2026年初，大模型浪潮已奔涌三個(gè)年頭，企業(yè)界正經(jīng)歷一場(chǎng)從“技術(shù)狂熱”到“價(jià)值焦慮”的深刻轉(zhuǎn)變。在大模型調(diào)用量飆升、參數(shù)規(guī)模內(nèi)卷、Agent（智能體）嘗試遍地開(kāi)花的表象下，企業(yè)內(nèi)部真正被反復(fù)追問(wèn)的已不再是“能不能用上AI”，而是一個(gè)更現(xiàn)實(shí)的問(wèn)題：
大模型，是否真的在業(yè)務(wù)中產(chǎn)生了可持續(xù)的價(jià)值？
盡管AI已被多數(shù)企業(yè)列為戰(zhàn)略重點(diǎn)，但在營(yíng)銷(xiāo)、銷(xiāo)售、服務(wù)等核心場(chǎng)景中，業(yè)務(wù)效率并未發(fā)生預(yù)期的“結(jié)構(gòu)性質(zhì)變”。熱度與結(jié)果之間的巨大鴻溝，讓無(wú)數(shù)企業(yè)開(kāi)始反思：為什么有了AI，業(yè)務(wù)效率還是沒(méi)有質(zhì)變？
針對(duì)這一中國(guó)式To B故事的終極命題，容聯(lián)云副總裁、諸葛智能創(chuàng)始人孔淼向筆者梳理了容聯(lián)云過(guò)去三年“堅(jiān)定的AI探索之路”。在孔淼看來(lái)，AI不應(yīng)只是既有流程上的“掛件”，而應(yīng)成為重構(gòu)業(yè)務(wù)的“靈魂”。
容聯(lián)云正在定義的，是一個(gè)關(guān)于“讓AI真正產(chǎn)生業(yè)務(wù)增量”的產(chǎn)業(yè)答案。
告別“軍備競(jìng)賽”，回歸“業(yè)務(wù)原點(diǎn)”
2024年，大多數(shù)To B服務(wù)商還在基礎(chǔ)設(shè)施層“揮汗如雨”，基于對(duì)技術(shù)發(fā)展和市場(chǎng)的預(yù)判，容聯(lián)云則選擇了押注應(yīng)用層，并最終率先在AI應(yīng)用上先于同行跑出兩個(gè)身位。
這一成果要回溯到2023年初，彼時(shí)大模型初露鋒芒，容聯(lián)云認(rèn)定這一技術(shù)將徹底重塑營(yíng)銷(xiāo)服場(chǎng)景。但應(yīng)該和其他廠商一樣耗費(fèi)大量資源和精力死磕基礎(chǔ)模型底座，還是在自身擅長(zhǎng)的領(lǐng)域跑出應(yīng)用？在這一戰(zhàn)略選擇上，容聯(lián)云表現(xiàn)出了一定的冷靜：2023年中，容聯(lián)云果斷放棄了下場(chǎng)參與大模型底座的燒錢(qián)大戰(zhàn)，成為行業(yè)內(nèi)第一批專(zhuān)注在“做應(yīng)用”的公司。
這一轉(zhuǎn)身背后是深刻的現(xiàn)實(shí)主義邏輯，孔淼直言：“大模型的訓(xùn)練是軍備競(jìng)賽，對(duì)容聯(lián)云而言，我們更清楚自己的選擇——聚焦應(yīng)用，解決真實(shí)業(yè)務(wù)問(wèn)題。”這種選擇的核心在于對(duì)B端痛點(diǎn)的精準(zhǔn)捕捉：企業(yè)客戶(hù)不僅需要大模型的泛化能力，更需要合理的ROI和確定性的交付質(zhì)量。當(dāng)時(shí)，單純依賴(lài)大模型在性能和成本上均不理想，且容易產(chǎn)生“幻覺(jué)”問(wèn)題，難以直接交付高質(zhì)量的業(yè)務(wù)指標(biāo)。
為此，容聯(lián)云堅(jiān)持了一套“大小模型結(jié)合、應(yīng)用工程融合”的務(wù)實(shí)范本。
