泓君
2月的第1周，全球软件行业经历了一场“葬礼”。Anthropic基于Claude Cowork平台发布了11款智能插件，覆盖法律、金融、销售、数据分析，几乎把传统SaaS公司最赚钱的业务领域逐一点名。一周之后，全球软件板块市值蒸发了近万亿美元，华尔街交易员们给这一刻起了个名字：SaaS末日。
这件事情之所以重要，是因为它根本不只是一次股价调整，它宣告了一个时代的松动。过去15年里，软件行业靠“按人头卖坐席”建立起了万亿帝国。但当一个AI插件就能完成一整个部门的工作时，“席位”还有什么意义？
同时，这也是一场关于人的重新定位。当Anthropic的CEO Amodei预测，AI可能在未来5年内消灭一半的白领入门岗位时，这听起来让普通人窒息。但大家都面临一个共同的现实问题：我在AI时代的位置在哪里？
大家好，我是《硅谷101》的特约研究员刘一鸣。这次这个话题让我想到一个人——百融云创的创始人张韶峰。他的公司有1000多位人类员工，指挥着20多万个AI的硅基员工。这些硅基员工有工号、有KPI、有绩效考核，甚至有“退役”机制。
我们想和他聊聊，Agent如何连接软件工具时代，以及每一个真实的人到底应该如何在这个变革的时代中找到自己的位置。韶峰总，跟大家打个招呼吧。
张韶峰
各位《硅谷101》的朋友，大家好。我是百融云创公司的CEO、创始人张韶峰。我们专注于做企业级Agent，是一家AI Native公司。
泓君
现在整个SaaS行业——我知道，比如10年前，国内很多软件公司或者SaaS公司，其实都想对标美国。当然，事实可能已经证伪了，中国市场跟美国还是有很大区别的。但哪怕是美国的SaaS市场，也有很多市值很大的公司。
最近，Anthropic发布了11款插件，让整个SaaS行业经历了一场“信仰地震”。我记得您曾经说过，软件在中国其实从未真正活过，这两个模式还是有点跑不通的。
但这次这种全球范围内的崩盘，是否意味着以席位为核心的订阅制时代彻底结束了？
张韶峰
我觉得这是一个非常、非常重要的问题。首先，我确实认为，在中国，甚至不光只是SaaS，软件作为一个产品产业，从来就不存在过。软件产品产业在中国的产值，可能也就是美国的4%。
美国的软件行业，不管是传统软件模式还是SaaS模式，都发展得非常好。但这一次，我想独享风光至少15年的SaaS行业，恐怕经历了一次过山车般的地震。至少，一个新的范式、一个新的时代已经开启了。
企业并不愿意为购买一个软件的坐席付费，企业想买的是一个真正能够帮我解决问题的合作伙伴。至于这个合作伙伴是所谓的硅基人，也就是AI，还是基于碳基人的DPO（业务流程外包），帮我搞定业务，我不关心。我关心的是，你能不能帮我解决一个又一个问题。
这个大的范式，序幕已经绝对拉开了。但是，这是不是意味着传统的软件坐席模式，或者License售卖模式马上就死掉了？我觉得肯定不会，因为新老范式交替的时间还是比较长的。
但从产业格局上来讲，绝对是开启了另外一个产业格局，一个新的时代开启了。老的模式逐渐往下沉，最终消亡只是时间问题。所以百融成立的第1天开始，就是按照交付结果来收费的。
泓君
明白。其实ChatGPT出现到今天，已经发展好几年了。为什么是这次Anthropic的插件更新，导致整个二级市场万亿级别的市值蒸发？为什么是现在？
张韶峰
坦白讲，从技术角度看，它并不是突变的，只不过是前面的一些先兆信号逐渐积累，到了一定时候，Anthropic，或者说在Anthropic之前的Clawdbot——最近更名叫OpenClaw——变成了压死骆驼的最后一根稻草而已。
OpenClaw已经引发了疯狂传播：AI智能体真的已经可以像人一样，做很多很多工作。但是，因为OpenClaw是针对个人的，所以它可能还没有直接威胁到企业级软件和SaaS。
Anthropic大家都知道，它和OpenAI的区别在于，主要针对企业级市场。它发布的这些插件，也是针对企业使用的，可能涉及金融、法律等不同的行业。大家可能就会担心，如果以后我用一个插件，就可以解决很多以前只有传统软件才能解决的问题，那传统软件未来的价值在哪里？
其实历史上每次都是这样的。人们觉得一项技术非常厉害、非常牛之前，它其实已经酝酿了很长时间。但你要找到一种让不一定是全人类、而是足够大的群体看得懂的方式来传播它，才能够引起震动。
泓君
最近我看到有一个投研机构提出了一个很有意思的观点：AI可能不会一刀切地把SaaS行业直接干掉。毕竟，企业级软件需要很强的可靠性、安全性，以及行业集成能力，它的“护城河”仍然存在。
所以他们预测，这个行业会迎来残酷的三级分化：基础模型公司直接变成新的系统；垂直SaaS可能会通过深度集成继续存活一段时间，因为它有足够的私域数据和垂直Know-how；中层原来这种靠人头收费的工具软件，基本上会毁灭性地被淘汰。
您怎么看模型层、数据层向两端转移的趋势？
张韶峰
你说的这个问题非常重要。首先，中国软件产业，我身为其中一员，感到很羞愧，因为它从来没有真正存在过。
事实上，2021年冬天，也就是ChatGPT发布前一年，我们的一位投资人来交流。我坐下还没上茶，就疾风骤雨地批了我一通。因为那时候是SaaS的高光时刻，他们要求把我们的业务模式改成美国意义上定义的那种SaaS。
我中间连想解释的机会都没有。大概35分钟以后，茶上来了，我才有机会表达我的观点。我说，在中国，第一，SaaS根本就不存在，我们不用自欺欺人。第二，我说中国直接越过SaaS，一步跳到TaaS。
