作者(zhe)：彭昭（智(zhi)次方創始人、云和資本聯合(he)創始合(he)伙人）
這是我(wo)的(de)第368篇(pian)專(zhuan)欄文章。
生成(cheng)式AI正(zheng)處于寒(han)武紀式爆發后的(de)第一(yi)輪進化期。通用大模(mo)型(xing)在展現驚人能力的(de)同時，也逐漸暴露出(chu)成(cheng)本高(gao)昂、應用泛化與商業變(bian)現困難等結構性瓶頸。
一條新的產業化路徑正加速浮現：垂類大模型（Vertical AI）成為通用模型的“第二曲線”。
隨著政府工作報告提出持續推進“人工智能+”行(xing)動(dong)，從醫(yi)療、法律到制造、消費、金(jin)融(rong)等領域，越(yue)來越(yue)多企(qi)業試圖構建(jian)面向(xiang)特定行(xing)業的專屬AI系(xi)統。這些系(xi)統更(geng)(geng)加(jia)理(li)解領域語言(yan)、更(geng)(geng)貼近業務流程、更(geng)(geng)容(rong)易嵌(qian)入(ru)既有系(xi)統。
但(dan)現實(shi)遠比愿景更加復雜：模(mo)型效(xiao)(xiao)果高(gao)度依賴場(chang)景調(diao)優，實(shi)際應用效(xiao)(xiao)果有限；企(qi)業數(shu)據碎片化嚴重，難以支撐(cheng)有效(xiao)(xiao)訓練；商業模(mo)式模(mo)糊，客(ke)戶(hu)難以形成(cheng)長期綁定。
“大模型之后，到底是做模型、做產品，還是做平臺？”這一問題成為所有垂類AI玩家的戰略困擾。
這一切，似曾相識。
十幾年前，隨著工業互聯網的(de)概念(nian)于(yu)2012年(nian)由美國通用(yong)電氣公司（GE）提出(chu)，工業(ye)互聯網平臺(tai)企業(ye)也曾(ceng)經歷從“連接(jie)設備(bei)”到“重構流(liu)程”、再到“平臺(tai)化生態”構想的(de)熱潮(chao)與(yu)幻滅。他們面臨(lin)的(de)挑戰同樣是：在技術突(tu)破之后，如何構建可持續的(de)業(ye)務模式(shi)與(yu)平臺(tai)控制力(li)？
今天(tian)，垂(chui)類模型企業正站在相似的(de)十(shi)字路口。不同的(de)是(shi)，他(ta)們手中握有一個全新的(de)杠桿工具：AI Agent與流程重(zhong)構(gou)能力——不僅(jin)僅(jin)是(shi)自動化任務，而是(shi)輔助并重(zhong)構(gou)工作(zuo)流。
在本文(wen)中，我們將共同探索：在產業AI的(de)戰(zhan)局中，誰能(neng)真正(zheng)突圍？誰能(neng)構建(jian)長期(qi)壁壘？垂類模型的(de)終局，會是一場(chang)新(xin)的(de)“平臺(tai)之戰(zhan)”嗎？
從“連接物”到“輔助人”：垂類AI與工業互聯網的平臺化之路
垂類模型與(yu)工業互聯網，有何相似(si)與(yu)不同？
雖然垂類模型與工(gong)業互聯網誕生于不同的技術(shu)周期(qi)，但它們在“從工(gong)具走向平臺”的路徑上，呈(cheng)現出高度相(xiang)似的結構性挑戰(zhan)。
我們可以從四個核心(xin)維度進行類比(bi)分析：
起點相似：都從“工具”切入業務底層
工業互(hu)聯網的起點(dian)是設備上云與邊緣采集，試(shi)圖用傳感器與平臺打(da)通物理(li)世界的數據(ju)盲區。這一過程強調數據(ju)采集與系(xi)統連接(jie)，為后續(xu)的數據(ju)分析與流程優化奠定基礎。
而垂類(lei)模型(xing)的(de)起(qi)點則是大模型(xing)能力的(de)遷移，希(xi)望利用語義理解與(yu)任務實現，從認知(zhi)層“輔助(zhu)人類(lei)工作(zuo)”。這(zhe)意味著(zhu)，垂類(lei)模型(xing)不僅要(yao)理解業務數據，還要(yao)深度理解業務流程與(yu)專業知(zhi)識，進而實現對(dui)工作(zuo)流的(de)自動化與(yu)重構(gou)。
雖然兩者的切入點不同，但本質上都是從底層“重塑感知與認知能力”，進而嵌入業務流程，實現數字化轉型。工業互聯網側重于打通數據孤島，構建統一的數字化底座；而垂類模型則更進一步，試圖在統一的認知基礎上，實現端到端的流程自動化。
