作者(zhe)：彭昭（智次方創始(shi)人、云和資本聯(lian)合創始(shi)合伙人）
這(zhe)是我的第368篇專欄文章。
生成式(shi)AI正處于(yu)寒武紀式(shi)爆發后的(de)第一輪進化期(qi)。通用(yong)(yong)大模型在(zai)展現驚人能力的(de)同時，也逐漸暴露出(chu)成本高昂(ang)、應用(yong)(yong)泛(fan)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，從醫療(liao)、法律到制造、消(xiao)費、金融等領域，越來越多企業試圖構建面向特(te)定(ding)行(xing)業的專屬(shu)AI系統(tong)(tong)。這些系統(tong)(tong)更加理解領域語(yu)言、更貼近業務流程、更容易嵌入既有系統(tong)(tong)。
但現實(shi)(shi)遠比愿景更加(jia)復雜：模(mo)型效(xiao)果(guo)高度依賴場景調優，實(shi)(shi)際(ji)應用效(xiao)果(guo)有(you)限；企業(ye)數據碎片化嚴重，難(nan)以(yi)支(zhi)撐有(you)效(xiao)訓(xun)練；商業(ye)模(mo)式模(mo)糊，客(ke)戶(hu)難(nan)以(yi)形成長期綁定。
“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，隨著工業互聯網的概念于2012年由(you)美國通用電氣公司（GE）提出(chu)，工(gong)業互(hu)聯(lian)網平臺企業也曾經歷從“連接設備”到“重構流程”、再到“平臺化生態”構想的熱潮與幻滅。他們面臨的挑戰同樣是：在(zai)技術突(tu)破之后，如何構建可持續的業務模式與平臺控制力？
今(jin)天(tian)，垂(chui)類模(mo)型企(qi)業正站(zhan)在(zai)相似的(de)十字路口。不同(tong)的(de)是，他(ta)們手(shou)中握有一個全新(xin)的(de)杠桿工具：AI Agent與流(liu)程重構(gou)能力——不僅(jin)僅(jin)是自動化任務，而是輔(fu)助并(bing)重構(gou)工作流(liu)。
在(zai)本文中，我們(men)將共同探(tan)索(suo)：在(zai)產業AI的戰(zhan)局(ju)中，誰能真正突圍？誰能構(gou)建長期壁壘(lei)？垂(chui)類(lei)模型的終(zhong)局(ju)，會是一(yi)場新的“平臺之戰(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(lei)模型與工業互聯網，有何相(xiang)似與不同？
雖然垂類模(mo)型(xing)與工業(ye)互聯網(wang)誕(dan)生于(yu)不同的(de)技術周期，但(dan)它們在“從(cong)工具走向平臺”的(de)路徑上，呈現出高度相似的(de)結(jie)構性挑戰。
我們可以從四個核(he)心(xin)維(wei)度進行類比(bi)分析：
起點相似：都從“工具”切入業務底層
工業互聯網(wang)的(de)起點是設備上云與(yu)(yu)邊緣采(cai)集(ji)，試圖用傳感器與(yu)(yu)平臺打通物理世界的(de)數據(ju)盲區。這一(yi)過(guo)程強(qiang)調數據(ju)采(cai)集(ji)與(yu)(yu)系統連(lian)接，為后(hou)續的(de)數據(ju)分析與(yu)(yu)流程優化奠(dian)定基(ji)礎。
而(er)垂類(lei)模型(xing)(xing)的(de)(de)起(qi)點則是大模型(xing)(xing)能力的(de)(de)遷移，希望利用語(yu)義理解(jie)與(yu)任務(wu)實現，從認知層“輔助人類(lei)工(gong)作”。這(zhe)意味著，垂類(lei)模型(xing)(xing)不僅要理解(jie)業務(wu)數(shu)據，還(huan)要深度理解(jie)業務(wu)流程與(yu)專業知識，進而(er)實現對(dui)工(gong)作流的(de)(de)自動化與(yu)重構。
