AI Agent创业融资指南：投资人最看好的Agent项目特征与商业模式

AI Agent创业融资指南投资人最看好的Agent项目特征与商业模式各位技术创业者、产品经理、投资人朋友晚上好我是深耕AI大模型落地与Agent赛道创业3年多、前后帮2个种子轮项目拿到近5000万天使/A轮融资、现在自己正在做垂直医疗场景诊断Agent的「老张聊AI创业」。最近几个月不管是刷投资人朋友圈、看红杉/高瓴/经纬投出的案例还是在TechCrunch Disrupt、百度世界大会、阿里云栖大会的AI专场逛你都能听到一句话——「大模型的下半场属于AI Agent」。但和上半场C端爆火的ChatGPT、Midjourney不同下半场的Agent创业更考验「技术落地的准度」「商业模式的厚度」「解决行业痛点的刚性」据我统计2024年Q1-Q3国内投出的AI相关种子轮/天使轮项目中Agent类占比首次超过大模型基座42% vs 38%但同期种子轮能拿到融资的Agent项目通过率仅为3.2%——也就是说你打磨了半年的Agent原型大概率连投资人的Pre-Deck都过不了。为什么会有这么大的反差因为投资人现在看Agent已经不是「只要套个AutoGPT/GPT-4o/Gemini Pro 2.0的API加上LangChain/Coze就能做」的「概念型项目」了他们要看的是你能不能把「大模型的推理能力」转化为「企业/用户愿意掏钱的、能带来确定性ROI的生产力工具/服务」。接下来的这篇文章我会结合自己的融资经验、与红杉中国种子基金、高瓴创投AIGC组、经纬中国硬科技组30多位合伙人/VP的深度交流以及对国内120多个已获融资的Agent项目的拆解从「投资人最关心的Agent项目5个核心特征」「8类已经跑通验证/有现金流的Agent商业模式」「从0到1写一份能拿到Pre-Deck的Agent商业计划书」三个维度给大家一份干到不能再干的融资指南。全文预计12000字左右建议大家收藏转发慢慢看。引言0.1 从「大模型入口之争」到「Agent应用生态之争」AI创业的下半场逻辑在正式进入正题之前我们先花10分钟的时间梳理清楚AI创业的「上半场」和「下半场」到底有什么不同——这不仅能帮你理解投资人现在的「钱袋子逻辑」还能帮你找到自己项目的「差异化定位」。0.1.1 上半场「入口之争」拼的是「算力、数据、算法、品牌」赢家通吃2022年11月30日OpenAI发布ChatGPT掀起了全球大模型的「入口之争」海外赛道微软通过把GPT-3.5/4集成到Office 365 Copilot、Bing Chat、GitHub Copilot X快速占据了「办公AI入口」「搜索AI入口」「编程AI入口」Google通过发布Gemini系列模型、推出Gemini Chat、Google Workspace Duet AI守住了自己的基本盘Meta则通过开源Llama系列模型打了「差异化的生态牌」——但总体来说海外大模型入口已经被「微软OpenAI」「GoogleDeepMind」「Meta开源社区」三大阵营瓜分完毕新入场的玩家几乎没有机会。国内赛道百度文心一言、阿里通义千问、腾讯混元、字节豆包、智谱GLM、百川Baichuan等玩家先后发布了自己的大模型基座然后通过「To C免费获客→To B/G收费变现」的逻辑快速布局「搜索办公教育医疗金融」等多个垂直入口。据艾瑞咨询预测2024年国内大模型基座市场的CR10前10家企业的市场份额将达到92%——国内大模型入口之争也基本结束了剩下的玩家要么被收购要么转型做垂直场景的Agent。为什么上半场是「赢家通吃」因为大模型基座的技术壁垒极高算力壁垒训练一个千亿级参数的大模型基座需要数亿美元的算力投入——比如OpenAI训练GPT-4o大概花了10亿美元智谱训练GLM-4大概花了2-3亿美元数据壁垒训练一个高质量的大模型基座需要海量的、多模态的、标注精准的优质数据——据不完全统计ChatGPT的训练数据量大概有45TB涵盖了文本、图片、音频、视频等多个模态算法壁垒大模型基座的训练涉及到「Transformer架构优化」「混合精度训练」「LoRA/QLoRA微调」「RLHF/RLAIF对齐」等多个核心算法没有一支顶尖的AI算法团队至少要有1-2位IEEE Fellow/ACM Fellow/千人计划专家20-30位博士级别的算法工程师根本做不出来品牌壁垒To C端的用户更倾向于使用「大厂的、免费的、知名度高的」大模型To B/G端的客户更倾向于使用「数据安全合规有保障的、技术迭代速度快的、售后服务完善的」大模型——新入场的玩家根本没有品牌优势。