在大模型、智能体与AI Coding驱动的企业软件新世界里，旧的竞争壁垒正在迅速消融。专业知识与Knowhow正在被AI重新定义，智能体应用被分钟级生成，传统企业服务厂商的核心价值正面临大考。

在此背景下，我们与在PaaS领域深耕多年的得帆智能创始人兼CEO张桐，进行了一次深度对话。这家公司经历了上一轮技术周期，如今正将能力延伸至智能体应用平台、数字员工平台，构筑新一代企业AI基础设施。

本次访谈重点讨论几个核心问题：行业Knowhow如何从个人经验转向组织化AI能力，AI Infra的长期壁垒在哪里，以及企业AI商业模式如何从软件授权走向持续运行服务等。

访谈核心观点：

行业Knowhow不会消失，但会被重新定义。知识型Knowhow会被大模型快速拉平，真正稀缺的是项目推动、组织协同、责任心、判断力和复杂场景落地能力。企业要做的不是依赖个人专家，而是把专家能力沉淀为组织化、AI化的能力。

企业AI平台层将持续壮大。AI Coding会分流大量个性化、长尾化、流程型应用需求，企业可以自建更多智能体应用。同时，智能体普及也会驱动对平台型基础设施更广泛的需求。

智能体数字员工不是RPA的升级版，而是新的企业执行单元。RPA复刻操作，Agent理解任务、调用工具、处理异常并交付结果。数字员工的核心，是具备企业身份、权限和上下文理解能力，并能够真正进入业务系统完成工作。

企业AI的商业模式会从一次性软件授权，逐步转向平台订阅、智能体运行量和结果交付相结合的持续服务模式。智能体使用越深入，模型调用、工具执行、流程编排和运行保障的消耗越大，未来企业不是简单购买一个软件系统，而是为智能体持续交付业务结果付费。

AI能力仍然遵循1万小时定律。对AI的颠覆性感到焦虑是常态，应对方式是打不过就加入，即自身深度使用AI，提升认知。在AI上面投入的时间决定了认知高度。

ToB领域，新的创业公司会越来越难。ToB增长慢、客户积累慢、产品容易被模仿，竞争对手一旦跟进，会对创业公司形成很强的竞争压力。越是在这样的环境下，复杂系统打通、权限管控、数据治理、合规审计和最终交付结果，越会成为企业AI厂商的新壁垒。

以下为本次访谈实录，在不改变原意基础上略有修改。

01 Knowhow正在从个人经验，转向组织化AI能力

爱分析：从过去做PaaS到现在做AI Infra，竞争壁垒发生了哪些变化？

张桐：变化还是挺大的。以前做PaaS，很多壁垒来自行业Knowhow，来自对企业的理解，也来自资深专家顾问的能力。

但现在不太一样了。一方面，企业自身的组织能力、学习能力会变得特别重要，尤其是它怎么利用AI。另一方面，对厂商来说，原来专家顾问身上的能力怎么AI化，怎么沉淀下来，怎么变成组织的能力，这件事已经变成第一要务了。

爱分析：所以原来的Knowhow壁垒，在AI时代会被削弱吗？

张桐：短期看不会那么快。短期内，大家对行业Knowhow还是很认可的，尤其是做业务的人、做IT的人，他都会觉得你懂行业、懂业务，才能给他带来价值。所以短期看，这个能力仍然是有价值的。

但长期看，行业Knowhow里面相当一部分会被AI追平。因为很多所谓行业经验，本质上是知识，是见过很多的案例，知道很多流程、规则。但大模型来了以后，它在知识的广度和深度上，远远超过一个顾问过去20年的积累。

爱分析：这个追平会怎么发生？

张桐：我觉得这里面其实有两方面。

一方面是基础模型本身会变得更强。举个例子，假设你是做ERP的，对化工行业的ERP特别熟，因为你在这个行业做了20年，遇到过各种各样的问题，以前这就是你的壁垒。

但AI来了以后，大模型对化工行业的知识范畴，可能远远超过你这20年的积累。这时候你虽然是一个很资深的老顾问，但在模型面前，其实就会显得很弱。因为它的深度和广度都远远超过你，人脑再怎么记忆，和模型这个外脑相比，还是不一样的。当然这也要看模型本身，好的模型确实特别厉害。

另外一方面是，模型本身具备的是知识，但不具备很多软性的能力。比如你是一个化工行业ERP顾问，做了20年，经历了大大小小很多项目。你不光知道流程怎么设计，你还知道怎么把这套系统推下去，怎么做组织宣贯，怎么和不同层级的人对齐认知，怎么在推行过程中处理阻力。这个东西短期内不会被完全替代，但它可以被蒸馏。