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)業互(hu)聯網的(de)核心挑戰在于數據異構與(yu)(yu)系統集成，強調(diao)流程建模與(yu)(yu)IT/OT融合(he)。由于工(gong)業領(ling)域(yu)的(de)數據種(zhong)類(lei)繁多(duo)、格式各異，且分散在不同(tong)的(de)系統與(yu)(yu)設備(bei)中，因此(ci)需(xu)要通過數據集成與(yu)(yu)流程建模，將它(ta)們統一(yi)(yi)(yi)到(dao)一(yi)(yi)(yi)個平臺中進行(xing)管理和分析(xi)。這往往需(xu)要復雜的(de)系統對接與(yu)(yu)數據清洗工(gong)作，是(shi)一(yi)(yi)(yi)個漫長而艱(jian)巨的(de)過程。
而垂(chui)類模(mo)型(xing)的(de)(de)(de)關鍵在于三個(ge)方面(mian)：一(yi)是(shi)模(mo)型(xing)能(neng)(neng)(neng)力(li)適配性，即如何將(jiang)通用大模(mo)型(xing)的(de)(de)(de)能(neng)(neng)(neng)力(li)遷移到特定行(xing)(xing)業，融(rong)入行(xing)(xing)業知(zhi)識和語(yu)言(yan)習(xi)慣(guan)；二是(shi)Agent的(de)(de)(de)任(ren)務(wu)(wu)(wu)規劃與上下文保持(chi)能(neng)(neng)(neng)力(li)，即如何讓(rang)AI Agent理解(jie)任(ren)務(wu)(wu)(wu)的(de)(de)(de)環境與場景，合(he)理拆解(jie)任(ren)務(wu)(wu)(wu)并持(chi)續跟蹤執行(xing)(xing)狀態(tai)；三是(shi)流程(cheng)級任(ren)務(wu)(wu)(wu)自(zi)(zi)(zi)動化(hua)能(neng)(neng)(neng)力(li)，即AI Agent需要(yao)能(neng)(neng)(neng)夠(gou)自(zi)(zi)(zi)動執行(xing)(xing)一(yi)系列復雜(za)任(ren)務(wu)(wu)(wu)，實(shi)現端(duan)到端(duan)的(de)(de)(de)流程(cheng)自(zi)(zi)(zi)動化(hua)。
因(yin)此(ci)，與工業(ye)互(hu)(hu)聯(lian)網強調“打通系統”不(bu)同，垂(chui)類(lei)模型更強調“輔助流程”。它(ta)不(bu)僅要(yao)實現數據的互(hu)(hu)聯(lian)互(hu)(hu)通，還要(yao)通過AI Agent實現業(ye)務流程的自(zi)動(dong)化(hua)與智能化(hua)，從(cong)而(er)更為徹底的釋放數據價(jia)值。
商業模式演化：從平臺即服務（PaaS）到業務成果即服務（BOaaS）
工(gong)(gong)業(ye)互聯網平(ping)(ping)臺(tai)主要以PaaS（平(ping)(ping)臺(tai)即服務(wu)）和SaaS（軟件即服務(wu)）的(de)模式(shi)(shi)交付。但(dan)在實(shi)踐中，由于工(gong)(gong)業(ye)領域的(de)復雜性和定(ding)制化需求，很多平(ping)(ping)臺(tai)最終不(bu)(bu)得不(bu)(bu)轉向“項目定(ding)制”模式(shi)(shi)，為每(mei)個客戶單獨開發和部署(shu)系統(tong)，這(zhe)導致(zhi)平(ping)(ping)臺(tai)難以實(shi)現規(gui)模化發展。
而垂類模(mo)型從(cong)一開始就具(ju)備“API化(hua)”的(de)基因。通(tong)(tong)過大(da)模(mo)型與Agent的(de)結合，它可以將復雜的(de)任(ren)務流程封裝為(wei)簡單的(de)API接口(kou)，用戶只需通(tong)(tong)過API調用，即可獲得端到端的(de)流程自動(dong)化(hua)服務，而無需關心底層的(de)技術細節。
更重要的(de)是，垂(chui)類模(mo)型可以直(zhi)接面向任(ren)務(wu)結果(guo)的(de)交付，催生出一種新的(de)商業模(mo)式(shi)：業務(wu)成(cheng)果(guo)即服務(wu)（Business Outcome-as-a-Service）。BOaaS模(mo)式(shi)提供的(de)是任(ren)務(wu)結果(guo)，AI Agent全程輔助任(ren)務(wu)執行過(guo)程，用戶只(zhi)需要向Agent下達指令，然后(hou)等(deng)待(dai)結果(guo)交付。