0.1.2 下半场「Agent应用生态之争」拼的是「垂直场景的理解深度」「工具链的整合能力」「商业模式的闭环验证」百花齐放2023年3月AutoGPT发布——虽然它现在已经没什么声音了但它第一次让大家看到了「大模型不只是一个聊天机器人还是一个能自主规划任务、调用工具、执行任务、反馈结果的Agent」的可能性。之后GPT-4o、Gemini Pro 2.0等多模态大模型的发布以及LangChain、Coze、Dify、AgentFlow等Agent开发框架的成熟彻底降低了Agent的开发门槛——现在即使你只有一支3-5人的团队1个产品经理、2个算法工程师、1个前端工程师、1个后端工程师也能在3-6个月内打磨出一个垂直场景的Agent原型。投资人之所以现在把钱砸向Agent赛道是因为Agent是「大模型落地的最佳载体」——大模型基座虽然厉害但它只是一个「通用型的大脑」没有「眼睛」多模态感知能力、「手」工具调用能力、「腿」自主移动能力比如机器人Agent根本解决不了企业/用户的「具体问题」而Agent则可以通过「整合大模型基座多模态感知模型专业知识库第三方工具硬件设备」变成一个「能看、能听、能说、能做、能自主学习的垂直专家」——比如垂直医疗场景的诊断Agent可以整合「多模态大模型比如GPT-4o医学版、通义千问医学版 专业医学知识库比如PubMed、CNKI、UpToDate 电子病历系统EMR 医疗影像系统PACS 第三方检验检测工具」为基层医生提供「辅助诊断」「治疗方案推荐」「病历书写」等服务帮助基层医生提高诊断准确率、减少误诊漏诊率、提高工作效率垂直电商场景的运营Agent可以整合「多模态大模型比如Gemini Pro 2.0电商版、豆包电商版 电商平台数据接口比如淘宝/京东/拼多多的API 专业电商知识库比如阿里妈妈的营销指南、京东的运营手册 第三方工具比如图片生成工具Midjourney/Stable Diffusion、短视频生成工具剪映专业版、数据分析工具Tableau/Power BI」为中小电商卖家提供「选品分析」「店铺装修」「商品详情页生成」「短视频直播脚本生成」「客服机器人」「数据分析」「营销方案制定」等一站式服务帮助中小电商卖家降低运营成本、提高转化率、增加销售额垂直金融场景的理财Agent可以整合「多模态大模型比如文心一言金融版、智谱GLM-4金融版 专业金融知识库比如Wind、东方财富、Choice金融终端 银行/证券/基金公司的数据接口 第三方理财工具比如同花顺、蚂蚁财富、天天基金」为普通投资者提供「风险评估」「资产配置方案推荐」「股票/基金/债券的筛选和分析」「实时行情推送」「投资策略调整」等服务帮助普通投资者降低投资风险、提高投资收益。为什么下半场是「百花齐放」因为垂直场景的Agent没有「赢家通吃」的逻辑垂直场景的需求非常分散不同的行业、不同的企业、不同的用户需求都不一样——比如医疗场景的诊断Agent儿科的需求和心内科的需求完全不同三甲医院的需求和基层诊所的需求也完全不同垂直场景的专业壁垒极高要做一个好的垂直场景Agent不仅要有「大模型技术能力」还要有「垂直行业的深度理解能力」「垂直行业的专业资源整合能力」——比如做医疗场景的诊断Agent你至少要有1-2位三甲医院的副主任医师以上级别的专家顾问要有和基层医院/诊所合作的渠道要有数据安全合规的资质比如等保三级、医疗AI三类证的申请准备垂直场景的客户粘性极高一旦你的Agent帮助客户解决了「具体的、刚性的、高成本的」问题客户就会长期使用你的产品/服务不会轻易更换——比如做中小电商卖家的运营Agent如果你的产品能帮助卖家每月多赚10万块钱卖家肯定会一直用你的产品甚至会推荐给其他卖家。0.2 你可能会遇到的3个融资误区踩中一个就可能拿不到钱在我接触的几百个Agent创业者中至少有80%的人都踩过以下3个融资误区——今天我先把它们列出来帮大家避避坑0.2.1 误区一「我的Agent用了GPT-4o/Gemini Pro 2.0技术就很牛逼了」很多Agent创业者会在商业计划书里写「我们的Agent基于GPT-4o/Gemini Pro 2.0开发技术水平行业领先」——但投资人看到这句话第一反应是「哦原来你只是套了个大模型的API没有自己的核心技术壁垒啊」。