21世纪经济报道记者林典驰

　　“2026~2030年将是AI应用爆发的五年，也是Agent智能体现实价值创造的五年，价值产出将向应用层转移。”

　　7月，在深圳南山区，第零智能CEO乔迁接受了21世纪经济报道记者专访，讲述他对AI产业周期的判断。

　　这位从腾讯走出的架构师，在2023年年初大模型爆发之际选择了一条与大厂不同的路径，不做基础大模型，不碰C端应用，而是聚焦B端智能体集群服务。如今，公司已向港交所递交IPO申请，业务覆盖法律、金融、品牌营销和电商四个赛道。

　　Agent并非新的概念，早在上世纪就已提出，但大模型的出现为其赋予了全新生命力。值得一提的是，第零智能是国内较早系统研究AI智能体的团队之一。

　　乔迁谈到，2025年年底至2026年年初消费级智能体产品的火爆，本质是完成了对大众的市场教育，让Agent从实验室、程序员圈层走进普通用户视野，验证了智能体执行任务的产品形态，但消费级产品不等同于企业级应用，这也是初创公司的机会。

　　消费级智能体在快速普及的同时，也暴露出了安全隐患：全球上百万台设备因开放权限处于无安全防护状态。AI安全可大可小，小到个人隐私、设备安全，大到企业、社会甚至全人类安全，这是人与AI关系中永恒的命题，需要从业者持续构建安全体系。

　　AI周期的新叙事，应用能否买单？

　　在采访过程中，乔迁对AI产业阶段的划分清晰，其将2022年至2026年定义为大模型基建的五年。

　　在这五年里，全球目光聚焦于基础大模型的参数竞赛，算力、存储、光模块等产业链相关产品价格迅速上涨，头部大模型公司估值超过万亿美元。从能源到芯片、从算力到大模型，AI链条的下四层构成了完整的基建体系，其价值产出主要体现在基础设施层面。

　　乔迁认为，从2026年到2030年，AI产业将进入应用爆发的五年，也是AI现实价值真正释放的五年。不过，他也坦承，当前应用端的价值创造曲线相对平缓，与大模型能力的指数级跃升之间存在明显落差。这引发了市场对“AI泡沫”的广泛讨论。

　　对此，乔迁并不认为AI存在泡沫，但中间需要一个填补过程。

图片来源：红杉AI峰会

　　大模型能力和资本投入确实已经达到指数级水平，但应用端的第二条曲线尚未完全形成。

　　值得注意的是，AI编程、AI影视制作等少数领域已经呈现跃升式发展，而千行百业仍在量变到质变的积累过程中。

　　“这些资本开支较大的上市公司本身有收入和利润支撑，估值并非凭空而来。”乔迁进一步指出，即使以一轮大牛市的标准来看，股价出现50%甚至80%的回调也不意味着趋势逆转。这一轮AI革命的周期应以10年、20年乃至40年为尺度，短期的资本市场波动属于正常现象。

　　从更长的时间轴观察，基建投入仍将持续。

　　乔迁认为，国产算力的崛起才刚刚起步，AI的大趋势仍处于上升状态。

　　真正的变量在于，应用层能否在接下来五年内完成从可用到好用再到创造价值的跨越。

　　他判断，大模型公司开始盈利只是时间问题，一旦技术能力差距拉开到足够程度，烧钱速度就会放缓，利润将自然浮现。但比盈利更紧迫的问题是，应用层能否真正涌现出新一代的原生AI公司，为过去五年的巨额基建投入买单。

　　碳基与硅基协同的B端路径

　　在创业方向的选择上，乔迁展现了与当时市场热度相反的冷静。

　　2023年年初，全国掀起“百模大战”热潮，C端应用被视为最性感的赛道。但乔迁做出了两个关键决策：一是不碰基础大模型，烧不起；二是不做C端，专注B端服务。

　　“在AI的加持下，大厂在C端AI应用的下沉速度快则不到一星期，长则也就6到9个月。”乔迁的判断源于其在腾讯的亲身经历。

　　他以去年年底的Agent（智能体）热潮为例，一款Agent产品上线一两周后，国外同类产品便大批涌现；大约一个月后，国内大厂也完成了类似产品的研发。

　　这意味着C端应用的护城河在AI时代几乎不存在，创业团队难以抵御大厂的快速复制。

　　相比之下，B端赛道具备两个结构性优势：一是大模型能力的跃升不会颠覆B端AI应用的商业模式，反而成为加持，这是因为底层模型可以任意切换，哪家模型更符合需求就用哪家；二是大厂很难下沉到B端的私域场景，它们更关注平台级、赛道级、模板级的基础能力，而针对具体客户的精细服务需要与赛道内的专业团队合作。

