Agentic AI爆火！toB软件就要凉了

推荐语

Agentic AI的兴起预示着toB软件行业的颠覆性变革。

核心内容：
1. AI发展的三次浪潮：分析式AI、生成式AI到Agentic AI
2. MCP协议：AI时代的TCP/IP，推动AI从单兵作战到群体智能
3. Agentic AI的两种产品生态：调研类产品和执行类产品

杨芳贤

53A创始人/腾讯云(TVP)最具价值专家

前阵子Manus横空出世掀起一阵热潮，这款AI工具所展示的惊艳演示，让不少用户和开发者惊叹。与此同时，英伟达CEO黄仁勋在GTC 2025上的分享，进一步将Agentic AI推向了聚光灯下。他在演讲中描绘了一个激动人心的愿景：AI不再只是被动回答问题的工具，而是能够主动思考、规划并执行任务的“数字员工”。这一技术方向的崛起，正以迅雷不及掩耳之势改变着AI领域的格局，也让toB软件行业感受到前所未有的压力。留给传统toB软件的时间，或许真的不多了。

01

从genAI到Agentic AI

1、AI发展的三个浪潮

AI发展史虽然不算太长，但节奏感却非常明显。回顾过去，我们可以清晰地看到三次AI浪潮的更迭：

起初是分析式AI，它以数据挖掘和模式识别为核心，像一台精密的计算器，帮助人类从海量数据中提炼洞察。接着是生成式AI（genAI）的时代，ChatGPT、DALL·E等模型的出现让AI从“理解”迈向了“创造”，无论是写文章、画图，还是生成代码、生成音视频，genAI都展现了令人惊讶的能力。但现在AI的发展，已经开始转向一种更高级的形态，Agentic AI。

什么是Agentic AI？简单来说，就是AI不再满足于被动接受指令，而是具备自主性，能够像人类一样感知环境、制定目标、规划步骤并采取行动。黄仁勋在GTC 2025中将其比喻为“知识机器人”，强调它能通过多步骤推理解决复杂问题。举个例子，你交给它一个“帮我整理一份市场调研报告”的任务，它不仅会生成文本，还会主动搜索数据、分析趋势，甚至根据你的偏好调整格式。从某种意义来说，这种能力已经让Agentic AI从“工具”进化为“助手”，甚至是“伙伴”。

2、MCP协议：AI时代的TCP/IP

在这次AI技术迭代进程中，2024年11月Anthropic开源的多智能体通信协议MCP，称得上是一个关键分水岭。这套协议定义了AI模型与外部数据源和工具之间的通信规则，允许AI模型通过标准化接口动态发现并调用多种服务，从而整合分散的AI与外部资源，形成一个高效的功能网络。MCP协议的出现，就像TCP/IP为互联网的通信奠定关键基础一样，至关重要，因此也被业界称为“AI时代的TCP/IP”。

我们想象一个场景，一家零售企业通过MCP协议，让库存管理AI动态调用市场预测AI的数据，再指挥物流AI调整配送路线……整个过程高效丝滑，无需人类干预。在未来，企业不再依赖单一的AI工具，而是由一群相互协作的AI代理组成“数字团队”，各自负责调研、生成、执行等环节，极可能成为常态。而MCP恰恰在这个从“单兵作战”到“群体智能”过程中，发挥了不可替代的关键作用。

02

Agentic AI的两种产品生态

1、调研类产品

调研类Agentic AI主要擅长“知识挖掘”，代表产品包括谷歌的Gemini、Perplexity以及OpenAI的Deep Research。

以Perplexity为例，这款工具最初以AI搜索起家，但如今已进化成一个主动式调研助手。它能做哪些事情呢？比如，一个电商从业者，如果用Perplexity分析东南亚电商市场，只需要输入简单指令，它就会爬取各种最新数据，还能生成包含竞争格局、消费者偏好和增长预测的详细报告，而且整个过程在很短时间内就能完成。

而OpenAI的Deep Research则更进一步，据VentureBeat报道，其在“Humanity’s Last Exam”基准测试中得分高达26.6%，远超其他竞品。这意味着它能处理复杂的多学科问题，输出的结果，有时候甚至可以媲美人类分析师。

这一类产品已不再满足于像传统搜索引擎那样，提供简单、零散的信息，而是通过自身的推理和规划能力，将数据转化为可操作的洞察，为用户提供更全面更强大的帮助和便利。

2、生成类产品

与调研类产品不同的是，生成类Agentic AI以“行动力”见长，代表选手包括Manus、Cursor、Devin和Gamma。

Manus在今年3月发布后迅速走红，它的一大显著特色就是能根据模糊指令，生成完整的工作流，比如输入“设计一个新产品发布会”，它会自动生成PPT、撰写演讲稿，甚至安排日程，而且全程无需人为干预。另一款明星产品Devin则专注于代码生成，2024年由Cognition公司推出，是一款全自主AI软件工程师智能体，它能在SWE-Bench测试中独立完成67%的编程任务，其效率远超人类初级开发者。

这些生成类产品的魅力在于，它们不仅是“创作者”，还是“执行者”，能将人类的创意转化为具体成果，从而极大地缩短了从想法到落地的漫长周期。

03

Agentic AI动摇toB软件的根基

1、toB软件入口的革命

在过去，企业想要实现各种运营需求，往往需要以独立的toB软件为入口，比如ERP管资源、CRM管客户、OA管审批等等。但现在，越来越多的企业把对这种碎片化生态的依赖，转移到钉钉、飞书、企业微信等集成化的平台上。这些平台提供了包括打卡、考勤、业务流程审批、OA、ERP、CRM等在内的一站式、多场景的解决方案。功能上的覆盖性以及操作上的高效性，远非独立的toB软件所能比。

