AI摘要：今年农历新年期间引爆市场的爆款礼盒，正是由GEA全流程支撑、从洞察到落地一气呵成的典型案例。 2026年3月，硅谷圣何塞SAP中心，英伟达GTC大会再度成为全球AI产业的“超级碗”。 最终的成果，就是2026年3月刚刚发布的GEA（Generative Enterprise Agent）企业级智能体系统。
2026年3月，硅谷圣何塞SAP中心，英伟达GTC大会再度成为全球AI产业的“超级碗”。黄仁勋身着标志性黑色皮夹克登场，用近两小时演讲，把行业从“模型崇拜”直接拽入智能体时代。
尽管会场掌声依旧，但气氛已截然不同。两年前，全场为每一个炫酷Demo惊叹；如今，几乎没人再说“哇”，散场后很多人都在问同一句话：技术路线很清楚，可到底要怎么落地？
这正是整个行业走到深水区的真实写照：模型愈发强大、工具层出不穷、API持续走低，但企业AI应用依然停留在“能用”阶段，跑不进流程、扎不进业务、形不成闭环。
特赞创始人、CEO范凌当时就坐在台下。回国后他写下《硅谷两周，十个真话》，第一句便是：企业已经不问“要不要用AI”了，问的是“钱花了，为什么还没见效”。这场GTC之行，印证了他长久以来的判断：AI的终极壁垒从来不是模型，而是企业上下文；真正能创造商业价值的AI，必须深度长在业务里，而不是悬浮在工具层。
相关阅读：https://mp.weixin.qq.com/s/0SOhCcFrq041gk5Ti3BaLA
在范凌看来，过去两年企业最大的误判，是把大模型当成能力，而不是系统。大模型解决的是“能不能做”，但企业真正关心的是“谁来持续做、怎么做、是否对结果负责”。当模型成为公共基础设施之后，企业竞争进入一个新的阶段—— 不再是Prompt的竞争，而是Context的竞争； 不再是工具的竞争，而是系统的竞争； 不再是生成能力的竞争，而是结果能力的竞争。
缺少扎根业务的“土壤”
过去三年，企业对AI的投入堪称狂热。从大模型采购、算力部署，到各类AI工具上线，几乎每家大中型企业都推出了自己的AI战略。但现实异常冷峻，Gartner、麦肯锡、BCG的多份报告都指出，绝大多数应用依然停留在写文案、做PPT、总结纪要、美化报表等的单点提效层面，能进入核心业务、影响增长、改变决策的案例寥寥无几。
问题根源从不在模型本身。
黄仁勋在GTC2026上已经点透真相。随着推理拐点已至，算力性能指数级提升，多模态能力日趋成熟，模型正在快速变成像电力、自来水一样的普惠基础设施。企业之间的差距，早已不取决于“用谁家的模型”“参数有多大”，而在于这些模型跑在什么样的业务环境里。
换句话说，眼下AI的比拼，已经从“比谁模型强”变成“比谁系统稳”。
范凌打了一个很形象的比方：如果模型是自来水，上下文是地段，模型生成智能，上下文生成结果。真正值钱的AI，都长在业务里，而不是长在模型里。
所谓的“上下文”，不单纯是企业结构化和非结构化的数字资产，而是可化做一套完整的、动态的、可被AI理解的业务决策系统，包含企业长期形成的决策逻辑、审批规则、协作流程、偏好倾向、风险边界，以及一次次项目中“为什么选A不选B”的权衡过程。
在范凌看来：“真正有价值的上下文，并不只是结果，而是决策的过程本身。”只有把这些隐性知识、组织经验、业务偏好全部数字化、结构化、可调用化，AI才能从“通用智能”变成“企业专属智能”。
长期以来，恰恰这部分最有价值的资产处于沉睡状态。人用不动、系统接不通、AI用不上。即便模型再强大，没有专属上下文，也只能给出放之四海而皆准的通用答案，无法贴合企业真实业务、真实偏好、真实规则。
更深层的卡点，在于人和组织，而非技术。
大多数企业面对AI的第一反应是“老瓶装新酒”，在原有软件上叠加AI功能。但实际上，企业软件本来就复杂，盲目叠加AI只会更冗余混乱，让用户更困惑，最后导致没人愿意为附加的AI买单。这也是为什么市场上那么多"AI+"产品,看起来很热闹,却很难转化为真实的续费率。
