过去两年，AI 应用竞争的核心问题似乎一直是：谁拥有更好的模型？
但如果模型能力继续快速普惠，AI 应用下一阶段真正稀缺的东西，可能不是模型，而是上下文。
这也是我最近越来越关注 Agent 的原因。
不是因为 Agent 这个概念本身有多新，而是因为它让 AI 的价值开始从回答问题，转向真正完成工作。
一、Agent 和普通 AI 应用的区别
一个普通 AI 可以回答：
“为什么这个客户最近流失？”
一个企业 Agent 理论上可以进一步调取 CRM，查看历史订单和客服记录，分析产品使用情况，判断流失原因，制定挽回方案，更新 CRM，并给销售创建后续任务。
这时候，模型只是其中一个环节。
真正决定这个 Agent 能不能工作的，是它能不能获得客户数据、产品数据、交易数据、历史记录、企业规则、业务流程、权限以及执行系统。
所以 Agent 的价值并不只是模型有多聪明，而在于它能不能理解具体业务，并且真正进入业务流程。
Microsoft 2025 年对 31 个国家、3.1 万名知识工作者的调查显示，企业正在从单纯使用 AI 工具，转向让 Agent 承担完整工作流；46%的管理者表示其组织已经在使用 Agent 完整自动化团队或业务流程。
二、一个很有意思的现象：大家开始关心 AI 能做什么，而不是它背后的模型是什么
最近 Meta 的 Muse 是一个很好的例子。
Muse 的产品定位并不是再做一个更好的聊天机器人，而是让 AI 直接替用户完成事情。它可以访问用户授权的应用和数据，在后台持续执行任务，并根据用户的目标制定计划、调用工具和推进工作。
更值得注意的是，大家讨论 Muse 时，真正关心的往往也是这些问题：
它到底能不能把事情做完？
好不好用？
能不能持续工作？
能不能访问我的邮件、日历和其他应用？
它会不会犯错？
我能给它多大的权限？
而很少有人因为 Muse 背后的模型叫什么，就决定是否使用它。
这并不是说模型不重要。模型能力决定了 Agent 能做到什么程度。
但这个例子至少说明了一件事情：
当模型能力达到一定水平之后，用户购买的可能不再是一个“模型”，而是一种“完成工作的能力”。
三、模型可能正在变成 AI 应用的基础能力
OpenAI、Anthropic、Google、Meta、DeepSeek、Qwen 等模型不断迭代，开源模型和 API 生态也在快速发展。模型能力越来越强，模型选择越来越多，调用成本也在下降。
模型当然仍然重要。
但对很多 AI 应用而言，模型越来越可能成为一种可以被调用的基础能力，而不是最终产品本身。
这和云计算的发展有一点类似。
企业真正购买的通常不是 CPU 本身，而是建立在 CPU、存储和网络之上的计算服务。
AI 也可能逐渐走向类似的状态。
模型越来越普惠以后，真正稀缺的问题会逐渐变成：你能给模型什么，以及模型能替你做什么。
四、真正稀缺的是企业上下文
一个企业十年积累下来的客户数据、交易数据、产品数据、供应链数据、财务数据、组织数据、历史合同、企业知识、内部规则、权限体系和工作流程，才是最难复制的东西。
这些东西共同构成了一家公司真正的业务上下文。
而这恰恰是通用模型最缺少的东西。
McKinsey 2026 年的研究非常值得注意：全球近三分之二企业已经尝试 Agent，但真正规模化并产生实质价值的不到 10%；约八成企业认为数据限制是 Agent 规模化的重要障碍。McKinsey 因此把数据准备度视为 Agent 从试验走向规模化的基础。
所以模型能力越普惠，企业自己的业务上下文可能反而越重要。
五、Palantir 的 FDE，其实提供了一个很有意思的旁证
如果企业 AI 真正的难点只是“把一个更强的模型接进企业”，那么理论上部署一个 API 就够了。
但现实显然不是这样。
Palantir 很早就建立了 FDE，也就是 Forward Deployed Engineer 这一模式。工程师直接进入客户现场，理解客户的具体业务、数据结构和工作流程，再把这些东西转化成可以运行的软件系统。
这个模式的意义，可能比“驻场工程师”本身更值得关注。
因为它实际上说明了一件事：
企业 AI 最难复制的东西，往往不是模型，而是对具体业务的理解。
Palantir 现在甚至已经把 FDE 进一步 AI 化。其 AI FDE 可以理解用户意图和客户提供的上下文，然后直接在 Foundry 中执行数据处理、代码仓库管理、Ontology 构建等操作。
换句话说，过去需要人来帮助 AI 理解企业，现在开始出现让 AI 自己理解企业的尝试。
这也从另一个角度说明了为什么企业上下文如此重要。
模型可以购买，企业业务却不能简单购买。
六、模型公司自己也在主动寻找企业上下文
这可能是整个逻辑里最有意思的一个旁证。
如果最有价值的东西只是模型本身，那么 Anthropic 理论上只需要把 Claude 做得越来越强就可以了。
但现实正在往另一个方向发展。
Anthropic 正在分别与 Salesforce、SAP 等拥有大量企业数据和业务流程的公司深化合作。