而Agentic AI的到来，进一步加速了这一趋势。咱们职场人可以设想一下，如果钉钉上运行着这样一个Agentic AI助手，你只需说一句“帮我安排下周的销售会议”，它就能自动协调日程、生成议程、通知相关人员，甚至分析上季度销售数据提供建议……各位觉得香不香，对你帮助大不大？相信这种集成化、智能化的体验，一旦拥有就非常容易上头，让使用者“再也回不去了”。

而这种使用习惯和用户粘性一旦建立起来，对传统toB软件来说，将是一个巨大的“噩耗”，它们的独立价值也必然会大幅缩水。届时，很多企业都更倾向于依赖一个能“全能协作”的AI驱动平台，谁还愿意为只有单一功能的独立软件买单？toB软件的定位和入口价值该如何定位，将成为相关从业者急需思考的问题。

2、加速淘汰5类toB软件

当然，凡事都有个过程，Agentic AI的冲击也并非均匀分布，有些toB软件将首当其冲面临淘汰风险：

1）简单数据分析软件

比如像Tableau这样的数据分析工具，虽然它能够帮助用户将复杂的数据转化为直观易懂的图表、仪表板等可视化形式， 但在Agentic AI面前还是会显得功能过于单一，要知道Perplexity或Deep Research，可是无需用户手动操作，就能直接输出分析报告的。

2）标准流程类软件

像OA、业务审批、营销管理、财务报销系统等，长期以来就是企业数字化的基石。它们的核心价值在于将重复性、规则明确的工作标准化，比如员工提交报销单据后，系统按预设流程自动审批并生成财务记录。但随着Agentic AI的出现，这类软件的地位也将变得岌岌可危，因为AI代理不仅能执行这些任务，还能通过自主学习优化流程，甚至预测需求。

比如，2024年Salesforce推出的Agentforce 2.0，企业用户只需通过对话界面说一句“处理本月的报销申请”，系统便能自动识别收据、匹配政策、完成审批，并将结果同步到财务系统，充分展示了AI彻底接管标准化工作流的强大能力。

3）执行自动类软件

这一类软件，比如RPA（机器人流程自动化），一直以处理重复性任务著称。像UiPath这样的工具，能通过预设脚本自动完成数据录入、发票处理等操作。但如果把它和Agentic AI强大的动态适应性相比，可能还是会略显逊色。毕竟，RPA依赖固定的规则，一旦流程发生变化就需要人工重新调整，而Agentic AI却能实时感知环境、调整策略，这种卓越的灵活性，是RPA所不能比的。

4）轻咨询软件

提供基础市场调研或策略建议的轻咨询工具，通常依赖预设模板和有限数据源，提供的也只是历史快照一类的价值有限的内容，但调研类Agentic AI则可以主动搜集最新信息、分析多维度数据、预测趋势并输出定制化建议，省去了人工配置的繁琐步骤。面对这种降维碾压，轻咨询软件被取代，其实并不难理解。

5）传统教育软件

传统教育软件，比如Coursera或Udemy这样的在线课程平台，主要通过预录课程和固定学习路径提供内容，比较适合标准化教育需求。但随着个人化AI教育代理的出现，这一类传统教育软件的价值，正在快速下降。新一代的Agentic AI能根据学习者的进度、弱项和兴趣实时调整内容，并生成定制化习题，这种灵活且极具针对性的学习体验，是传统教育软件所不具有的。

03

这3类toB软件，越来越好

话又说回来，也不是所有的toB软件都会被Agentic AI所吞噬。相反，有些领域因其复杂性、数据壁垒或行业特性，反而可能在AI浪潮中迎来新生。

1、复杂业务管理

ERP（企业资源计划）、WMS（仓储管理系统）、TMS（运输管理系统）以及业务中台，这些软件涉及复杂的业务逻辑和跨部门协作，短期内难以被通用AI取代。

以SAP的ERP为例，它不仅管理财务、供应链，还深度嵌入企业的战略决策。2024年，SAP与NVIDIA合作推出AI增强版ERP，利用AI技术优化预测性维护，但核心系统仍由SAP主导。本质上就是因为这类软件有深厚的行业积淀和定制化能力，作为自己的护城河，即使是Agentic AI也很难一下子完全取代。

2、拥有稀缺数据的

精密制造和离散制造领域的工业类软件，比如西门子的MindSphere，之所以能在Agentic AI浪潮中经受住冲击，关键在于它们掌握了稀缺的生产数据。这些数据涵盖设备运行状态、工艺流程参数等高度专业化的信息，是通用AI难以获取的。

仍以MindSphere为例，它能实时监控一台机床的温度和磨损情况，并结合历史数据预测维护时机，这种独家数据积累形成了坚实的竞争壁垒；即使Agentic AI再强大，却无法凭空生成这些专有数据集，攻克不了“巧妇难为无米之炊”的尴尬。

3、行业管理软件

设备生产管理、新药研发管理、金融行业软件等垂直领域，凭借其高度的专业性，在各自领域保持着重要且稳定的地位，通常也不会被轻易取代。比如，医药企业与AI结合，开发新的药物筛选系统，该系统也许会用到先进的Agentic Al技术，但其正常运行和发挥作用，还是离不开底层管理软件对实验数据进行精准的调度和管理。某个角度来说，这些软件不仅是工具，更是行业知识和智慧的结晶。

Agentic AI的快速发展，既是机遇，也是警钟。尤其对toB软件行业而言，更是一场事关“存亡”的巨大挑战。入口革命正在悄无声息地重塑企业的工作方式，toB软件行业又该以什么样的“变革”来应对这一浪潮的冲击，值得我们后续观察，祝福他们！