舉個(ge)例子(zi)，傳統的(de)進銷存(cun)(cun)SaaS軟件，提(ti)供(gong)了(le)記(ji)錄和(he)管理(li)進銷存(cun)(cun)數據(ju)(ju)的(de)工具，用(yong)戶仍然需要(yao)(yao)半(ban)自動輸入(ru)(ru)數據(ju)(ju)、盤點庫存(cun)(cun)、處理(li)異常等。而(er)如果(guo)是一個(ge)基于垂類模型的(de)進銷存(cun)(cun)BOaaS模式(shi)，用(yong)戶只(zhi)需要(yao)(yao)告(gao)訴AI Agent需要(yao)(yao)采(cai)購什(shen)么商(shang)品，Agent就可以(yi)自動完成(cheng)供(gong)應商(shang)選擇、價(jia)格比對(dui)、合同簽訂、訂單跟蹤(zong)、入(ru)(ru)庫登記(ji)等一系列工作，最(zui)終將采(cai)購完成(cheng)的(de)結果(guo)反(fan)饋(kui)給用(yong)戶。
可以說， BOaaS模式代(dai)表(biao)了一(yi)種全新的生產力組織方式。它意味著，AI不再只是輔助(zhu)人(ren)類工(gong)(gong)作的工(gong)(gong)具，而是能夠主動(dong)承接和執行任務的“數(shu)字員(yuan)工(gong)(gong)”。當然，這并(bing)不意味著AI可以完(wan)全取代(dai)人(ren)類，而是通過人(ren)機協作，將人(ren)類從(cong)重復(fu)性、程式化的工(gong)(gong)作中解放出來，騰出更多(duo)時間和精力去創造(zao)價值。
成敗關鍵一致：最終都要“掌控流程關鍵點”
工業(ye)互聯網平臺(tai)的(de)成敗，不在于技術多強，而(er)(er)在于能(neng)否構建(jian)起(qi)(qi)“平臺(tai)飛輪”效應。這(zhe)意味著(zhu)，平臺(tai)需要聚合(he)足夠多的(de)設備和數(shu)據資源，吸引開發(fa)者和獨(du)立(li)軟(ruan)件(jian)開發(fa)商（ISV）入(ru)駐，形成生態閉環，從而(er)(er)建(jian)立(li)起(qi)(qi)客戶(hu)對(dui)平臺(tai)的(de)信賴(lai)關系。
具體來說，工業互聯網(wang)平臺要實現的(de)(de)(de)(de)是“設(she)備(bei)-數據-應用-客(ke)(ke)戶(hu)”的(de)(de)(de)(de)正(zheng)(zheng)向循環：連接更(geng)多的(de)(de)(de)(de)設(she)備(bei)，采集更(geng)多的(de)(de)(de)(de)數據；積(ji)累的(de)(de)(de)(de)數據吸引更(geng)多的(de)(de)(de)(de)開發(fa)者基于平臺開發(fa)應用；豐富的(de)(de)(de)(de)應用生態吸引更(geng)多的(de)(de)(de)(de)客(ke)(ke)戶(hu)使用平臺；更(geng)多的(de)(de)(de)(de)客(ke)(ke)戶(hu)意味著更(geng)多的(de)(de)(de)(de)設(she)備(bei)接入(ru)和數據積(ji)累，從(cong)而形成正(zheng)(zheng)向循環。
垂(chui)類大模(mo)(mo)型企業的(de)成功，同(tong)樣取決于(yu)能否占據“流(liu)程控制點”，構建(jian)“數據-模(mo)(mo)型-應(ying)用”的(de)閉環生(sheng)態(tai)。此外，垂(chui)類AI要真正建(jian)立起平臺生(sheng)態(tai)，還需要綜合考慮開發者從零到一(yi)的(de)成長陪跑、數據安全與隱私(si)、模(mo)(mo)型迭代與優(you)化等(deng)因素。
