI时代以后，大家可能都会从SLG的角度出发，往SLG SaaS这种外形去走？
Sean Pan｜Minitable
我自己的感觉是更偏向一种“服务”的角度。这个老板其实并不care你到底是人服务的、软件服务的，还是AI服务的。他在意的是：我的效果是不是变得更好了，更方便了。这才是他真正想要的，而不是我们推着他去学一个什么新东西。我们还需要有一定的“跨线”能力。以前我们可能只是教老板怎么用，但接下来有了AI、尤其有了agent之后，也许我们可以顺手帮他做一些别的事情，给他一些surprise。那这个老板就会觉得，用你这个服务好像更值了。
所以我的观察是，还是要看这种small business真正赚钱的点是什么。像餐厅，它肯定不是卖AI的，也不是卖知识的。它卖的是餐厅的环境、人的服务，是这个场景和这个场所本身。那让他去学AI，对他来说其实就是一种额外成本。最好的方式就是我们把AI包装成一个黑盒，直接提供给他。
史大侠｜PMF
我现在的观察会比较偏向SLG，有两件事情值得关注。
第一件事情是，AI agent不管是通用型还是垂直型出来之后，是否已经在某些领域催生出新的规则或者新的认证体系。这个事情我最近看得比较多。尤其像一些传统行业，原来就已经有很强的监管体系和既有秩序。到了现在这个阶段，如果未来真的是AI native的产品、团队或者服务进入这些行业，我不觉得它会和原来的体系简单合并在一起。更大的可能是：传统的大头还会维持原来的格局，但同时会围绕agent长出一套新的规则。
所以我们现在在辅导一些团队、和一些客户沟通的时候，都会特别去看：这个行业里有没有因为AI agent的出现，开始出现新的规则、新的法案或者新的草案。我觉得这一点很重要。因为未来很多行业，不一定先拼谁做得快，而可能先拼谁更早进入那套新规则里。
第二点，如果说中小企业真正的契机在哪里，我最近一直在看“二代接班”“三代接班”这个问题。因为这个事非常真实。我们身边有很多这样的企业，大的几百人，小的可能只有十个人。但你真的做过业务就会知道，哪怕一个10人的团队，可能里面8个都是老臣，你其实也不会轻易去裁。所以对这些企业来说，重点往往不是通过裁员或者缩编来追求效率，而是看：今天这个业务的主理人，到底愿不愿意继续用原来的方式把业务run下去；还是说，他想在原有基础上加上AI；还是说，他干脆想把它彻底变成一个AI native的业务。
我们现在通常会把这类情况分成三类。很有意思的是，第三类，也就是真正想做AI native的，通常都会直接新开一家公司。原来的业务继续run两三年，慢慢过渡，然后再收掉。无论是餐饮、牙医，还是CNC制造，我最近看到的很多都是这种路数。所以我现在特别感兴趣的，其实是这一类。
而且我最近还有一个很强的感受是：新的业务，不一定只是帮某个环节提效，而是要重新反思，这个业务整体到底应该怎么做。不然的话，你可能只是把某个局部提快了，但整个业务本身的约束条件、底层结构，根本没有变。这个我觉得是接下来更值得看的地方。
Steve Li｜Ancher AI
这个SLG赛道很多公司现在还是很传统地做，配很多sales去一个个聊大客户。做大B很难，捕鲸鱼是一种玩法；做SMB，又是另一种玩法。所以很多团队最后都会回到一件事：怎么让用户低阻力self-serve。这件事其实更像To C。先让用户快速试到价值，前面定价很低，等他用起来、依赖上了，后面再付更高的费用。这种路径在SMB里很典型。
所以我会觉得small business、SMB反而更重要。因为它们通常做得很垂直，你可以给它一些看起来像是为它单独定制的insight和服务，哪怕背后其实还是AI加模板，用户也会觉得体验很好。到现在为止，我觉得AI做得最成功的两个方向，一个是AI coding，一个就是AI sales/AI contact center。尤其在美国，电话、短信、email这些场景都很成熟。真正好的地方在于，你换了一个渠道继续聊，它还能接着前面的上下文往下走。这种体验对small business非常有价值。但这个市场本质上很垂。每个行业都不一样。大B往往是一个个单独build；小B也不可能做成一个特别大而全的统一产品。一旦走self-serve，你可能只能focus在少数几个方向上，让它self-serve。
美国SMB市场机会很多，但前提不是做一个全能产品，而是找到几个特别具体、特别赚钱的垂直场景。像汽车配件、水管工、修屋顶、修空调这类方向，其实都很有机会。
有没有公司专门帮助这些中小企业自己搭建contact center？
Steve Li｜Ancher AI
现在技术其实已经很成熟了。你真要做一个简化版的contact center，两星期就能搓出来。本质上它最后还是会变成一个小SaaS，去给别人提供服务。
