1 3 8 在中國(guó)企業(yè)級(jí)應(yīng)用服務(wù)發(fā)展的數(shù)十年歷程中，云大廠、模型大廠與垂直應(yīng)用廠商之間曾維持著長(zhǎng)期的生態(tài)平衡，雙方以基礎(chǔ)設(shè)施、業(yè)務(wù)應(yīng)用為界，各司其職。然而，隨著智能體時(shí)代的到來(lái)，這一傳統(tǒng)邊界正面臨前所未有的沖擊與重構(gòu)。過(guò)去，由于大廠缺乏對(duì)knowhow的理解，其通用能力在深水區(qū)往往無(wú)所適從；但在智能體邏輯下，企業(yè)需求正從流程管理轉(zhuǎn)向結(jié)果交付，基礎(chǔ)模型對(duì)原始知識(shí)的直接利用能力也顯著增強(qiáng)，這使得大廠得以跨越藩籬，直接切入應(yīng)用層的核心價(jià)值地帶。本報(bào)告的核心受眾為大廠及應(yīng)用廠商的中高層決策者。報(bào)告旨在通過(guò)剖析智能體時(shí)代的越界邏輯，解決雙方在業(yè)務(wù)變遷過(guò)程中的邊界問(wèn)題。我們將通過(guò)建立基于任務(wù)復(fù)雜度與知識(shí)復(fù)雜度的象限判定模型，提供一張清晰的風(fēng)險(xiǎn)地圖，用以判斷哪些應(yīng)用處于大廠的延長(zhǎng)線上，哪些應(yīng)用仍能堅(jiān)守護(hù)城此外，本報(bào)告不僅是一份風(fēng)險(xiǎn)評(píng)估，更是一份行動(dòng)指南。針對(duì)處于不同象限的應(yīng)用場(chǎng)景，我們?yōu)閼?yīng)用廠商提供了突圍策略；同時(shí)也為大廠建議了從直接進(jìn)攻到生態(tài)賦能的進(jìn)擊邊界。通過(guò)本報(bào)告的分析，我們期望推動(dòng)大廠與應(yīng)用廠商在新的智能體生態(tài)體系中實(shí)現(xiàn)利益綁定與能力互補(bǔ)，共同構(gòu)筑智能化時(shí)代的產(chǎn)業(yè)新輪廓。范式遷移：智能體時(shí)代大廠越界應(yīng)用層的驅(qū)動(dòng)邏輯第一章范式遷移：智能體時(shí)代大廠越界應(yīng)用層的驅(qū)動(dòng)邏輯在中國(guó)企業(yè)級(jí)應(yīng)用服務(wù)發(fā)展的數(shù)十年歷程中，大廠與應(yīng)用廠商之間始終存在著一條界限分明的楚河。少數(shù)的大廠聚焦于基礎(chǔ)設(shè)施與通用平臺(tái)，而應(yīng)用層則是數(shù)以萬(wàn)計(jì)軟件服務(wù)商的領(lǐng)地。然而智能體時(shí)代的到來(lái)，這條界線正在變得模糊。本章節(jié)重點(diǎn)剖析為何在此時(shí)此刻，大廠具備了跨越邊界、深度介入應(yīng)用層的能力，以及這種越界背后的商業(yè)邏輯重構(gòu)。回顧過(guò)去數(shù)次技術(shù)浪潮，大廠即便在資本與技術(shù)上擁有壓倒性優(yōu)勢(shì)，但在應(yīng)用層鮮有成功案例。根源在于，應(yīng)用層的核心壁壘是極其深厚的行業(yè)knowhow。行業(yè)knowhow由兩個(gè)核心維度構(gòu)成：對(duì)復(fù)雜業(yè)務(wù)流程的深刻理解，以及對(duì)行業(yè)與企業(yè)專屬知識(shí)的深度內(nèi)化。以ERP為例，一個(gè)看似簡(jiǎn)單的采購(gòu)流程，背后可能涉及到數(shù)百個(gè)審批節(jié)點(diǎn)、復(fù)雜的對(duì)賬邏輯以及不同企業(yè)特有的采購(gòu)規(guī)則。