我那个T是什么意思？叫Transaction，也就是交易。直接帮客户做成交易，然后从交易结果里面分享你的价值。
后来我们的投资人特别震惊，但他想了一会儿说，我建议你不要叫TaaS，因为TaaS只是做这个行业，有点窄，你可以叫BaaS。那个B就是Business，叫业务级服务。
泓君
我来给大家做一点简单的名词解释。SaaS就是说，直接去用别人做好的软件；BaaS是用别人搭好的开发平台去做软件。
如果用买房来打比方，SaaS相当于是一个精装修的房子，沙发、电器、床都是齐全的，你可以直接拎包入住。BaaS就是给你一个毛坯房和工具箱，你可以根据自己的喜好来建。
张韶峰
我和这位投资人表达这个观点之后，过了一年，ChatGPT不是发布了吗？再过了一年冬天，我们又和他们聚会，我就讲过我对中国和全世界的软件或者SaaS未来走向的看法。
首先，我基本上同意你刚才说的这个研究机构的观点。我认为，什么样的SaaS公司能够存活下来？
第一，如果你有私域数据，这个数据使得别人如果只是基于通用大模型——不管是OpenAI的、DeepSeek的、千问的，还是Google Gemini的——都做不出来你这个应用、这个Agent。因为这里面非常强的领域知识，沉淀在你的私域数据里面，这是最强的壁垒。即使是大厂，它也做不出来，因为它没有你的私域数据。
第二个“护城河”，是你的传统软件里面沉淀了足够复杂的流程，使得今天的AI大模型也好、智能体也好，短期之内还做不出来一个让企业在它的容错度前提下能够接受的智能体。
可能一个流程有20个步骤。因为智能体是概率模型，一定有出错的可能性。它每一步可能都有1%到2%的概率出错，也就是说，0.99或者0.98的概率乘以25次，算下来就不可接受了。
这个时候，可能会给你3年的缓冲期。也许3年以后，AI智能体也能攻克一个复杂流程。其实这是给你3年的救赎期，让你作为一个传统ERP公司也好、SaaS公司也好，完成自我救赎。
但是3年在今天这个时代已经足够长了，因为AI变化太快。也就是说，3年其实已经是一个相当长的“护城河”了。
泓君
我感觉都没有3年，可能连3年都不用。您是不是还想得太乐观了？
张韶峰
还有第三类“护城河”，就是所谓的行业Know-how，也就是专业知识。什么领域都有Know-how，但这一点比较软。你的Know-how只是在你的碳基人大脑里面，这肯定不够强，因为别人也可以通过挖人来解决这个问题。
所以你最好把Know-how沉淀成第一个“护城河”——私域知识、数据；或者第二个“护城河”——复杂流程；或者是两者的结合。
但我自己的看法是，能满足这几个条件的SaaS公司，在中国第一是几乎没有，在美国可能也只有小部分。最后，可能大部分SaaS公司都会被AI原生公司替代。
还有一类公司，可能会长期、甚至永远做传统软件，它也没有升级。但是它会死掉吗？也不见得。如果你的费用不贵，我没有必要把你替代掉。
软件其实是碳基生命完成端到端任务的工具。所以未来的硅基员工，也就是智能体，一样需要这个工具，只不过工具的使用者从碳基人变成了硅基人而已。
这里问题就来了：价值创造的比例不一样了。可能很多人会认为，硅基人作为一种人、一种生命，端到端交付结果，它的价值创造比例会更大。也就是说，以后的价值分配逻辑会变。
但我认为，还是有一部分纯粹的SaaS、里面没有Agent，也会存活下来。只要足够便宜，我没有必要重复造轮子，重复发明一把螺丝刀。
当然，从技术上来讲，以前的工具是为碳基生命设计的。也许给碳基生命用的扳手，和给机器人用的扳手是不一样的。以后的工具有可能还会被重新优化。
但如果你自己不能够自我革命——我说的是SaaS公司——很可能那些Agent公司会自己发明用起来更趁手的工具。这个时候，连这种价值都没了。
所以这里面是一个动态变化加博弈。AI Native公司和SaaS公司之间，既有合作，也有竞争。
泓君
我之前参加过Salesforce的一些活动，记得他们当时在会场上也不断强调自己怎么AI化、怎么转型。因为他们有现成的这么多企业客户。
比如Clawdbot，我相信它这样的产品在谷歌或者OpenAI这种大厂里其实很难诞生，因为它有太多用户层面的问题解决不了。Salesforce这些公司因为是ToB的，所以B端对产品的要求都很高。
它们的转型感觉有一堆事情需要解决，整个步子也不敢迈太大。这是不是也是这些大厂转型时非常大的困难？
另外，如果Anthropic这些产品真的ToB了，B端敢用吗？现在幻觉问题也仍然没有100%解决。您觉得这个转型应该还是挺难的，对吗？
张韶峰
你讲的这个话题也特别有意思。每一代技术变革都有类似的问题，就是“旧王”和“新王”的关系。
很多时候，数码相机并不是新贵发明的，无线通信的变革也不是新贵华为搞出来的。“老王”其实早就有技术了，柯达也好、诺基亚也好，为什么不敢用？
我觉得有两个原因。第一，来自科技公司自身。它会觉得，我用了以后不知道效果好不好，说不定还会影响我的存量利益。
比如上一代软件是On-premise，也就是本地部署，一次性收费，之后收15%到20%的维保费。但如果改成SaaS，前面的收入其实不高，后续客户会不会续费也不确定。
所以从利益角度来讲，如果你以前的存量利益足够大，你其实很难下决心去自我变革。这也是为什么前两年大家都看衰谷歌，觉得谷歌不可能对内动刀，动掉搜索带来的巨大收入。