但这件事又不完全一样。因为如果你是做定制，客户往往会说：我这里有20种常见use case，你得都满足。你如果做得太general，用户就不会买账。
所以contact center最有意思的一点就在于：有限集问题其实很好解决，真正难的是开放式、无限集的问题。像订房间、订服务这种，本来就是有限集，比较容易处理。你真正希望的是，表面上看起来是AI，但背后其实是在不断调API，把问题尽量收敛成有限集。
只要你能把客户体系里80%的问题解决掉，其实就已经很好了。剩下20%解决不了的，再交给人工handle，长尾慢慢补。所以这件事不是说一个LLM就能完全解决，真正有价值的是一整套带一定定制化内容的系统。
但我个人感觉，这个方向现在整体还是比较原始。真要用起来，很多时候还是得靠它的插件和外围能力。不过我觉得它的想象力很丰富，而且这是一个很好的方向。我自己以后也会往这个方向去build。因为你想，一个四五十岁的大妈，她不会想学这些东西。她要的是：你直接让我在手机上打开就能用，这就够了。很多文案工作者也是一样，他们不想研究什么Git、什么Claude Code，他们要的是结果。
所以我觉得，未来很多事情都会变。以前总觉得很多能力只有大公司才能做，因为里面有很多effort、很多学习门槛。但这些东西以后在AI的帮助下，都会越来越简化。之前我也和昊然聊过，他说得很对：你现在应该先提欲望，而不是先提方法。不要先问“具体怎么做”，你只要告诉我你想要什么、你渴望什么，剩下的系统自己去研究怎么做。AI应该做到这个程度。而不是还在让你一步一步点按钮、填参数、学流程。那还是上一代的思维。更AI native的方式应该是：你告诉我目标，它基于目标直接给你结果导向的方案，并且自己去选择路径。
史大侠｜PMF
我觉得有两个事情蛮有趣的。
第一个是入口和契机。像LINE这种IM，在很多地方本身就是最大的流量入口。谁能嵌进去，谁就更容易触达用户。很多时候关键不是让用户再下载一个App，而是直接占住他已经在用的场景。
第二个是数据。现在大家都在抢数据源，关键是谁的数据更准、更新更快。对很多中小企业来说，真正的切入点反而是事故追责和数据打通。因为一旦出了问题，企业就会被迫重新梳理自己的数据库，这反而会推动整套系统重建。
另外我最近一个很深的感受是：以前最容易获客的那些事务型场景，比如发票、报销、打卡、人事流动管理，现在反而最容易被自己做掉。因为大家都会想，我是不是直接按Cursor那套方式自己做一个就行了。所以我反而会建议，不要只停留在这些行政工具层，而要往更底层、更核心的金流服务走。因为如果agent真的全面起来，最后真正有价值的，还是那一层。
SEAMATE Highlights
中小企业真正拥抱AI的起点，往往不是学会一种新工具，而是在原有生意流程里，几乎无感地得到更好的结果。
AI是平权赋能长尾？还是加剧两极分化？
Sean Pan｜Minitable
这类SaaS，特别是在餐厅场景里，比如在线等位、在线预订，本质上其实是一个防御性需求。不是说他原本就有多强的主动需求，而是因为他看到旁边的店都开始用了，所以他也得跟着用。至于后面说的两极分化，我觉得这是肯定会发生的。像海底捞这种连锁品牌，内部本身就已经有很多工作流，流程也复杂，所以它会不断加强整体效率。但单店不一样。很多流程本来就不存在，你还得先教他怎么搭流程，这对他来说成本是很高的。所以最好的方式，还是那种服务式的方式：他有需求，我们直接帮他做完。等他真的体验到结果之后，他才有可能付费，或者产生更深的使用意愿。
所以我觉得，两极分化一定会发生，而且餐厅行业的连锁化趋势还会继续增强。至于所谓长尾平权，更多还是一种“别人都在用，那我也得用”的状态。到了那个时候，老板自然会把这个流程加进去；但在那之前，他其实还是会先用别的方式去解决问题。
Gary Qi｜Trae
对于那些传统的中小企业，如果它们连SaaS都用得很费劲，那它们和那些高度数字化的企业之间的差距，肯定会越来越大。像海底捞这种企业，本身数字化程度已经很高了；相比之下，那种单体火锅店，接下来无论是在营收上还是在运营上，效率都会更弱一些。
但如果是个体公司，情况又不一定。因为这类公司本身层级就少，不像传统互联网大公司那样，有很多制度性问题、政策问题和层级问题。所以我反而觉得，那些高度AI一体化的小公司，相对于大公司会更有竞争力。我之前参加过一个活动，现场有OpenAI、Google和微软的同学，分别分享他们现在写代码的时间占比。微软那边说大概只有10%到20%的时间在写代码；Google说大概50%；OpenAI说大概80%。如果是那种两到三人的小公司，基本上就是100%的时间都在写代码。那一刻我其实就意识到，对高度AI native的小公司来说，这已经会变成一种常态。而且我觉得相比那些大公司，它们的效率会非常高。因为它不存在“我要依赖不同部门”“我要跟其他部门对齐”“我要去找领导审批”这些事。对这种小公司来说，这些问题都没有，它反而可以平地起高楼，也没有对过去旧代码的依赖。