這些細(xì)碎且專業(yè)的功能設(shè)計(jì)，要求開(kāi)發(fā)者必須長(zhǎng)期扎根于業(yè)務(wù)一線。對(duì)于追求通用化、標(biāo)準(zhǔn)化的大廠而言，這種重資產(chǎn)的知識(shí)積累是其天然的短板。此外，行業(yè)專屬知識(shí)如業(yè)務(wù)運(yùn)行機(jī)理、人力資源中的復(fù)雜算薪邏輯等，都具有極強(qiáng)的隱性知識(shí)特征。應(yīng)用廠商通過(guò)多年服務(wù)積累，將這些知識(shí)固化在軟件代碼中。對(duì)于大廠來(lái)說(shuō)，無(wú)法長(zhǎng)期復(fù)刻并迭代這些業(yè)務(wù)邏輯。因此，在傳統(tǒng)的應(yīng)用層邏輯下，大廠的通用能力在垂直領(lǐng)域往往顯得無(wú)所適從，只能選擇作為底層服務(wù)商，與應(yīng)用廠商屬于合作大于競(jìng)爭(zhēng)的生態(tài)平衡。智能體時(shí)代，大廠向應(yīng)用層強(qiáng)勢(shì)越界，本質(zhì)上是企業(yè)需求、技術(shù)路徑與交互范式三重變革共同驅(qū)動(dòng)。最終，形成了大廠從底層基礎(chǔ)設(shè)施向業(yè)務(wù)應(yīng)用核心區(qū)深度滲透的降維打擊態(tài)勢(shì)。圖2：大廠應(yīng)用層越界邏輯進(jìn)入智能體時(shí)代，大廠之所以能夠越界，首要原因在于企業(yè)客戶的需求發(fā)生了根本變化。過(guò)去，企業(yè)對(duì)應(yīng)用的訴求是業(yè)務(wù)流程的代碼化，即業(yè)務(wù)流程管理。這意味著應(yīng)用本質(zhì)上是一套管理工具，由一個(gè)個(gè)功能模塊堆疊而成。為了實(shí)現(xiàn)一個(gè)請(qǐng)假或差旅審批，軟件廠商需要開(kāi)發(fā)復(fù)雜的表單、配置審批流并建立數(shù)據(jù)庫(kù)。在這種環(huán)境下，大廠由于缺乏對(duì)這些細(xì)碎、繁瑣的功能設(shè)計(jì)的理解，很難做出比垂直應(yīng)用廠商更好用的產(chǎn)品。然而，在智能體邏輯下，企業(yè)核心需求正在從流程管理轉(zhuǎn)向輔助決策和結(jié)果交付。應(yīng)用不再是功能的集合，而是基于模型能力自然生長(zhǎng)出來(lái)的結(jié)果。比如，在人力資源領(lǐng)域，以前企業(yè)的需求是采購(gòu)一套系統(tǒng)來(lái)管理招聘流程，包括簡(jiǎn)歷收集、面試排期等。而現(xiàn)在，企業(yè)的需求在于如何更高效地篩選人才。為此，應(yīng)用廠商推出了AI面試官，通過(guò)自然語(yǔ)言與候選人交流，評(píng)估其能力并直接給出面試反饋。但是由于中間的流程管理環(huán)節(jié)被大幅弱化，大廠同樣可以推出AI面試官，從而繞過(guò)了應(yīng)用廠商的流程壁壘，實(shí)現(xiàn)了對(duì)應(yīng)用價(jià)值的直接截流。這種從過(guò)程管理到結(jié)果交付的轉(zhuǎn)變，是大廠能夠跨越邊界的基石。當(dāng)應(yīng)用的核心價(jià)值不是復(fù)雜流程配置，而是直接給出決策建議或完成具體任務(wù)時(shí)，它就落入了大模型的射程范圍。除了需求邏輯的變化，基礎(chǔ)模型對(duì)于知識(shí)治理要求的弱化也為大廠越界掃清了障礙。