要知道现在大模型的API都是公开的任何人都可以调用——你的Agent用了GPT-4o/Gemini Pro 2.0别人的Agent也可以用你的Agent能做的事情别人的Agent只要花点时间也能做出来。投资人要看的核心技术壁垒从来不是「你用了什么大模型」而是「你在大模型的基础上做了什么差异化的技术优化」——比如垂直领域的模型微调技术你有没有自己的垂直领域专业数据集有没有用LoRA/QLoRA/PEFT等技术对大模型进行微调微调后的模型在垂直领域的准确率、召回率、推理速度等指标是不是比通用大模型高10%以上Agent的自主规划和决策优化技术你有没有自己的Agent自主规划算法比如改进版的ReAct、Tree-of-Thoughts、Graph-of-Thoughts有没有解决Agent「幻觉问题」「任务拆解不合理问题」「工具调用失败问题」「死循环问题」的技术方案工具链的整合和优化技术你有没有自己的Agent工具库有没有解决「不同工具之间的数据格式不兼容问题」「工具调用的并发控制问题」「工具调用的成本控制问题」的技术方案多模态感知和理解技术如果你的Agent是多模态的你有没有自己的多模态感知模型有没有解决「多模态数据的对齐问题」「多模态数据的融合问题」「多模态数据的隐私保护问题」的技术方案数据安全合规技术如果你的Agent是To B/G的你有没有自己的私有化部署方案有没有解决「数据不出域问题」「大模型的API调用数据泄露问题」「Agent的操作日志审计问题」的技术方案0.2.2 误区二「我的Agent功能很全能解决很多问题市场空间很大」很多Agent创业者会在商业计划书里写「我们的Agent能解决选品、装修、客服、营销、数据分析等所有中小电商卖家的问题市场空间有1000亿以上」——但投资人看到这句话第一反应是「哦原来你什么都想做什么都做不精啊」。要知道「全能型的Agent」现在根本做不出来——即使是OpenAI的GPT-4o也只能做一些「简单的、通用的」任务根本解决不了「复杂的、专业的、刚性的」问题。而且「市场空间大」和「你能分到的市场空间大」是两回事——如果你的Agent什么都想做什么都做不精客户为什么要选择你投资人要看的市场空间从来不是「整个垂直行业的市场空间」而是「你现在能切入的细分场景的市场空间」以及「你未来3-5年能拓展的场景的市场空间」——比如如果你做的是中小电商卖家的运营Agent不要一开始就说「市场空间有1000亿」要说「我们现在切入的是『拼多多女装中小卖家的商品详情页生成客服机器人』细分场景这个细分场景的市场空间有50亿以上未来3-5年我们会拓展到『选品分析店铺装修短视频直播脚本生成数据分析营销方案制定』等场景市场空间有望达到300亿以上」如果你做的是基层诊所的诊断Agent不要一开始就说「市场空间有500亿」要说「我们现在切入的是『乡镇卫生院的儿科常见病辅助诊断』细分场景这个细分场景的市场空间有20亿以上未来3-5年我们会拓展到『心内科、呼吸内科、消化内科等常见病的辅助诊断』「基层诊所的电子病历系统升级」「基层医生的培训」等场景市场空间有望达到150亿以上」。另外投资人还要看你现在切入的细分场景的「需求刚性」「客户付费意愿」「竞争格局」——比如需求刚性客户现在有没有这个问题这个问题对客户的影响有多大客户现在有没有解决方案如果有解决方案的效果怎么样成本怎么样客户付费意愿客户愿意为这个解决方案掏多少钱掏的钱能不能覆盖你的成本能不能让你赚钱竞争格局现在有没有竞争对手在做这个细分场景竞争对手的优势和劣势是什么你和竞争对手相比有什么差异化的优势0.2.3 误区三「我的Agent还在原型阶段等产品上线了有了用户数据再去融资」很多Agent创业者会有这样的想法「我的Agent还在原型阶段没有用户数据没有收入投资人肯定不会投我等产品上线了有了10万用户有了月收入10万再去融资」——但我要告诉你的是「这种想法是错误的尤其是在Agent赛道」。