2026世界人工智能大会（WAIC）正在上海火热举办。与往年相比，今年会场内外一个显著的变化是：人们讨论的焦点正从“大模型能做什么”转向“AI如何进入真实业务并产生可衡量的价值”。

大模型能力持续突破，但技术能力如何转化为企业真实业务结果，仍然是人工智能产业化必须回答的核心问题。带着这个疑问，我们在财联社WAIC大咖直播间与AIMI产品创始人、产品总负责人周常磊展开了一场深度对话。

主持人：今年WAIC现场从大模型、Agent到具身智能，各类技术和产品非常密集。以你的观察，产业界讨论Agent时最明显的变化是什么？

周常磊：过去大家更关注大模型能做什么——能不能生成内容、理解复杂资料、完成推理，或者调用更多工具。现在产业界开始提出一个更现实的问题：这些能力究竟怎样进入企业业务？企业使用AI以后工作方式发生了什么变化？最后有没有形成可衡量的业务价值？

大模型解决了智能能力的供给问题，但企业真正稀缺的是谁能定义真实业务任务，理解企业上下文，组织完整工作流，并对执行结果进行持续评估。随着模型能力不断提升，应用层的机会没有变小，反而变得更加清楚——大模型扩大了智能能力的供给，应用层决定这些能力最终能否转化为企业价值。

这个判断引出了一个更深层的问题：既然大模型能力越来越强，为什么不少企业投入大量资源后，感受到的业务价值仍然有限？

周常磊：首先需要区分两个概念：模型能力和业务能力不是一回事。大模型可以理解资料、生成内容、分析问题和进行推理，这些都是重要的基础能力。但真实业务并不是由一次回答或者一段内容完成的。

从模型能力到企业价值，中间至少存在四次转化：第一，把企业目标转化为可执行的任务；第二，把企业知识和客户信息转化为Agent能理解的业务上下文；第三，把任务转化为跨系统、跨角色的真实执行；第四，把执行结果转化为下一轮可继续使用的反馈。

这四次转化正是企业AI应用层需要解决的问题。它不是简单调用一个模型，也不是在原有软件中增加一个AI入口，而是重新组织企业完成业务目标的方式。大模型提供了强大的智能原材料，企业真正需要的是能够持续运行的业务系统。

所以仅仅接入一个更强的大模型，并不会自动让企业AI产品变得更有价值。周常磊分析道，模型能力决定产品能力的上限，但企业价值还取决于产品是否理解业务，能否进入工作流，能否根据执行结果持续优化。判断一个AI产品是不是简单的模型包装，关键不在于它用了哪个模型，而在于它有没有独立的业务定义、工作流、数据反馈和结果评估能力。

沿着“从能力到结果”的思路，今年WAIC上几乎每家公司都在讲Agent。那么，真正的企业级Agent与普通AI工具，区别究竟在哪里？

周常磊：企业级Agent不是Chat的升级版，也不是一个增加了工具调用能力的对话入口。它至少要完成五件事：理解企业真正想完成的目标；获得完成任务所需要的业务上下文；把复杂目标拆解成可执行的任务；调用不同工具和系统完成真实动作；根据执行结果进行评估和调整。

Agent的核心不是会不会对话而是能不能围绕一个业务目标，把理解、规划、执行、反馈和调整组织成一条持续运行的链路。企业级Agent的壁垒并不只是工具调用数量。真正的壁垒来自三个方面：是否理解这个行业中真正重要的业务对象、规则和例外情况；是否能把这些理解沉淀为稳定、可复用的工作流；是否能根据真实执行结果不断修正下一步行动。工具调用能力可以快速被复制，但业务理解、工作流深度和反馈机制，需要在真实场景中长期积累。

主持人：如果Agent已经能理解目标、调用工具并完成任务，为什么这还不足以支撑企业真实业务？你所说的Agentprise，与普通Agent有什么本质区别？

周常磊：因为单个Agent解决的主要是任务执行问题，而企业运行是一个系统协同问题。真实业务不是一个孤立任务，而是由企业上下文、组织身份、权限边界、业务流程、多个系统、不同角色和大量例外情况共同构成的。Agent不仅要会做事，还要知道自己代表谁、可以访问什么、在哪个流程中工作、哪些判断需要由人完成，以及如何根据实际结果持续调整。