在傳統(tǒng)技術(shù)架構(gòu)中，要保證業(yè)務(wù)結(jié)果的準(zhǔn)確性，必須進(jìn)行深度的數(shù)據(jù)與知識(shí)治理。應(yīng)用廠商需要耗費(fèi)大量資源，將非結(jié)構(gòu)化知識(shí)轉(zhuǎn)化為結(jié)構(gòu)化的規(guī)則引擎，才能保證準(zhǔn)確性。然而，基礎(chǔ)模型能力的持續(xù)強(qiáng)化，使其能夠直接利用海量的原始非結(jié)構(gòu)化文檔，如企業(yè)的規(guī)章制度、技術(shù)手冊(cè)、合同文本等。模型可以無(wú)需訓(xùn)練，直接在推理階段通過(guò)長(zhǎng)文本處理技術(shù)，實(shí)時(shí)解析非結(jié)構(gòu)化數(shù)據(jù)并將其納入上下文。這種變化對(duì)于大廠而言是巨大的利好。比如，2025年之前，模型高度依賴應(yīng)用廠商提供清洗好的語(yǔ)料進(jìn)行訓(xùn)練，以理解專屬的行業(yè)和企業(yè)知識(shí)。而現(xiàn)在，大廠憑借自研的OCR模型、文檔解析模型，可以直接在推理時(shí)保留原始文檔的圖紙、表格順序和上下文等關(guān)鍵信息，無(wú)需復(fù)雜的知識(shí)治理即可直接輸出準(zhǔn)確和專業(yè)的問(wèn)答。這意味著，大廠通過(guò)對(duì)原始知識(shí)的直接穿透，大幅降低了涉足特定行業(yè)的知識(shí)門(mén)檻，使得越界變得更為順暢。大廠越界的另一個(gè)降維打擊手段來(lái)自于人機(jī)交互范式的徹底重構(gòu)。在傳統(tǒng)軟件邏輯中，是“人找應(yīng)用”。用戶作為主動(dòng)的操作者，為了處理一項(xiàng)復(fù)雜的業(yè)務(wù)，需要在不同的應(yīng)用之間頻繁切換。在這種環(huán)境下，入口是分散的，每一家應(yīng)用廠商都擁有獨(dú)立的用戶界面和封閉的流量閉環(huán)。智能體時(shí)代則將這種關(guān)系扭轉(zhuǎn)為“應(yīng)用找人”。用戶從繁瑣的操作者回歸為意圖的發(fā)令者，交互方式徹底轉(zhuǎn)向?qū)υ?。在這一范式下，對(duì)話框成為了中心化的調(diào)度中樞，它負(fù)責(zé)理解用戶的意圖，并將復(fù)雜的任務(wù)拆解為具體的指令，分發(fā)給后臺(tái)的工具或技能插件。用戶不再關(guān)心背后到底調(diào)用了哪一家廠商的應(yīng)用，他們只關(guān)心結(jié)果的達(dá)成。對(duì)于大廠而言，更有可能掌握企業(yè)對(duì)話框的入口控制權(quán)。大廠并不需要為了越界而將所有的傳統(tǒng)應(yīng)用都重做一遍，相反，大廠通過(guò)構(gòu)建超級(jí)智能體，將原本獨(dú)立的應(yīng)用變成自己平臺(tái)上的一個(gè)插件工具。當(dāng)用戶提出需求時(shí)，大廠根據(jù)模型能力直接調(diào)度最合適的工具。應(yīng)用廠商從獨(dú)立的服務(wù)商降級(jí)為大廠平臺(tái)能力的提供者。這種通過(guò)入口壟斷實(shí)現(xiàn)對(duì)應(yīng)用層的整合，是智能體時(shí)代高級(jí)的越界形式。盡管大廠多個(gè)層面發(fā)起了對(duì)應(yīng)用層的沖擊，但這并不意味著應(yīng)用廠商的領(lǐng)地會(huì)全面失守。在越界的浪潮中，依然存在大廠難以滲透的硬核區(qū)域。定制化服務(wù)始終是應(yīng)用廠商的生存基石，也是與大廠差異化的關(guān)鍵分野。