这是从科技公司的角度来看这个问题。
第二，其实还有你的客户，也就是所谓甲方的问题。既然你是“旧王”、是“老王”，很可能你的拥趸、你的企业客户内部那帮人也是一帮老人。他们在面对新事物时也会很苛刻。
你做一点变革和革新，他就会说，你看，这个出了错，不如以前好用。这会反向进一步锁死你，使得你更加坚定，也更加难完成自我革命和自我救赎。
反过来，为什么创业公司有机会？第一，它没有所谓的存量利益，是个光脚的，只有变革、只有求新。第二，客户对“新王”的苛求度没有那么高。
需要用新东西的人，本来在企业内部可能就是一批新人，他们可能是AI Native的。比如OpenAI刚发布ChatGPT的时候，有些人刚刚上大学。他们伴随着OpenAI、Google Gemini、千问这些产品一起成长，最后大学毕业了。
本身你又是一家创业公司，大家会觉得你犯错好像是可以接受的。所以，等大家都能接受新范式时，“新王”的技术已经成熟了。
那个时候，“老王”再要变革，可能已经有一部分跟不上了。人们的思路已经认为，这件事就不属于你了。再过几年，企业里那些拥戴新东西、拥戴新范式的人上位了，变成中坚力量了。
泓君
我记得黄仁勋曾经设想过，英伟达未来会变成什么样的公司，因为AI时代对整个组织架构也会有翻天覆地的变化。
他当时说，英伟达现在有3.2万名员工，希望在可能5年后的某一天，英伟达变成一家拥有5万名人类员工，加上1亿个AI助手的公司。
到时候，公司会有不同AI Agent的清单，每个Agent可能擅长不同的事情。AI会自主招募其他AI来解决问题，它们自己也会有Slack频道，在里面交流。
未来，英伟达等于变成一个庞大的混合员工群体：一部分是数字化的AI，另一部分是生物体的人类，可能还会有一类是电子化的机器人。
从您的角度，您会怎样构想未来人类和AI的协作模式？它对大公司的组织形态会发生什么样的影响和变化？
张韶峰
黄仁勋描述的这种画面，对我来讲是100%认同的。我是算法和数据的忠实信仰者。
事实上，在2025年春节前的公司年会上，我就和大家展示过未来的企业组织架构。我们公司把它叫作“硅碳共治”。一个企业的架构图里，可能一部分是硅基员工，一部分是碳基员工，甚至未来硅基员工会占大部分。
以前的时代里，一个初级的一线碳基员工，刚刚入职，就可以指挥10个、20个，甚至100个硅基员工干活。所以黄仁勋说一个碳基员工指挥几万个硅基员工，我认为这件事很快就会实现。
因为百融有1000多位碳基员工和二十几万个硅基员工，所以这件事事实上已经在一些企业发生了。
上次我去给一家世界级的大银行HSBC分享时，他们问，未来会不会出现一个碳基员工向一个硅基员工汇报？因为这涉及人的心理接受程度。
如果你问我能力上会不会，我相信一定会。因为有些工作，碳基员工可能就是干不过硅基员工。
所以组织架构不一定是下面是硅、上面是碳，不见得。它可能是一层是硅，一层是碳，上面又一层是硅，又是碳。但最终最上层可能还是碳。它可能是一个网状结构。
你和员工沟通时，也可能分辨不出来对方到底是硅基员工还是碳基员工。因为如果只是聊天，ChatGPT发布那一刻其实早就通过图灵测试了。你只是觉得它能力不够强，但你分不出它是碳基还是硅基。
所以组织一定会发生根本性的变化。我甚至认为，它都不只是普通意义上的员工，而是一种硅基生命。
最近有一个词特别火，就是持续学习、在线学习。这些智能体一旦诞生以后，自己是可以进化的。这个进化不一定依赖底层大模型的进化，智能体本身也可以进化。
你把它投放到某个岗位上，它就根据工作的结果是好还是不好，以及同事给它的正向或负向反馈，进行自我学习、自我进化。
泓君
我很好奇，在你们公司现在硅碳比大概是什么状态？这些硅基员工在公司内部是什么样的形态？比如有工号，能够独立完成一项工作，还有绩效考核，是这种状态吗？
张韶峰
我们公司有1000多位碳基员工，硅基员工有二三十万，所以这个比例大概介于130比1、140比1、150比1这么一个范围。
我们的碳基员工肯定有HR管理系统，硅基员工也有管理系统，我们叫“硅基员工之家”。它和碳基员工一样，也有一个架构图，叫Organization Chart，也就是组织结构图。
展开之后，里面有各个部门，各个部门下面有各个小组，小组里面有哪些硅基员工。它有自己的名字、邮箱、工号、工龄，什么时候入职，也有自己的绩效。
这个绩效当然也会考核，比如每天工作多长时间、成功解答多少问题等等。还有一个总监每天看它表现得好不好。表现不好，可能就要重新训练再上岗。
这个管理模式和碳基员工没什么区别。它还有岗位描述，说明这个硅基员工是做什么工作的。基本上每一个硅基员工，都会有一个对应的碳基员工伙伴。
这个碳基员工负责训练硅基员工，觉得可以了，就让它上岗。如果这个硅基员工绩效不好，被别的碳基员工或者别的硅基员工投诉，最后如果要重新培训、优化它，责任就落在碳基员工身上。
当然，碳基员工动手之前，硅基员工可能会自己先改进。实在改进不了，最后自然就传递到碳基员工那边。碳基员工要么培训它再上岗，要么让它退出服役。
这个过程和碳基员工的选、用、育、留、晋升没什么区别。最后承担责任的是碳基员工。什么意思呢？硅基员工干得好，只需要奖励电和芯片；但碳基员工可能要奖励荣誉、职级、薪酬等等。
所以这套管理系统确实和管理人没有区别。假设你不跟我讲，我的一个下属或同事是硅基员工，你真的分辨不出来。它有邮箱、工号，可能还有钉钉号、飞书号，可以打字聊天，也可以打电话聊天。
