真正值錢的 AI，都長在業務里

2026年3月，硅谷圣何塞SAP中心，英偉達GTC大會再度成為全球AI產業的“超級碗”。黃仁勛身著標志性黑色皮夾克登場，用近兩小時演講，把行業從“模型崇拜”直接拽入智能體時代。

盡管會場掌聲依舊，但氣氛已截然不同。兩年前，全場為每一個炫酷Demo驚嘆；如今，幾乎沒人再說“哇”，散場后很多人都在問同一句話：技術路線很清楚，可到底要怎么落地？

這正是整個行業走到深水區的真實寫照：模型愈發強大、工具層出不窮、API持續走低，但企業AI應用依然停留在“能用”階段，跑不進流程、扎不進業務、形不成閉環。

特贊創始人、CEO范凌當時就坐在臺下。回國后他寫下《硅谷兩周，十個真話》，第一句便是：企業已經不問“要不要用AI”了，問的是“錢花了，為什么還沒見效”。這場GTC之行，印證了他長久以來的判斷：AI的終極壁壘從來不是模型，而是企業上下文；真正能創造商業價值的AI，必須深度長在業務里，而不是懸浮在工具層。

相關閱讀：https://mp.weixin.qq.com/s/0SOhCcFrq041gk5Ti3BaLA

在范凌看來，過去兩年企業最大的誤判，是把大模型當成能力，而不是系統。大模型解決的是“能不能做”，但企業真正關心的是“誰來持續做、怎么做、是否對結果負責”。當模型成為公共基礎設施之后，企業競爭進入一個新的階段—— 不再是Prompt的競爭，而是Context的競爭； 不再是工具的競爭，而是系統的競爭； 不再是生成能力的競爭，而是結果能力的競爭。

缺少扎根業務的“土壤”

過去三年，企業對AI的投入堪稱狂熱。從大模型采購、算力部署，到各類AI工具上線，幾乎每家大中型企業都推出了自己的AI戰略。但現實異常冷峻，Gartner、麥肯錫、BCG的多份報告都指出，絕大多數應用依然停留在寫文案、做PPT、總結紀要、美化報表等的單點提效層面，能進入核心業務、影響增長、改變決策的案例寥寥無幾。

問題根源從不在模型本身。

黃仁勛在GTC2026上已經點透真相。隨著推理拐點已至，算力性能指數級提升，多模態能力日趨成熟，模型正在快速變成像電力、自來水一樣的普惠基礎設施。企業之間的差距，早已不取決于“用誰家的模型”“參數有多大”，而在于這些模型跑在什么樣的業務環境里。

換句話說，眼下AI的比拼，已經從“比誰模型強”變成“比誰系統穩”。

范凌打了一個很形象的比方：如果模型是自來水，上下文是地段，模型生成智能，上下文生成結果。真正值錢的AI，都長在業務里，而不是長在模型里。

所謂的“上下文”，不單純是企業結構化和非結構化的數字資產，而是可化做一套完整的、動態的、可被AI理解的業務決策系統，包含企業長期形成的決策邏輯、審批規則、協作流程、偏好傾向、風險邊界，以及一次次項目中“為什么選A不選B”的權衡過程。

在范凌看來：“真正有價值的上下文，并不只是結果，而是決策的過程本身?！敝挥邪堰@些隱性知識、組織經驗、業務偏好全部數字化、結構化、可調用化，AI才能從“通用智能”變成“企業專屬智能”。

長期以來，恰恰這部分最有價值的資產處于沉睡狀態。人用不動、系統接不通、AI用不上。即便模型再強大，沒有專屬上下文，也只能給出放之四海而皆準的通用答案，無法貼合企業真實業務、真實偏好、真實規則。

更深層的卡點，在于人和組織，而非技術。

大多數企業面對AI的第一反應是“老瓶裝新酒”，在原有軟件上疊加AI功能。但實際上，企業軟件本來就復雜，盲目疊加AI只會更冗余混亂，讓用戶更困惑，最后導致沒人愿意為附加的AI買單。這也是為什么市場上那么多"AI+"產品,看起來很熱鬧,卻很難轉化為真實的續費率。

因此，AI要創造真正的商業價值，必須嵌入業務流程、沉淀決策經驗、持續進化迭代。而支撐這一切的底座，不是接口和提示詞，而是一套長期扎根業務、理解業務、承載業務的上下文系統。

而這，正是特贊在過去近十年里，默默做完的事。

上下文：難以復刻的長期壁壘

2015年，范凌回國在上海創立特贊，構想的是用科技賦能商業與社會的想象力。公司早期提供的是創意資源連接服務，聚合10萬多名專業創作者，為企業對接設計、文案、視頻、插畫等創意能力，累計交付數十萬項創意內容資產。

那時，行業還沒有“非結構化數據”“上下文”這些熱詞，特贊只是樸素地解決企業創意需求分散、效率低下、質量不可控、資產難以沉淀這些痛點。

直到六七年前，特贊做出關鍵戰略選擇，從創意服務轉向企業數字資產管理（DAM）。

彼時，企業內容進入爆發期。短視頻、社交媒體、私域、直播、電商多點開花，一家快消或美妝企業一年可能產生數萬甚至數十萬份圖文、視頻素材。這些內容散落在員工電腦、網盤、供應商后臺、設計工具里，版本混亂、查找困難、復用率極低，還暗藏極高的合規風險。