由大模型負(fù)責(zé)意圖理解、推理與任務(wù)規(guī)劃，利用其強(qiáng)大的泛化能力、上下文理解能力，突破傳統(tǒng)小模型無(wú)法理解復(fù)雜場(chǎng)景的局限；同時(shí)，將敏感詞過(guò)濾、標(biāo)準(zhǔn)指令生成等確定性高、實(shí)時(shí)性強(qiáng)的常規(guī)普通場(chǎng)景，交由輕量化小模型穩(wěn)定執(zhí)行，在效果、成本與穩(wěn)定性之間取得平衡。
更為關(guān)鍵的是應(yīng)用工程層的深度融合，容聯(lián)云并未將AI作為通用插件直接交付，而是將其精準(zhǔn)“封裝”進(jìn)工業(yè)級(jí)業(yè)務(wù)邏輯中：
一方面，解決垂直場(chǎng)景的確定性難題。容聯(lián)云通過(guò)知識(shí)工程、場(chǎng)景化模板與經(jīng)過(guò)業(yè)務(wù)驗(yàn)證的話(huà)術(shù)體系，將模型的理解與生成限定在高度聚焦的專(zhuān)業(yè)語(yǔ)境內(nèi)。AI不再依賴(lài)泛化語(yǔ)料的隨機(jī)聯(lián)想，而是圍繞特定行業(yè)、特定流程、特定問(wèn)題構(gòu)建的結(jié)構(gòu)化知識(shí)與響應(yīng)范式，從根源上降低幻覺(jué)發(fā)生的概率，確保結(jié)果的專(zhuān)業(yè)可用。
另一方面，解決業(yè)務(wù)融合的落地難題。容聯(lián)云將大模型能力封裝為流程節(jié)點(diǎn)、策略判斷與系統(tǒng)動(dòng)作，讓AI天然生長(zhǎng)在業(yè)務(wù)流程之中，企業(yè)無(wú)需二次開(kāi)發(fā)，即可讓AI直接在具體業(yè)務(wù)中即插即用，真正實(shí)現(xiàn)技術(shù)能力向業(yè)務(wù)價(jià)值的轉(zhuǎn)化。
帶著“回歸業(yè)務(wù)原點(diǎn)”的初心，容聯(lián)云對(duì)技術(shù)和市場(chǎng)的精準(zhǔn)把握也不止體現(xiàn)在路線選擇上，可以看到，此后AI的每一次技術(shù)代際的迭代中，容聯(lián)云也都緊緊跟隨：從2023年專(zhuān)注于大模型功能的嵌入，到2024年實(shí)現(xiàn)流程編排，再到2025年全面升級(jí)至自主智能體，容聯(lián)云每一步都踏在了業(yè)務(wù)提效的節(jié)奏點(diǎn)上。
在容聯(lián)云看來(lái)，AI產(chǎn)生的每一分價(jià)值都應(yīng)該被量化到具體的業(yè)務(wù)增量中，這也意味著不被技術(shù)指標(biāo)所綁架。容聯(lián)云Copilot&Agent大模型應(yīng)用作為金融行業(yè)典型代表，入選了多項(xiàng)產(chǎn)業(yè)洞察圖譜，其核心競(jìng)爭(zhēng)力并不在于單純的參數(shù)競(jìng)賽，而在于通過(guò)重構(gòu)營(yíng)銷(xiāo)、銷(xiāo)售、服務(wù)流程，實(shí)現(xiàn)了溝通智能的代際跨越。
正是這種對(duì)“業(yè)務(wù)結(jié)果”的偏執(zhí)，讓容聯(lián)云在2024年便明確了六大核心應(yīng)用場(chǎng)景，并在2025年初迎來(lái)了簽單與中標(biāo)的爆發(fā)期。
三級(jí)跳進(jìn)化：
從“輔助人”到“對(duì)結(jié)果負(fù)責(zé)”的代理人
