Jay 發自 凹非寺量子位 | 公眾號 QbitAI

天下苦SaaS已久。

服務商為居高不下的推理成本頭疼，客戶詬病交付質量跟「抽卡」一樣反復無常……

進入AI時代，SaaS似乎不再是那顆令人趨之若鶩的明珠。

在此背景下，RaaS（Result as a Service，按結果付費）被普遍認為是最有潛力的出路。但受制于結果質量難衡量、用戶認知不成熟等阻力，鮮有企業愿意「吃螃蟹」。

如今，深耕企業級AI領域11年的百融云創，選擇全倉押注這條全新的AI商業化路徑。

企業級AI可以不只是賣鏟子

「垂直行業+AI」是一座取之不竭的金礦，相信已成為業內的普遍共識。

無論技術如何發展，企業亙古不變的訴求始終是——如何利用新技術為客戶提供更好的服務？

但現實是，即便有DeepSeek這樣的開源模型出現，真能部署私有模型的企業仍是少數。卡該買還得買，開源模型也不是拿來就能用，依然得根據垂直場景做大量訓練。

有需求，自然就有市場。

為彌合AI落地的這「最后一公里」，市面上涌現出一大批「共享單車」：出租模型訓練所需的基礎設施和工具包，按Token計費。

然而，即便「鏟子」的種類越來越多，企業客戶似乎至今也沒能從這座金礦中挖出來什么。

或許光靠「鏟子」，本就挖不動金子。

又或許，客戶真正需要的從來不是工具，而是本身就對礦洞了如指掌的「黃金礦工」。

「鏟子」存在兩方面問題——前置成本高企、試錯代價高昂

傳統路徑下，企業部署硅基員工，往往要同時承擔「軟件+硬件+培訓」三重成本。

以客服系統為例，如果想把原本依賴撥號按鍵分配業務的語音助手，升級為能夠進行自然語言交互的智能客服系統，有一摞工程要干。

軟件層面，服務商需要推翻企業原有系統，重新定制一套AI原生的軟件平臺；硬件層面，需要為新系統搭建基礎設施，并與舊系統完成集成；培訓層面，需要教員工如何操作這套新的業務系統。

這意味著，所謂的數智化轉型，本質上是要把客戶原有的技術地基整體掀掉，重新澆筑一套AI的「鋼筋水泥」，再在其上從零開始蓋一棟大廈。前置投入極高，而且歷史包袱越重，改造難度越大。

