作者：彭昭（智次方创始人、云和资本联合创始合伙人）
这是我的第370篇专栏文章。
《孙子兵法》有云：“上兵伐谋，其次伐交，其次伐兵，其下攻城。”此言意在阐明，制胜之道在于谋略，智者未战先谋败，方能立于不败之地。
正如我在上篇文章《工业互联网+人工智能，谁能笑到最后？四类玩家分析》中所承诺的，本文让我们一起“事先验尸”，深入剖析垂类模型企业在转型过程中可能面临的风险与挑战。
当下，垂类AI模型俨然已成为业界新宠，然而，在这股喧嚣之下，我们更需要保持冷静和理性。不妨换位思考：倘若一家垂类模型企业最终走向失败，其致命伤会在何处？
在开启这场思维探索之前，我们要先向那些不断试错的先行者致敬。正是他们的探索和迷失，铺就了我们前行的道路。
“事前验尸”虽然听起来有些可怕，但却是一种颇具创意的逆向思维决策方法。
步骤是在初步拟定行动方案后、正式实施之前，要求决策参与者做一个反向假设：假设拟定的方案已经付诸实施，但结果惨遭失败。基于这个假设，参与者需要推演可能导致失败的原因，进而对原有方案进行调整和优化，以求最大程度地规避风险，确保成功。
这种思维方式的精妙之处在于，它能够帮助我们跳出思维定势，审慎地看待可能的未来。
站在当下这个节点，垂类模型企业正面临前所未有的机遇和挑战，这注定是一段充满未知、机遇与风险并存的征程。让我们以“事前验尸”的视角，剖析垂类模型企业的致胜关键和致败隐忧，为产业智能化转型提供一些可资借鉴的思路。
从“人工智能”到“业务价值”：垂类模型企业的“鬼门关”
曾经有一家神奇的公司叫做ScaleFactor，这是一家利用人工智能技术实现会计自动化的创业公司，它在融资1亿美元后轰然倒闭。
根据前员工的爆料，所谓的“人工智能”并未真正制作财务报表，而是由数十名会计师手工完成大部分工作。一些客户更是收到了错误百出的账本，不得不重新聘请会计师来清理烂摊子。
ScaleFactor的失败绝非个案。事实上，每一家AI创业公司，尤其在早期阶段，都不可避免地要依赖人工干预。“AI科学家”的角色就是在AI无法独立解决问题时提供人工协助，参与数据集的构建和算法的优化。
然而创业公司的终极目标，则是通过不断地训练和迭代，一点一滴、一个模块一个模块地提升自动化水平，最终实现尽可能接近100%的AI自动化。
这是垂类模型企业能否成功跨越第一重门槛的关键：智能是否真正“吸收”进了软件，而不仅仅是“包装”成了服务？
唯有将行业知识、专家经验、业务规则等“软实力”真正转化为模型算法，并内嵌于产品之中，方能构建起真正的智能化解决方案，而非人工服务的代言人。
然而，即便跨越了第一重门槛，垂类模型企业仍面临着第二重考验：如何从“大模型秀场”走向“业务价值场”？不少企业可能会倒在这个转型的半路上。
一些垂类AI企业往往在起步阶段就走入误区。他们简单地将自己定位为“行业知识版的ChatGPT”，以为只需微调几个模型、堆砌几个案例、做几场Demo演示，就能在产业中攻城略地。殊不知，真正的产业需求不是一个更聪明的聊天机器人，而是一个能够接管流程、交付结果的智能代理。
当前，对大多数用户而言，“垂类模型”乃至“大模型”仍是一个陌生而时髦的概念。如果不能简化模型的使用流程、降低用户的认知门槛，再先进的技术也可能沦为“秀肌肉”的玩物。
对垂类模型企业的商务和技术团队而言，这也是一个不小的挑战：如何用通俗易懂的语言向客户阐释这项新技术？如何从整体拥有成本的角度论证产品的经济性？如何用产品为不同客户的痛点需求提供切实解法？每个问题都没有轻松的答案。
更严峻的挑战在于，如何将垂类模型与业务流程实现真正的融合，形成数据流、业务流、知识流的闭环？如果垂类模型始终游离于业务之外，无法嵌入组织的神经末梢，再强大的算法能力也可能沦为花架子。
垂类AI企业的致命陷阱：商业模式的迷津
对于垂类模型企业而言，最致命的陷阱往往不在技术，而在商业模式。如果不能实现从“卖模型”到“卖流程”、从“技术驱动”到“业务驱动”的根本转变，再先进的算法也难逃昙花一现的命运。
可能垂类模型企业会陷入一个常见的误区：把盈利的重心放在了API调用量、模型微调服务或定制化开发上。
这种“卖技术”的思路，虽然短期内可能带来可观的收入，但从长远来看却埋下了隐患。一旦客户自建模型能力或转向开源方案，这些企业就可能面临被抛弃的窘境。