生產(chǎn)力形態(tài)的演進(jìn)，是改寫(xiě)業(yè)務(wù)結(jié)果的勝負(fù)手。容聯(lián)云在AI路徑上的探索，是一場(chǎng)從“輔助工具”向“業(yè)務(wù)角色”進(jìn)化的范式革命。
在2023年的LLM Feature階段，AI以大模型功能的方式嵌入到原有業(yè)務(wù)系統(tǒng)中，通過(guò)話(huà)術(shù)生成、知識(shí)推薦與關(guān)鍵信息提示等能力，輔助人工提升單點(diǎn)效率。
隨著應(yīng)用深化，進(jìn)入2024年的Workflow階段，AI開(kāi)始通過(guò)流程編排介入質(zhì)檢、洞察等特定業(yè)務(wù)流程，實(shí)現(xiàn)特定業(yè)務(wù)節(jié)點(diǎn)的自動(dòng)化閉環(huán)。
步入2025年，這種演進(jìn)最終指向了自主完成任務(wù)的Agents時(shí)代。
以諸葛智能推出的“業(yè)務(wù)分析一本通Agent”為例，它標(biāo)志著AI應(yīng)用正從被動(dòng)響應(yīng)式工具，轉(zhuǎn)向具備主動(dòng)性、能夠?qū)崿F(xiàn)任務(wù)閉環(huán)的執(zhí)行系統(tǒng)。以往需要專(zhuān)業(yè)分析師花費(fèi)一周時(shí)間配置的指標(biāo)和模型，現(xiàn)在“一本通”可在分鐘級(jí)內(nèi)完成從需求理解、指標(biāo)選擇到分析結(jié)論輸出的全過(guò)程，在某城商行實(shí)際業(yè)務(wù)中，分析效率從32%提升至92%以上。
更深層的變革在于技術(shù)范式的遷移。
當(dāng)Agent逐步具備對(duì)業(yè)務(wù)流的深度理解、圍繞業(yè)務(wù)目標(biāo)的自主規(guī)劃、對(duì)業(yè)務(wù)系統(tǒng)的操作調(diào)用，以及對(duì)執(zhí)行結(jié)果的評(píng)價(jià)能力時(shí)，其角色已不再局限于對(duì)話(huà)層面的被動(dòng)響應(yīng)，而是開(kāi)始成為業(yè)務(wù)執(zhí)行體系中的主動(dòng)參與者。
容聯(lián)云即將發(fā)布的全新一代智慧聯(lián)絡(luò)平臺(tái)，正是這一范式遷移的集中體現(xiàn)。過(guò)去，AI處于“被動(dòng)喚醒”狀態(tài)，必須由坐席決策何時(shí)調(diào)用功能；而現(xiàn)在，Agent實(shí)現(xiàn)了從“輔助人”向“對(duì)結(jié)果負(fù)責(zé)”的業(yè)務(wù)位移：不再依賴(lài)人工喚醒，而是主動(dòng)參與到業(yè)務(wù)判斷與流程執(zhí)行之中，實(shí)現(xiàn)真正意義上的人機(jī)協(xié)同。
以客服場(chǎng)景為例，Agent在聯(lián)絡(luò)瞬間即完成意圖預(yù)測(cè)，并基于業(yè)務(wù)目標(biāo)自主規(guī)劃出最優(yōu)路徑；隨后，它像“真人坐席”一樣，在受控范圍內(nèi)直接調(diào)用并操作CRM、呼叫中心等核心系統(tǒng)，根據(jù)對(duì)話(huà)進(jìn)展動(dòng)態(tài)調(diào)整工作流，完成多步驟的任務(wù)執(zhí)行。而在聯(lián)絡(luò)完成后，它不僅沉淀通話(huà)要點(diǎn)，更能對(duì)執(zhí)行結(jié)果進(jìn)行自我評(píng)價(jià)并自主觸發(fā)工單流轉(zhuǎn)。