更令人擔心的是——投入這么多，效果不理想怎么辦？

這幾乎是傳統場景無法避免的問題。AI落地牽扯到諸多環節，包括采購、技術、業務、合規……一套流程下來，可能已經兩個月過去。

而對ChatGPT、Gemini、DeepSeek等前沿模型而言，質變幾乎是以月為代價發生。垂直模型引以為傲的護城河，隨時可能因一次版本更新被吃掉。

在技術周期高速迭代的背景下，傳統服務商的軟件開發模式根本無法適應市場需求。技術架構落后兩個月，這在「地上一天，天上一年」的AI世界是難以想象的。

綜上所述，企業并非不愿意用硅基員工去提升服務效率，關鍵是前置成本和試錯成本過高，高到足以勸退大多數潛在客戶。

正是察覺到了這道阻礙AI落地的巨大鴻溝，百融云創推出了一項全新產品——結果云Results Cloud

簡單來說，結果云是一個幫助企業部署硅基員工的云平臺，向客戶提供封裝好的全棧解決方案。

從架構上看，這套方案分為三層：百基、百工、百匯。

百基，AI Infra，硅基員工的原材料采購市場。

不同于傳統云服務，結果云的基礎設施不暴露給客戶，而是屏蔽掉這層復雜性，直接提供現成的基座模型+算力。

模型側，百基覆蓋了主流開源與商業模型，包括但不限于ChatGPT、DeepSeek、Qwen、元寶、豆包等，同時也提供百融云創自研的行業專屬模型。

客戶可以根據業務需求自由選擇——尺寸要72B還是14B，語種是中文還是英文，模態是文本、語音還是多模態。

算力側，百基同樣提供多樣化選項，涵蓋主流英偉達GPU，以及華為昇騰、百度昆侖芯、阿里平頭哥、海光等國產算力平臺，滿足不同場景下的性能需求。

原材料準備完畢，接下來便交由「中央廚房」加工。

百工，Agent OS，烹飪硅基員工的中央廚房。

原材料豐富固然重要，但若不加整理地一股腦交到廚師手中，廚藝再好的人也無從下手。

假設有X種算力卡、Y種模型、Z種模型尺寸，當三類變量疊加在一起，理論上會產生X×Y×Z種排列組合

在如此龐大的組合空間中，想要尋找最優解，無異于大海撈針。

百工的價值，正在于充當一個過濾器。它預先在異構的「算力+模型+尺寸」中篩選出了最優方案，大幅降低決策成本。

基礎設施層提供的是通用模型，但具體到業務場景中，不同客戶對硅基員工有不同的偏好。

為此，百工提供了各個行業的專屬知識庫，客戶可根據自身業務選擇需要的行業知識。即便原材料相同，這些「調料」，也能賦予硅基員工不同風味。

當前期準備全部完成，才真正進入「炒菜」的階段。

這是與客戶業務聯系最緊密的一步。百融云創會派出專業團隊進駐客戶現場，與業務團隊深度對齊，對客戶訴求形成統一認知。

在此過程中，團隊會直接扎根業務一線，持續采集真實語料、完成數據標注，作為模型訓練與微調的基礎。最終形成的，是一套為客戶量身定制的模型。

至于后續硅基員工的部署、運行、調度、管理和監測，同樣也能交由百工全權負責。

百匯，Agent Store，新鮮出爐的硅基員工菜單。

除了為客戶量身定制硅基員工的「家庭廚師」，面向更廣泛的ToB市場，結果云還在「百匯」端出更高效的「預制菜」——面向各行業、開箱即用的成熟硅基員工。

主要分兩類：

CX(Customer eXperience)：面向營銷、客服等企業對外業務，直接提升服務效率與質量。EX（Employee eXperience）：面向企業內部崗位的硅基員工/智能體，覆蓋HR、財務、法務等管理場景，優化組織運轉效率。

這些都是精挑細選的「金牌員工」，在市場上得到了充分驗證。即插即用，客戶無需推翻既有系統作為「導航員工」接入即可直接賦能業務流程。

在一次藍白領混合的大型招聘項目中，結果云的「硅基招聘專員」在三個月內帶來顯著成效：

到訪率提升12–18個百分點；平均處理時長下降40–60%；無效溝通占比降低25–35%；試崗匹配率從60%提升至90%；招聘全流程周期從28天縮短至2天。

RaaS，孕育硅基員工的土壤

綜上所述，結果云定義了三件事情：基礎設施、操作系統、應用商店

盡管定位有所不同，但本質上是解決同一個痛點——AI如何落地千行百業？

目前相對清晰的答案是：做企業級AI，不能只賣鏟子了。

曾稱霸一方的SaaS，對于零邊際成本的信息產品而言，是完美的商業模式。但在推理成本高企的AI時代，面臨水土不服的問題。

SaaS模式下，企業和服務商本質上是甲乙方關系。

然而，這個激勵函數在AI時代是變形的。服務商只在乎如何拿到款，而不是怎樣提升服務質量。這就是行為經濟學中所講的道德風險（Moral Hazard）。

以按Token計費保險營銷類API為例，如果單純考慮利潤最大化，服務商的理性選擇并不是「把效果做到最好」，而是「讓調用次數盡可能多」。

這就會導致「注水」：明明打十個電話就能賣出去的單，「降智」后可能需要打二十個。

競標亦是如此。為了中標，服務商會不斷壓低報價，原本500萬預算的標的，最終可能以80萬元成交。價格看似劃算，但服務質量得打上一個巨大的問號。

問題的根源在于，按Token計費本身就不合理。同樣一個Token，在不同業務場景中所承載的價值差異巨大。

以李白的《靜夜思》為例，全詩五言四句，僅20個字。一篇小學生作文，Token數輕松能達到數十倍，但我們能斷言其比《靜夜思》的價值高嗎？

因此，結果云走的是另一條路——RaaS（Result as a Service），按「結果」付費

這不是簡單的定價模式的改變，而是底層產品哲學的變革。

SaaS提供的只是鏟子，這鏟子的質量還未必可靠。

而RaaS，提供的是價值共創的主體，和客戶一起淘金的「礦工」。

只有當結果代替Token新的激勵函數，服務商才會主動走到業務一線，和客戶并肩作戰，一起把餅做大。

此時，企業和硅基員工的關系不再是甲乙方，而是同事。

客戶也無需再以「工具」的邏輯為硅基員工付費，而是可以直接將其視作員工，用KPI考核。

具體而言，結果云將硅基員工的表現體系與人類員工對齊，構建了從高到低ABCD四個等級。

考核指標因行業而異：客服需要情緒穩定、營銷需要轉化率、HR需要招人……但共同點是挑選能和業績直接掛鉤的指標，讓硅基員工和客戶成為同一條繩上的螞蚱。

在「百工」層的Agent Builder模塊，結果云能實時全鏈路監測硅基員工的表現，清晰看到每一份投入是如何轉化成收益的。由于打開了智能體運行的「黑箱」，即便有問題，客戶也能一眼找到病灶。