因此，AI要创造真正的商业价值，必须嵌入业务流程、沉淀决策经验、持续进化迭代。而支撑这一切的底座，不是接口和提示词，而是一套长期扎根业务、理解业务、承载业务的上下文系统。
而这，正是特赞在过去近十年里，默默做完的事。
上下文：难以复刻的长期壁垒
2015年，范凌回国在上海创立特赞，构想的是用科技赋能商业与社会的想象力。公司早期提供的是创意资源连接服务，聚合10万多名专业创作者，为企业对接设计、文案、视频、插画等创意能力，累计交付数十万项创意内容资产。
那时，行业还没有“非结构化数据”“上下文”这些热词，特赞只是朴素地解决企业创意需求分散、效率低下、质量不可控、资产难以沉淀这些痛点。
直到六七年前，特赞做出关键战略选择，从创意服务转向企业数字资产管理（DAM）。
彼时，企业内容进入爆发期。短视频、社交媒体、私域、直播、电商多点开花，一家快消或美妆企业一年可能产生数万甚至数十万份图文、视频素材。这些内容散落在员工电脑、网盘、供应商后台、设计工具里，版本混乱、查找困难、复用率极低，还暗藏极高的合规风险。
特赞DAM就此切入。它不是简单的云存储，而是一套覆盖内容生产、统一管理、智能标签、全域检索、权限管控、合规审核、数据洞察的全栈系统，其能够自动解析70余种文件格式，用AI完成打标、分类、去重、推荐，把内容查找时间从小时级压缩到秒级，让大型企业的内容协作效率提升60%以上。
特赞的DAM
在大模型时代之前，这些资产只是“内容管理系统里的文件”。但在智能体时代，它们变成了企业最稀缺的认知基础设施。同样的模型能力可以复制，但同样规模和密度的企业上下文，无法复制。
这也是为什么Agentic AI的竞争，本质不是模型竞争，而是Context System的竞争。
更重要的是，特赞选择服务联合利华、宝洁、欧莱雅等世界500强这些最严苛的客户，构筑了后来者无法逾越的三层壁垒。
不可速成的上下文资产是第一层壁垒。特赞DAM存储的从来不是孤立文件，而是企业完整的决策链路、项目历史、品牌规则、创意偏好、用户洞察、合规边界与市场反馈。范凌指出：“真正有价值的上下文，并不只是结果，而是决策的过程本身。”这些资产与业务深度绑定，随时间复利增长，迁移成本极高，无法通过开源数据、算法优化快速复制。
多重能力的复合门槛构成第二层壁垒。比如能做内容工具的，未必懂企业合规；能做模型算法的，未必懂创意逻辑；能做垂直场景的，未必具备跨行业复用能力。特赞基于AI工程能力与十年企业服务经验沉淀，逐步形成了从内容理解、AI工程化到企业级交付的“三位一体”能力结构，这是单一技术团队或工具团队无法补齐的。
大客户信任与合规体系则是第三层壁垒。中大型企业选型谨慎、验证周期长、替换成本极高。一旦形成稳定合作，后来者几乎无法靠单点功能切入。特赞在数据安全、隐私合规、跨区域协同、复杂组织适配方面的长期投入，构成了一道坚实的护城河。
这也合理解释了行业内的一个奇特现象，做内容工具的玩家不少，但长期深耕并走到智能体阶段的，似乎没跑出来第二个特赞。
特赞的特殊性更体现在三个同时成立的前提条件：
第一，需要长期沉淀企业上下文；
第二，需要把真实业务流程抽象成可调用的Agent Skills；
第三，需要愿意对结果负责，而不是只交付工具。
这三件事，很少有公司能够同时完成，并且持续十年。
长期以来，外界把特赞视为内容营销公司、创意工具公司、SaaS软件公司，但无论被外界贴以何种标签，特赞过去的经历始终有一条主线没有变过——让企业沉睡的非结构化内容,变成可被调用、可产生价值的资产。只不过在大模型时代,这件事有了新的名字:上下文。"
它不是突然做AI，只是AI时代到来时，早已筑牢了坚实的地基。
GEA，用十年积累重构AI价值
范凌坦言，创业十年，过去其实一直觉得很孤独，特赞做的是一件"长在业务深处"的事,似乎不够性感。但随着GPT-4和Deepseek轮番登场，AI赛道这三年突然变得异常拥挤和热闹。