技術路徑不同：AI Agent是垂類模型的“杠桿武器”
工(gong)(gong)業(ye)互(hu)聯網(wang)的(de)(de)核心(xin)挑戰在(zai)于(yu)數(shu)據異(yi)構(gou)與(yu)系(xi)(xi)統(tong)集成(cheng)，強調流程建(jian)模(mo)與(yu)IT/OT融(rong)合。由于(yu)工(gong)(gong)業(ye)領域的(de)(de)數(shu)據種類繁多、格式(shi)各(ge)異(yi)，且分散在(zai)不同的(de)(de)系(xi)(xi)統(tong)與(yu)設(she)備中，因(yin)此需(xu)要通過數(shu)據集成(cheng)與(yu)流程建(jian)模(mo)，將它(ta)們(men)統(tong)一到一個平臺中進行(xing)管(guan)理和分析。這往(wang)往(wang)需(xu)要復雜(za)的(de)(de)系(xi)(xi)統(tong)對接與(yu)數(shu)據清洗工(gong)(gong)作，是一個漫長而艱巨的(de)(de)過程。
而垂類模(mo)型(xing)的(de)關鍵在于(yu)三個方面：一(yi)是(shi)模(mo)型(xing)能(neng)力適(shi)配性，即(ji)如(ru)何將(jiang)通用大模(mo)型(xing)的(de)能(neng)力遷移到(dao)特定行(xing)業(ye)(ye)，融(rong)入行(xing)業(ye)(ye)知識和語言(yan)習慣；二(er)是(shi)Agent的(de)任(ren)(ren)務(wu)規劃(hua)與上下(xia)文保持(chi)能(neng)力，即(ji)如(ru)何讓AI Agent理(li)解(jie)任(ren)(ren)務(wu)的(de)環境與場景，合理(li)拆解(jie)任(ren)(ren)務(wu)并持(chi)續跟蹤執(zhi)行(xing)狀態(tai)；三是(shi)流程級任(ren)(ren)務(wu)自動化能(neng)力，即(ji)AI Agent需要能(neng)夠自動執(zhi)行(xing)一(yi)系列復(fu)雜任(ren)(ren)務(wu)，實現端到(dao)端的(de)流程自動化。
因此，與工業互聯網強(qiang)調(diao)“打通系統(tong)”不(bu)同，垂類模型更(geng)強(qiang)調(diao)“輔助流程”。它不(bu)僅要(yao)實(shi)現數(shu)據(ju)的互聯互通，還要(yao)通過AI Agent實(shi)現業務流程的自動化與智能化，從(cong)而更(geng)為(wei)徹(che)底的釋放數(shu)據(ju)價值。
商業模式演化：從平臺即服務（PaaS）到業務成果即服務（BOaaS）
工業互聯網平(ping)臺主要以(yi)PaaS（平(ping)臺即服(fu)務(wu)）和SaaS（軟件即服(fu)務(wu)）的模(mo)式(shi)交付。但在實踐中，由于工業領域的復雜性(xing)和定制(zhi)(zhi)化(hua)需求，很多(duo)平(ping)臺最終不(bu)得不(bu)轉向“項目定制(zhi)(zhi)”模(mo)式(shi)，為(wei)每個客(ke)戶單獨開發和部署(shu)系統，這導(dao)致平(ping)臺難以(yi)實現規(gui)模(mo)化(hua)發展。
而垂類模型(xing)從一(yi)開始就具備“API化(hua)”的(de)基因。通過(guo)大模型(xing)與Agent的(de)結(jie)合，它可(ke)以將復雜的(de)任務流程(cheng)封裝為簡單的(de)API接口，用戶只需(xu)通過(guo)API調用，即(ji)可(ke)獲(huo)得端(duan)到端(duan)的(de)流程(cheng)自(zi)動化(hua)服務，而無需(xu)關(guan)心底層(ceng)的(de)技術細節。
更重(zhong)要的(de)是(shi)，垂類模(mo)型可以直接面向任務(wu)(wu)結(jie)果(guo)的(de)交付，催(cui)生出一種(zhong)新的(de)商業模(mo)式：業務(wu)(wu)成果(guo)即服務(wu)(wu)（Business Outcome-as-a-Service）。BOaaS模(mo)式提供的(de)是(shi)任務(wu)(wu)結(jie)果(guo)，AI Agent全程(cheng)輔(fu)助任務(wu)(wu)執行過(guo)程(cheng)，用戶只需(xu)要向Agent下達指令(ling)，然(ran)后等待(dai)結(jie)果(guo)交付。
