1/ 今年元旦，OpenAI的联创Greg发了条帖子说：2026年AI的两大主题是企业Agent和加速科学发现。OpenAI显然也要开始发力B端，寻求更多C端以外的增长空间

2/ 零一万物低调了一段时间，刚发了一个对企业Agent未来趋势的预判，公司现在也在主打B端多Agent落地（multi-agent system for enterprise），分享一些我的takeaway和想法，核心是生产力的原子化、可组合

3/ 零一长期想用Agent组织来加强和替代人类组织，人类的组织其实有很多问题，比如：1）信息同步会损耗很多信息，重要信息很多会被人类工作者难触达忘记、曲解，2）有人的地方就会有politics，要么是因为利益冲突，要么就是单纯不对付，这些人特有的因素会极大降低组织的生产力（跨部门协作沟通堪称抢资源邀功大赏...），3）人的有效工作时间并不长..，4）人新学技能、熟悉流程需要很多时间... 即使培养出了人才，年薪几十上百万，一旦离职公司的损失也比较大

4/ 所以发力生产力的原子化就比较重要，让AI和把员工的基础工作能力和业务知识沉淀下来，不同职能、模块的直觉、判断逻辑和复杂SOP封装成AI智能体，可是不断进行迭代和复利，不同技能可以实现自由拼装。

5/ 比如说A部门想找B部门要一些数据，传统方式是跨部门拉通再排期，非常容易发生扯皮，如果B部门有自己数据分析Agent，直接给A部门开一个数据分析Agent权限就好了。

6） 这一波企业多智能体，AI对于企业而言重点不在降成本，在于把实现专家能力资产化保持放大生产力，最终可以摆脱对专家的依赖，自由拼装能力，直接用通用模型是不够的，需要垂类Agent集群。流水线开启了工业革命，模块化定制化的AI Agent集群也会让企业的生产力再上一个台阶。

6/ 像MCP链接数据和应用，或者通过Claude Skill这样的自定义技能模块，都是AI前沿正在发展的Agent相关实践，但是绝大多数企业而言，没有自己搭建体系的能力，依然需要类似零一这样的外部vendor来提供一整套的解决的方案，搭建自己垂类业务场景的Agent系统。

7/ 所以自然而然，就要深入企业做交付，而且很多公司考虑到数据隐私，还要本地部署、微调，对交付的需求更高。

8/ 整体看下来，零一的打法和Palantir其实非常像，但是又有点自己的特色。

1）先从战略层面，高举高打搞定头部企业以及其一把手，获得在企业内的足够推动力和落地能力（比如零一给国际某能源巨头做了AI解决方案）

2）在具体交付上，不再沿用大厂销售标准化产品的模式：新发的万智2.5平台，更注重基于客户需求进行梳理和设计，将其转化为产品原型，再和客户逐步对齐，对解决方案团队的能力要求非常高，以类似 FDE (Forward Deployed Engineer)的模式推进。之前大厂做这个老亏钱是因为团队和客户总是有理解落差，导致最终成果与客户预期不符，需求不断蔓延，零一万物用类似FDE在积极探索新模式来缩减理解落差，降低交付成本，想得很聪明

3） 最终和企业协同进化，跨越技术鸿沟，采用多模型战略，推动，Multi-Agent上岗

9/ 企业多智能体这个方向，说大白话就是要替代人，这样企业的付费意愿才是最高的，李开复这点基本和硅谷充分对齐。如果假设AI在未来的迭代进化速度远大于人，那么企业未来最有价值的资产就是把智能体业务跑通的业务实例，基本意味着模型输出的token直接能转化未来业务结果。

10/ 在本土环境下，做B端的交付相比C端是确定性更强的方向，有一股扑面而来的对白领围追堵截的感觉，看了新产品的hr、marketing的demo，能替代相当一部分工作，未来白领更重要的能力是对AI交付的结果进行评判，而不是亲自做工作

11/ 未来确实是decade of agent，对于ToB/C都一样