为什么因为Agent赛道的融资窗口正在关闭据我了解红杉、高瓴、经纬等一线投资机构现在已经把Agent赛道的投资重点从「种子轮/天使轮的概念型项目」转向了「天使轮/A轮的有原型、有小范围测试数据、有初步商业模式的项目」——再过1-2年融资窗口可能就会彻底关闭剩下的只有已经拿到融资的、有资源的项目Agent赛道的烧钱速度很快即使你只有一支3-5人的团队每月的成本也至少有10-20万包括人员工资、办公场地租金、大模型API调用费用、服务器费用等——如果等产品上线了再去融资你可能需要自己掏腰包烧3-6个月的钱很多创业者根本烧不起投资人能给你的不只是钱还有资源一线投资机构能给你的不只是钱还有「大模型基座的资源对接」「垂直行业的客户资源对接」「专业人才的推荐」「商业计划书的指导」「下一轮融资的对接」等——这些资源对你的项目来说可能比钱更重要。那么Agent创业者应该什么时候去融资呢我的建议是种子轮融资当你有了「清晰的细分场景定位」「初步的技术方案」「1-2个核心团队成员」「1-2页的Pitch电梯演讲」的时候就可以去找种子轮投资人比如天使投资人、种子基金、VC的种子组聊聊了——种子轮融资的金额一般在100-500万人民币之间估值一般在500-2000万人民币之间天使轮融资当你有了「完整的核心团队」「可演示的Agent原型」「10-50个小范围测试客户最好是付费测试客户」「初步的测试数据比如测试客户的满意度、复购率、推荐率、ROI等」的时候就可以去找天使轮投资人比如VC的天使组、产业资本的天使组聊聊了——天使轮融资的金额一般在500-2000万人民币之间估值一般在2000-1亿人民币之间A轮融资当你有了「完整的产品」「100-1000个付费客户」「稳定的月收入最好是月收入50万以上」「清晰的商业模式和盈利模型」「初步的规模化增长数据比如月付费客户增长率、月收入增长率等」的时候就可以去找A轮投资人比如一线VC、产业资本聊聊了——A轮融资的金额一般在2000万-1亿人民币之间估值一般在1亿-5亿人民币之间。第一部分投资人最看好的Agent项目5个核心特征在拆解了国内120多个已获融资的Agent项目之后我发现投资人最看好的Agent项目都有以下5个核心特征——这5个特征就像是「融资的敲门砖」如果你的项目同时具备这5个特征拿到融资的概率至少能提高到30%以上。1.1 特征一精准切入「小而美」的「刚性痛点」细分场景1.1.1 什么是「小而美」的「刚性痛点」细分场景在我看来「小而美」的「刚性痛点」细分场景需要同时满足以下5个条件小细分场景的市场空间不能太小太小的话投资人看不到未来的增长空间也不能太大太大的话竞争会很激烈——一般来说细分场景的年市场空间应该在10-100亿人民币之间美细分场景的客户付费意愿强客单价高毛利率高——一般来说To B/G的客单价应该在1万-100万人民币之间毛利率应该在60%以上To C的客单价应该在100-10000人民币之间毛利率应该在40%以上刚客户现在有这个问题而且这个问题对客户的影响很大——比如「基层医生的误诊漏诊率高」「中小电商卖家的运营成本高」「中小制造企业的供应链管理效率低」等痛客户现在的解决方案效果不好或者成本很高——比如「基层医生现在的解决方案是『看书查资料打电话问上级医院的专家』效果不好而且成本很高上级医院的专家不一定有空」「中小电商卖家现在的解决方案是『雇1-2个运营1-2个客服1个美工』成本很高每月至少要花3-5万而且效果不稳定运营/客服/美工的水平参差不齐」空现在没有绝对的头部竞争对手或者竞争对手的优势和劣势很明显——比如「现在做『乡镇卫生院的儿科常见病辅助诊断』的项目很少而且大部分项目都是『套个大模型的API通用医学知识库』没有自己的核心技术壁垒也没有和基层医院/诊所合作的渠道」。1.1.2 为什么投资人看好「小而美」的「刚性痛点」细分场景的Agent项目投资人看好这类项目主要有以下3个原因容易验证商业模式细分场景的客户数量少需求明确容易找到测试客户容易验证商业模式——比如你做的是「乡镇卫生院的儿科常见病辅助诊断」你可以先找10-20家乡镇卫生院做小范围测试看看测试客户的满意度怎么样愿不愿意付费容易建立核心壁垒细分场景的专业壁垒高容易建立「垂直领域的专业数据集」「垂直领域的模型微调技术」「垂直行业的客户资源」「垂直行业的渠道资源」等核心壁垒——比如你做的是「乡镇卫生院的儿科常见病辅助诊断」你可以和10-20家三甲医院的儿科合作收集他们的儿科常见病电子病历数据建立自己的垂直领域专业数据集可以用这些数据对大模型进行微调提高模型在儿科常见病辅助诊断方面的准确率可以和当地的卫健委合作通过卫健委的渠道推广你的产品容易拓展到其他场景一旦你在某个细分场景站稳了脚跟建立了核心壁垒你就可以很容易地拓展到其他相关的细分场景——比如你做的是「乡镇卫生院的儿科常见病辅助诊断」你可以拓展到「心内科、呼吸内科、消化内科等常见病的辅助诊断」「基层诊所的电子病历系统升级」「基层医生的培训」等场景。