舉個(ge)例(li)子，傳統的(de)進(jin)銷存SaaS軟件，提供(gong)了記錄和管理進(jin)銷存數(shu)據的(de)工(gong)具，用戶仍然需(xu)(xu)要(yao)(yao)半自(zi)動輸入數(shu)據、盤點庫存、處理異常(chang)等。而如(ru)果(guo)是(shi)一個(ge)基于垂(chui)類模(mo)型(xing)的(de)進(jin)銷存BOaaS模(mo)式，用戶只(zhi)需(xu)(xu)要(yao)(yao)告訴AI Agent需(xu)(xu)要(yao)(yao)采購(gou)什么商品，Agent就(jiu)可以自(zi)動完成(cheng)供(gong)應商選擇、價(jia)格比對、合同簽(qian)訂(ding)、訂(ding)單跟(gen)蹤、入庫登記等一系列工(gong)作(zuo)，最終(zhong)將采購(gou)完成(cheng)的(de)結果(guo)反饋給用戶。
可以(yi)說， BOaaS模式代表(biao)了一種全(quan)新(xin)的生(sheng)產力組織(zhi)方式。它(ta)意味著，AI不(bu)再只是(shi)輔助人(ren)類工作的工具(ju)，而是(shi)能夠主動承接和(he)執行任務的“數(shu)字員(yuan)工”。當然(ran)，這(zhe)并(bing)不(bu)意味著AI可以(yi)完全(quan)取代人(ren)類，而是(shi)通過人(ren)機協作，將(jiang)人(ren)類從(cong)重復性、程式化的工作中解放出來(lai)，騰出更(geng)多時間和(he)精力去創造價值。
成敗關鍵一致：最終都要“掌控流程關鍵點”
工業互聯網(wang)平(ping)臺(tai)(tai)的(de)成敗，不在于(yu)技術多(duo)強(qiang)，而(er)在于(yu)能(neng)否構(gou)建起“平(ping)臺(tai)(tai)飛輪”效應。這意味著，平(ping)臺(tai)(tai)需(xu)要聚合足夠多(duo)的(de)設(she)備和數(shu)據資(zi)源，吸引開發者和獨立軟件開發商（ISV）入駐(zhu)，形成生(sheng)態(tai)閉環，從(cong)而(er)建立起客戶對平(ping)臺(tai)(tai)的(de)信賴關(guan)系。
具體(ti)來說，工業互聯網平臺(tai)(tai)要實現的(de)(de)(de)(de)(de)是(shi)“設(she)備(bei)-數(shu)(shu)據(ju)-應(ying)用(yong)(yong)-客戶(hu)”的(de)(de)(de)(de)(de)正(zheng)向(xiang)循(xun)環(huan)：連接(jie)更(geng)(geng)多(duo)的(de)(de)(de)(de)(de)設(she)備(bei)，采集更(geng)(geng)多(duo)的(de)(de)(de)(de)(de)數(shu)(shu)據(ju)；積(ji)累(lei)的(de)(de)(de)(de)(de)數(shu)(shu)據(ju)吸引更(geng)(geng)多(duo)的(de)(de)(de)(de)(de)開發者(zhe)基于(yu)平臺(tai)(tai)開發應(ying)用(yong)(yong)；豐富(fu)的(de)(de)(de)(de)(de)應(ying)用(yong)(yong)生態吸引更(geng)(geng)多(duo)的(de)(de)(de)(de)(de)客戶(hu)使用(yong)(yong)平臺(tai)(tai)；更(geng)(geng)多(duo)的(de)(de)(de)(de)(de)客戶(hu)意味著更(geng)(geng)多(duo)的(de)(de)(de)(de)(de)設(she)備(bei)接(jie)入和數(shu)(shu)據(ju)積(ji)累(lei)，從而(er)形成正(zheng)向(xiang)循(xun)環(huan)。
垂類(lei)大模(mo)型(xing)企業的成(cheng)功，同(tong)樣取(qu)決于能否占據“流程控(kong)制(zhi)點”，構(gou)建“數(shu)據-模(mo)型(xing)-應用(yong)”的閉環(huan)生態。此(ci)外，垂類(lei)AI要真正(zheng)建立起平臺生態，還需要綜合考慮開(kai)發者從零到一(yi)的成(cheng)長陪跑、數(shu)據安(an)全與隱私、模(mo)型(xing)迭代與優化(hua)等(deng)因(yin)素(su)。