　　乔迁在行业内率先提出了“混合智能体集群”概念，这也是第零智能的核心技术路径，即主张智能体不应是单点工具，而应由碳基与硅基在一套体系内协同组成工作集群，在真实商业场景中完成闭环任务。这一概念对标的是工业革命时代的流水线工厂，蒸汽机解决了动力问题，但流水线工厂解决了生产力的组织方式问题。在他看来，大模型是复杂的新生命体，其引爆生产力革命的当量大于蒸汽机，但仅有生产力还不够，必须找到AI时代对应“流水线工厂”的生产关系组织方式。

　　当前，很多场景无法由AI单独闭环完成，还必须有人的参与。

　　乔迁解释，例如在法律责任认定环节，AI无法承担最终责任，必须由持牌律师或专业人士把关；在客户信任建立环节，人与人的沟通仍然不可替代；在关键节点的可用性要求上，部分岗位需要达到90%以上的准确率才能由AI替代，而某些核心岗位甚至需要99.9%的准确率。

　　因此，第零智能的混合智能体集群在架构上保留了人类的关键干预节点：规则由人制定，关键节点由人检查，最终责任由人承担。人类不是效率的阻碍，而是整个系统安全、可信、可控的保障。

　　安全与伦理是这一架构的另一层重要考量。

　　乔迁坦言，公司名为第零智能的灵感来源于阿西莫夫晚年提出的第零法则，即AI必须保护人类整体利益，不得因不作为损害人类整体利益。

　　基于这一理念，第零智能推出了“飞哨”产品，企业可获取涵盖AI可见性、叙事质量、模型推荐、竞争格局等核心指标的诊断报告，从而建立品牌在AI生态中的可见性“基准线”。飞哨还支持已引入GEO优化服务的企业进行效果核验，全量数据支持随时查询、交叉复核与合规审计。上线不到半个月，飞哨已沉淀近4000份GEO诊断报告，覆盖科技电子、食品饮料、法律服务、教育等8大主流赛道。

　　乔迁表示，合规成本对每个行业的长期稳健发展而言都是不可避免的，而拥抱监管本身就是一道重要的行业壁垒。第零智能目前布局的四个赛道——法律、金融、品牌营销和电商，各自都有合规管理要求。

　　AI商业化的结果逻辑何在

　　“多数企业对AI的态度是‘不见兔子不撒鹰’，看清了再动，看不清宁可不动，相对务实、有确定性收益才投入。”乔迁对国内AI市场需求的判断颇为直接。

　　他认为，AI1.0时代的两种主流交付模式，SaaS工具调用和系统集成，在国内都走不通。前者同质化严重，一旦有两三家竞争者入场，最终陷入压价内卷；后者沦为劳动力输出。企业客户真正愿意买单的，不是AI工具本身，而是AI创造的实际利润、收入或客户价值。

　　这也正是第零智能在国内率先提出AaaS（智能体即服务）模式的逻辑所在，通过智能体集群直接交付结果，按结果付费。

　　要实现这一模式，乔迁认为必须聚焦“三高”场景：高附加值、高频、高复杂度。高附加值意味着有人愿意为AI投入买单；高频意味着有足够多的任务和数据来训练、迭代智能体集群；高复杂度则是指场景的不可替代性，太简单的场景不值得用AI去做，极复杂的任务AI目前完成度又不够，中间层级的高复杂度场景恰好与现有技术匹配。

　　电商是第零智能验证这一逻辑的重要场景。

　　乔迁透露，公司目前可以实现AI电商“黑灯工厂”的全闭环运营：从选品、采购、图文视频内容生成、商品上架，到订单处理、物流、发货、退货和结算，全流程由AI智能体集群完成。一个传统需要500人的亚马逊店铺运营团队，在AI集群的支持下仅需10人即可管理，每周可实现上货10万件。目前，该业务已支持10种语言，覆盖17个国家，亚马逊官方等正在与第零智能洽谈AI技术合作。

　　在法律领域，乔迁给出的对比同样直观：一个智能体集群一年的案件处理量，可能超过人类律师几十年的工作量；而AI对全国各地区法律法规和判例的覆盖视野，也远非单个律师所能比拟。

　　不过他同样强调，这并不意味着AI可以完全替代人类。持牌律师必须出庭，这部分工作AI无法完成；人类在规则制定、信任建立和最终担责上的价值，在AI大革命时代不仅不会消失，反而会更加凸显。

　　乔迁将AI对行业的冲击分为三个层级：第一层是在旧有流程中嵌入AI工具，提升局部效率；第二层是用AI重构整个业务流程，搭建新一代的“流水线工厂”；第三层则是AI直接颠覆整个行业，就像Sora出现后影视制作行业面临的冲击。

　　他认为，未来各个行业在这三个层级上都会经历不同程度的重构，而AI应用公司能否抓住这一机会，关键在于能否在真实场景中打通闭环、积累数据、形成黑洞效应。