从2025年开始，行业发生了一次底层转向。AI调用内容的主体，从过去“人”打开系统、找素材、做编辑、发出去，变成了“智能体”7×24小时自动理解需求、调取资产、执行任务、持续迭代。
这一变化，直接把特赞十年积累的核心优势，推到了行业最前沿。
范凌似乎对此有着清醒的判断：“如果只沿着原有边界不断加AI，最终很可能什么都不会真的改变。面对AI，我们应该把它当作一块新大陆。”
因此，特赞没有走“老瓶装新酒”的路数，而是围绕核心问题，从零打造AI原生产品。最终的成果，就是2026年3月刚刚发布的GEA（Generative Enterprise Agent）企业级智能体系统。
GEA既不是插件，也不是Copilot，而是一套拥有四层架构、全栈闭环、主动运行的系统。最底层是Context System（由特赞DAM升级而来），作为企业级上下文记忆系统，承载企业全部专属资产与规则；往上是智能体技能层，拥有400 +模块化能力，由Proactive Agent体系调用执行；再上是编排层，由特赞自研的发散推理模型（Creative Reasoning Model）驱动，先发散探索、再收敛决策，调度30余个细分模型；最上层是意图层，直接理解企业商业目标，而非单纯的技术指令。
这套架构彻底改变了AI在企业里的角色定位。智能体不再局限于被动响应指令、完成单次生成任务，而是能够围绕业务目标自主运转，持续感知外部信号与内部状态，并在关键节点主动发起动作。它不再只是提升人效的辅助工具，而是可以独立承接业务流程、对中间过程与最终结果负责的执行单元。更为重要的是，每一次运行都会沉淀为可复用的经验与规则，让整个系统在持续使用中不断迭代、变得更贴合企业业务特点。
范凌谈到，“过去企业买软件，是为了管理流程；过去三年企业试模型，是为了提升效率；接下来企业部署智能体，是为了交付结果。”
这意味着企业软件正在从"Seat-based software"(席位订阅制),进入"Outcome-based system"(结果订阅制)的时代。这是一个可能重塑整个SaaS估值逻辑的判断。
实际上，GEA在正式发布的半年前，就已在特赞存量客户中率先落地。范凌透露，当前特赞存量客户里已经有近三成主动切换到了新体系，涵盖快消、汽车、美妆、医疗健康等多个领域。
例如某国际快消品牌，此前的新品研发一直遵循线性流程，从市场调研、概念创意、包装设计、用户测试到上市推广，一环扣一环，周期动辄3-6个月。团队一年要绞尽脑汁推出20多个创意，最终能顺利问世的寥寥无几，大量投入在漫长周期与反复试错中被消耗。
引入GEA之后，这套传统流程得到了重构和优化。智能体不间断捕捉全球市场信号、竞品动态、电商数据与社交媒体舆情，从消费者的一句吐槽、一个偏好、一次潜在需求中，实时挖掘创新线索。它不再等待人工指令，而是基于品牌完整上下文，自动生成产品概念、包装方案、营销话术，并同步联动AI Persona与真人测试进行双重验证，快速迭代、持续优化。
效果立竿见影，如今该品牌已有超过300个产品方案进入测试阶段，最终成功上市十余款新品。今年农历新年期间引爆市场的爆款礼盒，正是由GEA全流程支撑、从洞察到落地一气呵成的典型案例。
再比如某全球知名3C品牌，借助GEA破解了运营面临文化差异、平台规则复杂、内容迭代慢、品牌调性难统一等海外社媒增长的长期难题。有了GEA，AI不再是辅助创作的工具，而是直接对增长结果负责的“业务一号位”，能实时监测数据、自动复盘效果、动态调整策略，原本需要策划、文案、设计、投放、数据、本地化团队协同数周的工作，如今都能够独立闭环、持续运行，团队只需做关键校准与战略把控。
上述两个案例，印证了GEA的核心价值：一是不做锦上添花的提效，而是做重构业务的系统；二是不做炫技的Demo，而是解决真问题、交付真结果、带来真增长。
从资本市场视角看，Agentic AI代表的是企业软件的一次结构性升级。
过去三十年,企业软件的价值锚定在"流程数字化"上——从ERP、CRM到SaaS,本质都是在帮企业把线下流程搬到线上、把人的操作规范化。未来十年,企业软件的价值锚定将转向"结果交付"——不再按席位数付费,而是按业务成果付费。
