註解：AI面對面·系列對話訪談欄目主理人，創業黑馬副董事長羅浛予對話未來式智能創始人楊勁松
導 語
“這個人消除了人類的無聊工作。”——這是楊勁松為自己設想的墓志銘。從北大到康奈爾，從阿里達摩院到AI Agent賽道創業者，他正將這一願景變為現實。2023年，他創立未來式智能，致力於用AI Agent解決大模型落地的“最後一公里”問題。2025年，公司完成數千萬元天使輪融資，Agent技術已在電力、金融等領域掀起效率革命。在他看來，大模型是“大腦”，而Agent則是賦予其行動能力的“手和腳”。
黑馬註：作為中國AI應用服務推廣平台，i黑馬特推出了《中國AI應用100人》系列報道，聚焦技術落地中的關鍵人物與思考。
7月20日，楊勁松還會帶着聯創鄒陽一起，在黑馬AI實戰營，講透智能體是什麼，企業如何落地智能體，打造24小時在線的數字智能員工，為企業提升運營效率和賺錢能力。
歡迎帶着核心成員來與29家成長型企業，一起破局增長。
01
從達摩院到AI Agent創業
羅浛予：不想落俗套，但還得俗套。因為您的背景挺精英的，所以特別想問一下，您在讀書、求職、創業過程中，有哪些影響比較深刻的事？
楊勁松：選擇。我是出自北京大學元培實驗班，後來在康奈爾大學畢業，還曾在阿里巴巴達摩院擔任產品總監。我的求學和職場之路相對比較順利。我覺得過程中比較重要的一點是，我做了比較長的一些規劃。比如上學時就規划了後面出國留學，職業路徑也做了一些規劃，所以相對比較順利。不過，太早做規劃時，每個時間節點考慮問題都比較關注在那個時間點的最優解，但那不一定是一個全局的最優解。比如，最初選擇職業時，外企或諮詢公司是較好的選擇，但後來移動互聯網等新技術潮流出現，如果當時只按最初規劃，就會錯過這些大機會。所以，局部的最優解不一定是全局的最好選擇。
羅浛予：在阿里巴巴您負責過AI產品，大廠的職場路線大家都覺得挺不錯，尤其是在達摩院。那是什麼契機讓您特別想創業？
楊勁松：2021年的時候，大家對上一代AI有點灰心失望，一些大廠甚至撤掉了自己的AI lab，因為投入大但產出相對小。但2022年底ChatGPT發布後，大模型把人工智能推向了一個新的高潮。我們在達摩院從2020年、2021年就開始訓練大模型，2021年還發布了國內第一個千億參數規模的大模型，不過當時沒太形成熱度。到了2023年，處於所謂“百模大戰”爆發階段，我們發現全中國接觸過大模型訓練或應用的人才非常少，而未來每個企業，甚至每個個體都要運用大模型技術。我們想把這項技術商業化應用，當時就定位到AI Agent這個賽道，想把大模型結合到企業或個人的各種工具中。
羅浛予：當時大家覺得開發大模型最容易融資，您作為訓練過模型的人，為什麼沒有選擇大模型創業，而是選擇了Agent呢？
楊勁松：訓練模型的資金耗用量很大，2021年我們模型訓練一周的成本大概是300萬。如果想做訓練模型這個賽道，早期需要大量的資本，而且這個賽道可能不是小玩家能輕鬆進入的。我們覺得大廠可能更適合做這個，所以想找創業者的機會。而且當時我們判斷，大廠之間的差距主要在工程經驗上的一些技巧，這些是可以比較快速獲得的，所以我們追得也比較快。
語言模型只能對話，預測下一個詞，但人類日常工作中，大部分工作不是以對話形式進行的，而是上網使用搜索引擎或各種數據工具獲取信息，加工整理，這是一個更長鏈條和外界有很多交互的過程。語言模型相當於人腦，但人工作時不僅有腦，還有手、腳，還需要記憶，這些都要通過Agent產品來補齊。我們覺得Agent才是語言模型被廣泛應用的重要途徑，而不是單純的模型本身。
羅浛予：您提過“大模型是腦，Agent是手、腳”，能否用一個具體場景解釋這種分工？比如在您服務的客戶中是怎麼應用的？
楊勁松：Agent是以大模型為大腦，配上手、腳和記憶，有行動能力的人。比如，我想創造一個自己的數字分身，它不僅有我的形象，還能了解我接觸的信息，知道我之前怎麼表達自己、解決問題，把這些能力沉澱下來。之後，如果有人來找我做訪談，可以讓數字分身去做，相當於把我的能力複製放大。Agent就是把專家的能力無限放大。
對於我們的客戶，比如電力客戶和金融客戶，AI Agent可以像電力專家一樣，通過接口工具獲取設備上的數字信號進行分析，輔助電力專家決策；在金融領域，可以幫助信貸審核員或核保員從系統數據中提取關鍵信息，形成信貸評級或打分，用於風控。
羅浛予：AI創業公司如何避免被大廠碾壓？