定制化服務(wù)的優(yōu)勢(shì)，首先體現(xiàn)在成本與響應(yīng)速度上。大廠追求的是極致的邊際成本遞減，這決定了它們很難在每一個(gè)細(xì)分行業(yè)投入大量的人力去做貼身服務(wù)。這是應(yīng)用廠商的優(yōu)勢(shì)區(qū)域。其次，定制化服務(wù)的優(yōu)勢(shì)深植于低容錯(cuò)率的應(yīng)用場(chǎng)景中。在一些極其嚴(yán)肅、不容許任何概率性偏差的場(chǎng)景中，大廠完全基于模型輸出往往難以達(dá)到要求。深度的客戶貼身服務(wù)、對(duì)極低容錯(cuò)業(yè)務(wù)的兜底能力，構(gòu)成了應(yīng)用廠商的最后堡壘?？偨Y(jié)而言，智能體時(shí)代的大廠越界并非偶然，而是企業(yè)需求、技術(shù)路徑以及交互范式三者合力演化的必然結(jié)果。然而，行業(yè)中那些深藏于低容錯(cuò)場(chǎng)景下的定制化需求，依然是應(yīng)用廠商在激蕩變革中得以立足的根基。度的大廠延長(zhǎng)線判定模型第二章象限分析：基于任務(wù)與知識(shí)維度的大廠延長(zhǎng)線判定模型在明確了大廠越界介入應(yīng)用層的底層邏輯后，我們將進(jìn)一步探討大廠具體的延伸路徑，以及哪些類型的應(yīng)用正處于被吞噬的高危區(qū)。本章提出以任務(wù)復(fù)雜度和知識(shí)復(fù)雜度為核心的象限分析模型，解析大廠吞噬應(yīng)用層的邊界所在。判斷一個(gè)應(yīng)用是否會(huì)被大廠能力直接覆蓋，首要的觀察維度是其所承載的任務(wù)復(fù)雜度。在這一坐標(biāo)軸的左端是明確的單點(diǎn)決策或執(zhí)行任務(wù)，而右端則是涉及多方協(xié)同的端到端復(fù)雜流程。大廠在智能體時(shí)代的典型擴(kuò)張?zhí)卣魇菃吸c(diǎn)任務(wù)導(dǎo)向。當(dāng)一個(gè)應(yīng)用的核心功能可以被拆解為一系列單點(diǎn)任務(wù)時(shí)，它便極易被大廠作為功能特性直接集成到平臺(tái)中。例如，BI工具的核心就是取數(shù)、可視化呈現(xiàn)兩個(gè)單點(diǎn)任務(wù)，其核心價(jià)值正隨著模型能力的增強(qiáng)而銳減，將來(lái)會(huì)成為大廠模型的標(biāo)配功能。過(guò)去用戶需要學(xué)習(xí)使用BI工具才能獲取報(bào)表，而現(xiàn)在只需通過(guò)自然語(yǔ)言發(fā)起查詢?nèi)蝿?wù)，模型即可直接完成取數(shù)與繪圖的動(dòng)作。這種單點(diǎn)任務(wù)的被替代，標(biāo)志著大廠正在從任務(wù)的源頭實(shí)現(xiàn)對(duì)應(yīng)用價(jià)值的截流。然而，任務(wù)的復(fù)雜度一旦上升到流程層面，大廠的越界便會(huì)遭遇巨大的阻力。所謂的復(fù)雜流程，典型如大型企業(yè)生產(chǎn)、采購(gòu)等流程。這些深植于企業(yè)運(yùn)營(yíng)深處、由復(fù)雜規(guī)則驅(qū)動(dòng)的流程系統(tǒng)，構(gòu)成了應(yīng)用廠商天然的防護(hù)堤壩。判定大廠延長(zhǎng)線的第二個(gè)關(guān)鍵維度是知識(shí)復(fù)雜度。這一維度關(guān)注的是應(yīng)用運(yùn)行所需的數(shù)據(jù)和知識(shí)，對(duì)于模型而言是否容易獲取、解析并直接加以利用。在坐標(biāo)軸的底部是通用知識(shí)。