当模型成为公共基础设施之后，真正具备长期价值的公司，不再是模型提供者，而是能够构建上下文系统、编排能力与执行闭环的平台型企业。
在这个坐标系里,特赞的路径与大多数"AI应用层"玩家截然不同。它并不是"在模型之上做应用",而是围绕企业上下文构建一整套智能体操作系统。这使其商业模式,从席位订阅转向结果订阅——这不是一个功能升级,而是一次商业模式的结构性跃迁。这一年的特赞,收入迎来了历年最高，ARR逼近1亿美元。在AI应用层普遍"Demo很炫、收入很瘦"的当下,这种结构性跃迁并不多见。
在范凌眼中，这次转型近乎一场 “对过去的告别”。
这场告别，不是否定过去，而是将特赞十年积累的能力，在AI时代充分释放。企业服务的重心也随之转移，不再只是为人提供效率工具，而是为智能体构建可长期运行的底层系统。业务边界也逐步拓展，从以往聚焦的营销场景，延伸到支撑企业更完整的业务链条，包括产品创新、用户洞察等核心经营场景。与此同时，商业模式也从传统的席位订阅，转向与业务价值、Token消耗相关的新计价方式。特赞与客户的关系不再局限于被动响应需求，而是走向共同定义业务未来的深度协作。
模型可以迭代，算力可以升级，工具可以替换。但真正决定企业AI上限的，是它是否拥有属于自己的上下文系统。
在范凌看来，下一代企业之间的差距，不在谁先接入模型，而在谁更早让智能体进入业务。而特赞用近十年实践证明，模型可以迭代、算力可以升级、工具可以替换，而扎根业务的上下文、理解业务的编排能力、交付结果的全栈体系，才是企业AI时代真正的护城河。
商业的智能体时代的序幕已经拉开。真正的竞争，在一家家企业的业务深处,在那些曾经被忽视的决策细节、协作链路和组织记忆里。
那里,才是AI真正值钱的地方。
本文来自虎嗅，原文链接：https://www.huxiu.com/article/4851552.html?f=wyxwapp
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
暂无回复，快来抢沙发吧！
本次需消耗银元：
100
当前账户余额: 0 银元
2026年3月，硅谷圣何塞SAP中心，英伟达GTC大会再度成为全球AI产业的“超级碗”。黄仁勋身着标志性黑色皮夹克登场，用近两小时演讲，把行业从“模型崇拜”直接拽入智能体时代。
尽管会场掌声依旧，但气氛已截然不同。两年前，全场为每一个炫酷Demo惊叹；如今，几乎没人再说“哇”，散场后很多人都在问同一句话：技术路线很清楚，可到底要怎么落地？
这正是整个行业走到深水区的真实写照：模型愈发强大、工具层出不穷、API持续走低，但企业AI应用依然停留在“能用”阶段，跑不进流程、扎不进业务、形不成闭环。
特赞创始人、CEO范凌当时就坐在台下。回国后他写下《硅谷两周，十个真话》，第一句便是：企业已经不问“要不要用AI”了，问的是“钱花了，为什么还没见效”。这场GTC之行，印证了他长久以来的判断：AI的终极壁垒从来不是模型，而是企业上下文；真正能创造商业价值的AI，必须深度长在业务里，而不是悬浮在工具层。
相关阅读：https://mp.weixin.qq.com/s/0SOhCcFrq041gk5Ti3BaLA
在范凌看来，过去两年企业最大的误判，是把大模型当成能力，而不是系统。大模型解决的是“能不能做”，但企业真正关心的是“谁来持续做、怎么做、是否对结果负责”。当模型成为公共基础设施之后，企业竞争进入一个新的阶段—— 不再是Prompt的竞争，而是Context的竞争； 不再是工具的竞争，而是系统的竞争； 不再是生成能力的竞争，而是结果能力的竞争。
缺少扎根业务的“土壤”
过去三年，企业对AI的投入堪称狂热。从大模型采购、算力部署，到各类AI工具上线，几乎每家大中型企业都推出了自己的AI战略。但现实异常冷峻，Gartner、麦肯锡、BCG的多份报告都指出，绝大多数应用依然停留在写文案、做PPT、总结纪要、美化报表等的单点提效层面，能进入核心业务、影响增长、改变决策的案例寥寥无几。