特贊DAM就此切入。它不是簡單的云存儲，而是一套覆蓋內容生產、統一管理、智能標簽、全域檢索、權限管控、合規審核、數據洞察的全棧系統，其能夠自動解析70余種文件格式，用AI完成打標、分類、去重、推薦，把內容查找時間從小時級壓縮到秒級，讓大型企業的內容協作效率提升60%以上。

特贊的DAM

在大模型時代之前，這些資產只是“內容管理系統里的文件”。但在智能體時代，它們變成了企業最稀缺的認知基礎設施。同樣的模型能力可以復制，但同樣規模和密度的企業上下文，無法復制。

這也是為什么Agentic AI的競爭，本質不是模型競爭，而是Context System的競爭。

更重要的是，特贊選擇服務聯合利華、寶潔、歐萊雅等世界500強這些最嚴苛的客戶，構筑了后來者無法逾越的三層壁壘。

不可速成的上下文資產是第一層壁壘。特贊DAM存儲的從來不是孤立文件，而是企業完整的決策鏈路、項目歷史、品牌規則、創意偏好、用戶洞察、合規邊界與市場反饋。范凌指出：“真正有價值的上下文，并不只是結果，而是決策的過程本身。”這些資產與業務深度綁定，隨時間復利增長，遷移成本極高，無法通過開源數據、算法優化快速復制。

多重能力的復合門檻構成第二層壁壘。比如能做內容工具的，未必懂企業合規；能做模型算法的，未必懂創意邏輯；能做垂直場景的，未必具備跨行業復用能力。特贊基于AI工程能力與十年企業服務經驗沉淀，逐步形成了從內容理解、AI工程化到企業級交付的“三位一體”能力結構，這是單一技術團隊或工具團隊無法補齊的。

大客戶信任與合規體系則是第三層壁壘。中大型企業選型謹慎、驗證周期長、替換成本極高。一旦形成穩定合作，后來者幾乎無法靠單點功能切入。特贊在數據安全、隱私合規、跨區域協同、復雜組織適配方面的長期投入，構成了一道堅實的護城河。

這也合理解釋了行業內的一個奇特現象，做內容工具的玩家不少，但長期深耕并走到智能體階段的，似乎沒跑出來第二個特贊。

特贊的特殊性更體現在三個同時成立的前提條件：

第一，需要長期沉淀企業上下文；
第二，需要把真實業務流程抽象成可調用的Agent Skills；
第三，需要愿意對結果負責，而不是只交付工具。

這三件事，很少有公司能夠同時完成，并且持續十年。

長期以來，外界把特贊視為內容營銷公司、創意工具公司、SaaS軟件公司，但無論被外界貼以何種標簽，特贊過去的經歷始終有一條主線沒有變過——讓企業沉睡的非結構化內容,變成可被調用、可產生價值的資產。只不過在大模型時代,這件事有了新的名字:上下文。"

它不是突然做AI，只是AI時代到來時，早已筑牢了堅實的地基。

GEA，用十年積累重構AI價值

范凌坦言，創業十年，過去其實一直覺得很孤獨，特贊做的是一件"長在業務深處"的事,似乎不夠性感。但隨著GPT-4和Deepseek輪番登場，AI賽道這三年突然變得異常擁擠和熱鬧。

從2025年開始，行業發生了一次底層轉向。AI調用內容的主體，從過去“人”打開系統、找素材、做編輯、發出去，變成了“智能體”7×24小時自動理解需求、調取資產、執行任務、持續迭代。

這一變化，直接把特贊十年積累的核心優勢，推到了行業最前沿。

范凌似乎對此有著清醒的判斷：“如果只沿著原有邊界不斷加AI，最終很可能什么都不會真的改變。面對AI，我們應該把它當作一塊新大陸?！?/p>

因此，特贊沒有走“老瓶裝新酒”的路數，而是圍繞核心問題，從零打造AI原生產品。最終的成果，就是2026年3月剛剛發布的GEA（Generative Enterprise Agent）企業級智能體系統。

GEA既不是插件，也不是Copilot，而是一套擁有四層架構、全棧閉環、主動運行的系統。最底層是Context System（由特贊DAM升級而來），作為企業級上下文記憶系統，承載企業全部專屬資產與規則；往上是智能體技能層，擁有400 +模塊化能力，由Proactive Agent體系調用執行；再上是編排層，由特贊自研的發散推理模型（Creative Reasoning Model）驅動，先發散探索、再收斂決策，調度30余個細分模型；最上層是意圖層，直接理解企業商業目標，而非單純的技術指令。

這套架構徹底改變了AI在企業里的角色定位。智能體不再局限于被動響應指令、完成單次生成任務，而是能夠圍繞業務目標自主運轉，持續感知外部信號與內部狀態，并在關鍵節點主動發起動作。它不再只是提升人效的輔助工具，而是可以獨立承接業務流程、對中間過程與最終結果負責的執行單元。更為重要的是，每一次運行都會沉淀為可復用的經驗與規則，讓整個系統在持續使用中不斷迭代、變得更貼合企業業務特點。