我们把这种企业原生的AI形态称为 Agentprise，也就是Agent与Enterprise的结合。它不是简单地在企业中部署更多Agent，而是通过共享企业上下文、统一组织身份与权限、嵌入真实业务流程、建立人机协作和持续反馈机制，把一个或多个Agent组织成能够长期参与企业业务运行的智能系统。

所以，Agent解决的是AI如何完成任务，Agentprise解决的是如何让Agent成为企业运行体系的一部分。在此基础上，还需要进一步回答一个商业问题：企业究竟为怎样的结果付费，这些能力又如何围绕客户目标形成持续交付。这正是AIMI提出AI RaaS的原因。

在AIMI的产品语境中，AI RaaS指AI Results as a Service，也就是以业务结果为导向的AI商业与交付模式。Agentprise定义的是企业原生AI的产品和运行形态，AI RaaS定义的是这套能力如何围绕业务结果持续创造和交付价值。

主持人：你拥有长期的复杂产品和增长实践。什么样的企业问题让你决定创建AIMI？为什么选择B2B全球客户增长这一场景？

周常磊：我过去一直在百度、美团、阿里巴巴等大厂负责复杂的平台型产品和增长工作，也正是在这些实践中，让我看到了一个长期存在但一直没有被真正解决的结构性问题。我们选择这个市场，首先是因为它足够大，也足够长期有价值。过去十年，中国出口规模接近翻倍，越来越多B2B企业开始主动走向全球市场。但机会在扩大，并不代表每家企业都具备持续获得全球客户的能力。大量中腰部企业并不缺产品和交付能力，真正缺少的是一套把供给价值持续转化为全球客户机会的系统。

这条链路跨语言、跨文化、跨市场，涉及市场、内容、渠道、客户互动、销售和CRM等多个环节。它既包含大量可标准化的工作，也包含大量依赖企业知识和商业判断的工作；不是一次性的任务，而是需要长期执行、持续反馈和不断优化。

现实中，这些工作分散在不同团队和工具中，内容系统不知道哪些内容带来了高质量客户，广告系统不知道哪些互动值得跟进，CRM很难把前端动作与后端推进完整连接起来。

AI 大模型和Agent的出现，为重新组织这条业务链路提供了新的可能。我们选择这一市场，是因为它能够创造足够大的客户价值，业务链路足够复杂，市场足够重要，也天然适合由企业级Agent重新组织，而不是因为它容易标准化。全球客户增长是一条长链路、高价值、强企业知识依赖的业务流程，正是企业级Agent最有机会形成深度价值的场景。

主持人：能不能用最直接的方式讲清楚，AIMI到底是什么？它的壁垒如何形成？

周常磊：AIMI是面向有全球客户增长需求的B2B企业打造的AI全球获客增长Agent。它首先理解企业能够提供的产品、服务、解决方案，以及稳定兑现这些价值的交付能力。在此基础上，AIMI连接市场识别、客户匹配、增长策略与执行、买家互动、机会识别、CRM回流和持续优化。

更简单地说：AIMI通过AI，帮助企业打通从可供给价值到全球客户机会的增长链路。

AIMI与普通AI内容工具最大的区别，是它不以生成一段内容作为终点；与单点营销SaaS的区别，是它不从某一个渠道或者功能出发；与CRM的区别，是它不仅管理已经进入系统的客户，还会参与前端市场识别、增长执行和客户机会形成。这些能力围绕的是同一个业务目标：帮助企业持续形成高质量的全球客户机会。

AIMI的壁垒不会建立在某一个单点功能上，而是企业上下文、完整工作流、反馈闭环和持续交付体系共同形成的系统能力。AIMI的产品身份是AI全球获客增长Agent，AI RaaS是我们正在实践的商业与交付模式——Agent负责把理解、规划、执行和反馈组织起来，AI RaaS负责让这套能力真正进入企业，并在长期使用中持续产生价值。

