千峰访谈百型智能韩美：企业级AI Agent要从单点工具提效到企业级业务结果交付

【亿邦原创】近日，在2026千峰奖访谈期间，亿邦动力、亿邦智库与百型智能创始人、CEO韩美，围绕“AI与出海带来的模态进化”深度交流。

亿邦：本届千峰奖以“AI与出海带来的模态进化”为核心主题。结合企业级AI Agent和B2B全球贸易，您如何理解这一轮由AI和全球化共同驱动的产业模态进化？百型智能的战略选择是什么？

韩美：过去两年，AI在企业中的应用主要集中在提升个人效率，例如生成内容、分析数据、辅助决策。随着基础模型能力提升，越来越多企业开始部署AI Agent，让AI独立完成某些具体任务。但在真实的企业经营中，完成一个任务和交付一个业务结果之间，仍然存在巨大差距。

以B2B全球贸易为例，企业真正需要的不是AI帮忙写一封开发信，而是持续找到合适的海外客户、识别采购需求、建立联系、推动询盘，并最终形成可转化的商机。这不是单个Agent能够独立解决的问题。它需要AI理解企业的产品、目标市场、客户画像、业务规则，并在不同任务之间保持一致的企业认知，协调多个执行环节。

百型智能的战略选择，就是从一开始便面向真实业务结果，而不是停留在单点工具提效。为此，我们构建了“企业本体+群智能体”的技术与产品体系。企业本体OntoZ负责形成持续更新的企业认知，群智能体负责不同业务环节的执行与协作。

亿邦：目前AI落地在哪些核心业务场景？差异化竞争力是什么？

韩美：企业AI落地面临的一个典型问题是：每个AI工具都很聪明，但它们并不真正理解同一家企业。一个Agent负责寻找客户，另一个Agent负责生成营销内容，第三个Agent负责运营海外社交媒体。如果这些Agent缺乏共享的企业认知，它们实际上仍然是彼此割裂的工具。百型智能通过企业本体OntoZ，将企业的产品知识、客户画像、市场策略、业务规则和执行反馈组织起来，为不同AI员工提供统一的企业认知基础。在此基础上，Zoe、Lily、Wendy等AI员工能够承担客户开发、营销触达、海外社媒运营等不同任务。关键不在于有多少个Agent，而在于它们能否围绕同一个业务目标协同执行。

需要强调的是，企业级结果交付并不意味着AI完全取代人的判断。在关键决策、复杂商务谈判及最终成交等环节，仍然需要人参与。百型希望解决的是，让AI能够持续承担更多业务执行工作，让人从重复性的过程操作中释放出来，更聚焦战略判断和关键决策。

亿邦：能否分享一个最具代表性的AI应用案例？

韩美：我想分享两个不同类型的案例。

第一个是一家做空气净化设备的企业。过去企业开发海外客户，通常会优先选择自己熟悉的国家和市场。但我们通过AI分析它的产品特点、应用场景和潜在客户需求，发现马尔代夫的酒店其实是一个很有潜力的市场。这个方向是企业之前没有重点关注过的。后来我们帮助客户沿着这个方向去开发市场，也确实带来了实际询盘。这个案例让我觉得特别有价值的一点是，AI不只是帮企业更快地找到客户，还能帮企业发现过去凭经验可能想不到的生意机会。

第二个案例是海外营销代运营。在传统模式下，海外营销代运营需要大量人工参与客户研究、内容生产、渠道运营及数据分析。百型通过企业认知与多智能体协同，将部分原本由人工串联的工作转化为AI持续执行的任务链。在相关业务实践中，已实现约10倍的效率提升。AI带来的变化，不只是某个岗位工作速度的提升，而是整个业务执行方式的变化。

亿邦：您提到百型已服务1000多家出海企业、连接700多万采购关键人、累计形成数十万笔询单。这些规模数据怎么转化为企业本体和群智能体的执行能力？为什么不能简单等同于模型训练数据？

韩美：这些规模化业务实践为持续理解真实贸易场景提供了基础，但不能简单将服务规模等同于模型训练数据规模，也不宜未经验证就宣称系统已经实现完全自主学习。企业AI真正需要积累的，不只是行业知识，更是持续更新的企业认知与业务反馈。企业业务不是静态的：企业产品会变化，目标市场会调整，客户需求会不断更新，营销策略也需要根据执行结果持续优化。因此，企业级AI需要的不只是能够回答问题的知识库，而是能够支撑业务执行、持续更新的企业认知体系。业务执行产生的新信息，也会成为企业认知持续完善的依据。

亿邦：您怎么看产业智能体改写B2B？基础模型越来越强，垂类AI企业的护城河在哪里？

韩美：随着基础模型持续进步，长上下文、复杂推理、工具调用和长任务处理能力都在不断增强。过去，一些AI企业将能够完成复杂任务本身视为核心壁垒。但当这些能力逐渐成为基础模型的标准能力，行业应用企业必须重新思考自己的竞争优势。