所以老顾问怎么把自己的能力变成组织的财富，一家公司怎么把这些AI化，这就很关键。

爱分析：也就是说，Knowhow里面可以分成两类，一类是知识，一类是软技能？

张桐：对。比如责任心、情感、领导力，这些东西模型现在是不具备的。模型有时候其实是很不负责任的，它经常说，这事我干好了，但实际它也没干好。

所以知识这部分会被平权，会被削弱，因为模型出的方案可能比一个专家出的方案好很多。但剩下那些软性的东西，像推动能力、组织能力、责任心、项目判断，这些还是很重要，而且会变成人的核心壁垒。

爱分析：那是不是意味着，有实际项目经验的人，反而会成为科技厂商在人这个层面上的核心壁垒？

张桐：是这样的。模型很强，但不能只是有一个模型。要把它组织起来，让它能够真正完成工作。这个过程中，懂项目、懂企业、懂系统、懂推动的人就很重要。因为他知道企业里面真正发生了什么，知道一个智能体或者一个系统要怎么嵌进去，才能产生结果。

爱分析：得帆是如何塑造壁垒的？

张桐：我们做了这么多年，其实一直在做中间件的事。以前下面有数据库、服务器，上面有ERP，我们做iPaaS集成，做低代码配置应用，本质上都是在做中间件、Middleware。

如果说过去数据库是企业软件的数据底座，那么大模型正在成为企业软件的智能中枢。但问题是，模型本身不能直接完成业务，它必须连接企业已有的数据、流程、权限、工具和系统。得帆过去做的是中间件，现在做的仍然是这件事，只不过连接对象从传统系统，延伸到了大模型和智能体。

虽然现在大家不怎么提Middleware这个词，但Harness本质上还是Middleware。要通过大模型去调用企业系统、调用各种工具和MCP，并确保智能体能够安全、稳定地交付结果，这些都需要中间件能力。这和以前数据库时代类似，数据库本身很重要，但要支撑各种业务运行，仍然需要中间件、工具和界面。大模型也是一样。所以我们现在的战略方向没有发生本质变化，还是集中在这一块。

爱分析：从定位上，得帆避开了需要行业Knowhow的应用层？

张桐：对。现在确实SaaS比较难，因为SaaS做的是应用的活。而我们还是做基础设施的活，核心原理没有变。

SaaS会更直接面对业务应用，会更依赖具体场景、流程、行业理解。但基础设施不一样。我们做的是大模型怎么和企业系统连接，智能体怎么调用工具，AI怎么进入企业已有的数据和流程。这件事和过去我们做中间件是一脉相承的。

02 企业AI商业模式，将从软件授权走向持续运行服务

爱分析：相比硬件和应用，中间的平台层一直是企业付费意愿最低的。为什么到了AI时代，反而觉得中间层能做得更强、更大？

张桐：因为现在企业开始相信一件事，就是AI Coding可以承担一部分应用构建工作。它不会立刻替代所有SaaS，但会分流大量个性化、长尾化、流程型应用需求。未来企业会重新思考，哪些系统应该购买成熟SaaS，哪些应用可以基于AI Coding和企业平台自建。

一旦企业级AI Coding平台成熟，它的空间就会很大。尤其是大家看到Manus这类应用之后，会意识到智能体可以做很多事情，这会促成基础设施类产品被更广泛地使用。

以前可能觉得平台层比较抽象，客户不一定愿意单独买。但现在不一样了，因为客户要用AI、用智能体、用AI Coding，就必须有一套基础设施。

爱分析：未来会有更多SaaS公司也转向做平台和Infra？

张桐：我觉得肯定会有人看到这个趋势，然后去做这个事。

拿Vibe Coding这样的工具来说，虽然报销、CRM这些产品很丰富、很复杂，短期内拿Vibe Coding不一定能做得一样好，但也能做出来一部分。原来企业一定要外购的某些SaaS能力，现在就可能有一部分被AI Coding分流。

更关键的是，Vibe Coding这个模型也好、产品也好，它自己也会迭代，而且会越变越厉害。这样对SaaS公司就比较麻烦。一边是自己的迭代速度没那么快，另一边是AI工具迭代特别快，它追赶你的能力就变得特别强。所以SaaS公司会去思考，要不要做平台，要不要做基础设施。

爱分析：如果应用更多变成甲方自建，平台层是不是也必须和硬件集成，才更好卖？

张桐：这个事理论上来说确实可行，所以一些软件厂商也开始把平台能力和算力、模型服务结合起来提供。但我更关注的不是单纯卖算力，而是智能体进入业务之后带来的持续运行服务。

智能体在企业场景里要理解任务、调用模型、编排工具、访问系统、处理异常并交付结果，这背后一定会产生持续的模型调用、工具执行和运行保障成本。尤其采用Harness这类架构后，智能体为了达成更好的业务结果，需要更多上下文、更多步骤和更多验证，消耗会显著高于普通问答式智能体。