盡管工(gong)業(ye)互聯網和垂類模型(xing)在(zai)技術(shu)路(lu)徑上有(you)所不同，但它們的(de)終局(ju)殊途同歸，都(dou)是要(yao)通過“連接”和“賦能”，打(da)造(zao)產業(ye)數字化(hua)轉型(xing)的(de)操作系統和生態(tai)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(cong)本(ben)質上說，工業(ye)互聯網解決的是(shi)“數(shu)字(zi)化(hua)”問題，即如何將原本(ben)離散(san)、割裂(lie)的設備、數(shu)據和系(xi)統連接起來(lai)，形(xing)成統一的數(shu)字(zi)空(kong)間；而垂(chui)類模型解決的是(shi)“智能化(hua)”問題，即如何在統一的數(shu)據基礎上，用(yong)AI重構(gou)業(ye)務流(liu)程、優化(hua)資源配置、創造(zao)新的價值(zhi)。
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(de)平(ping)臺不僅要連接海量的(de)設備和數(shu)據，還要用AI為(wei)企業(ye)和行業(ye)持續賦(fu)能，構建包(bao)括(kuo)軟硬(ying)件基礎設施、技術、運營在(zai)內的(de)全棧式解(jie)決方(fang)案。
垂類模型的4階段進化路徑：從工具到平臺的躍遷軌道
在此(ci)前(qian)的(de)(de)文章中，我曾(ceng)經介紹過工業互(hu)聯網的(de)(de)3個發展階(jie)(jie)段(duan)：階(jie)(jie)段(duan)1內化(hua)，打通企(qi)業業務流程的(de)(de)信息(xi)化(hua)；階(jie)(jie)段(duan)2外(wai)(wai)化(hua)，延展產(chan)品服務的(de)(de)價(jia)值鏈階(jie)(jie)段(duan)；階(jie)(jie)段(duan)3外(wai)(wai)掛，對外(wai)(wai)賦(fu)能發展新的(de)(de)商業模式。
有了工業(ye)互聯網(wang)平臺的(de)借鑒(jian)，垂直模型的(de)進化之路預計(ji)將更加快速(su)。
垂直AI的演進，本質上是一個(ge)從“解(jie)決單一任務”到“輔助整個(ge)流程(cheng)”，再到“承載行業(ye)生態平臺”的能力躍(yue)遷過程(cheng)。
通過對產業先行者的(de)實踐路徑(jing)進(jin)行梳理(li)，我(wo)們可以將其歸納為四個典型的(de)發展階段：
階段一：垂直切入，解決剛需痛點
在初始階(jie)段，企業需(xu)要聚焦于(yu)一(yi)個高(gao)價值、高(gao)頻次、數據結(jie)構(gou)化程度適中(zhong)的(de)(de)垂類場景，率(lv)先突破AI的(de)(de)實(shi)用性邊界。這(zhe)些場景通(tong)常具有(you)明確的(de)(de)痛點需(xu)求和可衡(heng)量(liang)的(de)(de)價值回報(bao)，如制造業中(zhong)的(de)(de)缺(que)陷(xian)檢測(ce)和良率(lv)預測(ce)等(deng)。
在選(xuan)擇切入場(chang)景(jing)時，除了考慮(lv)商業潛力和(he)AI可(ke)行(xing)性(xing)外，還要(yao)重點評(ping)估數(shu)(shu)據(ju)的(de)可(ke)用性(xing)和(he)質量。一個(ge)理想的(de)垂類模型(xing)場(chang)景(jing)，應(ying)該具(ju)備相對(dui)完整、標注(zhu)充分的(de)數(shu)(shu)據(ju)積累(lei)。這(zhe)往往需要(yao)企業在特(te)定領域有深厚的(de)行(xing)業積淀和(he)數(shu)(shu)字化(hua)基礎。因此，與行(xing)業頭部企業合(he)作(zuo)，或選(xuan)擇已經實現良好數(shu)(shu)字化(hua)的(de)細(xi)分場(chang)景(jing)切入，往往是明智的(de)選(xuan)擇。
這一階(jie)段的關鍵詞是：痛點明(ming)確、商業(ye)價(jia)值(zhi)可衡(heng)量、數據可獲得(de)、流程可閉環。只(zhi)有同(tong)時滿足(zu)這四(si)個條件，垂類(lei)模型項目(mu)才有可能在起步階(jie)段取得(de)突(tu)破。