這類(lèi)Agent不再是輔助人的“掛件”，不再是某個(gè)功能點(diǎn)的效率提升，而是一種接近“真人坐席”的業(yè)務(wù)運(yùn)行模式：
它能夠理解業(yè)務(wù)流，圍繞業(yè)務(wù)目標(biāo)規(guī)劃路徑、調(diào)用工具并對(duì)結(jié)果負(fù)責(zé)，從而在企業(yè)組織中開(kāi)始承接完整的業(yè)務(wù)模塊。
正如容聯(lián)云實(shí)踐所展示的趨勢(shì)，具備主動(dòng)性與執(zhí)行力的Agent正在重塑個(gè)人與組織的工作方式。正因如此，2025年容聯(lián)云完成了從CC、CRM到諸葛智能的全線產(chǎn)品Agent化升級(jí)，讓AI真正成為具備“閉環(huán)執(zhí)行力”的業(yè)務(wù)角色。
深水區(qū)的“Know-how”：
AI加速度背后的產(chǎn)業(yè)底色
實(shí)現(xiàn)這種產(chǎn)業(yè)鏈的AI加速度并非易事。孔淼提出了一個(gè)犀利的觀點(diǎn)：技術(shù)的泛化門(mén)檻正在降低，真正的壁壘是那些看不見(jiàn)的產(chǎn)業(yè)Know-how。
在B端深水區(qū)，決定生產(chǎn)力工具上限的往往不是模型本身，而是對(duì)業(yè)務(wù)流程的底層重構(gòu)。容聯(lián)云在市場(chǎng)競(jìng)爭(zhēng)中的戰(zhàn)略邏輯可以拆解為“點(diǎn)、線、面”三個(gè)維度：通用工具解決“點(diǎn)”的單點(diǎn)需求，但深入垂直行業(yè)的業(yè)務(wù)流（線）和整體解決方案（面）才是真正的護(hù)城河。
在孔淼看來(lái)，容聯(lián)云的產(chǎn)品底色，源于其在真實(shí)的“深水區(qū)”與行業(yè)巨頭的深度共創(chuàng)。無(wú)論是與國(guó)有大行還是像廣發(fā)銀行這樣的股份制銀行合作，容聯(lián)云都將大量真實(shí)的客戶(hù)側(cè)視角輸入到產(chǎn)品底層，使得系統(tǒng)能夠不斷貼合最真實(shí)的業(yè)務(wù)習(xí)慣。這種共創(chuàng)模式，讓容聯(lián)云從技術(shù)視角轉(zhuǎn)向了業(yè)務(wù)視角，通過(guò)理解監(jiān)管合規(guī)、組織架構(gòu)及業(yè)務(wù)流程，為企業(yè)帶來(lái)了實(shí)質(zhì)性的業(yè)務(wù)加速度。
在實(shí)戰(zhàn)檢驗(yàn)中，這種深度的產(chǎn)業(yè)沉淀爆發(fā)出了驚人的ROI能量這表現(xiàn)在三個(gè)方面：
沉默資產(chǎn)的喚醒：過(guò)去客服數(shù)據(jù)利用率不足，海量會(huì)話(huà)淪為沉默數(shù)據(jù)。容聯(lián)云大模型洞察代理通過(guò)全渠道數(shù)據(jù)的自動(dòng)化挖掘，將某保險(xiǎn)客戶(hù)數(shù)據(jù)利用率提升至95%，并將10天的分析時(shí)間壓縮至4.5小時(shí)，讓客訴熱點(diǎn)與咨詢(xún)盲區(qū)清晰可見(jiàn)。 證券質(zhì)檢的代際跨越：在合規(guī)要求極其嚴(yán)苛的證券行業(yè)，傳統(tǒng)抽檢不僅漏檢率高，更耗費(fèi)巨大的人力復(fù)檢成本。容聯(lián)云引入大模型質(zhì)檢后，將8天的客服審核時(shí)間縮短至3.25小時(shí)，覆蓋率從40%直接拉滿(mǎn)至100%，準(zhǔn)確率高達(dá)96%。 品牌零售售后優(yōu)化：某零售集團(tuán)的坐席面對(duì)上千個(gè)SKU，原本需要翻閱厚重的知識(shí)文檔。依托容聯(lián)云“大模型售后服務(wù)坐席輔助”，平均通話(huà)時(shí)長(zhǎng)從12分鐘驟降至3分鐘，問(wèn)題首解率（FCR）從30%飛躍至80%。
