作者：彭昭（智次方創始人、云和資本聯合創始合伙人）
這是我的第368篇專欄文章。
生成式AI正處于寒武紀式爆發后的第一輪進化期。通用大模型在展現驚人能力的同時，也逐漸暴露出成本高昂、應用泛化與商業變現困難等結構性瓶頸。
一條新的產業化路徑正加速浮現：垂類大模型（Vertical AI）成為通用模型的“第二曲線”。
隨著政府工作報告提出持續推進“人工智能+”行動，從醫療、法律到制造、消費、金融等領域，越來越多企業試圖構建面向特定行業的專屬AI系統。這些系統更加理解領域語言、更貼近業務流程、更容易嵌入既有系統。
但現實遠比愿景更加復雜：模型效果高度依賴場景調優，實際應用效果有限；企業數據碎片化嚴重，難以支撐有效訓練；商業模式模糊，客戶難以形成長期綁定。
“大模型之后，到底是做模型、做產品，還是做平臺？”這一問題成為所有垂類AI玩家的戰略困擾。
這一切，似曾相識。
十幾年前，隨著工業互聯網的概念于2012年由美國通用電氣公司（GE）提出，工業互聯網平臺企業也曾經歷從“連接設備”到“重構流程”、再到“平臺化生態”構想的熱潮與幻滅。他們面臨的挑戰同樣是：在技術突破之后，如何構建可持續的業務模式與平臺控制力？
今天，垂類模型企業正站在相似的十字路口。不同的是，他們手中握有一個全新的杠桿工具：AI Agent與流程重構能力——不僅僅是自動化任務，而是輔助并重構工作流。
在本文中，我們將共同探索：在產業AI的戰局中，誰能真正突圍？誰能構建長期壁壘？垂類模型的終局，會是一場新的“平臺之戰”嗎？
從“連接物”到“輔助人”：垂類AI與工業互聯網的平臺化之路
垂類模型與工業互聯網，有何相似與不同？
雖然垂類模型與工業互聯網誕生于不同的技術周期，但它們在“從工具走向平臺”的路徑上，呈現出高度相似的結構性挑戰。
我們可以從四個核心維度進行類比分析：
起點相似：都從“工具”切入業務底層
工業互聯網的起點是設備上云與邊緣采集，試圖用傳感器與平臺打通物理世界的數據盲區。這一過程強調數據采集與系統連接，為后續的數據分析與流程優化奠定基礎。
而垂類模型的起點則是大模型能力的遷移，希望利用語義理解與任務實現，從認知層“輔助人類工作”。這意味著，垂類模型不僅要理解業務數據，還要深度理解業務流程與專業知識，進而實現對工作流的自動化與重構。
雖然兩者的切入點不同，但本質上都是從底層“重塑感知與認知能力”，進而嵌入業務流程，實現數字化轉型。工業互聯網側重于打通數據孤島，構建統一的數字化底座；而垂類模型則更進一步，試圖在統一的認知基礎上，實現端到端的流程自動化。
技術路徑不同：AI Agent是垂類模型的“杠桿武器”
工業互聯網的核心挑戰在于數據異構與系統集成，強調流程建模與IT/OT融合。由于工業領域的數據種類繁多、格式各異，且分散在不同的系統與設備中，因此需要通過數據集成與流程建模，將它們統一到一個平臺中進行管理和分析。這往往需要復雜的系統對接與數據清洗工作，是一個漫長而艱巨的過程。
而垂類模型的關鍵在于三個方面：一是模型能力適配性，即如何將通用大模型的能力遷移到特定行業，融入行業知識和語言習慣；二是Agent的任務規劃與上下文保持能力，即如何讓AI Agent理解任務的環境與場景，合理拆解任務并持續跟蹤執行狀態；三是流程級任務自動化能力，即AI Agent需要能夠自動執行一系列復雜任務，實現端到端的流程自動化。
因此，與工業互聯網強調“打通系統”不同，垂類模型更強調“輔助流程”。它不僅要實現數據的互聯互通，還要通過AI Agent實現業務流程的自動化與智能化，從而更為徹底的釋放數據價值。
商業模式演化：從平臺即服務（PaaS）到業務成果即服務（BOaaS）
工業互聯網平臺主要以PaaS（平臺即服務）和SaaS（軟件即服務）的模式交付。但在實踐中，由于工業領域的復雜性和定制化需求，很多平臺最終不得不轉向“項目定制”模式，為每個客戶單獨開發和部署系統，這導致平臺難以實現規模化發展。
而垂類模型從一開始就具備“API化”的基因。通過大模型與Agent的結合，它可以將復雜的任務流程封裝為簡單的API接口，用戶只需通過API調用，即可獲得端到端的流程自動化服務，而無需關心底層的技術細節。