我们的语音每天有1亿通AI电话，还可以讲方言，语速可以快也可以慢，情绪可以高亢也可以低沉，你分不出来的。
泓君
您作为CEO，会管理硅基员工吗？您怎么管理它们？
张韶峰
我自己有一些硅基工作“搭子”。去年除夕晚上和大年初一，我给自己建了一个硅基员工。因为总有同事找我批这个、批那个，有些事情其实也没有那么急。
于是我通过我们的“百工”智能平台，自己拖拉拽建了一个硅基助理。它会问：“同学，你这个事情急不急？如果真的急，你告诉我为什么这么急，什么时候我必须批？”
后来公司同事发现，这个需求可能不只是张韶峰有，别人也有这个需求，于是就有人专门把这个需求批量做成了硅基员工。别人问它时，它会说：“其实我是张韶峰的硅基搭子，有些事情你可以先问我。”
如果它判断事情非常紧急，甚至可以给我打电话，也可以发邮件。
泓君
听起来，等于您在整个公司层面部署了很多个OpenClaw。
张韶峰
对。我们其实有差不多200个硅基岗位，一个岗位可以有很多硅基员工。基本上我们所有部门，不管是业务部门、职能部门，还是前台、中台、后台部门，都有自己的硅基员工。
你可以做公对公的硅基员工，也可以自己给自己搞硅基员工。
泓君
其实AI用在客服领域已经很多年了，甚至在ChatGPT出现之前，大家就在尝试做这件事。但后来很多人，特别是普通用户，在跟AI客服对话时，还是能明显分辨出这是客服，或者会觉得它的回答不够智能、不够个性化。
这也是这次Clawdbot之所以火的原因：它的“活人感”特别好，主动性变强了，还有长记忆，知道你的事情，权限也很大。
您觉得硅基员工“搭子”平时和您的工作模式是怎样的？您跟它对话是什么样的？有没有一些让您觉得很惊艳的瞬间，觉得它好像确实有所谓的顿悟时刻？
张韶峰
有。我们做语音智能体，是从2017年10月立项的。那时候Transformer论文刚发表了大概一个季度，我们就立项了。2018年有了第一版产品，它就是语音Agent，然后和个人客户进行通话。
我们会请第三方公司调研客户体验。大概15%的人会觉得听起来比较机械，第二，逻辑一听就比较死板。但到了2019年左右，这种“活人感”就非常强烈了。那时候可能只有千分之几的客户会觉得它是AI，或者不知道它是AI，只是觉得有点奇怪。
到了后来ChatGPT发布时，可能只有万分之几的客户能察觉到。
我们有八九千家企业客户，其中有些是大银行。他们跟我们合作时，很多时候会通过微信问问题，我们用企业微信来解答。很多大型银行、金融机构和运营商会跟我们的客户成功部门聊天。
从聊天记录能看出来，我们的企业客户根本不知道我们这边是AI。因为企业客户的需求肯定比个人消费者复杂得多。他有时会问，你今天的业务消耗量是多少？那个业务是不是有问题？是不是挂机了？今天网络是不是抖动？
这些都是很复杂的问题。有时我们还会回复一个表格发给客户。你能想得到它是AI吗？
对我们来讲，大概从2019年下半年、2020年开始，我测试我们的语音Voice Agent时，基本上已经听不出来是AI了。我不但测试普通话，也测试四川话，因为我是四川人，而且离开四川很多年了。我觉得它说得已经比我标准很多了。
这个顿悟时刻对我来讲就是2020年。那年回家过春节，结果疫情爆发，很多坐席人员是农村和小城市来的，回不来了。中国邮储银行当时非常着急，说你们马上用AI帮我们做坐席。
我们就紧急给它上线。邮储银行反馈说，基本上感知不到这是AI。那个时候我才有信心，觉得我们可能真的把这件事做成了。
泓君
明白。之前我记得采访过一家港口，他们把整个流程用不同的Agent来实现，当然也是由外包的第三方公司帮助他们做AI化。
但他们发现，在码头调度环节，其实有很多经验积累下来的Know-how。这些东西可能是调度员、老师傅们最重要的能力，因为干得久的人非常有经验。
负责训练Agent的AI公司，很希望这些老师傅把经验书面化，变成文本结构，方便他们训练。但他们发现，在实际执行中，这些老师傅完全不愿意把东西贡献出来。最后他们肯定也用了各种方法，包括上级施压，因为整个港口的所有环节都要做，最后才实现了这一点。
您刚刚提到这个例子，我正好也想到了：会不会有很多特别依赖经验的岗位，对AI比较排斥，或者不愿意做类似这样的事情？
张韶峰
我觉得你说的是一个很普遍的现象。最近我们接触了另外一位做中医连锁店的客户。有些店里还配着老中医，他跟我讲，那些中医非常排斥AI。
第一，他们看不上AI，认为中医这个活越老越值钱，“你们这算什么”。一边看不上，一边又不愿意把自己的知识贡献出来。
所以最终可能只能靠激励体系来解决这个问题。未来不是AI来取代你，而是在帮你武装，把你从一个肉身变成一个贾维斯，变成“钢铁侠”。
未来取代你的不是AI，而是那些比你更会用AI、更早穿上钢铁战衣的碳基人。虽然还是会有一部分人排斥，但一定会有一部分人明白这个道理。
泓君
对，这一点我非常同意。今年达沃斯上，我感觉所有AI大佬，包括黄仁勋在内，大部分都是这个观点。我相信这确实也是未来的趋势。
张韶峰
我跟你分享一个例子。我们其实有2500家小企业客户，他们每年给我们贡献10万到50万元收入。以前如果在线下服务他们，我们是亏钱的。
当时我们有50位碳基员工，通过微信聊天、打电话、发邮件等方式在网上服务他们。后来我们觉得这样还是不够经济，于是训练了智能体，用18位硅基员工加5位碳基员工来协作完成这件事。