问题根源从不在模型本身。
黄仁勋在GTC2026上已经点透真相。随着推理拐点已至，算力性能指数级提升，多模态能力日趋成熟，模型正在快速变成像电力、自来水一样的普惠基础设施。企业之间的差距，早已不取决于“用谁家的模型”“参数有多大”，而在于这些模型跑在什么样的业务环境里。
换句话说，眼下AI的比拼，已经从“比谁模型强”变成“比谁系统稳”。
范凌打了一个很形象的比方：如果模型是自来水，上下文是地段，模型生成智能，上下文生成结果。真正值钱的AI，都长在业务里，而不是长在模型里。
所谓的“上下文”，不单纯是企业结构化和非结构化的数字资产，而是可化做一套完整的、动态的、可被AI理解的业务决策系统，包含企业长期形成的决策逻辑、审批规则、协作流程、偏好倾向、风险边界，以及一次次项目中“为什么选A不选B”的权衡过程。
在范凌看来：“真正有价值的上下文，并不只是结果，而是决策的过程本身。”只有把这些隐性知识、组织经验、业务偏好全部数字化、结构化、可调用化，AI才能从“通用智能”变成“企业专属智能”。
长期以来，恰恰这部分最有价值的资产处于沉睡状态。人用不动、系统接不通、AI用不上。即便模型再强大，没有专属上下文，也只能给出放之四海而皆准的通用答案，无法贴合企业真实业务、真实偏好、真实规则。
更深层的卡点，在于人和组织，而非技术。
大多数企业面对AI的第一反应是“老瓶装新酒”，在原有软件上叠加AI功能。但实际上，企业软件本来就复杂，盲目叠加AI只会更冗余混乱，让用户更困惑，最后导致没人愿意为附加的AI买单。这也是为什么市场上那么多"AI+"产品,看起来很热闹,却很难转化为真实的续费率。
因此，AI要创造真正的商业价值，必须嵌入业务流程、沉淀决策经验、持续进化迭代。而支撑这一切的底座，不是接口和提示词，而是一套长期扎根业务、理解业务、承载业务的上下文系统。
而这，正是特赞在过去近十年里，默默做完的事。
上下文：难以复刻的长期壁垒
2015年，范凌回国在上海创立特赞，构想的是用科技赋能商业与社会的想象力。公司早期提供的是创意资源连接服务，聚合10万多名专业创作者，为企业对接设计、文案、视频、插画等创意能力，累计交付数十万项创意内容资产。
那时，行业还没有“非结构化数据”“上下文”这些热词，特赞只是朴素地解决企业创意需求分散、效率低下、质量不可控、资产难以沉淀这些痛点。
直到六七年前，特赞做出关键战略选择，从创意服务转向企业数字资产管理（DAM）。
彼时，企业内容进入爆发期。短视频、社交媒体、私域、直播、电商多点开花，一家快消或美妆企业一年可能产生数万甚至数十万份图文、视频素材。这些内容散落在员工电脑、网盘、供应商后台、设计工具里，版本混乱、查找困难、复用率极低，还暗藏极高的合规风险。
特赞DAM就此切入。它不是简单的云存储，而是一套覆盖内容生产、统一管理、智能标签、全域检索、权限管控、合规审核、数据洞察的全栈系统，其能够自动解析70余种文件格式，用AI完成打标、分类、去重、推荐，把内容查找时间从小时级压缩到秒级，让大型企业的内容协作效率提升60%以上。
特赞的DAM
在大模型时代之前，这些资产只是“内容管理系统里的文件”。但在智能体时代，它们变成了企业最稀缺的认知基础设施。同样的模型能力可以复制，但同样规模和密度的企业上下文，无法复制。
这也是为什么Agentic AI的竞争，本质不是模型竞争，而是Context System的竞争。
更重要的是，特赞选择服务联合利华、宝洁、欧莱雅等世界500强这些最严苛的客户，构筑了后来者无法逾越的三层壁垒。
不可速成的上下文资产是第一层壁垒。特赞DAM存储的从来不是孤立文件，而是企业完整的决策链路、项目历史、品牌规则、创意偏好、用户洞察、合规边界与市场反馈。范凌指出：“真正有价值的上下文，并不只是结果，而是决策的过程本身。”这些资产与业务深度绑定，随时间复利增长，迁移成本极高，无法通过开源数据、算法优化快速复制。