2026 年 2 月，Salesforce 和 Anthropic进一步扩大合作，让 Claude 能够直接获得 Salesforce 的企业业务上下文，并通过 Agentforce 执行 Salesforce 原生操作。Salesforce 对这件事情的描述非常直接：模型能够推理和生成答案，但要在真实商业环境中工作，还需要企业数据、治理能力、工作流和执行能力。
2026 年 5 月，SAP 又宣布与 Anthropic 合作，将 Claude 深度嵌入 SAP Business AI Platform，让 Claude 可以基于 SAP 的业务数据理解企业上下文，并在财务、人力、采购、供应链等流程中执行任务。
这两个案例非常值得放在一起看。
Anthropic 拥有最先进的模型之一，但它依然需要 Salesforce 的 CRM 数据、SAP 的 ERP 数据，以及这些系统背后的业务规则和流程。
为什么？
因为模型知道世界，但不天然知道一家具体企业。
而企业真正需要的，恰恰是后者。
这也解释了为什么未来的企业 AI 很可能不是“模型公司替代企业软件公司”，而更可能是两者结合。
模型提供通用智能。
企业软件提供业务上下文、数据、治理和执行入口。
谁能够把这几件事情真正连接起来，谁才有可能把 Agent 的价值变成真正的生产力。
七、这可能重新定义 ERP、CRM 等企业软件的价值
过去我们通常把 ERP、CRM 理解成企业的记录系统：记录企业发生过什么。
但在 Agent 时代，它们可能逐渐承担另外一个角色：让 AI 理解企业正在发生什么。
再进一步，它们还可能成为 AI 执行企业事务的重要入口。
比如以前 ERP 告诉你：
“库存还有 1,238 件。”
未来的 Agent 可以进一步分析销售预测，查询供应商交期，判断是否需要补货，创建采购订单，按照权限提交审批，然后更新 ERP 并通知相关人员。
这时候 ERP 的价值就不只是保存数据。
它可能逐渐成为企业 AI 的业务基础设施。
SAP 目前提出的 Business AI Platform，其核心思路甚至已经非常接近这个方向：通过 Business Data Cloud、Knowledge Graph 和企业业务应用，把企业的数据、业务实体、流程和关系组织成 Agent 可以理解和调用的业务上下文，再让 Agent 在原有的治理和权限体系中执行任务。
所以 ERP 的价值可能发生一个很有意思的变化。
过去，它是企业的 System of Record。
未来，它可能逐渐成为企业 AI 的 System of Context 和 System of Action。
八、这可能形成两类完全不同的 AI 应用
一类是通用型 AI。
包括 2C Agent、办公助手、搜索、浏览器、通用 Coding Agent 等。
这些场景的数据和工作流程相对标准化，用户规模巨大，因此很容易成为大型模型公司和互联网平台公司的竞争领域。
另一类是深度进入企业业务的 AI。
例如财务、供应链、销售、制造、客服、医疗、金融等领域。
这些场景真正困难的地方，不是让模型回答一个问题，而是让 AI 理解一家具体企业的业务，并在权限范围内真正完成事情。
这类 Agent 所需要的数据、业务规则、历史经验和工作流程，很难从企业外部获得。
所以未来 AI 应用可能出现一个很有意思的分化。
通用 AI 的竞争，可能越来越像模型、入口和产品体验的竞争。
深度企业 AI 的竞争，则越来越像业务数据、上下文、工作流和执行能力的竞争。
九、但拥有数据并不意味着一定拥有护城河
这一点同样重要。
企业数据可能非常分散，数据质量可能很差，很多关键业务知识甚至存在员工脑子里，而不是数据库里。
所以真正重要的并不是简单地“拥有数据”。
企业软件公司真正需要解决的是，能不能把数据变成可理解的业务上下文，再把这些上下文连接到具体工作流程和执行能力。
这也是为什么 FDE 仍然重要。
企业 AI 的最后一公里，往往不是部署一个模型，而是理解这个企业到底是怎么运行的。
Palantir 的 FDE 模式，本质上就是通过深入客户业务，把通用技术转化成具体企业可以使用的系统。
未来即使 Agent 越来越自动化，这个问题也不会完全消失，只是其中越来越多的工作可能由 AI 来完成。
因此，AI 不一定让所有 ERP、CRM 都受益。
更值得关注的可能是那些能够把原来的企业记录系统，逐渐变成企业上下文系统和执行系统的软件。
这也是我理解的 AI 应用下一阶段可能出现的一个重要变化。
如果模型最终会越来越普惠，那么模型本身的稀缺性可能下降。
如果 Agent 最终要真正完成工作，那么企业上下文和执行能力的重要性可能上升。
而最深的企业上下文，往往掌握在真正运行企业业务的软件里。
所以 AI 时代一个值得重新思考的问题，也许不再只是：
谁拥有最好的模型？
而是：
谁最了解一家企业，并且有能力让 AI 替这家企业做事？
模型可能越来越像电力，真正稀缺的，可能不是有没有电，而是谁知道如何用电来运行一家企业。
$普联软件(SZ300996)$ $用友网络(SH600588)$ $腾讯控股(00700)$
本文作者可以追加内容哦 !