隨著上下文窗口的無(wú)限擴(kuò)大，模型實(shí)際上已經(jīng)實(shí)現(xiàn)了對(duì)企業(yè)公開(kāi)知識(shí)庫(kù)的全量吞噬。例如，共享服務(wù)中心SSC這類應(yīng)用，其知識(shí)源主要是顯性的行政、人事或財(cái)務(wù)手冊(cè)，模型通過(guò)上傳文檔即可實(shí)現(xiàn)高準(zhǔn)確率的問(wèn)答，這使得傳統(tǒng)的知識(shí)庫(kù)應(yīng)用價(jià)值大幅縮水，原本依賴于初級(jí)知識(shí)治理和數(shù)據(jù)清洗的應(yīng)用失去了生存空間。然而，當(dāng)視角移向坐標(biāo)軸的高處，即涉及隱性知識(shí)與業(yè)務(wù)機(jī)理的深水區(qū)時(shí)，情況則截然不同。隱性知識(shí)往往存在于行業(yè)專家的經(jīng)驗(yàn)中，或是隱藏在業(yè)務(wù)機(jī)理之后。這些專屬知識(shí)是應(yīng)用廠商深厚的護(hù)城河?；谌蝿?wù)復(fù)雜度和知識(shí)復(fù)雜度的交叉分析，我們可以構(gòu)建出一個(gè)清晰的象限圖譜，以此來(lái)界定不同應(yīng)用場(chǎng)景在智能體時(shí)代的危險(xiǎn)等級(jí)。圖3：大廠延長(zhǎng)線分析模型處于第三象限的“大廠吞噬區(qū)”是風(fēng)險(xiǎn)最高的地帶。在這個(gè)象限里，大廠的模型原生能力可以直接覆蓋所有的核心需求。典型如前端代碼生成，由于前端語(yǔ)言具備高度的通用性且有海量的公開(kāi)庫(kù)供模型訓(xùn)練，大廠的Coding產(chǎn)品在這一領(lǐng)域展現(xiàn)出了統(tǒng)治級(jí)優(yōu)勢(shì)。垂直應(yīng)用廠商在此區(qū)域幾乎沒(méi)有還手之力，其應(yīng)用極易被大廠產(chǎn)品作為免費(fèi)功能直接吸收。位于第二象限的“融合共生區(qū)”則展現(xiàn)了一種中等風(fēng)險(xiǎn)。這些應(yīng)用通常處理的是簡(jiǎn)單的單點(diǎn)任務(wù)，但其背后的知識(shí)壁壘極高。例如行業(yè)專用的數(shù)據(jù)庫(kù)或供應(yīng)鏈風(fēng)險(xiǎn)管理系統(tǒng)，雖然其功能只是簡(jiǎn)單的風(fēng)險(xiǎn)預(yù)警，但其背后龐大的私有規(guī)則庫(kù)和歷史數(shù)據(jù)是大廠難以觸及的。對(duì)于此類應(yīng)用，大廠的策略往往不是取代，而是將其作為插件接入自身的生態(tài)系統(tǒng)，形成一種大廠提供模型底座、應(yīng)用商提供知識(shí)插件的融合模式。比如，ICT領(lǐng)域數(shù)據(jù)庫(kù)的IDC、金融領(lǐng)域的數(shù)據(jù)終端FactSet，均已接入了AWS的QuickResearch，成為該產(chǎn)品背后的知識(shí)供給商。第四象限的“流程重塑區(qū)”則蘊(yùn)含著變數(shù)。這里的應(yīng)用涉及復(fù)雜流程，但所依賴的知識(shí)相對(duì)通用。雖然其業(yè)務(wù)邏輯復(fù)雜，但大廠有可能通過(guò)多智能體編排技術(shù)，讓不同的智能體協(xié)同去完成原本需要復(fù)雜系統(tǒng)支持的銷售流程。這一區(qū)域是應(yīng)用廠商需要高度警惕的戰(zhàn)場(chǎng)，因?yàn)榇髲S可能會(huì)使用輕量化的智能體編排邏輯來(lái)重構(gòu)原本笨重的軟件架構(gòu)。