楊勁松：我覺得AI創業公司需要先挑一些比較窄或者比較深的點，這些可能是大廠看不到或者看不上的機會，然後深耕進去，做到比較好的結果，再基於這個結果去做規模化複製。早期選擇的時候，應該先挑一些利基市場來開拓，這樣成功率會大一點。
02
垂直場景的Agent革命
羅浛予：在您創業過程中，AI Agent在哪些實際場景中已經展現出了這種能力，做過一些嘗試或測試了嗎？
楊勁松：2023年大家主要用AI Agent做一些偏模型能力的任務，比如文檔審核和處理，通過大模型提取核心字段進行比對分析。後來開始把它和一些工具整合，比如Open AI把大模型和搜索引擎、數據爬取工具整合，形成行業報告。對於我們的客戶，比如電力客戶和金融客戶，AI Agent可以像電力專家一樣，通過接口工具獲取設備上的數字信號進行分析，輔助電力專家決策；在金融領域，可以幫助信貸審核員或核保員從系統數據中提取關鍵信息，形成信貸評級或打分，用於風控。
羅浛予：您說到電力那個案例，您的意思是說在各種設備上加了您的Agent，然後設備在運轉時會產生各種數據，這些數據集中讓Agent感知、分析、決策，對嗎？
楊勁松：對，Agent可以通過這些數據的收集和分析，判斷設備如變壓器等是否存在風險，並提示給專職人員或專家進行預警。目前更多場景中還是需要人來確認和決策，但未來Agent可能會直接通過自動化控制機器來應對極端風險。
羅浛予：那您覺得3到5年之內，每個場景、每個機器上都會有各種Agent，這種想象是不是不算誇張？
楊勁松：不算誇張。不過這還涉及商業價值的考量，技術上可行，但要看是否有價值去做。比如一些設備價值千萬級別，故障損失可能達百萬級別，那就有動因去做。但一些小設備可能成本較高，從成本角度就不一定會做。
羅浛予：那您分析過哪些場景，用Agent的商業化價值可能會相對大一點？
楊勁松：比較典型的是coding Agent，因為程序員工資高，還有律師Agent、醫生Agent等，這些領域工資高，但容錯率低，對知識、數據和決策分析要求高。不過技術還在早期階段，營銷端可能相對現實，比如替代銷售，能直接帶來收益。
羅浛予：那您覺得在中國，Agent的賽道應該從哪些行業開始做，或者從哪些職能做起，商業化更容易？
楊勁松：我們確實有一些行業聚焦，比如電力和金融。這些行業有很多專家能力，價值高且量大。我們找的是單點海量且有價值的場景去挖掘。比如電力行業，核心訴求是保證電力供應穩定安全；金融行業，核心訴求是放貸掙錢。只要解決這些核心訴求，就有價值。
羅浛予：那您覺得未來3到5年，Agent最關鍵的突破會是什麼？
楊勁松：從我們公司來說，會比較關注在垂直領域裡，如何通過數據閉環讓Agent自我進化。現在模型訓練是通過已有數據訓練，但Agent在用戶使用過程中會產生大量數據，我們想通過強化學習技術，在垂直領域裡基於已有數據形成數據閉環，自我進化，最終讓Agent在垂直領域達到人類專家水平。
03
大中小企業的AI化路徑
羅浛予：那您覺得中小企業應該怎麼看待Agent和自己的業務結合點？
楊勁松：中小企業要先了解和學習，然後分析自己的業務痛點，看AI產品是否能解決。如果能解決，就用；如果不能，也不用焦慮。有些行業可能還是靠人完成工作，AI並不擅長。
羅浛予：那您覺得中小企業是自己開發Agent，還是直接用市面上的？
楊勁松：其實Agent主要解決企業個性化問題，通過上下文或知識庫讓模型理解企業業務。中小企業可以先用市面上的Agent，看看是否能滿足需求，如果不能，再考慮自己開發。
羅浛予：您能給我們介紹一下靈搭平台嗎？它的優勢和對用戶的價值是什麼？
楊勁松：靈搭平台的核心目標是讓構建數據員工（Agent）的過程更加無縫和容易。過去，構建Agent需要通過手寫代碼，或者使用一些開源工具來輔助開發，這要求用戶對技術本身非常熟悉。現在，大模型已經能夠很好地理解人類的意圖，並且可以很好地執行一些任務。我們認為，構建Agent的中間過程，比如大量的代碼編寫或者使用無代碼、低代碼工具，也應該由AI來解決。靈搭平台的主要作用就是解決構建Agent的過程，讓它變得更簡單、更高效。我們希望用戶只需要表達出自己的需求，靈搭平台就能自動生成一個Agent來為他們服務。
羅浛予：那這個平台是不是可以理解為一個生成Agent的平台呢？
楊勁松：是的，這個比喻非常準確。我們內部給這個產品起了一個代號，叫“Agent Zero”，也就是“零號智能體”。這個名字的靈感來源於中國古代哲學中的“一生二，二生三，三生萬物”。Agent Zero的作用就是不斷地幫助我們生成更多的智能體。我們的目標是讓靈搭平台更加絲滑、聰明和便捷，讓每一個普通人、小企業或者大企業都能比較方便地生成適合自己的Agent。