盡管工業(ye)互聯網和(he)垂類模型在技術路(lu)徑(jing)上(shang)有所(suo)不同，但它們(men)的(de)終局殊(shu)途同歸，都是要通過“連接”和(he)“賦能”，打造(zao)產業(ye)數字(zi)化轉型的(de)操作系(xi)統和(he)生態平臺。
工業互聯網強調“連接物”，通過設備上云和數據集成，構建工業數字化的底座；垂類AI則試圖“輔助人”，利用大模型和Agent實現業務流程的自動化與智能化。兩者分別代表著產業數字化轉型的前半程和后半程。
從本質上說，工業(ye)互聯網解(jie)(jie)決的(de)(de)是(shi)“數(shu)字化”問(wen)題(ti)，即(ji)如(ru)(ru)何將原本離散、割裂(lie)的(de)(de)設(she)備、數(shu)據和系統(tong)連接起來，形成統(tong)一(yi)的(de)(de)數(shu)字空間；而垂(chui)類模(mo)型解(jie)(jie)決的(de)(de)是(shi)“智能化”問(wen)題(ti)，即(ji)如(ru)(ru)何在統(tong)一(yi)的(de)(de)數(shu)據基(ji)礎上，用AI重構業(ye)務流程、優化資源配置、創造(zao)新的(de)(de)價值。
可以預見，未來的產業互聯網平臺，必將是工業互聯網與垂類模型的深度融合。這樣的平臺不僅要連(lian)接(jie)海量的設(she)備和數據，還要用(yong)AI為企業和行業持續賦能(neng)，構建包括軟(ruan)硬件(jian)基(ji)礎設(she)施、技術(shu)、運(yun)營(ying)在(zai)內(nei)的全(quan)棧式解決(jue)方案(an)。
垂類模型的4階段進化路徑：從工具到平臺的躍遷軌道
在(zai)此前(qian)的(de)文章(zhang)中，我曾經介紹過工業(ye)(ye)互聯網(wang)的(de)3個(ge)發展(zhan)階(jie)段：階(jie)段1內(nei)化，打通企業(ye)(ye)業(ye)(ye)務(wu)流程的(de)信息化；階(jie)段2外化，延展(zhan)產品(pin)服務(wu)的(de)價值鏈階(jie)段；階(jie)段3外掛，對(dui)外賦能發展(zhan)新(xin)的(de)商業(ye)(ye)模式。
有了工(gong)業互聯網平臺的借鑒(jian)，垂直模(mo)型的進化之路預計(ji)將更加快(kuai)速(su)。
垂直(zhi)AI的演(yan)進，本(ben)質(zhi)上(shang)是一個從“解決單(dan)一任(ren)務”到(dao)“輔助整個流程”，再到(dao)“承載行業(ye)生態平臺”的能(neng)力(li)躍遷(qian)過(guo)程。
通過對(dui)產業先行者的(de)實踐(jian)路徑進行梳理，我(wo)們可(ke)以將其歸納為四個典型的(de)發展(zhan)階段：
階段一：垂直切入，解決剛需痛點
在初始階段，企業(ye)需(xu)要聚焦于(yu)一個高價(jia)值、高頻次、數據結構化程度(du)適中(zhong)的垂(chui)類(lei)場景(jing)，率先突破AI的實用性邊界。這些場景(jing)通常具有(you)明確的痛(tong)點需(xu)求和(he)可衡量的價(jia)值回報(bao)，如制造業(ye)中(zhong)的缺陷(xian)檢(jian)測和(he)良(liang)率預測等。
在選(xuan)擇(ze)切入(ru)場景時，除了考慮商業潛力和AI可行(xing)性外，還要重點評估(gu)數(shu)據的(de)(de)可用性和質量。一個理想的(de)(de)垂類模型場景，應該具備相對完整、標注充(chong)分的(de)(de)數(shu)據積累(lei)。這(zhe)往(wang)往(wang)需要企業在特(te)定領域有深厚(hou)的(de)(de)行(xing)業積淀(dian)和數(shu)字化基礎。因此，與行(xing)業頭(tou)部企業合作，或選(xuan)擇(ze)已經實現良(liang)好數(shu)字化的(de)(de)細分場景切入(ru)，往(wang)往(wang)是明智的(de)(de)選(xuan)擇(ze)。