以CRM為例，銷售人員在線索、商機(jī)、合同等模塊構(gòu)成的傳統(tǒng)應(yīng)用中，必須依次點(diǎn)擊、錄入并遵循預(yù)設(shè)的邏輯路徑。而大廠利用其多智能體協(xié)作能力，可以將這一長(zhǎng)鏈條徹底解構(gòu)。當(dāng)銷售人員通過(guò)自然語(yǔ)言下達(dá)一個(gè)模糊意圖時(shí)，大廠的超級(jí)智能體可以同時(shí)啟動(dòng)多個(gè)專項(xiàng)智能體：一個(gè)智能體負(fù)責(zé)挖掘線索，一個(gè)智能體負(fù)責(zé)調(diào)用企業(yè)知識(shí)庫(kù)生成競(jìng)品對(duì)比分析，一個(gè)智能體根據(jù)歷史服務(wù)客戶挖掘同類標(biāo)桿案例。在這種模式下，原本人工執(zhí)行的CRM變成了由智能體驅(qū)動(dòng)的全新銷售應(yīng)用。最后，第一象限的“護(hù)城河區(qū)”是應(yīng)用廠商最堅(jiān)實(shí)的陣地。這里匯集了涉及端到端復(fù)雜流程且具備極高專屬知識(shí)壁壘的應(yīng)用，如ERP系統(tǒng)或銀行核心交易系統(tǒng)。這些系統(tǒng)對(duì)數(shù)據(jù)私有性、系統(tǒng)確定性和事務(wù)一致性的要求極高，完全無(wú)法容忍基于概率的模型隨機(jī)性。在這些領(lǐng)域，大廠的定位將長(zhǎng)期維持在基礎(chǔ)設(shè)施提供者，而難以染指具體應(yīng)用。擇與大廠的進(jìn)擊邊界第三章生態(tài)重塑：應(yīng)用廠商的生存抉擇與大廠的進(jìn)擊邊界前兩個(gè)章節(jié)，我們提供了一張關(guān)于大廠越界的風(fēng)險(xiǎn)地圖。本章將把這張地圖轉(zhuǎn)化為行動(dòng)指南。在這場(chǎng)范式遷移的博弈中，大廠與應(yīng)用廠商雙方都需要重新審視自身的價(jià)值定位，在吞噬與防御、擴(kuò)張與克制之間尋找新的動(dòng)態(tài)平衡。對(duì)于深耕垂直領(lǐng)域的應(yīng)用廠商高層而言，當(dāng)前的局勢(shì)引發(fā)了深刻的生存焦慮。面對(duì)核心業(yè)務(wù)是否會(huì)被侵蝕以及如何重塑護(hù)城河等問(wèn)題，應(yīng)用廠商必須跳出標(biāo)準(zhǔn)化產(chǎn)品邏輯，轉(zhuǎn)而構(gòu)建基于知識(shí)壁壘與流程深度的防御體系。處于第三象限“大廠吞噬區(qū)”的應(yīng)用廠商面臨著最緊迫的轉(zhuǎn)型壓力，廠商唯一出路是實(shí)現(xiàn)向第二象限的遷移。這意味著廠商必須從單純的功能提供者，轉(zhuǎn)變?yōu)樾袠I(yè)隱性知識(shí)的注入者。以BI工具為例，其重點(diǎn)工作在于深度整合特定的行業(yè)分析邏輯。比如，將銀行分支行長(zhǎng)的分析決策邏輯內(nèi)化在應(yīng)用中，從而將BI工具升級(jí)為分支行長(zhǎng)所需要的日常分析報(bào)告。對(duì)于代碼生成類應(yīng)用，則需要轉(zhuǎn)向具有高復(fù)雜度的后端業(yè)務(wù)代碼生成。比如，部分廠商開(kāi)始聚焦于嵌入式語(yǔ)言，為生產(chǎn)制造等企業(yè)提供后端代碼生成服務(wù)。而在第二象限“融合共生區(qū)”，應(yīng)用廠商的戰(zhàn)略重點(diǎn)應(yīng)轉(zhuǎn)向插件化生態(tài)。應(yīng)用廠商應(yīng)主動(dòng)擁抱大廠生態(tài)，將自身定位為大廠超級(jí)智能體背后的專業(yè)插件。