前海尔智家全球首席数字技术官刘建国：创业公司做To B

美国的To B应用是爆发式增长，然后VC会迅速投入助其扩大规模，形成良性循环。

本文为IPO早知道原创

作者｜苏打

大模型浪潮下，有哪些B端落地机会？智能体（AI Agent）概念日益升温，企业应如何解读并提前布局？

面对 B 端市场的复杂性，创业公司应选择回避风险，还是积极拥抱 To B 赛道以建立长期竞争优势？

据IPO早知道消息，11月22日，在2025IDEA大会“ToB or Not toB : 打通AI产业落地的任督二脉”圆桌论坛中，多位嘉宾从行业趋势、技术前沿和企业战略三个维度展开深度探讨，为B端AI的实践提供系统性思考。

现场，前海尔智家全球首席数字技术官刘建国在分享中，针对上述问题分享了自己的观察。

他认为，在这波AIGC的机会中，大模型是生成内容的范式，而且是概率性的范式，从目前的应用看，很多仍旧集中在内容创建和知识管理两方面。企业中流程的自动化、决策的自动化和智能化仍旧比较少，更多是Copilot的模式，用来提高效率、辅助人类。

“目前看来，（大模型对）如果要理解流程、自动化，包括数字世界和物理世界的感知、执行，并对交易类或是决策执行真正有帮助的话，前路仍旧漫长。”

刘建国表示，企业是非常复杂的，特别是制造类的企业。像海尔，产品从设计到制造、供应链、销售、客服，再回到设计，整个链条非常长，AI怎么深入到其中，端到端地把数据、模型用起来，是非常难的。

“目前国内还没有真正能在端到端起到作用的。国外可能有一些，比如说Cohere、n8n等等试图想做通用的产品，比我们更先进一点，但国内还比较缺乏通用型、框架型的产品”。

其中一个主要原因是企业在实际应用中存在很多障碍，比如数字化转型过程中的数据治理问题。目前很多企业数据治理尚未做到位，数据仍旧割裂，怎么做AI就绪型的数据，目前与差距还是非常多。

另外，目前产业中也缺少解决方案。“这些解决方案公司对AI技术比较熟，但是对业务的理解比较浅，包括做基模应用的公司，并没有扎到垂直领域，因为要把基模、核心技术用到场景里存在天然的障碍”。

与此同时，企业层面又缺少AI的人才。

“我个人觉得既懂业务又懂人工智能技术的‘桥梁’非常欠缺，而这是企业非常需要的。和美国比起来，中国C端蓬勃发展，美国则是B端发展得更快。”

刘建国透露，据其接触过的一些硅谷VC透露，美国的To B应用是爆发式增长，而且收入增长非常快，包括保险、法律等各行各业，“上来就能拿收入”，每周有10%—20%的增长。然后VC再迅速投入，帮助其进一步扩大规模，形成良性循环。但国内这方面仍有欠缺。

“另外一个差距，SaaS在中国世界发展一直不是很顺，而美国发展得很快。SaaS的基础上加AI，发展就会非常快，不需要私有化部署，企业用后立竿见影。这方面国内差距还是很大的”。

他认为，AI时代，学界和大企业都需要去思考“SaaS在中国落不了地，AI能落实吗？是不是难度更大，解决方案是什么？”这一系列问题。

谈及AI Agent，他坦言，目前大家觉得大模型正在“退潮“，比如性能很难提高，虽然大力出奇迹、暴力美学，实际上边际收益越来越小等等，这些感觉的根源，实际上是AI Agent异军突起。

对于企业To B来讲， AI Agent有几个环节。一是能否感知数字世界、物理世界；二是决策；三是执行，取得闭环和效果。

“我个人觉得（AI Agent）还是处于初期阶段，还有很多工作要做，比如数据的问题、对流程的处理，甚至要有框架，以及如何迭代、如何闭环等等。除了AI Agent之外，还有代理式AI、多智能体协作的AI，这是更高层次的需求，应该是大势所趋”。

创业者应该如何思考To B，拥抱还是避开？

“拥抱To B是肯定的。”刘建国坦言，根据一个预测，2025年企业AI有980亿美金，2035年会是9500亿美金的市场，“中国企业这么多，这是巨大的市场，需求很多、场景很丰富。To B虽然有难度但是潜力非常大的赛道。”

至于创业公司如何进入，采用什么方法，他认为，要用小切口解决大问题，找到那个场景，而且这个场景不一定很大。

“比如说就做灵巧手。如果大脑、手、脚、腿都做，这对于创业公司而言是不现实的，必须找准一个，做深做透，可以解决企业的痛点，让企业愿意掏钱，形成良性循环”。

他指出，PMF对创业公司最重要，产品、市场的契合度非常重要。

“创业公司不能总在臆想，用户不掏钱可能不是痛点是痒点，这样会导致投入很多却没有效果。有效果之后，能不能Scale也是一个问题，是不是可靠、可持续？企业是不是真正能看到业务的价值，Revenue提高还是cost降低了还是人被替代了？一定要产生可衡量、可持续的业务价值，这是非常重要的”。