剩下的45位碳基员工，我们是不是把他们开除了？完全没有。他们学会怎么做智能体之后，反而开始给其他企业提供智能体服务。他们以前偏成本中心，后来变成了利润中心，收入反而更高了，变成了挣钱的部门。
当然，不是每个企业都能做到这样。总有人要么思想转变不过来，要么技能上不愿意学习。但每个时代的变革都有这样的现象。马车夫和汽车之间是什么关系？你想，是不是这个道理？
泓君
您之前提到RaaS，区别于原来的SaaS，就是为结果付费。您觉得在新的模式下，应该如何构建商业模式？怎样让它的利润率也好、市场空间也好，比原来的SaaS时代更大？
张韶峰
我们把它叫RaaS，R、A、A、S，就是Results as a Service。我的目的就是交付结果。RaaS模式的总规模远超SaaS，而且不是超过一倍、两倍，至少是几十倍。
尤其在中国，SaaS不能给你端到端交付结果，企业会认为它的价值不好衡量。你只是扳手、螺丝钉，所以企业的付费意愿不强。
但一旦到了RaaS，它最终是给你端到端交付一个结果，或者交付一个档位。这里有两类合作模式或收费模式。
一类叫AI员工派遣。我给你派一位硅基员工，如果你觉得它胜任这个岗位，就可以算一笔账。比如百融就是这样，我们公司自己的合同审核硅基专员，现在大部分合同都是法务合同硅基专员在审。
它的成本是多少？在造出硅基法务合同专员之前，我们审一份合同，要耗费碳基专员56分钟，因为他需要来回修改，和客户讨价还价。现在碳基专员只要花4分钟，剩下的全是硅基员工在做，相当于硅基员工帮你省了52分钟。
把这52分钟折算成碳基员工的每分钟工资，以及硅基员工的成本，就非常容易量化。你可以按岗位工资，一个月多少钱来计费。我干的活比你多，质量和你一样好，但成本可能只有你的1/3、1/4，甚至1/5。
也可以按件收费：我审一份合同多少钱，或者完成一个任务多少钱。还可以按时间收费：这个硅基员工一个小时多少钱。
还有一种是把你的某些部门整体外包给我们，也就是AI BPO。比如你以前请很多销售渠道帮你卖货，按照销售额分成，销售渠道给你卖出去，你给它20%、30%或者40%。如果你把这件事包给我们这样的公司，我们就纯粹按照结果计价。
刘一鸣
那百融的核心产品是什么？可以给我们稍微介绍一下吗？
张韶峰
我们立志于做中国最好的企业级硅基生产力伙伴，帮企业设计、生产、培训、派遣硅基员工。
最后有两类模式。第一，我按岗位给你派遣，不对你整体结果负责。第二，你把整个业务流程端到端外包给我们，我们按照整体端到端的结果收费。
我们还有另外一种业务。百融这几年做了很多企业级智能体，而企业级智能体里面有很多基础设施。一般想做应用级智能体的企业，往往是从SaaS公司、软件公司转型过来的，它们并不具备这些能力。
一般这种公司会去找大厂，用大厂的基础模型做Agent。但中国大厂有个特点，基本上没有什么ToB服务，因为ToB太苦、太难赚钱，所以大厂体会不到ToB服务的痛点，也不知道需要什么基础设施，才能把智能体做好。
也就是说，ISV，也就是独立软件开发商，未来我认为这个名字要改成IAV，叫Independent Agent Vendor，也就是独立智能体供应商。他们直接基于大厂的大模型去做，会遇到很多困难。
这很像当年的云计算。云计算出来以后有IaaS，最早只是3S，也就是亚马逊的简单存储；之后有Web Service服务，后来有了SaaS公司。那为什么又出现了PaaS？因为很多SaaS公司发现，如果基于原始的IaaS和中间服务，很多东西都要自己开发，太麻烦了，于是希望有一层PaaS，把开发SaaS软件时很多公共需求满足掉。
今天大厂其实缺乏企业级智能体的PaaS层，而百融恰好有。一直以来，我们就是一家企业级智能体供应商，只是当时还没有这个名字。
为了把这个活干好，因为客户不为中间过程买单，只为结果买单，我们被迫把AI PaaS这一层实现出来。后来有不少立志做IAV、想做独立智能体开发商的企业，往往是传统软件转型的，就来找我们，问能不能把中间这一层开放给他们，用来做智能体。
我说可以。你们没有赚到钱，我们也不收钱；你们赚到钱，我们才收钱。这就是我们的RaaS模式。我们永远对合作方按结果收费：你们有收益，我们就分享一点；你们没有收益，我们就算了。
也就是说，我们还有第三种模式：把百融的AI基础设施，也就是AI PaaS，开放给独立智能体开发商，让他们去做智能体。他们拿大头，比如100元里面他们拿70元，我们拿30元。
总结起来有三类：第一类是AI员工派遣，我们给企业派遣硅基员工，按岗位工资、工作量计件，或者固定工资来收；第二类是AI BPO，把业务端到端外包给我们，按照外包公司的方式收费，不管是呼叫中心还是销售提成；第三类是赋能生态，我们愿意把能力、认知、技术，甚至资本加持提供给生态伙伴，也可以投资，让其他独立Agent开发商基于百融的AI PaaS开发智能体，和他们共享收益。
硅基员工又分成两类。一类叫EX，Experience Agent，也就是员工体验，这是国际上通用的划分方法。比如帮员工处理合同、帮部门招聘。另一类叫CX，Customer Experience，也就是客户体验，直接面对客户，比如处理客户投诉、跟客户做营销、介绍产品。
这两类硅基员工组成了三种收费模式。
刘一鸣
