推荐语
AI Agent落地实践中的深刻洞察：为何我们最终选择了项目制而非标准化产品？
核心内容：
1. 项目制选择的背后逻辑：客户认知模糊与模型快速迭代的双重挑战
2. 标准化产品的现实困境：改造成本高企与市场教育缺失
3. 创业公司的生存策略：做随模型能力提升的"船"，而非会被淹没的"塔"
杨芳贤
53AI创始人/腾讯云(TVP)最具价值专家
自23年ChatGPT引爆市场以来，至今做了2年多AI Agent落地（最开始叫Bot），算上POC大大小小快20多个项目，这期间踩过坑，也在“产品”和“项目”之间反复犹豫和徘徊；我一直很认同一句话：
“所有的判断你自己都要去亲身下注，不去下注的判断是毫无意义的”，随便说说，指点江山谁都可以，只有亲身下注的判断才代表你真的相信； “自己想要什么，愿意放弃什么，心甘情愿的执行并完成这个交换“这是一切长期决策自洽的基础。
一个一开始就绕不开的问题，AI Agent应该像传统To B Sass“先定义产品-打磨功能-赌PMF“，还是像外包和解决方案公司一样“一个个项目给客户去定制，从中寻找产品机会”；第二种方式几乎在任何有理想的公司都会被否掉，因为项目制代表着人力成本高，利润薄，甚至是赔钱的，规模化遥遥无期会消耗掉团队意志”，我们最终选择了项目制优先，并不是因为它“更舒服”，而是因为当下的环境，已经不再支持用传统 SaaS 的方式去赌一个标准化产品。
1、 真正的不确定性，不在技术，而在客户认知：从24年我们就开始对外讲“Agent时代来了”，客户迷茫的回应到“哦，知道了！”，25年，媒体和市场开始大量讲“Agent元年“，客户找到我们说”我想试试，但不知道该做啥”；Karpathy在年底在Twitter说，“AI就像外星人给人类发了一个工具，但是没给你说明书”；所有的人都知道我应该用好AI，所有的人都被反复告知“AI能创造10倍的价值”；但所有的客户都同时处于两种焦虑之中，一是担心自己用错了方向，二是担心没把AI用到位；在这种高度焦虑、但又极度模糊的状态下，去推一个标准化产品，几乎注定会非常困难。- 所谓“标准化能力”，一旦进入真实业务场景，往往需要被大幅改造
问题不是产品不够好，而是客户根本还没想清楚“自己要解决什么问题”。2、 模型能力在快速进化，很多“产品壁垒”正在被一条 Prompt 抹平过去一年，模型能力的变化速度，远超传统 To B 产品的迭代节奏；从DeepSeek发布年底Gemmi3，Nanobana Pro，各家大厂你方唱罢我登场，模型能力边界不断外扩；一批公司的产品死在了被“一句Prompt”就能代替，他们之前可是花重金训模型，搭建工作流，一堆工程堆叠； Nanobana Pro 上线后，更是迅速催生了一批电商生图、生视频的创业公司，效果明显高于上一代依赖 ComfyUI 堆流程的方案这也让我们形成了一个非常明确的判断：
如果把模型比作水，那么创业公司要造的是“船”，而不是“塔”。
真正有价值的 Agent，不应该依赖某一代模型的“巧妙设计”，
而是能在模型能力提升时，自然水涨船高。
3、 AI工具链的不断成熟，“工程交付”正在转变为“认知交付”；
另一个明显变化，是 AI 工具链的成熟速度。
Agentbuilder，Vibecoding，MCP，Multi-agent，Agent-skills，opus4.5...项目交付形态不再是原型，方案，开发的瀑布流，而是手搓一个可体验的Demo，让客户眼见为实，真实体验，甚至线上验证数据，再来判断是否要落地；交付的核心，正在从“工程能力”，转向“认知能力”。谁更理解业务、理解人机协同边界、理解 Agent 在真实流程中的角色，谁就更有价值。
基于以上判断，我们选择了一条并不被大多数人“认可”的路径：先用项目制深入真实场景，不断沉淀：场景理解，行业认知，人机协同模式；再从中提炼可复用能力，可标准化模块，可规模化的产品形态，同时，我们也在持续抽象 Agent 的底层通用框架，为未来降低边际成本。这条路不轻松，但在当前阶段，它比“过早押注一个标准化产品”更诚实。
粤ICP备14082021号
免费POC，
零成本试错