這一階(jie)段的關鍵詞是：痛點明確、商業價值可(ke)衡量、數據可(ke)獲得(de)、流(liu)程可(ke)閉環。只(zhi)有同時滿足這四個條件(jian)，垂類模型項目才有可(ke)能在起步(bu)階(jie)段取(qu)得(de)突破。
階段二：構建能力飛輪，形成垂類護城河
當(dang)垂類AI模型在某個具(ju)體(ti)(ti)任務(wu)上實現(xian)穩定(ding)的、可(ke)靠(kao)的表現(xian)后，它就具(ju)備(bei)了形成“能(neng)力飛輪”的基礎。這個飛輪的運(yun)轉邏輯是：首先，隨著模型的不斷(duan)優化，其準確性(xing)(xing)、效率等核心性(xing)(xing)能(neng)指標不斷(duan)提(ti)升，用(yong)戶(hu)(hu)使(shi)用(yong)體(ti)(ti)驗(yan)越來(lai)越好；好的體(ti)(ti)驗(yan)吸(xi)引更多(duo)客戶(hu)(hu)接受(shou)和使(shi)用(yong)該AI系統，從(cong)而在實際業(ye)務(wu)中產生更多(duo)真實數據；更多(duo)的數據反過來(lai)又(you)可(ke)以(yi)用(yong)于持續訓練和優化模型，從(cong)而進一步(bu)提(ti)升模型性(xing)(xing)能(neng)和用(yong)戶(hu)(hu)體(ti)(ti)驗(yan)，形成正(zheng)向循環。
要(yao)驅動這一飛輪，關鍵(jian)是構(gou)建“模型能(neng)力”與“產品體驗”的雙引擎。
在(zai)“模(mo)型能力”方(fang)面(mian)，垂類模(mo)型企業(ye)(ye)基(ji)于不斷積累的(de)真實(shi)業(ye)(ye)務數據(ju)，對(dui)模(mo)型進行(xing)持(chi)續的(de)微調和優化(hua)，針對(dui)行(xing)業(ye)(ye)特定任務、知(zhi)識、語言和規(gui)則定制算法，最終形成高度可靠、性(xing)能卓(zhuo)越的(de)行(xing)業(ye)(ye)專屬(shu)模(mo)型（Domain-Specific Foundation Model）。
在“產品(pin)體驗”方面，僅有強(qiang)大的(de)(de)模型(xing)是不夠的(de)(de)，還需(xu)要從產品(pin)層面，圍繞行業用(yong)戶(hu)的(de)(de)真實(shi)(shi)需(xu)求(qiu)和(he)使用(yong)習慣，精(jing)心設計人機交(jiao)互、任務流程和(he)系(xi)統功能。很多時(shi)候用(yong)戶(hu)的(de)(de)需(xu)求(qiu)有待進一步澄(cheng)清，Agent的(de)(de)優勢在于它可以跟用(yong)戶(hu)進行多輪對(dui)話交(jiao)互，理解用(yong)戶(hu)的(de)(de)真實(shi)(shi)意圖，將用(yong)戶(hu)的(de)(de)高(gao)層指令(ling)轉化為(wei)可執行的(de)(de)具體任務，完成端到端成果交(jiao)付。
階段三：流程重構，邁向業務成果即服務（BOaaS）
當Agent掌握了理解用戶(hu)需求、調度算法(fa)模型、協(xie)同多方資(zi)源、開展端到端任務交(jiao)付(fu)的能力后，垂類AI企業就站上(shang)了從“工(gong)具”到“平臺”跨越的臺階。
這一階段的(de)(de)核心特征，是從“提供(gong)模型(xing)”轉向“交付服務”：企業不再把AI視為單點的(de)(de)功能工(gong)具，而是以(yi)之為杠桿，撬動行業流(liu)程(cheng)的(de)(de)全(quan)面重構，最(zui)終(zhong)實現業務成果即(ji)服務（BOaaS）的(de)(de)階躍。
在BOaaS模式下(xia)，企業交(jiao)付給客(ke)戶的，不再(zai)是(shi)一套解決(jue)方案，而是(shi)一個“端到端的服務(wu)承(cheng)諾(nuo)”：客(ke)戶只需輸入目(mu)標和(he)約束，智能系統(tong)就可以自動(dong)調度算法、數據、知識等數字資源，完成整個業務(wu)流程，交(jiao)付客(ke)戶所期(qi)望的結果。