多重能力的复合门槛构成第二层壁垒。比如能做内容工具的，未必懂企业合规；能做模型算法的，未必懂创意逻辑；能做垂直场景的，未必具备跨行业复用能力。特赞基于AI工程能力与十年企业服务经验沉淀，逐步形成了从内容理解、AI工程化到企业级交付的“三位一体”能力结构，这是单一技术团队或工具团队无法补齐的。
大客户信任与合规体系则是第三层壁垒。中大型企业选型谨慎、验证周期长、替换成本极高。一旦形成稳定合作，后来者几乎无法靠单点功能切入。特赞在数据安全、隐私合规、跨区域协同、复杂组织适配方面的长期投入，构成了一道坚实的护城河。
这也合理解释了行业内的一个奇特现象，做内容工具的玩家不少，但长期深耕并走到智能体阶段的，似乎没跑出来第二个特赞。
特赞的特殊性更体现在三个同时成立的前提条件：
第一，需要长期沉淀企业上下文；
第二，需要把真实业务流程抽象成可调用的Agent Skills；
第三，需要愿意对结果负责，而不是只交付工具。
这三件事，很少有公司能够同时完成，并且持续十年。
长期以来，外界把特赞视为内容营销公司、创意工具公司、SaaS软件公司，但无论被外界贴以何种标签，特赞过去的经历始终有一条主线没有变过——让企业沉睡的非结构化内容,变成可被调用、可产生价值的资产。只不过在大模型时代,这件事有了新的名字:上下文。"
它不是突然做AI，只是AI时代到来时，早已筑牢了坚实的地基。
GEA，用十年积累重构AI价值
范凌坦言，创业十年，过去其实一直觉得很孤独，特赞做的是一件"长在业务深处"的事,似乎不够性感。但随着GPT-4和Deepseek轮番登场，AI赛道这三年突然变得异常拥挤和热闹。
从2025年开始，行业发生了一次底层转向。AI调用内容的主体，从过去“人”打开系统、找素材、做编辑、发出去，变成了“智能体”7×24小时自动理解需求、调取资产、执行任务、持续迭代。
这一变化，直接把特赞十年积累的核心优势，推到了行业最前沿。
范凌似乎对此有着清醒的判断：“如果只沿着原有边界不断加AI，最终很可能什么都不会真的改变。面对AI，我们应该把它当作一块新大陆。”
因此，特赞没有走“老瓶装新酒”的路数，而是围绕核心问题，从零打造AI原生产品。最终的成果，就是2026年3月刚刚发布的GEA（Generative Enterprise Agent）企业级智能体系统。
GEA既不是插件，也不是Copilot，而是一套拥有四层架构、全栈闭环、主动运行的系统。最底层是Context System（由特赞DAM升级而来），作为企业级上下文记忆系统，承载企业全部专属资产与规则；往上是智能体技能层，拥有400 +模块化能力，由Proactive Agent体系调用执行；再上是编排层，由特赞自研的发散推理模型（Creative Reasoning Model）驱动，先发散探索、再收敛决策，调度30余个细分模型；最上层是意图层，直接理解企业商业目标，而非单纯的技术指令。
这套架构彻底改变了AI在企业里的角色定位。智能体不再局限于被动响应指令、完成单次生成任务，而是能够围绕业务目标自主运转，持续感知外部信号与内部状态，并在关键节点主动发起动作。它不再只是提升人效的辅助工具，而是可以独立承接业务流程、对中间过程与最终结果负责的执行单元。更为重要的是，每一次运行都会沉淀为可复用的经验与规则，让整个系统在持续使用中不断迭代、变得更贴合企业业务特点。
范凌谈到，“过去企业买软件，是为了管理流程；过去三年企业试模型，是为了提升效率；接下来企业部署智能体，是为了交付结果。”
这意味着企业软件正在从"Seat-based software"(席位订阅制),进入"Outcome-based system"(结果订阅制)的时代。这是一个可能重塑整个SaaS估值逻辑的判断。
实际上，GEA在正式发布的半年前，就已在特赞存量客户中率先落地。范凌透露，当前特赞存量客户里已经有近三成主动切换到了新体系，涵盖快消、汽车、美妆、医疗健康等多个领域。