更重要的是，垂類模型可以直接面向任務結果的交付，催生出一種新的商業模式：業務成果即服務（Business Outcome-as-a-Service）。BOaaS模式提供的是任務結果，AI Agent全程輔助任務執行過程，用戶只需要向Agent下達指令，然后等待結果交付。
舉個例子，傳統的進銷存SaaS軟件，提供了記錄和管理進銷存數據的工具，用戶仍然需要半自動輸入數據、盤點庫存、處理異常等。而如果是一個基于垂類模型的進銷存BOaaS模式，用戶只需要告訴AI Agent需要采購什么商品，Agent就可以自動完成供應商選擇、價格比對、合同簽訂、訂單跟蹤、入庫登記等一系列工作，最終將采購完成的結果反饋給用戶。
可以說， BOaaS模式代表了一種全新的生產力組織方式。它意味著，AI不再只是輔助人類工作的工具，而是能夠主動承接和執行任務的“數字員工”。當然，這并不意味著AI可以完全取代人類，而是通過人機協作，將人類從重復性、程式化的工作中解放出來，騰出更多時間和精力去創造價值。
成敗關鍵一致：最終都要“掌控流程關鍵點”
工業互聯網平臺的成敗，不在于技術多強，而在于能否構建起“平臺飛輪”效應。這意味著，平臺需要聚合足夠多的設備和數據資源，吸引開發者和獨立軟件開發商（ISV）入駐，形成生態閉環，從而建立起客戶對平臺的信賴關系。
具體來說，工業互聯網平臺要實現的是“設備-數據-應用-客戶”的正向循環：連接更多的設備，采集更多的數據；積累的數據吸引更多的開發者基于平臺開發應用；豐富的應用生態吸引更多的客戶使用平臺；更多的客戶意味著更多的設備接入和數據積累，從而形成正向循環。
垂類大模型企業的成功，同樣取決于能否占據“流程控制點”，構建“數據-模型-應用”的閉環生態。此外，垂類AI要真正建立起平臺生態，還需要綜合考慮開發者從零到一的成長陪跑、數據安全與隱私、模型迭代與優化等因素。
盡管工業互聯網和垂類模型在技術路徑上有所不同，但它們的終局殊途同歸，都是要通過“連接”和“賦能”，打造產業數字化轉型的操作系統和生態平臺。
工業互聯網強調“連接物”，通過設備上云和數據集成，構建工業數字化的底座；垂類AI則試圖“輔助人”，利用大模型和Agent實現業務流程的自動化與智能化。兩者分別代表著產業數字化轉型的前半程和后半程。
從本質上說，工業互聯網解決的是“數字化”問題，即如何將原本離散、割裂的設備、數據和系統連接起來，形成統一的數字空間；而垂類模型解決的是“智能化”問題，即如何在統一的數據基礎上，用AI重構業務流程、優化資源配置、創造新的價值。
可以預見，未來的產業互聯網平臺，必將是工業互聯網與垂類模型的深度融合。這樣的平臺不僅要連接海量的設備和數據，還要用AI為企業和行業持續賦能，構建包括軟硬件基礎設施、技術、運營在內的全棧式解決方案。
垂類模型的4階段進化路徑：從工具到平臺的躍遷軌道
在此前的文章中，我曾經介紹過工業互聯網的3個發展階段：階段1內化，打通企業業務流程的信息化；階段2外化，延展產品服務的價值鏈階段；階段3外掛，對外賦能發展新的商業模式。
有了工業互聯網平臺的借鑒，垂直模型的進化之路預計將更加快速。
垂直AI的演進，本質上是一個從“解決單一任務”到“輔助整個流程”，再到“承載行業生態平臺”的能力躍遷過程。
通過對產業先行者的實踐路徑進行梳理，我們可以將其歸納為四個典型的發展階段：
階段一：垂直切入，解決剛需痛點
在初始階段，企業需要聚焦于一個高價值、高頻次、數據結構化程度適中的垂類場景，率先突破AI的實用性邊界。這些場景通常具有明確的痛點需求和可衡量的價值回報，如制造業中的缺陷檢測和良率預測等。
在選擇切入場景時，除了考慮商業潛力和AI可行性外，還要重點評估數據的可用性和質量。一個理想的垂類模型場景，應該具備相對完整、標注充分的數據積累。這往往需要企業在特定領域有深厚的行業積淀和數字化基礎。因此，與行業頭部企業合作，或選擇已經實現良好數字化的細分場景切入，往往是明智的選擇。
這一階段的關鍵詞是：痛點明確、商業價值可衡量、數據可獲得、流程可閉環。只有同時滿足這四個條件，垂類模型項目才有可能在起步階段取得突破。
階段二：構建能力飛輪，形成垂類護城河