對客(ke)戶而(er)言，他們所購買的(de)(de)不再是一(yi)個“死”的(de)(de)軟件系統，而(er)是一(yi)種“活”的(de)(de)智(zhi)能(neng)服(fu)(fu)務(wu)，一(yi)種隨需應變(bian)、持續優(you)化(hua)、快(kuai)速響(xiang)應的(de)(de)業務(wu)能(neng)力。這就是BOaaS的(de)(de)本質：業務(wu)流程的(de)(de)全(quan)棧智(zhi)能(neng)化(hua)，價值交付的(de)(de)服(fu)(fu)務(wu)化(hua)與柔性化(hua)。
當機(ji)器可(ke)以自動(dong)執(zhi)行(xing)80%的(de)(de)流(liu)程(cheng)性任務時，人的(de)(de)角色就(jiu)從(cong)“流(liu)程(cheng)的(de)(de)執(zhi)行(xing)者(zhe)”轉變為(wei)“流(liu)程(cheng)的(de)(de)設計優化者(zhe)”。
當然，BOaaS絕非一(yi)蹴而就，它對產業(ye)智(zhi)能(neng)(neng)化(hua)的(de)(de)深(shen)度和(he)廣度提出(chu)了(le)極(ji)高(gao)要(yao)求(qiu)。單點技術、單點場景的(de)(de)突破還遠(yuan)遠(yuan)不夠，必(bi)須通過(guo)持續的(de)(de)技術創新和(he)場景擴(kuo)展(zhan)，打造一(yi)張覆蓋業(ye)務(wu)全流程、全要(yao)素的(de)(de)“智(zhi)能(neng)(neng)化(hua)地圖”。
階段四：平臺化演化，占據行業的流程控制點
當越(yue)來越(yue)多的(de)客戶(hu)開始習慣于(yu)通過AI Agent完成各項任務，當垂(chui)類模型開始掌控(kong)行業中最(zui)關鍵的(de)業務流程時，垂(chui)類模型就(jiu)迎來了從“應用”到“平臺(tai)”的(de)最(zui)后一次躍遷。
當然(ran)“平臺(tai)化”并非所有垂類模型企(qi)業的必由(you)之(zhi)路，許多企(qi)業可(ke)能(neng)會選(xuan)擇專注于某(mou)個細分領(ling)域，成(cheng)為該領(ling)域的“小(xiao)而美(mei)”的服務提供商。能(neng)否(fou)最終完(wan)成(cheng)平臺(tai)化轉型，取決于企(qi)業的戰(zhan)略定力、技術實力、行業理解以及生態運作能(neng)力。
這條(tiao)路(lu)徑的(de)本質，并不是做一個更強(qiang)的(de)模(mo)型，而是通過Agent能力，逐步重(zhong)構行業流程，并最終贏得穩固的(de)生態位(wei)。
寫在最后
當我(wo)們回顧工業互聯網與(yu)垂類AI的發(fa)展歷程時(shi)，一個驚(jing)人(ren)的相似性(xing)浮(fu)現(xian)出來：它們都是從(cong)“連接”開(kai)始，到(dao)“賦(fu)能”升(sheng)級，最(zui)后走向“重(zhong)構”。
這意味著，產業互聯網的下半場，競爭的制高點已從“連接”轉向“算法”，從“聚數據”轉向“強認知”。
對工業互聯網平(ping)臺企業而言，只做設備管理、數據分析已不(bu)足以制勝，必須以垂直行業的(de)(de)智(zhi)能化場景與(yu)核心業務流程為導(dao)向(xiang)，發展面(mian)向(xiang)特定任務的(de)(de)認知智(zhi)能，真(zhen)正參與(yu)到業務決(jue)策與(yu)流程控制中，才能掌握平(ping)臺生(sheng)態的(de)(de)主導(dao)權。
而(er)對(dui)垂(chui)類(lei)AI企業而(er)言，深度理(li)解行業know-how、持(chi)續打磨(mo)場景化方案、提供(gong)端(duan)到端(duan)流程服務將是(shi)成功(gong)的關鍵。
那(nei)么(me)接下(xia)來(lai)我們需要回(hui)答(da)的問(wen)題是：什么(me)樣的企業適合走完這四階段？中間會面臨(lin)哪些組(zu)織(zhi)與技術斷點？如何構(gou)建護城河(he)？讓我們在(zai)下(xia)篇文章中繼續探索。
參考資(zi)料：
1.How to win at Vertical AI，作者(zhe)：Sangeet Paul Choudary，來源：Medium2.Rethinking growth and go-to-market in the age of AI，來源：Platform Revolution
