在AI技术汹涌而来的浪潮中，ToB（企业级服务）领域的“老炮”（资深企业）并未如预想般被“新手”轻易颠覆。深度分析表明，核心的行业洞察、隐性知识、海量数据积累以及客户信任构筑了难以逾越的护城河，而AI的价值更多体现在作为提升效率的工具，而非直接取代人类的复杂认知与协作。
人工智能的崛起，正以前所未有的速度重塑各行各业的边界与潜力。在ToB（企业级服务）领域，一个长期悬而未决的问题是：AI究竟会赋能新兴企业，使其迅速“干掉”深耕多年的“老炮”，还是反过来成为“老炮”们巩固优势、焕发新生的利器？近期在“DeepTalk”系列对话中，崔牛会创始人兼CEO崔强、PingCAP副总裁刘松与Zion函子科技创始人兼CEO蒋耀锴围绕这一议题展开了深入探讨，其结论偏向后者：在未来至少五年内，AI难以让ToB新手彻底取代老炮。深入分析这背后的技术逻辑与商业现实，我们发现AI的冲击远比表面复杂，其真正价值在于对核心要素的重塑与赋能。
AI时代的ToB：效率工具抑或颠覆者？
传统的ToB领域，行业知识（know-how）、客户资源、数据积累与信任是构建壁垒的关键。正如有观点指出，ToB行业是“老炮用新枪”的典型——深厚的行业经验结合新技术能焕发青春1。然而，AI的“技术平权”效应，一度让市场对“新手”的颠覆力抱有期望。
刘松和蒋耀锴都持否定态度，认为AI在短期内不会让新手干掉老炮。他们将AI在ToB领域的角色定性为：提升效率的基线，而非解决问题本质难度的银弹。 蒋耀锴强调，“拥有和利用局部信息的能力是无法通过AI解决的”，而这恰恰是老炮的核心优势。AI编程目前擅长的是_碎片化代码_，对于构建复杂系统仍显不足，且难以复制人类基于_隐性、有时效性_的知识所形成的实践智慧。
Google搜索结果也印证了这一观点：“AI原生应用（包括Agent）的‘不稳定性’是其用于追求‘确定性’的ToB系统最大的障碍。”2 ToB系统对稳定性和确定性要求极高，目前AI的不确定性使其在核心业务逻辑层面仍需SaaS的确定性API支持。这表明，尽管AI降低了技术门槛，但从“Demo”到“生产上线”仍存在巨大的工程鸿沟。对于“老炮”而言，这意味着他们可以更轻松地获取AI能力，将其整合进现有产品与服务，从而在生产力上实现“数量级的提高”。
数据、知识与认知的深层价值重塑
对话中反复强调了数据和知识在AI时代的重要性，认为其价值被大大低估。刘松指出，AI应用层和大模型的热潮之外，_数据的价值、数据的组织形态以及多模态数据的利用_才是构建行业AI应用护城河的关键。私域数据和领域知识成为企业不可复制的优势。
隐性知识的显性化是AI赋能的关键挑战。医生、投顾、制造业老师傅身上的经验和知识，并非显性的SOP和数据能够完全捕获。大模型虽然能提供全面信息，但人类特有的直觉和临场判断，尤其是一些“老炮”的直觉，是AI短期内难以企及的。这种人机协同将成为常态，如医学界认为，最好的医生是能将医学大模型能力与自身专业直觉融合的个体。
对于AI模型的“投毒”现象，也凸显了数据治理和知识管理的重要性。蒋耀锴建议通过“关掉联网搜索”和严格控制上传文档员工权限来应对，这本质上是对知识源的信任与管理。刘松进一步提出，如果所有数据都能被存储下来并用于训练Agent，它将“和个人的经验很接近”。这揭示了AI发展的一个重要方向：如何将人类的隐性经验最大程度地显性化，并形成动态知识图谱。 预测显示，未来强大的推理窗口结合Graph RAG（检索增强生成）和数据库能力，将极大提高发现新知识的效率，促使Agent从“找到已知”向“发现未知”演进。
值得深思的是，人类自身的认知局限也可能成为AI发展的一种限制。如同AlphaZero在围棋上超越人类，AI的进步可能不再受限于人类固有的思考模式。因此，刘松呼吁，不能总抱怨大模型的幻觉，“对幻觉的识别才是更重要的”，因为它在不同行业（如泛娱乐与医疗）中有着截然不同的价值。
商业模式演进与未来图景
AI对ToB商业模式的影响已初现端倪。除了传统的订阅模式，**“结果即服务”（RaaS）**这种按效果付费的方式备受关注。尽管RaaS在工程实施和客户配合方面仍面临挑战（如数据共享、业务流程改造、人机回环中的成本承担），但其潜力巨大。例如，通过知识自动化与流程自动化大幅节省人力成本，正如麻醉预检自动化案例所示，将护士100美元/小时的成本，降至2美元的Token消耗，释放了巨大的价值空间。
AI对劳动结构的影响不容忽视。刘松指出，过去两年大公司的实习生减少，部分工作已被AI替代，这表明最便宜的能力基线正在被AI拔高。然而，这并非全然负面。“雇用‘一个老炮’和‘多个新手’，再加上自动化编程，这可能是现在ROI（投资回报率）最好的一种组合。” 这意味着，稀缺性的认知能力和经验将更显珍贵，而AI将成为加速器，帮助团队实现更高效率。
蒋耀锴则从更宏观的视角预测，当一种能力的边际成本大幅下降，社会将经历“百花齐放”后迅速“二八效应”的集中。AI出来后，必然出现大量新应用，但十年后大部分都将消亡，最终少数头部企业能够生存。刘松对此表示认同，认为未来几年将重现移动互联网“先膨胀再收缩”的过程，只是这次的形态更高级，更具智力含量。
总体而言，AI并未简单地将ToB世界一分为二，而是模糊了新手与老炮的界限，促使两者在新的技术范式下共同进化。ToB的护城河正在从纯粹的技术壁垒转向更深层次的领域知识、数据资产以及客户信任所构建的“知识自动化”能力。 创业者需要冷静思考AI的现状，以及它能真正做什么，避免过度乐观的“Demo文化”带来的麻木。未来，数据素养、多模态数据处理能力，乃至“数据智能体”（Data Agent），将成为冰山下最核心的竞争要素。
References
-
牛透社（2024/6/18）。5 年内，ToB 新手靠 AI 干不掉老炮。牛透社。检索日期2024/6/18。 ↩︎
-
AI原生应用（包括Agent）的"不稳定性"是其用于追求"确定性"的toB系统最大的障碍。(2024/6/18)。一文推演未来5年toB软件的三层架构：AI与赢者通吃的赛道标品。人人都是产品经理。检索日期2024/6/18。 ↩︎