羅浛予：那您覺得未來每個公司是不是都會根據自己的需求，擁有各種各樣的Agent呢？
楊勁松：是的，未來每個公司可能都會根據自己的需求擁有各種Agent。比如，銷售部門有銷售Agent，課程研發部門有研發Agent，甚至像採訪人員也有自己的Agent來幫助寫文章、剪輯視頻等。每個公司都有這樣的需求，未來可能在市面上，用戶只需要找到適合自己的Agent模板，把數據填進去就可以使用了。
羅浛予：那您能描述一下Agent生態會是什麼樣子嗎？
楊勁松：Agent生態可以分為幾個層次。底層是基礎設施，比如雲計算、推理能力、記憶能力等，這些是為了幫助大家更好地構建Agent服務。中間層是一些基礎的應用組件和能力，比如瀏覽、爬蟲能力、地址服務等。最上層是一些像靈搭平台這樣的產品，它們負責組合和調度各種底層能力，變成上層應用。基於這些平台，還會有大量的生態公司，針對不同行業（比如金融、製造業）開發出真正適用於行業的Agent。
羅浛予：如果把Agent生態比喻成一場足球比賽，您覺得靈搭平台是前鋒、中鋒還是守門員呢？
楊勁松：我覺得更好的比喻是交響樂團，靈搭平台就像是指揮家。指揮家的作用是調度和整合各種資源，讓整個樂團發揮出最大的價值。雖然不是最耀眼的，但卻是最重要的角色。
羅浛予：那如果像OpenAI等這樣的大公司也想做類似的Agent平台，您覺得靈搭平台怎麼應對他們的挑戰呢？
楊勁松：我們的策略是先切入一些行業，深耕這些行業，積累數據和經驗，把靈搭平台變成我們自己的生產力工具。這樣，我們可以在這些行業里跑得更快，積累優勢。雖然Agent的市場規模非常大，但每個行業都有自己的特點和需求，我們希望通過深耕行業，形成自己的核心競爭力。
羅浛予：已經感受到我們的策略了，先把平台搭起來，能做得多寬就多寬。如果最後核心做幾個垂直的，也是OK的，對吧？
楊勁松：對，我們先做平台的原因是，我們認為Agent的使用效果需要端到端的優化，從底層模型到中間的供應鏈，再到上層的業務和數據，都要整合和優化，才能有非常好的效果，或者和別人有明顯的差異化。如果工具本身不是自己的，很難做出非常好的效果。比如OpenAI做應用時，肯定不會用其他廠商的開發工具。
04
未來圖景：一人公司與人機協作
羅浛予：您設想的“10倍效率革命”具體是什麼圖景？
楊勁松：其實未來可能每個人把自己當成CEO或管理者，管理不同的Agent完成任務，形成一人公司或小公司做大業務。當然也會有人與Agent合作。我們的願景是讓全球10億知識工作者10倍效率工作，讓大家管理各種Agent為大家服務，甚至一周工作一天就能取得現在十倍的成效。
羅浛予：那您覺得Agent會不會變成未來的流量超級入口？
楊勁松：從C端來說，未來一定有個超級入口，大概率在硬件或端側，比如手機等設備上，作為對Agent下指令的入口。到企業端，會有公司整體的智能管家或Agent，熟悉公司業務和數據，提供指導建議，協調其他Agent完成生產任務。
羅浛予：如果Agent集體罷工，哪個行業會最先崩潰？
楊勁松：可能還是跟我們日常生活息息相關的基礎設施行業，比如電力供應。如果電力癱瘓，其他行業都會崩潰。
羅浛予：如果讓您創造一個終極的Agent，您會創造一個什麼樣的Agent，最瘋狂的功能會是什麼？
楊勁松：從價值最大和科學探索角度來說，我會創造一個能探索可控核聚變等問題的Agent。如果科學技術突破，會有AI自己研究新技術推動人類發展。
羅浛予：您對人工智能和具身智能這兩個投資賽道的看法是什麼？
楊勁松：具身智能解決了勞動力供給問題，Agent解決了腦力工作者的無限供給。把這兩個結合起來，會是一個很好的方向。
羅浛予：最後，想問一下，如果讓您選一個電影里的AI角色作為同事，您選《鋼鐵俠》中的賈維斯還是《Her》里的薩曼莎？
楊勁松：我會選《Her》里的薩曼莎，因為她更友好、有溫度，交互感也更好。
結 語
訪談結束時，楊勁松提到靈搭平台的代號“Agent Zero”——取自“道生一，一生萬物”的哲學。這恰似AI Agent的未來：從零到一，再從一到無限。或許不久後，刻在他墓志銘上的願景將成為現實：無聊工作消失，人類得以專註於創造與決策。而這場變革的起點，正始於今天Agent邁出的每一步。
［本文作者i黑馬，i黑馬原創。如需轉載請聯繫微信公眾號（ID:iheima）授權，未經授權，轉載必究。］