1.1.3 案例分析已获红杉中国种子基金领投的「智诊通」基层儿科诊断Agent「智诊通」是我一个朋友做的项目2023年10月拿到了红杉中国种子基金领投的500万种子轮融资2024年6月又拿到了高瓴创投AIGC组领投的2000万天使轮融资——现在他们已经和全国300多家乡镇卫生院/社区卫生服务中心合作了月收入已经超过了50万人民币。接下来我们就用「小而美」的「刚性痛点」细分场景的5个条件来分析一下「智诊通」这个项目小他们现在切入的是「乡镇卫生院/社区卫生服务中心的儿科常见病辅助诊断」细分场景——据艾瑞咨询预测这个细分场景的年市场空间大概在30亿人民币之间符合「小」的条件美他们的客单价是「每年每家乡镇卫生院/社区卫生服务中心5-10万人民币」毛利率大概在70%以上——符合「美」的条件刚现在全国有4万多家乡镇卫生院34万多家社区卫生服务中心基层儿科医生的数量严重不足据国家卫健委统计全国每千名儿童只有0.53名儿科医生而发达国家每千名儿童有1.5-2名儿科医生而且基层儿科医生的水平参差不齐误诊漏诊率很高据不完全统计基层儿科医生的误诊漏诊率大概在30%以上——这个问题对基层医院/诊所、对患儿家属的影响都很大符合「刚」的条件痛基层儿科医生现在的解决方案主要有以下3种「看书查资料」效率很低而且资料更新不及时「打电话问上级医院的专家」上级医院的专家不一定有空而且沟通成本很高「把患儿转到上级医院」增加了患儿家属的经济负担和时间成本而且上级医院的儿科也人满为患——这3种解决方案的效果都不好成本都很高符合「痛」的条件空现在做「基层儿科常见病辅助诊断」的项目很少而且大部分项目都是「套个大模型的API通用医学知识库」没有自己的核心技术壁垒——「智诊通」的核心团队成员中有2位是上海儿童医学中心的副主任医师以上级别的专家顾问有和全国30多家三甲医院的儿科合作的渠道有自己的「50万标注精准的基层儿科常见病电子病历数据集」有自己的「垂直领域的模型微调技术」有自己的「私有化部署方案」——这些都是他们的差异化优势符合「空」的条件。1.1.4 如何找到「小而美」的「刚性痛点」细分场景很多Agent创业者会问我「老张我怎么才能找到『小而美』的『刚性痛点』细分场景呢」——我的建议是「从你自己的『身边事』『熟悉的行业』『工作中遇到的问题』入手」。为什么因为你对自己的「身边事」「熟悉的行业」「工作中遇到的问题」最了解你知道这个行业的客户是谁客户的需求是什么客户现在的解决方案是什么解决方案的效果怎么样成本怎么样——这些都是找到「小而美」的「刚性痛点」细分场景的关键你有这个行业的资源你可能有这个行业的客户资源可能有这个行业的专家资源可能有这个行业的渠道资源——这些资源对你的项目来说非常重要你有动力把这个项目做下去因为这个问题是你自己遇到的或者是你身边的人遇到的你有动力去解决它——创业是一件很辛苦的事情如果没有动力你很难坚持下去。接下来我给大家举几个「从自己的身边事/熟悉的行业/工作中遇到的问题入手」的例子例子一从工作中遇到的问题入手我另一个朋友之前是在阿里巴巴做中小电商卖家运营的他在工作中发现很多中小电商卖家的运营成本很高效果不稳定——于是他就辞职做了「中小电商卖家的运营Agent」项目现在已经拿到了经纬中国硬科技组领投的1000万天使轮融资例子二从熟悉的行业入手我之前的一个同事之前是在华为做供应链管理的他在工作中发现很多中小制造企业的供应链管理效率很低库存成本很高——于是他就辞职做了「中小制造企业的供应链管理Agent」项目现在已经拿到了深创投领投的1500万天使轮融资例子三从身边事入手我一个同学的妈妈是在社区卫生服务中心做全科医生的他妈妈经常和他抱怨说基层全科医生的水平参差不齐误诊漏诊率很高而且工作很累——于是他就辞职做了「社区卫生服务中心的全科医生辅助诊断Agent」项目现在已经拿到了真格基金领投的300万种子轮融资。