🎯 课程总览
本次课程由吴总（智谱商业化管理层，前字节跳动ToB负责人、通用电气数字集团大中华区负责人）在复旦管院进行闭门分享。课程围绕三大板块展开：
① 大模型全球发展与技术范式迭代 → ② 大模型商业落地实况 → ③ 2026行业趋势与展望
💡 核心观点：大模型行业每2个月迭代一次，所有对话材料每月都在过时。模型能力指数级上升，但实际应用仍受现实约束。AI正在从"辅助工具"进化为"自主智能体"，传统软件面临深刻冲击。
🚀 一、大模型技术与范式迭代
1.1 发展时间线
智谱成立于2019年，最早做知识图谱，2020年开始做大模型，是亚洲第一家做大模型的公司。从2022年底AI火爆至今，经历了每一波浪潮。以下是关键节点：
1.2 从模型到Agent：范式跃迁
大模型的商业化经历了清晰的范式跃迁——从"卖模型"到"卖能力"再到"卖解决方案"：
1.3 Skills与Harness：从技能到驾驭
2026年初，行业关键词从Skills（技能沉淀）快速演进为Harness（驾驭），两者的核心差异：
| 维度 | Skills（技能） | Harness（驾驭） |
|---|---|---|
| 核心理念 | 将AI能力沉淀为可复用技能 | 编排和驾驭多种AI能力完成复杂任务 |
| 使用方式 | 单点调用，像"工具箱" | 组合编排，像"指挥家" |
| 目标对象 | 个人技能/组织技能 | 整个业务流程的智能化 |
| 典型场景 | 一键生成报告、自动翻译 | 跨系统任务编排、长程自主执行 |
模型厂商的定位也在变化：通过API将原子能力开放给互联网公司、企业工程师，每月按调用量计费，用户可以自由组合构建自己的AI应用。
💼 二、大模型商业落地实况
2.1 C端应用场景全景
目前大模型在C端的应用场景非常广泛，每个人的使用方式都不尽相同。以下是主要场景：
2.2 AI编程三阶段演进
编程领域经历了清晰的三个阶段，这是理解AI如何从"辅助"走向"自主"的最佳范例：
| 阶段 | 关键词 | 核心能力 | 典型产品 |
|---|---|---|---|
| 第一阶段 | AI Coding · 辅助编程 | 生成辅助代码、写注释、代码检查、测试用例准备 | 各厂编程模型 |
| 第二阶段 | Vibe Coding · 氛围编程 | 让非专业开发者（素人）也能用自然语言描述需求并生成程序，类似Copilot | Cursor等 |
| 第三阶段 | Agent Engineer · 智能体工程 | AI作为独立工程师完成复杂任务，可8-16小时不间断工作 | 智谱、OpenAI等 |
第二阶段（氛围编程）：AI是"代驾"——你说目的地，它来开车。
第三阶段（智能体工程）：AI是"自动驾驶"——你睡觉，它自己跑完全程。
2.3 企业端落地场景
企业端的应用正从"尝鲜"走向"刚需"，以下是目前主要落地领域：
2.4 智能终端与端侧AI
AI与智能终端的结合场景越来越多——视频、音频、车载等，但目前仍面临延迟问题：
🔮 三、行业趋势与2026展望
3.1 算法对抗算法——新博弈时代
当今世界正在进入一个"算法对抗算法"的新格局：
守方：各平台通过技术手段抵制AI入口，保护自身供应链和流量优势
结果：每次攻防都催生新的对冲算法，形成持续升级的"军备竞赛"
典型例子：Auto Agent帮用户订机票，飞猪/携程等平台会主动屏蔽AI调用入口，因为它们的商业护城河在于供应链和前端流量。AI比价（饿了么 vs 美团）、AI找优惠券等场景同样遭遇抵制。
3.2 就业市场变革
AI对就业市场的影响呈现明显的"分层效应"：
| 人群 | 受影响程度 | 原因分析 |
|---|---|---|
| 95后-00后应届生 | 🔴 严重影响 | 缺乏行业经验，初级岗位被AI替代，除非特别优秀能驾驭模型 |
| 高科技行业初级人员 | 🟠 较大影响 | 高科技赛道最敏感，初级编程/运营岗位首当其冲 |
| 资深行业专家 | 🟡 影响有限 | 制造业、制药、医疗等行业经验壁垒高，AI尚未渗透 |
| AI驾驭者 | 🟢 机遇最大 | 能驾驭模型的人（预训练工程师、Agent工程师）是稀缺人才 |
3.3 AI教育与应用渗透
AI在教育领域的渗透正在加速，主要分为两大方向：
更深远的影响是：AI正在重塑整个产业链生态。从"人力驱动"到"AI驱动"，不仅改变了工作方式，更催生了全新的产业形态和职业角色。就像互联网催生了"产品经理"这个岗位，AI时代也在创造"AI训练师""Prompt工程师""Agent编排师"等新职业。
🎯 核心洞察总结
回顾整场分享，大模型商业化正经历从"技术驱动"到"价值驱动"的深刻转型：
- 技术范式快速迭代：从卖模型→卖能力→Agent→Harness，每2个月就要重新学习。在这个赛道上，唯一不变的就是变化本身。
- 模型能力指数上升，落地受现实约束：AI能做的事越来越多，但平台抵制、数据孤岛、合规限制等现实因素仍在制约应用落地。
- "算法对抗算法"成为新常态：AI攻防博弈持续升级，这既是挑战也是机遇——催生新的安全、合规、反AI检测等细分赛道。
- 就业分层效应显著：初级岗位被替代，资深专家仍有价值，"驾驭AI的能力"成为核心竞争力。
- 长程自主任务是下一个突破点：AI从"秒级响应"走向"小时级自主工作"，这将彻底改变人机协作模式。
- 商业化的本质是"价值交付"：不是AI能做什么，而是AI能为客户解决什么问题。从FOMO驱动到ROI驱动，市场在成熟。
🔮 展望：2026年，大模型行业将继续向"自主智能体"方向演进。谁能更好地驾驭AI、将AI能力转化为业务价值，谁就能在下一个时代占据先机。正如吴总所言——"在这个行业，你要么是驾驭模型的人，要么是被模型驾驭的人。"