從能對話到能賺錢：一場關於Agent商業化的殘酷坦白局｜ WAIC2026

在 WAIC 2026 的一場深夜圓桌討論上，幾位來自中國、美國與新加坡的 AI 創業者，毫不迴避地攤開了 Agent 商業化過程中最真實的困境與對策。這不是一場成功學的宣講，而是一場關於「怎麼活下去、怎麼賺到錢」的殘酷坦白局。與會者包括 Jobright.ai 聯合創始人鄭玉典、Agnes AI 合夥人孫卓、Cloudsway AI 創始人杜知恆以及紅熊 AI 執行總裁楊曉煜，他們從各自的商業模式出發，分享在快速變遷的市場中，如何讓 AI 從「能對話」真正進化到「能賺錢」。 「三年前和我們一同拿到融資的很多公司，現在已經有不少退出了市場。」鄭玉典的一句話，點出了 AI 創業的高度汰換率。短短兩三年間，OpenAI、Anthropic 等頭部公司市值衝進全球前十，但與此同時，大批初創企業在資本潮退後迅速消失。市場對企業 AI 的要求也愈來愈嚴格，Gartner 預測指出，企業 AI 預算正受到更嚴格的審查，支出將集中在能明確展現成本、時延、性能與可靠性商業價值的供應商身上。這意味著，買方不再為「炫技」買單，而是必須為「結果」付費。 「賺錢難」是這場對話中所有創業者的共同感受。鄭玉典算過兩筆帳：第一是 Token 成本，許多 AI 公司的 Token 支出佔營收比例超過 20%，甚至高達 80%。如果長期處於這種結構，企業本質上只是在轉售模型能力，難以建立產品壁壘。第二是獲客成本，在美國，某些 Vibe Coding 工具獲取一名程式設計師註冊用戶的成本可能高達數百美元，而高質量註冊用戶的成本甚至上千元人民幣。具備品牌勢能的公司如 Manus，能用 5 美元獲取一個用戶，但多數新創企業沒有這種紅利。 Agnes AI 的孫卓坦言，在應用商業化碰壁後，團隊今年已將重心轉向模型與工具鏈研發，核心是把量化做到極致，透過自研非傳統 Transformer 架構、定製化獎勵函數與強化學習，實現低成本推理。該公司 6 月上線的 API Platform，單週調用量已超過 5T，其中文本佔 60%、多模態佔 40%。孫卓認為，勝負關鍵在於「模型能力再強，得有人用。Race with top 1%，serve the 99%，價格打下來，大家都用起來，之後會有正向循環。」

儘管共識是「難」，但四家企業都已透過不同路徑實現商業閉環。Jobright.ai 是垂直 AI 應用的代表，專注於招聘場景。AI 正重塑白領就業市場，從職位發現、簡歷定製、申請填寫到面試準備，整個求職流程包含大量高頻任務。鄭玉典認為，通用模型難以在短期內覆蓋這些複雜且專業的垂直流程，這正是創業公司的機會所在。目前 Jobright.ai 的年經常性收入已超過 700 萬美元，並已實現盈利，正朝 1000 萬美元目標邁進。 Agnes AI 的策略則是低成本換取市場規模。孫卓觀察到文本模型的 Coding 需求以及多模態圖片影片中的短劇需求，便以此為切入點。目前 Agnes AI 的文本模型已成為國內外頭部模型的「兜底替換」方案，尤其在短劇等多模態內容生產領域，為成本敏感的用戶提供了高性價比選擇。他強調，模型故事講完了，下一個敘事是 ToB 與工具鏈，作為 Infra 玩家，主要方向還是把成本打下來。 Cloudsway AI 走的是 SLG 路線，頭部模型公司與 AI 應用公司是其主要客戶，前二十大客戶貢獻了超過一半的收入，連測試都收費，從根源上避免了「用虧損換增長」的陷阱。創始人杜知恆分享，當 DeepSeek R1 走紅後，微軟停掉了向中國大模型開放的搜索接口，英文搜索引擎市場出現空白，Cloudsway AI 順勢推出搜索 API。他用三個圈篩選機會：看頭部客戶需求、看團隊能力稟賦、看市場 momentum。在對的 momentum 下，一分努力可能拿十分結果，但能否活下來仍取決於對客戶需求的把控。 紅熊 AI 2024 年成立，2025 年營收已達 2.5 億元，今年 6 月便突破去年全年水平。執行總裁楊曉煜強調，中國客戶願意付費，但前提是你真的懂他們的需求。To B 的核心不是「簡單粗暴砍人頭」，而是「提效增收」。老闆關心的是業務增量與營收成長，而非單純節省人力成本。紅熊 AI 的做法是為每個客戶做業務剖析，找準真實痛點，再匹配 AI 工具：大型客戶走私有化部署，中小客戶則提供輕量化 SaaS 版本，按效果付費。 關於「做深場景」還是「做廣平台」的戰略抉擇，四位創業者各有見解，但普遍認為兩者並不衝突。楊曉煜表示，紅熊 AI 的使命是「把人工智能帶入每一家企業」，從市場化角度來說，必須兩條腿走路：深耕場景是為了獲得行業認可與利潤，做廣平台則是為了迭代技術與產品。他舉例，紅熊 AI 的營銷獲客產品正是基於市場投流線索量暴增而來的需求，企業自身也從工具銷售轉向效果付費邏輯。 杜知恆的三個圈理論同樣適用於此：做深場景是為了驗證需求、打磨產品，做廣平台是為了複用能力、放大規模。他觀察到，客戶的需求已經從需要大模型本身，轉變為需要 Harness 套件，甚至完整可交付的 Agent 解決方案。中國企業對 AI 的覺醒程度顯著高於東南亞、日韓等市場，差距可能達半年到一年，這也讓 Cloudsway AI 有機會把在中國驗證成功的模式複製到其他亞洲市場。 鄭玉典則認為，路徑選擇取決於創始團隊的能力結構。具備大客戶銷售、行業資源與複雜交付能力的團隊，可以探索平台型業務；產品與技術能力更強的團隊，則可以先從 C 端產品或開發者工具切入，驗證需求並累積能力。孫卓補充，抓住需求，就能找到商業化切口，無論是深場景還是廣平台，核心都在於交付可落地的業務結果。 這場討論剝開了 Agent 商業化最真實的切面：市場需求急劇變化，更明確的商業反饋與更落地的業務結果，已成為企業採購 AI 的核心訴求。先跑出商業價值的主體，不一定是手握超大模型與充沛資源的巨頭，也可能是長期紮根垂直產業、深度吃透業務場景的 AI 創業公司。當全球企業逐步擺脫單一模型依賴，或自研垂直專用小模型，或基於開源基座透過強化學習搭配大小雙模型適配細分業務，AI 商業化的底層邏輯已然清晰：能賺錢的 AI，從來不是「做出來的」，而是「長出來的」——長在真實的場景裡，長在用戶的需求中，長在一群願意堅持的創業人手裡。