1.2 特征二有「清晰的、可验证的」核心技术壁垒1.2.1 什么是「清晰的、可验证的」核心技术壁垒在我看来「清晰的、可验证的」核心技术壁垒需要同时满足以下3个条件清晰你能在商业计划书里用通俗易懂的语言把你的核心技术壁垒讲清楚——不要讲一堆晦涩难懂的技术术语投资人根本听不懂可验证你能拿出「数据」「专利」「软著」等证据来证明你的核心技术壁垒——比如你能拿出「你的模型在垂直领域的准确率比通用大模型高15%」的数据能拿出「你的Agent自主规划算法的专利」难以复制你的核心技术壁垒是竞争对手在短时间内至少1-2年难以复制的——比如「你的垂直领域专业数据集」「你的和三甲医院/行业龙头企业合作的独家协议」「你的顶尖的AI算法团队」。1.2.2 Agent项目的核心技术壁垒主要有哪些在拆解了国内120多个已获融资的Agent项目之后我发现Agent项目的核心技术壁垒主要有以下5类垂直领域的专业数据集壁垒这是Agent项目最重要的核心技术壁垒之一——没有高质量的、标注精准的垂直领域专业数据集你根本做不出一个好的垂直场景Agent垂直领域的模型微调/对齐技术壁垒这也是Agent项目最重要的核心技术壁垒之一——用通用大模型做垂直场景Agent准确率、召回率、推理速度等指标都不够好用垂直领域的专业数据集对大模型进行微调/对齐能显著提高这些指标Agent的自主规划/决策/推理优化技术壁垒这是Agent项目的另一个重要的核心技术壁垒——通用的Agent自主规划算法比如ReAct、Tree-of-Thoughts在解决「复杂的、多步骤的」任务时经常会出现「幻觉问题」「任务拆解不合理问题」「工具调用失败问题」「死循环问题」改进这些算法能显著提高Agent的任务完成率工具链的整合和优化技术壁垒这是Agent项目的一个辅助的核心技术壁垒——Agent需要调用很多第三方工具比如电子病历系统、电商平台数据接口、图片生成工具等不同工具之间的数据格式不兼容、工具调用的并发控制、工具调用的成本控制等问题都是需要解决的多模态感知和理解技术壁垒如果你的Agent是多模态的这就是你的一个重要的核心技术壁垒——通用的多模态大模型在解决「垂直领域的多模态感知和理解」任务时效果不够好改进多模态感知模型或者用垂直领域的多模态数据集对多模态大模型进行微调能显著提高这些任务的效果数据安全合规技术壁垒如果你的Agent是To B/G的这就是你的一个必不可少的核心技术壁垒——To B/G的客户最关心的就是「数据安全合规」你要有自己的私有化部署方案要有等保三级、数据安全管理体系认证ISO 27001、个人信息保护管理体系认证ISO 27701等资质。1.2.3 案例分析已获高瓴创投AIGC组领投的「智绘工房」中小制造企业工业设计Agent「智绘工房」是我之前的一个同事做的项目2023年12月拿到了真格基金领投的400万种子轮融资2024年7月又拿到了高瓴创投AIGC组领投的2500万天使轮融资——现在他们已经和全国200多家中小制造企业合作了月收入已经超过了60万人民币。「智绘工房」的核心业务是「为中小制造企业提供『工业设计需求分析→工业设计方案生成→工业设计方案优化→工业设计图纸生成』一站式服务」——接下来我们就来分析一下「智绘工房」的核心技术壁垒垂直领域的专业数据集壁垒他们的核心团队成员中有3位是在美的、格力、海尔等家电龙头企业做了10年以上工业设计的专家顾问有和全国50多家中小制造企业合作的独家协议收集了「100万标注精准的中小制造企业工业设计方案数据集」「50万标注精准的中小制造企业工业设计图纸数据集」——这些数据集是竞争对手在短时间内难以收集到的垂直领域的模型微调/对齐技术壁垒他们用自己的「工业设计方案数据集」「工业设计图纸数据集」对「Stable Diffusion XL」「Midjourney V6」「GPT-4o」等多模态大模型进行了LoRA/QLoRA微调还建立了自己的「工业设计领域的RLAIF对齐机制」——微调后的模型在「中小制造企业工业设计方案生成」「中小制造企业工业设计图纸生成」等任务上的准确率、召回率、生成速度等指标都比通用多模态大模型高20%以上Agent的自主规划/决策/推理优化技术壁垒他们改进了「Tree-of-Thoughts」算法提出了「工业设计领域的Design-of-Tree-of-ThoughtsDoT-T算法」——DoT-T算法能根据中小制造企业的「产品类型」「预算」「目标客户群体」「行业标准」等需求自主规划「工业设计需求分析→工业设计方案生成→工业设计方案优化→工业设计图纸生成」的任务流程自主选择合适的工具自主调整设计方案——DoT-T算法的任务完成率比通用的Tree-of-Thoughts算法高35%以上工具链的整合和优化技术壁垒他们整合了「CAD软件AutoCAD、SolidWorks、Pro/E」「CAE软件ANSYS、ABAQUS」「渲染软件Keyshot、Blender」「电商平台数据接口淘宝、京东、拼多多」「工业设计素材库花瓣网、站酷网」等第三方工具建立了自己的「统一的工具调用接口」「工具调用的并发控制机制」「工具调用的成本控制机制」——这些机制能显著提高工具调用的效率降低工具调用的成本数据安全合规技术壁垒他们有自己的「私有化部署方案」已经获得了「等保三级认证」「ISO 