典型如上一章節(jié)提及的IDC和FactSet，通過(guò)成為AWS的插件，與大廠形成深度合作關(guān)系。由此，廠商不僅能有效規(guī)避大廠的正面競(jìng)爭(zhēng)，還能借助大廠的流量入口實(shí)現(xiàn)業(yè)務(wù)規(guī)模的快速擴(kuò)張。需要注意的是，這種轉(zhuǎn)變對(duì)于廠商的商業(yè)模式也會(huì)產(chǎn)生連鎖影響。廠商原本的訂閱付費(fèi)模式，大概率會(huì)轉(zhuǎn)向按用量或按調(diào)用次數(shù)收費(fèi)。針對(duì)第四象限“流程重塑區(qū)”，應(yīng)用廠商策略應(yīng)側(cè)重于能力原子化。應(yīng)用廠商需要將自身復(fù)雜的業(yè)務(wù)流程能力進(jìn)行模塊化解構(gòu)，使其變得更容易被調(diào)度和集成，也就是API-First的原則。一方面，企業(yè)自身AI應(yīng)用越來(lái)越多的時(shí)候，必然涉及到業(yè)務(wù)流程變革。此時(shí)基于原子能力重塑應(yīng)用比從技術(shù)架構(gòu)層面重構(gòu)應(yīng)用，成本更低、速度更快。此類應(yīng)用廠商將是企業(yè)首選。另一方面，在大廠計(jì)劃打造超級(jí)智能體來(lái)重構(gòu)業(yè)務(wù)流程的背景下，大廠需要豐富的企業(yè)級(jí)智能體組件。當(dāng)前企業(yè)級(jí)智能體組件多為技術(shù)組件，而缺少業(yè)務(wù)組件，第四象限應(yīng)用廠商就是業(yè)務(wù)組件的最佳提供商。當(dāng)大廠超級(jí)智能體需要完成某一特定領(lǐng)域的復(fù)雜任務(wù)時(shí)，應(yīng)用廠商需要保證自己的應(yīng)用API處于第一順位，從而成為流程中不可替代的執(zhí)行節(jié)點(diǎn)。最后，在第一象限“護(hù)城河區(qū)”，應(yīng)用廠商處于暫時(shí)的安全區(qū)，但必須加速現(xiàn)有業(yè)務(wù)的AI賦能。廠商應(yīng)致力于自研智能體，從而使自身應(yīng)用在復(fù)雜流程和知識(shí)之上，升級(jí)為能夠預(yù)測(cè)風(fēng)險(xiǎn)、自動(dòng)優(yōu)化的應(yīng)用。例如，ERP廠商此前在解決供應(yīng)鏈全流程風(fēng)險(xiǎn)管理問(wèn)題，未來(lái)通過(guò)AI賦能，將增加供應(yīng)鏈解決方案能力。ERP不僅能預(yù)測(cè)供應(yīng)鏈風(fēng)險(xiǎn)，更能給出替代解決方案。與應(yīng)用廠商的防御姿態(tài)不同，大廠的高層在應(yīng)用層更多是在考量投資回報(bào)與戰(zhàn)略聚焦。大廠掌握著算力、模型與流量的三重優(yōu)勢(shì)，如何在維護(hù)應(yīng)用層生態(tài)體系的同時(shí)，實(shí)現(xiàn)商業(yè)價(jià)值最大化，成為了大廠制定市場(chǎng)進(jìn)入策略時(shí)的核心考量。在第三象限“大廠吞噬區(qū)”，大廠的戰(zhàn)略最為堅(jiān)決，即采取內(nèi)嵌至模型或平臺(tái)的自研策略。諸如通用知識(shí)庫(kù)、智能問(wèn)數(shù)、代碼助手等未來(lái)將是模型的基礎(chǔ)能力。在第二象限“融合共生區(qū)”，大廠會(huì)表現(xiàn)出戰(zhàn)略上的克制，構(gòu)建生態(tài)是最佳策略。此類專