主持人：能不能用一个典型企业场景，说明AIMI如何工作？它怎样定义真实业务结果？

周常磊：以一家希望进入新海外市场的B2B制造企业为例。AIMI首先理解企业：核心产品、目标客户、差异化优势和交付能力。然后形成增长计划，围绕目标市场和客户角色规划内容、渠道和互动任务。接着协同执行，让内容、广告、主页和客户互动围绕同一个增长目标推进。当潜在客户产生互动时，系统分析客户匹配程度和采购意图，将信息回流CRM。最后根据市场反馈和跟进结果调整下一轮策略。

过去每个工具只能看到自己负责的环节——内容平台看到发布，广告平台看到点击，CRM看到已经进入系统的客户。AIMI希望把这些信号连接起来，形成企业自己的增长记忆。关于业务结果，曝光、点击和互动是过程指标，AIMI关注的核心结果是帮助企业持续形成可识别、可评估、可跟进的全球客户机会。

从AIMI运营数据看，付费客户规模、人均有效询盘与曝光显著增长。这意味着，业务结果的改善是在客户规模快速扩大的同时，提高了从市场执行到有效客户机会的产出效率。

AIMI的责任是提高企业从可供给价值走向客户机会的效率和过程质量，让整个增长过程更加可衡量、可复盘和可优化。

主持人：当Agent越来越能自主规划和执行任务，企业市场、运营和销售团队会不会被替代？你如何判断一个AI应用是否真正成立并具备长期竞争力？

周常磊：我不认为企业级Agent的终点是把人完全移出业务流程。AI更擅长处理信息、执行标准任务和发现模式；人更擅长复杂关系、商业判断、关键决策和责任承担。合理的分工是让AI承担理解、规划、执行和分析工作，让人投入高价值判断和客户关系。人机协作不是Agent能力不足时的临时方案，而是企业级AI的长期形态。

至于一个AI应用是否真正成立，我主要看五个问题：它解决的是不是一个长期存在、具有足够业务价值的问题；它是否真正理解业务目标，而不是停留在通用能力展示；它是否进入完整工作流，并连接真实的数据和系统；它是否能在关键节点被控制和复核，并根据结果持续改善；它创造的价值是否会随着使用不断积累，并让客户愿意持续付费。

AI应用的长期壁垒来自对业务的长期理解、对工作流的持续深入、对客户反馈的不断积累，以及企业愿不愿意把更多真实业务交给你。产品创始人的责任，不是追逐每一个新概念，而是找到真正值得解决的问题，再把技术能力转化为客户能够使用、信任并愿意持续付费的价值。

AIMI的长期方向是成为企业全球客户增长的AI基础设施。这并不意味着替代企业所有团队，也不意味着自动保证成交。它意味着当一家企业希望拓展全球市场时，AIMI能够持续理解企业的供给价值，协同增长规划和执行，帮助企业识别客户机会，并随着每一次行动和反馈持续优化。

从WAIC 2026的现场热度来看，AI产业正站在一个关键的转折点上。大模型让AI获得了前所未有的理解、生成和推理能力，Agent让这些能力开始进入真实业务流程。但正如周常磊所言，企业真正需要的，不是一次能力展示，也不是更多相互割裂的功能，而是一套能够持续运行、持续交付和持续优化的业务系统。

在他的叙述中，企业级Agent（Agentprise）的最后一公里本质上是从大模型能力走向真实业务结果的系统工程。这不仅是技术问题，更是对企业业务的深度理解、对工作流的持续重构，以及对交付模式的重新思考。AIMI希望通过AI全球获客增长Agent和AI RaaS模式，将企业理解、市场识别、增长规划、执行、买家互动、客户机会识别和持续优化组织成一条完整链路。它不承诺自动成交，也不追求完全替代企业团队，而是致力于帮助企业提高从可供给价值走向全球客户机会的效率和过程质量，让全球客户增长更加可执行、可衡量、可复盘、可优化。

这或许正是企业级AI走向成熟的必经之路——从大模型能力，走向真实业务结果。