所以未来平台怎么卖，可能会有不同形态，可能是软件平台，也可能与算力、模型服务结合。但核心不是让客户为Token本身付费，而是让客户为智能体持续创造的业务结果和稳定可控的运行能力付费。

爱分析：企业甲方很认可数字员工的概念，智能体数字员工和之前RPA数字员工的区别是什么？

张桐：我们讲的数字员工，就是得小帆智能体，核心是一个具备企业身份、被授权调用企业系统、能独立完成业务结果的Agent，它有身份，有权限，并且能交付结果。

RPA的数字员工正好相反。RPA是你告诉它怎么做，它严格照做。它本质上是UI层脚本的复刻工具，一旦遇到异常就停了。企业里的待办事项有各种情况，RPA没法真正理解和分析，只能按照规则执行。

所以RPA的数字员工将来肯定会被智能体数字员工替代。

爱分析：现在新概念和新技术出来得很快，厂商怎么应对这种持续冲击？

张桐：正常来说肯定是无法顾及各种纷繁杂乱层出不穷的各种概念，但是，我觉得要区分概念和底层发展趋势。现在OpenClaw也好，Harness也好，MCP也好，各种概念合计数特别多。如果天天追这些概念，就很难专心把自己想干的事做好。

对得帆来说，AI网关、MCP中台，包括我们自己的得小帆智能体，这些产品是每个公司都会需要的。将来所有消费品企业、制造企业，可能都会需要这些基础设施。所以，虽然，新生事物很多，但我们还是守住自己擅长的事情，专注做。

03 ToB创业窗口变窄，新公司会越来越难

爱分析：得帆的重点行业会放在哪些方向？

张桐：我们还是主要在制造业，包括汽车、新能源、化工、消费，这些都是我们重点的行业。

这几年我们也逐渐探索了一些新行业，比如证券、保险、基金、期货这些金融领域。因为我们的新产品，慢慢也渗透进去了，而且效果还挺好。这也突破了我们以前一直做制造业和消费行业的范围。

爱分析：今年ToB市场的大环境有好转吗？

张桐：我觉得差不多，还没有好转起来。这里说的环境，不是大家没有需求，而是很多老问题还在。比如最低价中标、付款不及时等，ToB的市场现在就陷入这样的困境。

爱分析：新的创业公司会越来越难？

张桐：新公司肯定难。现在如果出来创业，面向ToB，又不是那种资源型、垄断型的生意，单纯想靠科技创新、模式创新，我感觉很难。

因为ToB的发展速度仍然很慢，还是需要一个客户一个客户地积累，不像ToC，可能发展速度很快。ToB一年增长20%-30%已经不错了，但这也意味着你的产品很容易被别人模仿。所以我觉得中国创业生态现在很难，竞争并没有变少，甚至还是很激烈。

爱分析：作为创始人，会不会焦虑？怎么对抗这种焦虑？

张桐：AI这么厉害，肯定焦虑。

但这个事你只能接受，打不过就加入，想办法把自己的AI水平提高。

虽然AI很厉害，但AI这件事本身仍然符合一万小时定律。你在上面投入多少时间，决定了你的认知水平有多高。大家最后聪明不聪明，我觉得都差不多，但对AI的认知水平必须提高。没有太多捷径，就是一万小时定律。

爱分析：上面有大厂，下面有创业公司，得帆夹在中间。如果要卡住AI Infra这个赛道，得帆的策略是什么？

张桐：核心还是战略定位。得帆坚定地定位在AI确定性交付结果这一件事上，即如何为客户提供可量化、可预期的业务结果。这一定位源于我们的核心阵地。经过多年深耕，我们服务了大量客户，对复杂业务系统有着深厚积淀，尤其是刚刚提到的Harness这类中间件能力。

所以我们在Harness、MCP、AI网关等基础设施上持续迭代和深入研发，这个积累恰恰是我们的壁垒。企业里面最难的不是表面的功能，而是背后的系统打通、流程梳理、权限管控、数据治理、合规审计以及最终的交付结果。企业对智能体的要求很现实：既要能干活，也要安全可控，还要成本可接受。要同时满足这些要求并不容易，这正是得帆的价值。

爱分析：如果看未来两三年，你希望得帆在这个方向上做到什么程度？

张桐：从结果来看，我希望两三年后，得帆在企业级智能体基础设施、AI Coding和AI Integration这些核心细分市场进入行业第一梯队，并在部分领域做到市占率前三。得小帆智能体要成为企业数字员工方向的最佳选择之一。如果能做到这个，我觉得战略就成功了。

本文来自爱分析ifenxi（北京爱分析科技有限公司），AI市场的研究咨询机构，专注于人工智能、大模型、智能体与算力等产业研究。