例如某国际快消品牌，此前的新品研发一直遵循线性流程，从市场调研、概念创意、包装设计、用户测试到上市推广，一环扣一环，周期动辄3-6个月。团队一年要绞尽脑汁推出20多个创意，最终能顺利问世的寥寥无几，大量投入在漫长周期与反复试错中被消耗。
引入GEA之后，这套传统流程得到了重构和优化。智能体不间断捕捉全球市场信号、竞品动态、电商数据与社交媒体舆情，从消费者的一句吐槽、一个偏好、一次潜在需求中，实时挖掘创新线索。它不再等待人工指令，而是基于品牌完整上下文，自动生成产品概念、包装方案、营销话术，并同步联动AI Persona与真人测试进行双重验证，快速迭代、持续优化。
效果立竿见影，如今该品牌已有超过300个产品方案进入测试阶段，最终成功上市十余款新品。今年农历新年期间引爆市场的爆款礼盒，正是由GEA全流程支撑、从洞察到落地一气呵成的典型案例。
再比如某全球知名3C品牌，借助GEA破解了运营面临文化差异、平台规则复杂、内容迭代慢、品牌调性难统一等海外社媒增长的长期难题。有了GEA，AI不再是辅助创作的工具，而是直接对增长结果负责的“业务一号位”，能实时监测数据、自动复盘效果、动态调整策略，原本需要策划、文案、设计、投放、数据、本地化团队协同数周的工作，如今都能够独立闭环、持续运行，团队只需做关键校准与战略把控。
上述两个案例，印证了GEA的核心价值：一是不做锦上添花的提效，而是做重构业务的系统；二是不做炫技的Demo，而是解决真问题、交付真结果、带来真增长。
从资本市场视角看，Agentic AI代表的是企业软件的一次结构性升级。
过去三十年,企业软件的价值锚定在"流程数字化"上——从ERP、CRM到SaaS,本质都是在帮企业把线下流程搬到线上、把人的操作规范化。未来十年,企业软件的价值锚定将转向"结果交付"——不再按席位数付费,而是按业务成果付费。
当模型成为公共基础设施之后，真正具备长期价值的公司，不再是模型提供者，而是能够构建上下文系统、编排能力与执行闭环的平台型企业。
在这个坐标系里,特赞的路径与大多数"AI应用层"玩家截然不同。它并不是"在模型之上做应用",而是围绕企业上下文构建一整套智能体操作系统。这使其商业模式,从席位订阅转向结果订阅——这不是一个功能升级,而是一次商业模式的结构性跃迁。这一年的特赞,收入迎来了历年最高，ARR逼近1亿美元。在AI应用层普遍"Demo很炫、收入很瘦"的当下,这种结构性跃迁并不多见。
在范凌眼中，这次转型近乎一场 “对过去的告别”。
这场告别，不是否定过去，而是将特赞十年积累的能力，在AI时代充分释放。企业服务的重心也随之转移，不再只是为人提供效率工具，而是为智能体构建可长期运行的底层系统。业务边界也逐步拓展，从以往聚焦的营销场景，延伸到支撑企业更完整的业务链条，包括产品创新、用户洞察等核心经营场景。与此同时，商业模式也从传统的席位订阅，转向与业务价值、Token消耗相关的新计价方式。特赞与客户的关系不再局限于被动响应需求，而是走向共同定义业务未来的深度协作。
模型可以迭代，算力可以升级，工具可以替换。但真正决定企业AI上限的，是它是否拥有属于自己的上下文系统。
在范凌看来，下一代企业之间的差距，不在谁先接入模型，而在谁更早让智能体进入业务。而特赞用近十年实践证明，模型可以迭代、算力可以升级、工具可以替换，而扎根业务的上下文、理解业务的编排能力、交付结果的全栈体系，才是企业AI时代真正的护城河。
商业的智能体时代的序幕已经拉开。真正的竞争，在一家家企业的业务深处,在那些曾经被忽视的决策细节、协作链路和组织记忆里。
那里,才是AI真正值钱的地方。
本文来自虎嗅，原文链接：https://www.huxiu.com/article/4851552.html?f=wyxwapp
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。