階段二：構建能力飛輪，形成垂類護城河
當垂類AI模(mo)型在(zai)某個(ge)具體任(ren)務(wu)上實現(xian)穩定的(de)(de)、可靠的(de)(de)表現(xian)后(hou)，它就具備了形成(cheng)“能力飛輪”的(de)(de)基礎。這個(ge)飛輪的(de)(de)運轉邏輯是：首先，隨(sui)著模(mo)型的(de)(de)不斷優(you)化(hua)，其準確性(xing)、效率等核心性(xing)能指標不斷提升，用(yong)(yong)(yong)(yong)戶使(shi)用(yong)(yong)(yong)(yong)體驗(yan)越來越好(hao)；好(hao)的(de)(de)體驗(yan)吸引(yin)更多客戶接受和(he)(he)使(shi)用(yong)(yong)(yong)(yong)該AI系統，從而(er)在(zai)實際業務(wu)中產生(sheng)更多真實數據；更多的(de)(de)數據反過來又可以用(yong)(yong)(yong)(yong)于持續訓練和(he)(he)優(you)化(hua)模(mo)型，從而(er)進(jin)一步(bu)提升模(mo)型性(xing)能和(he)(he)用(yong)(yong)(yong)(yong)戶體驗(yan)，形成(cheng)正向循環。
要驅動這一飛輪(lun)，關鍵是構建(jian)“模型能(neng)力”與“產品(pin)體(ti)驗”的雙(shuang)引擎(qing)。
在“模型能力”方(fang)面，垂類模型企業基于不(bu)斷積累的(de)(de)真(zhen)實業務(wu)數據，對(dui)模型進(jin)行持續的(de)(de)微調和(he)優化，針對(dui)行業特定任務(wu)、知識(shi)、語言和(he)規(gui)則定制(zhi)算法，最(zui)終形成高度可靠、性能卓越(yue)的(de)(de)行業專屬(shu)模型（Domain-Specific Foundation Model）。
在“產(chan)(chan)品(pin)體(ti)(ti)驗(yan)”方面，僅有(you)強大(da)的模(mo)型是不夠(gou)的，還需(xu)(xu)要從產(chan)(chan)品(pin)層面，圍(wei)繞行業用(yong)(yong)戶(hu)(hu)的真(zhen)實需(xu)(xu)求和(he)使(shi)用(yong)(yong)習慣(guan)，精心設計人機交互(hu)、任(ren)務流(liu)程和(he)系統功能。很(hen)多(duo)時(shi)候(hou)用(yong)(yong)戶(hu)(hu)的需(xu)(xu)求有(you)待進一步澄清，Agent的優(you)勢在于它可以(yi)跟用(yong)(yong)戶(hu)(hu)進行多(duo)輪對話交互(hu)，理解用(yong)(yong)戶(hu)(hu)的真(zhen)實意圖，將(jiang)用(yong)(yong)戶(hu)(hu)的高(gao)層指令(ling)轉化(hua)為可執(zhi)行的具體(ti)(ti)任(ren)務，完成端到端成果交付。
階段三：流程重構，邁向業務成果即服務（BOaaS）
當(dang)Agent掌握了(le)理解用戶需求、調度算法模型、協(xie)同(tong)多方資源(yuan)、開展端到(dao)端任務交付的能(neng)力后，垂類(lei)AI企(qi)業就站上(shang)了(le)從(cong)“工具(ju)”到(dao)“平(ping)臺”跨越的臺階。
這(zhe)一階(jie)段(duan)的核心特征，是(shi)從(cong)“提供(gong)模(mo)型”轉向“交付服務”：企業(ye)不再把AI視(shi)為(wei)單點的功能工具(ju)，而(er)是(shi)以之為(wei)杠(gang)桿，撬動行業(ye)流程的全面重構，最(zui)終實(shi)現業(ye)務成果即服務（BOaaS）的階(jie)躍。
在BOaaS模式下(xia)，企業(ye)交(jiao)付給客戶(hu)的，不再是一套解決(jue)方案，而是一個(ge)“端到端的服務(wu)承諾”：客戶(hu)只需輸入目標和約束，智(zhi)能系(xi)統(tong)就(jiu)可以自動調度(du)算法、數(shu)據、知識等數(shu)字資(zi)源，完成整個(ge)業(ye)務(wu)流程，交(jiao)付客戶(hu)所(suo)期(qi)望的結果(guo)。