范凌談到，“過去企業買軟件，是為了管理流程；過去三年企業試模型，是為了提升效率；接下來企業部署智能體，是為了交付結果。”

這意味著企業軟件正在從"Seat-based software"(席位訂閱制),進入"Outcome-based system"(結果訂閱制)的時代。這是一個可能重塑整個SaaS估值邏輯的判斷。

實際上，GEA在正式發布的半年前，就已在特贊存量客戶中率先落地。范凌透露，當前特贊存量客戶里已經有近三成主動切換到了新體系，涵蓋快消、汽車、美妝、醫療健康等多個領域。

例如某國際快消品牌，此前的新品研發一直遵循線性流程，從市場調研、概念創意、包裝設計、用戶測試到上市推廣，一環扣一環，周期動輒3-6個月。團隊一年要絞盡腦汁推出20多個創意，最終能順利問世的寥寥無幾，大量投入在漫長周期與反復試錯中被消耗。

引入GEA之后，這套傳統流程得到了重構和優化。智能體不間斷捕捉全球市場信號、競品動態、電商數據與社交媒體輿情，從消費者的一句吐槽、一個偏好、一次潛在需求中，實時挖掘創新線索。它不再等待人工指令，而是基于品牌完整上下文，自動生成產品概念、包裝方案、營銷話術，并同步聯動AI Persona與真人測試進行雙重驗證，快速迭代、持續優化。

效果立竿見影，如今該品牌已有超過300個產品方案進入測試階段，最終成功上市十余款新品。今年農歷新年期間引爆市場的爆款禮盒，正是由GEA全流程支撐、從洞察到落地一氣呵成的典型案例。

再比如某全球知名3C品牌，借助GEA破解了運營面臨文化差異、平臺規則復雜、內容迭代慢、品牌調性難統一等海外社媒增長的長期難題。有了GEA，AI不再是輔助創作的工具，而是直接對增長結果負責的“業務一號位”，能實時監測數據、自動復盤效果、動態調整策略，原本需要策劃、文案、設計、投放、數據、本地化團隊協同數周的工作，如今都能夠獨立閉環、持續運行，團隊只需做關鍵校準與戰略把控。

上述兩個案例，印證了GEA的核心價值：一是不做錦上添花的提效，而是做重構業務的系統；二是不做炫技的Demo，而是解決真問題、交付真結果、帶來真增長。

從資本市場視角看，Agentic AI代表的是企業軟件的一次結構性升級。

過去三十年,企業軟件的價值錨定在"流程數字化"上——從ERP、CRM到SaaS,本質都是在幫企業把線下流程搬到線上、把人的操作規范化。未來十年,企業軟件的價值錨定將轉向"結果交付"——不再按席位數付費,而是按業務成果付費。

當模型成為公共基礎設施之后，真正具備長期價值的公司，不再是模型提供者，而是能夠構建上下文系統、編排能力與執行閉環的平臺型企業。

在這個坐標系里,特贊的路徑與大多數"AI應用層"玩家截然不同。它并不是"在模型之上做應用",而是圍繞企業上下文構建一整套智能體操作系統。這使其商業模式,從席位訂閱轉向結果訂閱——這不是一個功能升級,而是一次商業模式的結構性躍遷。這一年的特贊,收入迎來了歷年最高，ARR逼近1億美元。在AI應用層普遍"Demo很炫、收入很瘦"的當下,這種結構性躍遷并不多見。

在范凌眼中，這次轉型近乎一場 “對過去的告別”。

這場告別，不是否定過去，而是將特贊十年積累的能力，在AI時代充分釋放。企業服務的重心也隨之轉移，不再只是為人提供效率工具，而是為智能體構建可長期運行的底層系統。業務邊界也逐步拓展，從以往聚焦的營銷場景，延伸到支撐企業更完整的業務鏈條，包括產品創新、用戶洞察等核心經營場景。與此同時，商業模式也從傳統的席位訂閱，轉向與業務價值、Token消耗相關的新計價方式。特贊與客戶的關系不再局限于被動響應需求，而是走向共同定義業務未來的深度協作。

模型可以迭代，算力可以升級，工具可以替換。但真正決定企業AI上限的，是它是否擁有屬于自己的上下文系統。

在范凌看來，下一代企業之間的差距，不在誰先接入模型，而在誰更早讓智能體進入業務。而特贊用近十年實踐證明，模型可以迭代、算力可以升級、工具可以替換，而扎根業務的上下文、理解業務的編排能力、交付結果的全棧體系，才是企業AI時代真正的護城河。

商業的智能體時代的序幕已經拉開。真正的競爭，在一家家企業的業務深處,在那些曾經被忽視的決策細節、協作鏈路和組織記憶里。

那里,才是AI真正值錢的地方。

本文來自虎嗅，原文鏈接：https://www.huxiu.com/article/4851552.html?f=wyxwapp