百型认为，企业级AI真正的难点不只是模型能否执行长任务，而是能否在真实业务环境中持续完成任务。这涉及几个关键问题：第一，AI是否真正理解企业，而不仅仅理解用户的一次指令？第二，AI是否能够在不同业务环节之间保持目标一致性？第三，面对业务变化、执行失败和新的客户反馈，AI是否能够调整后续行动？第四，AI是否能够在长期运行中保持可控、可靠，并形成可衡量的业务价值？

百型的技术路线，不是与通用基础模型竞争参数规模，而是围绕真实产业场景构建企业认知、业务执行和协同能力。从长期看，垂类AI公司的护城河，将越来越取决于对产业场景的理解深度、业务系统工程能力，以及持续交付结果的能力。

亿邦：AI如何改变中国企业的出海模式？

韩美：过去，中国制造企业拓展海外市场，主要依赖展会、B2B平台、搜索引擎以及销售团队主动开发。这些方式仍然重要，但存在明显局限。例如，企业能够接触到的客户范围往往受到渠道覆盖、销售经验和人力投入的限制。AI的出现，使企业能够更大规模地理解海外市场、识别潜在客户，并开展个性化营销触达。

但百型认为，AI带来的真正变化，不是让企业能够批量发送更多开发信，而是让企业从“先找到客户，再判断是否匹配”，逐步走向“先理解谁更可能产生采购需求，再组织客户开发”。百型通过企业本体与群智能体协同，将客户画像、潜客筛选、客户研究、营销内容生成及海外渠道运营连接起来。这使企业有机会摆脱对单一平台和单一获客渠道的依赖，逐步建立更加主动、持续的全球客户开发能力。

亿邦：未来平台的盈利模式和组织变革方面，您怎么看？

韩美：企业最终愿意持续付费的不是Token，而是可衡量的业务价值。对于模型服务提供商而言，Token计费具有合理性。但对于真实的企业业务场景，客户更关心的是投入AI后究竟获得了什么：是否降低了客户开发成本，是否扩大了有效客户覆盖范围，是否提升了询盘质量，是否缩短了业务执行周期。因此，企业级AI的商业模式有可能逐步从工具订阅、能力调用，走向更加贴近业务成果的价值定价。但这并不意味着所有企业级AI都应该立即采用纯结果付费。在B2B贸易中，最终成交还受到产品竞争力、价格、交付、销售跟进等多重因素影响。如何清晰界定AI创造的价值，建立合理的结果归因和服务边界，是商业模式进一步演进需要解决的问题。

组织变革方面，今天很多企业都在推动AI应用，但常见的方式是鼓励员工在原有工作流程中使用各种AI工具。这种方式能够带来局部效率提升，却不一定能改变企业整体的业务效率。原因在于，企业的组织方式、岗位分工和管理流程，仍然是围绕人来设计的。AI只是被嵌入原有流程，成为新的辅助工具。如果希望AI真正承担业务执行任务，企业就需要重新思考工作流。AI Native组织的重要特征，不是每个员工都使用AI，而是企业开始围绕人和AI的不同能力，重新设计业务分工与执行方式。

亿邦：当前制约企业AI规模化落地的最大瓶颈是什么？未来两年重点方向？

韩美：今天，很多企业面临的问题已经不再是AI能不能生成内容、分析数据或调用工具，而是当AI具备越来越强的执行能力时，企业是否已经做好准备，将真实业务任务交给AI。其中有三个值得关注的挑战：企业认知问题、长链路执行问题、组织与信任问题。企业AI规模化落地不是单纯部署更多Agent，而是需要技术系统与组织机制同步演进。

未来两年，百型关注三个长期方向：持续深化企业认知能力；增强多智能体协同与长链路任务执行能力；建立更完善的业务反馈与持续优化机制。企业级AI的竞争可能出现明显分化：一类企业继续围绕单点任务提供AI工具，另一类企业则逐步构建能够理解企业、协调任务、持续执行并衡量业务结果的AI系统。百型选择后者。

亿邦：如果给希望构建AI竞争力与全球化能力的企业一条建议，您会说什么？

韩美：不要从采购AI工具开始，而要从重新定义业务目标开始。很多企业引入AI时，首先考虑的是哪些岗位可以使用AI、哪些工作可以自动化。但更值得思考的问题是：企业究竟希望AI帮助自己实现什么业务结果？是开拓新的海外市场，还是提升客户开发能力？是缩短营销周期，还是改善销售转化效率？只有先明确业务目标，才能判断哪些工作应该交给AI，哪些环节需要人参与，以及如何评价AI创造的价值。企业真正需要建立的，不是一个拥有大量AI工具的组织，而是一个能够让人和AI围绕共同目标高效协作的组织。

作为TO B领域年度风向标，“2026第八届亿邦产业互联网年会暨首届产业智能体大会”将于2026年11月20日在北京召开。主题定为“AI与出海带来的模态进化”，聚焦产业智能体落地、AI供应链价值重构、数据要素与TOKEN经济、产业出海新生态等前沿议题深度思辨。大会将集结学界权威、央国企标杆、产业龙头、投资机构、服务生态伙伴，汇聚产业核心力量、拆解产业数智化转型路径、分享前沿实战经验。同期还将发布年度产业互联网报告及标杆案例，举办决策人闭门会、“千峰奖”颁奖盛典。

本文首发于 亿邦动力 官方网站