Steve Li｜Ancher AI
企业文化的差异确实很大。我们接触过一些非常知名的AI公司，明显能感觉到他们用这些产品时是非常aggressive的，和我们对接的团队也都很强。也有一些大公司，明显move得比较慢，内部山头很多，很多问题很难协调。再往后走，这类公司甚至会想自己build一套，比如自己做contact center。因为它们人足够多，全球布局也足够大，最后会觉得：最适合自己的，还是自己做。只是它们现阶段技术未必完全跟得上，所以会一边用我们的产品，一边自己内部搭。
但回到这个问题，我其实同意前面那位嘉宾的判断：很多新的、小的公司，move fast的能力非常强。这就是它们现在最大的优势。像我们团队也就十几个人，但大家能力都很强，速度也非常快。这种速度，在大公司里基本体会不到。因为我们这帮人本身就很年轻，而且非常AI-first、AI-native。我们现在每天都在大量用这些工具。对我来说，一个很直观的判断标准就是：一个团队到底烧多少token。如果只有少数几个人烧很多，大部分人几乎不用，那我觉得这其实就说明问题了。就像代码写得多不一定代表一定好，但如果一个工程师代码写得特别少，那肯定是有问题的。同样地token用得少，我觉得也是问题。
我不觉得大厂有这种能力。因为在大公司里，第一，整个工具链的学习和优化本身就非常耗时间；第二，系统越复杂，就越不敢动。尤其是那些核心系统，你不可能随便让AI写一段code，万一崩了，责任非常大。其实过去这一年大家都能感受到，很多产品的可靠性是在下降的，版本发得越来越快，小bug也越来越多。对于一些严肃服务场景来说，这个问题是很致命的。像我们之前做To B，客户有些是银行、金融服务，他们甚至要求我们完全对齐纳斯达克交易时间来运营。那种情况下，你怎么可能让代码随便改？
所以说，小公司的优势一定要利用好。如果你也像大公司一层一层定复杂的OKR，大家又畏首畏尾，那其实就是在和大公司并排布阵，最后一定会被玩死。相反，你要发挥自己的优势：快速迭代、快速试错。甚至我们自己的产品也会时不时做一些10度、15度的小转向。比如A2A，原来没放得那么重，后来发现它特别重要，就马上把它提上来变成核心的一部分。这种事情就是要每天想、每天讨论、每天调方向。
所以我觉得，真正能适应下来的公司一定是那些能跟上AI速度的公司。如果不能fully dive into，不管是大公司还是小公司，都会很危险。归根到底，还是看谁跑得更快，谁adopt得更完整，团队更强。、
Fangfang Tan｜AgentWeb
的确不完全是中小企业本身的问题，而是越早期的企业，资金压力越大，容错率也越低。他们对go-to-market的需求其实非常强，所以我们在这一块获客相对不难。尤其是如果我们能给出一些和他们profile很像的成功案例，他们通常都会愿意尝试。但go-to-market这件事本身始终也是一个challenge。因为你很难一上来就把所有东西做到尽善尽美。它也不只是一个marketing campaign的问题，而是会一路延伸到企业自己的整个增长链路：funnel有没有真正打通，网站在conversion上有没有结构性漏洞，定价策略是不是合理。
很多时候，问题其实已经超出了go-to-market本身，而是直接碰到了企业自己的商业模式。尤其是早期公司，往往还没有把这些基础问题真正梳理清楚。所以我们经常会看到一种很典型的情况：广告上线之后，engagement、clicks这些前端指标都不错，但一旦conversion没有达到预期，团队马上就会进入一段很艰难的讨论。他们会反复纠结，到底是继续优化当前环节，还是这个渠道本身就不成立。
在这个阶段很多小企业主或者初创团队，很容易对整套平台方法产生根本性的怀疑，然后很快pivot到别的解决方案。这个行为模式非常常见。相对来说规模更大的企业容错空间会大很多。一方面，它们本身利润结构更健康；另一方面，它们通常已经验证过其他渠道，边际回报也开始下降。所以它们会更清楚地意识到，只靠sales已经没办法继续扩市场了，必须转向付费广告或者搜索渠道去拿增量。一旦走到这个阶段，它们对平台的依赖和粘性，反而会明显更强。
SEAMATE Highlights
AI未必会带来普遍意义上的平权，但一定会加速企业之间的分化。