27001认证」「ISO 27701认证」——这些资质能满足中小制造企业的「数据安全合规」需求。1.2.4 如何建立「清晰的、可验证的」核心技术壁垒很多Agent创业者会问我「老张我只有一支3-5人的团队没有很多钱也没有很多资源怎么才能建立『清晰的、可验证的』核心技术壁垒呢」——我的建议是「先建立『垂直领域的专业数据集壁垒』和『垂直领域的模型微调/对齐技术壁垒』这两个壁垒是Agent项目最重要的核心技术壁垒而且建立起来的成本相对较低速度相对较快」。接下来我给大家分享一下建立「垂直领域的专业数据集壁垒」和「垂直领域的模型微调/对齐技术壁垒」的具体步骤1.2.4.1 建立「垂直领域的专业数据集壁垒」的具体步骤建立「垂直领域的专业数据集壁垒」一般需要以下5个步骤明确数据集的需求根据你切入的细分场景明确你需要什么样的数据集——比如你做的是「中小电商卖家的商品详情页生成Agent」你需要的数据集可能是「10万标注精准的中小电商卖家商品详情页数据集」「5万标注精准的中小电商卖家商品图片数据集」寻找数据集的来源数据集的来源主要有以下4种公开数据集比如Kaggle、Hugging Face Datasets、天池大数据等平台上的公开数据集——这些数据集的质量参差不齐而且一般都是通用的需要你自己进行筛选和标注和行业龙头企业/三甲医院/高校合作这是获取高质量的、标注精准的垂直领域专业数据集的最佳方式——你可以和行业龙头企业/三甲医院/高校签订「独家数据合作协议」用你的「Agent技术服务」换取他们的「数据授权」自己爬取数据比如你做的是「中小电商卖家的商品详情页生成Agent」你可以爬取淘宝、京东、拼多多等电商平台上的中小电商卖家的商品详情页和商品图片——但要注意「数据爬取的合法性」不要侵犯别人的知识产权自己生成数据比如你做的是「中小电商卖家的商品详情页生成Agent」你可以用GPT-4o、Stable Diffusion XL等大模型生成一些商品详情页和商品图片然后请行业专家进行标注——但要注意「生成数据的质量」不要生成太多垃圾数据筛选和清洗数据获取到数据之后你需要对数据进行筛选和清洗——比如删除重复的数据、删除垃圾数据、统一数据的格式标注数据筛选和清洗完数据之后你需要对数据进行标注——标注的方式主要有以下3种自己标注如果你的团队成员中有行业专家你可以让他们自己标注——这种方式的成本最低但速度最慢请兼职标注员标注比如你可以在猪八戒网、一品威客网等平台上请兼职标注员标注——这种方式的成本适中速度也适中但需要你对标注员进行培训对标注结果进行审核请专业的标注公司标注比如你可以请百度数据众包、阿里数据标注、腾讯数据标注等专业的标注公司标注——这种方式的成本最高但速度最快标注结果的质量也最好存储和管理数据标注完数据之后你需要对数据进行存储和管理——比如你可以用阿里云OSS、腾讯云COS、AWS S3等云存储服务存储数据用MySQL、PostgreSQL、MongoDB等数据库管理数据用DVCData Version Control等工具管理数据的版本。1.2.4.2 建立「垂直领域的模型微调/对齐技术壁垒」的具体步骤建立「垂直领域的模型微调/对齐技术壁垒」一般需要以下4个步骤选择合适的基础模型根据你切入的细分场景选择合适的基础模型——比如你做的是「文本类的Agent」你可以选择GPT-4o Mini、通义千问2.5 Mini、智谱GLM-4 Flash、百川Baichuan 4等小参数的、成本低的、推理速度快的基础模型如果你做的是「多模态类的Agent」你可以选择GPT-4o Mini、Gemini Flash、通义千问2.5 