這就解決了RaaS的靈魂之問——「結果」如何衡量。

接下來，就該根據硅基員工交付的「結果」給人家開工資了。一般有三種模式。

按任務計價：寫一份報告、審核一份合同，收一份錢，類似于送外賣。按價值創造分成：提前約定好貢獻比例（五五分、三七分），用這個比例乘以實際成交規模，就是該支付硅基員工的收入。按崗位薪酬制：客服這類重復性高、收益可預期的崗位，可按月/年支付工資。

無論哪種模式，背后的要求是同一個——真干活，才有錢拿

以結果云的硅基客服為例，它可以7x24連軸轉，產出約為人類員工的三倍，而成本僅為后者的一半——每月只需5000元，這就是六倍的ROI。

甚至，前兩個月的試用期可以不發工資…..

這就徹底消除了前置成本的擔憂，客戶內心OS be like：反正不要錢，干嘛不試一下？

如果體驗不錯，客戶自然會加深部署，硅基員工也會對業務有更深的理解，形成正反饋。

即便未來技術周期出現了波動， 也不存在轉換成本可能導致的「創新者窘境」。結果云隨時在跟進最前沿的模型動態，舊方案過時，客戶可以絲滑遷移到新方案。

當百融云創用RaaS取代SaaS，重新定義企業級AI的產品哲學，結果云將主動承接AI落地中的一切風險，從而徹底拆掉阻礙AI落地企業的工程高墻。

在技術日新月異的背景下，RaaS有望為企業爭取到寶貴的緩沖空間，讓注意力重回業務本身。

硅碳共治，共筑智能體生態

結果云首席產品與市場官王偉民直言，現實世界的業務場景高度碎片，單個公司再怎么努力，都不可能覆蓋企業級AI的全部長尾需求。

的確，生態這件事，從不是單槍匹馬能闖出來的。

平臺的主角，是千千萬萬的開發者。

因此，結果云從未打算只面向企業客戶——百基、百工、百匯，每層大門全部向第三方開發者敞開。

移動互聯網時代，蘋果有AppStore，安卓有GooglePlay。應用商店的出現，為市場中的生產者與消費者搭建起一個高效的價值交換平臺，雙邊網絡效應隨之顯現：App吸引用戶使用，用戶規模擴大，又進一步激勵開發者持續開發更多App。

這最終讓整個生態受益，消費者的需求被滿足，開發者獲得了變現路徑，市場資源從而得以高效分配。

進入AI時代，百融云創呼吁共建「硅基生產力聯盟」，希望以結果云為載體，去打造一個專屬智能體的生態系統。

11年來，百融云創始終深耕企業級AI領域。

早在2014年，百融云創便高舉AI旗幟，進入了ToB領域中最嚴苛的訓練場——金融。這個行業對準確性、穩定性與可靠性的極致要求，倒逼其打磨出了堅實的技術基石。

隨后，其能力不斷外延至保險、電商等復雜場景，從零構建自有云平臺，形成一套完整且經市場驗證的技術棧。

具體而言，其自研模型BR-Proactive LLM的ROI可達通用大模型的2倍；BR-Voice語音響應速度提升4倍；BR Vortex推理引擎則將P99延遲降低一個數量級，通過多元算力優化使芯片利用率提升30%。

在技術不斷成熟的過程中，百融云創累計服務8000+家企業客戶，在一線沉淀下大量數據與Know-How。這些都是可復用、可遷移的。

這或許也是百融云創敢于為企業級AI生態牽線搭橋的底氣——堅實的AI技術底座，龐大的用戶基礎，所以才有能力幫助第三方開發者接觸到更多的市場機會。

我們從來不想去做一個顛覆者，而是在不破壞原有結構的前提下，與開發者和客戶一起共生共存。

為此，百融云創與中國信息通信研究院等權威機構聯合發布《企業級AI智能體（Agent）技術及應用白皮書》，旨在定義技術框架、評估體系與實施標準，為硅基生態提前埋下一顆健康的種子。

當百融云創與合作伙伴共筑硅基生態，市場將自然孕育出一批，由專長各異的智能體所組成的「硅基軍團」。

彼時，智能體可能也將像App一樣，成為可流通的、取之不竭的商品

這將彌合AI落地千行百業的最后一公里。