我觉得这个很有意思。我一直觉得，未来很有可能出现一个类似Agent Store的东西。你可能可以在里面购买不同的服务，当然它们会有不同组合，就像现在的AppleStore一样，既可以ToC，也可以ToB。
这个构想跟您刚才说的第三类其实很接近。
张韶峰
对。Agent这一层本质上是应用层，而应用层可能覆盖百行千业，有非常多的变化。我们不可能把每个细分领域都做完，所以非常乐意打造一个Agent Store。
这个Store里，有些Agent是百融自己造的，企业可以直接使用；也有些Agent是合作方造出来的，我们进行利益分成。最终企业客户可以选择百融造的，也可以选择合作方造的。我们想打造一个开放生态。
刘一鸣
那为什么不是OpenAI，或者Anthropic这样的模型厂商直接做Agent Store？我的理解是，百融并不完全做自己的大模型，你们做的其实是中间层，或者偏应用层。相比他们的基础设施，为什么不是他们来做？
张韶峰
这里我纠正一下。我们的目标不是做一家AGI公司，所以不做通用大模型，但我们会做专属大模型。
什么叫专属大模型？它是为了解决某个特定行业或者某个特定领域问题的。很多时候，用通用大模型回答问题，要么很慢，要么有幻觉、不准确，要么成本很高。
后来我们发现，要把某些领域做好，就得专门训练这个大模型。但训练有两种。一种是Pre-training，也就是从零开始预训练，比如百融的端到端语音大模型，因为我们需要考虑响应时间和拟人度。
还有一类是Post-training，也就是后训练。你可以拿别人的模型，不管是开源的还是闭源的，做后训练，训练出你所在领域的专属大模型。
基本上95%以上的问题都可以由我们的专属大模型解决。剩下2%、3%、4%或者5%的边角问题，也就是corner case，因为不太好预测，有时客户的问题太长尾了，可以路由给通用大模型解决。
我们有自己的专属大模型，也有自己的Agent Builder，用来编排Agent，也就是硅基员工。在这之上的Agent Store里，又分两类硅基员工：一类是百融自己建立的，另一类是合作方、生态方建立的。
至于为什么Agent Store不是大厂、不是超级独角兽去做，它们当然也可以做。事实上，前年OpenAI就做过所谓的GPTs。GPTs本质上不就是Agent Store吗？但你看，现在这一年基本上都不提了，它没有做起来。
ToC的Agent Store，我觉得他们大概率会继续做。比如Coze本身就是ToC的Agent Store。至于企业级Agent Store，我觉得至少他们还没想清楚。
但美国的ToB市场也很好，我觉得确实有可能出现。比如Anthropic本身就以ToB为主。不过，即使它们做了，也不代表能垄断市场。
Anthropic可能有两个侧重。第一，总体上把大模型做得越来越强，它做的是面向生产力的大模型，而不像OpenAI还面向消费者。也就是说，它的大模型端确实主要面向企业端。
我觉得即使它做了也没关系，因为没有一家企业能够垄断整个市场。你看云计算的IaaS公司，也没有被一家垄断。最大的亚马逊，其次是微软，微软之后有谷歌，后面还有Oracle等公司，也没有被完全垄断。
刘一鸣
接下来我们正好讲讲你们的产品在不同行业中的实际用例。比如招聘案例，我之前听说你们能把整个招聘周期从28天缩短到2天，这个是怎么实现的？
现在很多硅谷创业公司也流行一些新的招聘方式，特别是在招聘编程、技术人员时，可能会给你布置一个不可能完成的任务，让你在一天之内完成。这个任务本来肯定完不成，但他们想测试的是你和AI的协作能力。
你们在招聘环节有没有一些新的探索和尝试？
张韶峰
我们做得非常多。我举个例子，百融HR部门的招聘专员以前一到招聘季，比如应届毕业生毕业季，每个人都要准备几十张SIM卡。
因为如果用碳基员工打电话，打多了以后，电信运营商会认为你可能是诈骗电话，就把你封掉。我以前根本不知道，他们还有这种痛苦。
第二，他们还要去找用人部门做访谈，了解用人需求，访谈完以后整理成JD，也就是工作职位描述，最后发给用人部门确认。
然后他们自己要去招聘网站，到处搜索简历。搜完简历后，看JD和岗位描述是否吻合，吻合之后给候选人发邮件、预约面试。还会遇到电话号码被封等各种问题，最后约到人以后，对方可能说没时间，电话就白打了。
他们有很多时间浪费在没有产生多少生产力的事务上。我刚才描述的这些工作，全部可以被智能体完成，而且硅基员工可能比碳基员工干得更好。
碳基员工如果被要求“要懂Java”或者“要懂微服务”，可能只能机械地拿“微服务”这3个字去简历库里搜索。有些简历里出现这3个字，就能被搜出来；有些搜不出来，但这不代表候选人真的不懂，因为他可能用一大段文字描述了相关经验。
如果你真正懂什么叫微服务，看他的描述就知道他做的是微服务。碳基员工只能先找一部分，之后发现不合适，用人部门又说，你要给我扩大搜索范围。这样一来，干得又慢，质量还不好。
但后来我们发现，智能体能够根据“微服务”衍生出更多语义。它知道微服务本质上涉及哪些能力，看到候选人的简历中做过相关工作，就会判断这个人大概率懂微服务。然后，它还能自动预约、打电话、发邮件。
所以它为什么能够节省时间很明显，每个环节都能做，甚至比碳基员工做得更好。
第二，我们自己的招聘智能体会要求应聘者完成工作，甚至主动要求他必须用Vibe Coding来编程。我不希望你人工写代码，而是要求你打开电脑，不管使用Cursor、Claude Code、OpenAI的Codex，还是字节的Trae，我必须看见你是用AI做出来的。写文案也可以，剪视频也可以。