Vision等小参数的、成本低的、推理速度快的多模态基础模型选择合适的微调/对齐技术根据你的基础模型和数据集的大小选择合适的微调/对齐技术——比如如果你的基础模型是开源的比如Llama 3.1 8B、通义千问2.5 7B、智谱GLM-4 9B、百川Baichuan 4 9B而且你的数据集的大小在「1万-100万条」之间你可以选择LoRA/QLoRA/PEFT等参数高效微调技术——这些技术的成本很低速度很快只需要微调基础模型的0.1%-1%的参数如果你的基础模型是开源的而且你的数据集的大小在「100万条以上」你可以选择全量微调技术——全量微调技术的效果最好但成本很高速度很慢需要微调基础模型的所有参数如果你的基础模型是闭源的比如GPT-4o、Gemini Pro 2.0、通义千问2.5 Pro你可以选择提示工程Prompt Engineering、检索增强生成RAG、API微调比如OpenAI的Fine-tuning API、通义千问的Fine-tuning API等技术——这些技术的成本适中速度也适中进行微调/对齐选择好合适的基础模型和微调/对齐技术之后你就可以进行微调/对齐了——在微调/对齐的过程中你需要不断地调整「超参数」比如学习率、 batch size、 epoch数、LoRA的秩/alpha值等直到模型在「验证集」上的准确率、召回率、F1值、推理速度等指标达到你的预期评估和验证模型微调/对齐完模型之后你需要对模型进行评估和验证——评估的方式主要有以下3种自动评估用「BLEU」「ROUGE」「METEOR」「BERTScore」等自动评估指标评估模型在「测试集」上的效果人工评估请行业专家评估模型在「测试集」上的效果小范围测试评估找10-50个小范围测试客户评估模型在「实际场景」中的效果——比如测试客户的满意度、复购率、推荐率、ROI等。1.3 特征三有「小范围测试的、正向的」数据支撑1.3.1 什么是「小范围测试的、正向的」数据支撑在我看来「小范围测试的、正向的」数据支撑需要同时满足以下3个条件小范围测试你找的测试客户的数量不能太少太少的话数据没有说服力也不能太多太多的话成本很高——一般来说To B/G的测试客户数量应该在10-50个之间To C的测试客户数量应该在100-1000个之间正向的你的测试数据必须是「正向的」——比如「测试客户的满意度在80%以上」「测试客户的复购率在50%以上」「测试客户的推荐率在30%以上」「测试客户的ROI在1:3以上」具体的你的测试数据必须是「具体的」——不要说「测试客户的满意度很高」要说「我们找了30家乡镇卫生院做小范围测试测试客户的满意度达到了92%其中有25家乡镇卫生院表示愿意付费」不要说「测试客户的ROI很高」要说「我们找了20家拼多多女装中小卖家做小范围测试测试客户的平均转化率提高了28%平均销售额提高了35%平均ROI达到了1:4.2」。1.3.2 为什么投资人看好「有小范围测试的、正向的数据支撑」的Agent项目投资人看好这类项目主要有以下3个原因降低了投资风险投资人最担心的就是「项目的商业模式无法验证」——如果你的项目有「小范围测试的、正向的数据支撑」就说明你的项目的商业模式已经得到了初步的验证投资风险就大大降低了证明了你的团队的执行力从「有想法」到「有原型」再到「有小范围测试的、正向的数据支撑」需要你的团队有很强的执行力——如果你的项目有这些数据就证明了你的团队的执行力很强投资人就会更愿意相信你能把项目做起来为下一轮融资打下了基础如果你能在天使轮融资之后把小范围测试客户的数量扩大到100-1000个把月收入提高到50万以上把正向的数据做得更好你就很容易拿到A轮融资。1.3.3 案例分析已获经纬中国硬科技组领投的「智运营」中小电商卖家运营Agent「智运营」就是我之前提到的「在阿里巴巴做中小电商卖家运营的朋友」做的项目——接下来我们就来看看「智运营」的小范围测试数据测试客户数量他们找了25家拼多多女装中小卖家做小范围测试这些卖家的月销售额都在5万-50万之间测试时间测试时间为3个月2024年1月-2024年3月测试数据平均转化率提高测试客户的平均转化率从测试前的1.2%提高到了测试后的1.54%提高了28.3%平均销售额提高测试客户的平均月销售额从测试前的18.5万提高到了测试后的25.1万提高了35.7%平均运营成本降低测试客户的平均月运营成本包括人员工资、平台推广费用等从测试前的4.2万降低到了测试后的2.8万降低了33.3%平均ROI