當垂類AI模型在某個具體任務上實現穩定的、可靠的表現后，它就具備了形成“能力飛輪”的基礎。這個飛輪的運轉邏輯是：首先，隨著模型的不斷優化，其準確性、效率等核心性能指標不斷提升，用戶使用體驗越來越好；好的體驗吸引更多客戶接受和使用該AI系統，從而在實際業務中產生更多真實數據；更多的數據反過來又可以用于持續訓練和優化模型，從而進一步提升模型性能和用戶體驗，形成正向循環。
要驅動這一飛輪，關鍵是構建“模型能力”與“產品體驗”的雙引擎。
在“模型能力”方面，垂類模型企業基于不斷積累的真實業務數據，對模型進行持續的微調和優化，針對行業特定任務、知識、語言和規則定制算法，最終形成高度可靠、性能卓越的行業專屬模型（Domain-Specific Foundation Model）。
在“產品體驗”方面，僅有強大的模型是不夠的，還需要從產品層面，圍繞行業用戶的真實需求和使用習慣，精心設計人機交互、任務流程和系統功能。很多時候用戶的需求有待進一步澄清，Agent的優勢在于它可以跟用戶進行多輪對話交互，理解用戶的真實意圖，將用戶的高層指令轉化為可執行的具體任務，完成端到端成果交付。
階段三：流程重構，邁向業務成果即服務（BOaaS）
當Agent掌握了理解用戶需求、調度算法模型、協同多方資源、開展端到端任務交付的能力后，垂類AI企業就站上了從“工具”到“平臺”跨越的臺階。
這一階段的核心特征，是從“提供模型”轉向“交付服務”：企業不再把AI視為單點的功能工具，而是以之為杠桿，撬動行業流程的全面重構，最終實現業務成果即服務（BOaaS）的階躍。
在BOaaS模式下，企業交付給客戶的，不再是一套解決方案，而是一個“端到端的服務承諾”：客戶只需輸入目標和約束，智能系統就可以自動調度算法、數據、知識等數字資源，完成整個業務流程，交付客戶所期望的結果。
對客戶而言，他們所購買的不再是一個“死”的軟件系統，而是一種“活”的智能服務，一種隨需應變、持續優化、快速響應的業務能力。這就是BOaaS的本質：業務流程的全棧智能化，價值交付的服務化與柔性化。
當機器可以自動執行80%的流程性任務時，人的角色就從“流程的執行者”轉變為“流程的設計優化者”。
當然，BOaaS絕非一蹴而就，它對產業智能化的深度和廣度提出了極高要求。單點技術、單點場景的突破還遠遠不夠，必須通過持續的技術創新和場景擴展，打造一張覆蓋業務全流程、全要素的“智能化地圖”。
階段四：平臺化演化，占據行業的流程控制點
當越來越多的客戶開始習慣于通過AI Agent完成各項任務，當垂類模型開始掌控行業中最關鍵的業務流程時，垂類模型就迎來了從“應用”到“平臺”的最后一次躍遷。
當然“平臺化”并非所有垂類模型企業的必由之路，許多企業可能會選擇專注于某個細分領域，成為該領域的“小而美”的服務提供商。能否最終完成平臺化轉型，取決于企業的戰略定力、技術實力、行業理解以及生態運作能力。
這條路徑的本質，并不是做一個更強的模型，而是通過Agent能力，逐步重構行業流程，并最終贏得穩固的生態位。
寫在最后
當我們回顧工業互聯網與垂類AI的發展歷程時，一個驚人的相似性浮現出來：它們都是從“連接”開始，到“賦能”升級，最后走向“重構”。
這意味著，產業互聯網的下半場，競爭的制高點已從“連接”轉向“算法”，從“聚數據”轉向“強認知”。
對工業互聯網平臺企業而言，只做設備管理、數據分析已不足以制勝，必須以垂直行業的智能化場景與核心業務流程為導向，發展面向特定任務的認知智能，真正參與到業務決策與流程控制中，才能掌握平臺生態的主導權。
而對垂類AI企業而言，深度理解行業know-how、持續打磨場景化方案、提供端到端流程服務將是成功的關鍵。
那么接下來我們需要回答的問題是：什么樣的企業適合走完這四階段？中間會面臨哪些組織與技術斷點？如何構建護城河？讓我們在下篇文章中繼續探索。
參考資料：
1.How to win at Vertical AI，作者：Sangeet Paul Choudary，來源：Medium2.Rethinking growth and go-to-market in the age of AI，來源：Platform Revolution