我们公司内部有一句口号，是今年年会上刚刚讲的：第一，不断提升整个公司的硅碳比。每个部门都要不断提升硅碳比，每个季度都要讨论，这个季度造了多少硅基员工，而且它们不能是僵尸员工，一定要真正上岗、真正使用。
第二，未来招聘的人，如果你不会AI，大概率就不太会被招进来了。
刘一鸣
您这个要求，我感觉还是比较激进的，是不是？
张韶峰
我们不是说不要碳基员工，不是这个意思。你要知道，AI是提升你的生产力。回到20年前，如果你排斥计算器，今天看来是不是很可笑？
刘一鸣
是的。另一个很重要的领域就是法律。美国有很多AI创业公司一直在法律SaaS方向发展，也创造了很多新的需求，替代了原来的一些低效方式。
法律SaaS其实也是这次美股SaaS崩盘的重灾区。我知道百融也有一些法律方向的业务，你们是怎么做的？是不是90%的工作交给AI，再由人类专家做最后的关键判断？
张韶峰
是这样。我们有一个平台叫“百鉴”，“鉴”是鉴别的鉴。这个平台可以帮助法商财税、法务、商业咨询、财务规划、税务规划等专业人士开展工作。
他们以前做事情大概是这样：比如律师和客户谈了一个合作，最后可能要以文案、Word、PPT等形式交付。这恰好是AI特别擅长的。
他们基本上会雇佣工作了1到7年，或者10年的初级到中级碳基专业人士去完成这些工作，再由高级总监、初级合伙人，也就是工作了10到15年的专业人士去检查、提意见、修改，最后再请更高级的合伙人签字，也就是Sign off，承担责任。
“百鉴”是什么？很多专业人士想创业，但为什么创不了？因为他没有那么多初级碳基专业人士帮他干活。他什么都得自己做，既要做前台，又要写报告、谈商务，最后还要自己签字盖章，这很难启动创业。
所以“百鉴”本质上是一个方便专业人士上平台创业的平台。平台上的专业人士可能年富力强，在35岁到40岁之间，已经是高级总监或初级合伙人。他们负责检查，发现问题后，可以口述给硅基专业人士：“你帮我改一改，改到我满意。”最后由他签字，承担责任，再发给客户。
这个平台最早用在百融内部的法务部门。法务一个很重要的工作就是起草合同、审合同。以前一份合同要56分钟，使用硅基合同专员以后，降到了4分钟。我们意识到，这个领域的提效空间简直太大了，接近10倍。
后来有一位这个领域的专业人士——不是我们公司的，而是在顶级专业机构做到全球合伙人的人——来和我们聊天，在我们的智能体上提了一些问题。我们大概花了几十分钟，就写出了一份专业报告。
他看了之后觉得很不错，第二天就来找我，说：“韶峰总，咱们一块干。”他说没想到我们的智能体已经强到这个程度。昨天跟我说的那个问题，是一个真实问题。
他说：“我是广东省的一家制造企业，给通用汽车提供压铸件、零部件设备。通用汽车要求我在3年之内把产能转移出中国大陆，否则就不给订单，这是生死存亡的问题。”
这家企业请了一家全球排名前五的大型咨询公司，派了五六个专业人士做了5个月，收费大概500万元，建议它去某个地方。这个厂真的去了，投资了差不多1亿元，做了8个月，最后失败了。
失败之后，他们又去了另外一个地方，最后做成了。他说，我们的报告里把它最终成功的地方推荐出来了。
他说，我们的智能体会自动在网上搜索这家公司的竞争对手，以及通用汽车其他供应商是怎么做的，来交叉验证前4章的结论是否正确。他说，第5章的工作，在他们这种事务所里只有资深的中级以上合伙人才会做，没想到我们的智能体居然把这个动作也模拟出来了，所以非常吃惊。
于是我们干脆一起做了这个平台。他说，有大量碳基合伙人想创业，但很难，因为没有人帮助他们。
我们首先帮他们的100多位合伙人配备了硅基员工，他们的生产力大幅提升。每个专业人士，不管是律师、商业咨询公司，还是会计咨询公司的人，收入至少增长了3倍以上。
而出海又是今天非常强烈的需求。我们的合作方经常收到企业委托，帮助企业设计出海方案，但以前接不了那么多业务，因为依赖碳基专业人士。低于150万元的项目根本接不了，因为这个工作很专业，要了解离岸地、在岸地、各个国家的法律体系、劳工体系、劳工保护、关税、物流成本等等。
以前这种业务只能交给跨国咨询公司和跨国律所解决，收费当然很高。找一堆外国人，每次联系、协调一个会议，就得花一周时间。
但有了“百鉴”就不一样了。写一份报告可能只要几十分钟。合作方跟我说，如果他们咨询公司的报告能打90分，虽然结论是错的，只是格式特别完整，做了200多页，看起来很专业，但实际上结论是错的，那么我们的报告可能只有80页，看起来比他们少。
他说这不是问题，可以让AI扩写。碳基专业人士花两三天，就能把报告扩展到和他们公司一样的水平。这个提效非常明显，不是一点半点。
麦肯锡是OpenAI全球排名前五的客户。麦肯锡的CEO前不久说，他们有6万名员工，其中2.5万名是硅基员工，也就是AI智能体。
这就是百融创建“百鉴”平台的原因。我们认为，3年以后，专业人士基本上只剩下一个体面的工作，就是审核加签字。
刘一鸣
因为有些工作需要证照和资质，可能今天政府还不会给硅基律师发执照，所以最终承担责任、享受利益的，还是碳基专业人士。但他们也需要做一些判断，对不对？还是需要在决策方向上发挥作用。
张韶峰
当然。审核过程本身就是这样。他觉得你写得不好，可以给你口述：“你这个地方写得不对，我给你发一个文件，你看看。”