對客戶(hu)而言，他們(men)所(suo)購買的不再是一個“死”的軟(ruan)件系統，而是一種“活”的智(zhi)能(neng)服(fu)務，一種隨需應(ying)變、持(chi)續優化、快速響應(ying)的業務能(neng)力。這就是BOaaS的本質：業務流程的全棧(zhan)智(zhi)能(neng)化，價值交付的服(fu)務化與柔性化。
當機器(qi)可以自(zi)動執(zhi)行80%的(de)流程性任務(wu)時，人的(de)角色就(jiu)從“流程的(de)執(zhi)行者”轉變為“流程的(de)設計(ji)優化者”。
當然，BOaaS絕(jue)非一蹴而就，它對產業智(zhi)能化的(de)深度(du)和廣(guang)度(du)提出(chu)了極高要求。單(dan)點技(ji)術、單(dan)點場景的(de)突破還(huan)遠遠不夠，必須通(tong)過持續的(de)技(ji)術創新和場景擴展，打造一張覆蓋業務全流程、全要素的(de)“智(zhi)能化地圖”。
階段四：平臺化演化，占據行業的流程控制點
當越(yue)來(lai)越(yue)多(duo)的(de)客戶開始習慣于通過AI Agent完成(cheng)各項任務，當垂(chui)類模型(xing)開始掌控行業中最關鍵的(de)業務流程(cheng)時，垂(chui)類模型(xing)就迎(ying)來(lai)了從(cong)“應用”到“平(ping)臺”的(de)最后一次躍(yue)遷(qian)。
當(dang)然“平臺化”并(bing)非所(suo)有垂類模型(xing)企業(ye)的(de)(de)必由之路，許多企業(ye)可能會選擇專注(zhu)于某(mou)個細分領域(yu)，成(cheng)為該領域(yu)的(de)(de)“小而(er)美(mei)”的(de)(de)服務提供(gong)商。能否最終(zhong)完成(cheng)平臺化轉(zhuan)型(xing)，取決于企業(ye)的(de)(de)戰略定力(li)、技術實力(li)、行業(ye)理解(jie)以及生態運(yun)作能力(li)。
這(zhe)條路徑(jing)的(de)(de)本質，并不是做(zuo)一個(ge)更強(qiang)的(de)(de)模型，而(er)是通過Agent能(neng)力，逐步重構行業流程，并最(zui)終贏得穩固的(de)(de)生(sheng)態位。
寫在最后
當我們(men)回顧工業(ye)互聯網(wang)與垂類AI的發展歷程時，一個驚人的相似性浮現出來：它們(men)都(dou)是從“連接(jie)”開始，到“賦能”升級，最(zui)后(hou)走向(xiang)“重構”。
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(ye)(ye)互聯網平臺(tai)企業(ye)(ye)而言，只(zhi)做設備管理、數據分(fen)析(xi)已不(bu)足以制(zhi)勝，必須以垂直行(xing)業(ye)(ye)的(de)(de)智能化場景與核心業(ye)(ye)務流(liu)(liu)程(cheng)為(wei)導向，發展面向特定(ding)任務的(de)(de)認(ren)知智能，真正(zheng)參(can)與到業(ye)(ye)務決策與流(liu)(liu)程(cheng)控制(zhi)中，才能掌握(wo)平臺(tai)生態的(de)(de)主導權。
而對(dui)垂類AI企業而言，深度理解行業know-how、持續打磨場(chang)景化方案、提供(gong)端到端流程服務將是成功的關鍵。
那么接下(xia)(xia)來我們(men)需要回答的問題是：什么樣的企業(ye)適(shi)合走完這四階段？中間會面(mian)臨哪些(xie)組織與(yu)技術斷(duan)點？如何構建護城河？讓(rang)我們(men)在下(xia)(xia)篇文(wen)章中繼續探索(suo)。
參考資(zi)料：
1.How to win at Vertical AI，作者：Sangeet Paul Choudary，來源：Medium2.Rethinking growth and go-to-market in the age of AI，來源(yuan)：Platform Revolution