不論是橫向跨產(chǎn)業(yè)的“Know-how”覆蓋，還是縱向?qū)Ξa(chǎn)業(yè)鏈節(jié)點(diǎn)業(yè)務(wù)邏輯的深入理解，容聯(lián)云正通過(guò)多元化的AI產(chǎn)品和交付能力，為企業(yè)營(yíng)銷(xiāo)服流程的融合共振提供核心動(dòng)能。
迎接RaaS時(shí)代
從單點(diǎn)提效到全流程重構(gòu)的跨越，預(yù)示著一種全新的商業(yè)邏輯正在降臨。
孔淼向筆者透露，隨著智能體具備了自主規(guī)劃與目標(biāo)閉環(huán)的能力，To B市場(chǎng)有望從傳統(tǒng)的“按軟件收費(fèi)”轉(zhuǎn)向“Result-as-a-Service（結(jié)果即服務(wù)）”。這意味著企業(yè)購(gòu)買(mǎi)的不再是冰冷的工具系統(tǒng)，而是一個(gè)能夠確鑿提升轉(zhuǎn)化率、降低合規(guī)風(fēng)險(xiǎn)、并能通過(guò)數(shù)據(jù)洞察驅(qū)動(dòng)決策的業(yè)務(wù)結(jié)果。
這種范式革命的背后，是容聯(lián)云通過(guò)深度融合自身通訊底座與數(shù)據(jù)能力，構(gòu)建出的“AI+CC+CRM+Data”融合共振平臺(tái)。在這種深度融合下，原本脫節(jié)的營(yíng)銷(xiāo)、銷(xiāo)售與服務(wù)環(huán)節(jié)打破了職能壁壘，轉(zhuǎn)變?yōu)閯?dòng)態(tài)互聯(lián)的有機(jī)整體：
用戶(hù)的每一次互動(dòng)觸達(dá)與溝通交互都會(huì)被實(shí)時(shí)轉(zhuǎn)化為數(shù)據(jù)標(biāo)簽，通過(guò)諸葛CDP同步至銷(xiāo)售與客服執(zhí)行端，而容犀Agent在交互中捕捉的投訴信號(hào)或潛在需求也能即時(shí)回寫(xiě)至營(yíng)銷(xiāo)策略中。這種全鏈路的動(dòng)態(tài)共振，讓AI不再是企業(yè)的插件，而是進(jìn)化為可以實(shí)時(shí)學(xué)習(xí)、重新設(shè)計(jì)業(yè)務(wù)流程的“未來(lái)引擎”，在數(shù)智化轉(zhuǎn)型中釋放出跨場(chǎng)景協(xié)同的爆發(fā)性業(yè)務(wù)增量。
容聯(lián)云正在定義的，是一個(gè)關(guān)于“讓AI真正產(chǎn)生業(yè)務(wù)增量”的中國(guó)式To B故事。2025年，容聯(lián)云完成了整個(gè)Agent的迭代升級(jí)，而2026年，將是Agent真正作為“業(yè)務(wù)角色”開(kāi)始上崗的一年。
在這場(chǎng)從技術(shù)紅利向業(yè)務(wù)價(jià)值落地過(guò)渡的長(zhǎng)跑中，容聯(lián)云正用深厚的產(chǎn)業(yè)底色，重塑著營(yíng)銷(xiāo)服領(lǐng)域的生產(chǎn)力底牌，將AI真正轉(zhuǎn)化為企業(yè)業(yè)務(wù)增長(zhǎng)的核心增量。
申請(qǐng)創(chuàng)業(yè)報(bào)道，分享創(chuàng)業(yè)好點(diǎn)子。點(diǎn)擊此處，共同探討創(chuàng)業(yè)新機(jī)遇！