前车之鉴不止一家，我们以树根互联的故事为例。
作为曾经的工业互联网“明星平台”，树根互联对核心技术进行了大量研发投入，在广连接、懂工业、高性能、易应用等方面积累了深厚的实力。2019年至2021年，仅根云平台操作系统相关的研发项目，树根互联就投入了高达4.26亿元的研发资金。
然而，高昂的研发投入也带来了沉重的财务负担。2019年至2021年，树根互联累计亏损超过13亿元，其中研发投入超过5.3亿元，非研发人力成本投入超过6.3亿元，股份支付费用更是高达7.5亿元。尽管扣除这些投入后，树根互联的实际经营亏损在逐步缩小，但其研发投入产出比较低、商业模式相对单一，已经暴露无遗。
对科技型企业而言，前期亏损无可厚非，关键是要在“烧钱”中夯实护城河，优化投入产出比，培育可持续的“造血”能力。
如果只是单纯地堆砌技术，而没有打造出真正契合客户需求、创造业务价值的解决方案，再多投入也可能付之东流。
垂类模型企业要想突破这一魔咒，则需要重构商业逻辑：卖结果，而非卖工具；按流程计费，而非按调用计费；绑定业务成果，而非绑定功能模块。
从“模型即产品”转向“业务成果即服务”(BOaaS)，才能真正嵌入客户的核心业务流程，构建起高度粘性和壁垒。
反之，如果垂类模型企业始终徘徊于技术层面，而没有向产业纵深进发，那么被巨头内生取代、被通用模型压价、被客户自建替代，就不过是时间问题。
垂类AI企业的生态困局：从“单点突破”到“平台增长”
对于垂类AI企业而言，最大的挑战不在于技术，而在于生态。
许多企业热衷于在某个高价值场景上“单点爆破”，寄希望于以点带面，撬动整个行业的智能化变革。
然而，如果不能将单点突破扩展为流程再造，不能将孤立的场景串联为完整的闭环，不能吸引外部生态伙伴持续贡献力量，那么这样的“单点胜利”注定是昙花一现，难以形成生态飞轮效应。
以智能质检为例。这些场景确实蕴藏着巨大的价值，如果能够以智能化的方式显著提升效率、降低成本、减少错误，无疑将为客户带来可观的收益。
但问题在于，这些应用场景往往只是整个业务流程中的一个环节，如果不能前后贯通、左右协同，就难以真正融入客户的核心业务，沦为“锦上添花”而非“雪中送炭”。
举例而言，一款智能质检工具，如果只能识别产品缺陷，而无法与生产排程、工艺优化、供应商管理等环节实现数据打通和流程闭环，那么再先进的算法也可能流于表面。
由此可见，垂类AI要想成为真正的产业平台，就得从端到端重塑业务流程，从全局出发设计场景方案，构建起数据流、控制流、知识流的协同闭环。
这需要企业深入业务一线，与客户共同梳理流程，重构任务，打破信息孤岛，形成可编排、可优化、可迭代的智能化解决方案。只有这样，才能将“单点突破”扩展为“流程再造”，将“场景驱动”升级为“平台思维”，真正赋能客户的业务创新。
在这一过程中，垂类AI企业还应高度重视生态的力量。
一个真正有生命力的产业平台，必须能够吸引不同角色的参与者持续贡献价值，形成合作共赢的正向循环。
这就要求垂类AI企业要从一开始就立足开放、共生的理念设计系统架构，将外部创新力量嵌入平台基因。
写在最后
在智能时代的残酷竞争中，垂类AI企业要想立于不败之地，应当构筑起坚实的“护城河”。而这条护城河，不能仅仅依靠技术的领先，更要依靠对行业流程的把控和生态网络的构建。
换言之，垂类AI企业应当从“任务的执行者”蜕变为“流程的管理者”，从单一的模型服务转向开放的生态平台。
如果说Agent是垂类AI企业构建护城河的立足点，那么平台化则是构建生态护城河的制高点。
唯有以Agent为抓手，全面接管流程执行；以开放平台为目标，吸引更多参与者，才能从根本上锁定行业话语权。
具体而言，垂类AI企业要在三个层面精准发力：
一是以流程为牵引，以Agent为核心，全面参与和重塑行业流程，实现从“辅助决策”到“自主执行”的跃迁；
二是以结果为导向，以业务成果即软件(BOaaS)为商业模式，提供端到端的“流程外包”服务，实现从卖模型调用到卖流程成果的升级；
三是以生态为目标，掌控任务界面、数据闭环、智能调度三大要素，吸引多元参与者接入平台，构建正向增强的网络效应和规模效应。
流程为体、结果为翼、生态为魂，是垂类AI的立体护城河。
垂类AI即将进入“战国时代”，胜负的关键不在于谁的模型更强大，而在于谁能真正洞悉产业的本质，谁能以客户价值为核心构建可持续的生态。