AI读完以后马上就能修改，它可以在线提示、在线修改。这个行业会被彻底颠覆。
刘一鸣
我记得麦肯锡一开始也担心被AI颠覆，但后来不得不变成更早使用AI的那批人。
张韶峰
在我们看来，这一次AI革命有三类事情特别适合Agent来做。
第一类是拟人化交互，你分不清对方是碳基人还是硅基人。第二类是非结构化数据，也就是PPT、Word、PDF、图片、视频、音频等非结构化数据的生成、加工、撰写和修改。我刚才讲的法商财税就是这样，因为他们交付的全部是这类内容。
第三类是有一定复杂度和灵活度的流程编排。告诉你第1步做什么、第2步做什么、第3步做什么，可能几十步、花1个小时才能完成。以前都是碳基员工在做，费时费力，未来这三类工作都会被革命性地颠覆。
刘一鸣
对于很多传统企业来说，特别是那些觉得未来可能被AI颠覆的公司，您觉得它们应该怎样开启组织转型？
它们和现在完全AI Native、可能一帮都是00后的新创业公司肯定不一样。对于传统企业来说，应该怎样完成转型和求生？
张韶峰
3年后肯定就是求生了。我自己过去一年，确实接触了不少传统企业。它们在自己的细分领域做得非常大，比如销售额达到100亿到200亿元，做水泥、辣条、辣椒粉，都是各自领域的王者。我甚至也和一些看起来不那么传统的金融机构聊过。
我发现，它们第一件应该做的事情，是厘清对AI的理解。
举个例子，很多人搞不清楚大模型和智能体之间是什么关系，以为大模型就是智能体，智能体就是大模型。其实不是。大模型只是大脑，智能体包含大脑和手脚，能够把事情做成，这才是完整的智能体。
如果连这个都搞不清楚，就会觉得买一个千问也好、智谱也好，或者搞一个阿里云就行了，后来却发现根本不行。
去年年初DeepSeek发布以后，很多企业非常振奋，觉得下载一个DeepSeek就可以了。但过了3个月以后，发现根本不行。即使有了大模型，最后还是解决不了问题，因为它不能端到端完成任务。它只是大脑，没有四肢，也没有连接四肢的神经。
所以理念上首先要明白，大模型是基础，但最终解决问题的是智能体。你到底是自己做一个大模型，再自己构建智能体；还是找合作方直接提供智能体；或者找合作方，基于它以前的智能体进行定制化修改？
我的建议是，大部分传统企业没有这个能力。对大部分企业来说，我根本不关心底下是哪一个大模型，我只关心3件事：第一，数量怎么样；第二，质量怎么样；第三，成本怎么样。
前不久我在一个管理论坛上做分享，讲完以后，100多位企业家都来找我，说很想做AI，但不知道该怎么做，问能不能合作。
后来我才意识到，这些传统企业家其实也在追求进步，只是有一种FOMO，也就是害怕错过。他们既想赶上AI这艘大船、登上这艘船，又不知道该怎么做。
他们如果去找大厂搞一个大模型，没什么用。他们要的是把工作解决掉，最好直接把智能体派过来，员工甚至不用培训，拿来就用。所以我们也在想，怎样才能帮助这些传统企业家。
刘一鸣
所谓“一人公司”，其实在您刚才举的例子里，如果未来Agent足够好用，确实能完成很多实际工作，那么一个人就可以作为一家“一人公司”，自己做将军，下面带着一个Agent军团来干活。
您觉得现在“一人公司”可行吗？如果现在还不行，未来什么时候可能成熟？
张韶峰
我自己的看法是，ToB还难一点，ToC是有可能的。比如OpenClaw，因为国外的付费意愿比较强，使用习惯也很好，即使收费，也一定会有很多人愿意用。
以它今年这么疯狂的程度，10亿不一定是10亿元收入，也可能是10亿元估值。估值体系可以是销售收入的100倍，所以一人的10亿独角兽完全可能出现。
如果做ToC，事实上有很多个人Prosumer，也就是产消者，带领一大堆AI智能体，率领自己的硅基员工给自己干活。
ToB最终也可能出现，但可能要等企业观念发生改变。比如，企业会想，既然你的智能体已经反复被验证过，比我大的企业都在用，我为什么不可以用？
或者先从个人助手开始，企业把一些关键决策交给它，觉得靠谱以后，再问我的企业能不能用你的智能体。这个过程会慢慢改变，但总体来讲，我觉得这件事完全有可能。
刘一鸣
这期节目里有很多数字：20万硅基员工、56分钟变成4分钟、千亿市值蒸发。这些数字很震撼，但我不希望大家听完之后只记住焦虑。
韶峰总讲了一个细节，我觉得特别值得回味。他们公司原本做客服的45名员工，在AI接手之后并没有被裁掉，而是学会了怎样训练AI，从成本中心变成了利润中心，收入反而上涨了。
这个故事不是说每个人都一定能够这样顺利转身，但它至少说明了一件事：在人和AI之间，不应该只有“替代”这一种关系。
回顾每一次技术变革，恐惧从来都是第一反应。ATM刚出现的时候，所有人都说银行柜员要消失了，结果美国的银行柜员数量在之后的25年里反而增长了。
不是因为ATM没用，而是因为人的角色变了：从点钞票，变成帮助客户做理财规划，去做更有价值的事情。
好，以上就是今天的所有内容，这里是《硅谷101》，我是刘一鸣。如果你觉得今天这期内容对你有启发，欢迎转发给你身边那些正在思考AI转型的朋友。本期嘉宾的观点，代表了AI Agent供应商的前沿视角，也欢迎大家提出你们的看法。最后，大家可以通过小宇宙、苹果播客、Spotify来收听、订阅我们。同时，如果你想用视频渠道去听播客的话，也可以在YouTube或者哔哩哔哩上搜索《硅谷101播客》来找到我们。另外，我们有一些播客部分的文字稿会发表在《硅谷101》的微信公众号上。我们下期见。