“搞智能體定制開發(fā)，到底能不能賺到錢？”

智能體概念剛冒出來的時候，這個疑問就在老顧心中翻騰。

顧秋，一家小型ISV的老板，混跡江湖十幾年，一直做軟件定制開發(fā)的生意。

自從大模型躥紅，老顧就在一直琢磨，怎么能借上力，而對他來講，最合適的切入點，自然是做“智能體”。

可是，兩年過去了，老顧這追風(fēng)口的歷程，真可謂一路高開低走——

剛開始，一提大模型、GPT，客戶兩眼放光，拉住老顧能侃半天。

接下來，一問落地場景，客戶兩手一攤，琢磨半天覺得干啥都不疼不癢。

到最后，一談付費意愿，客戶兩句狠話，直接懟得老顧啞口無言。

是啊，如果你的軟件不能給客戶企業(yè)賺錢，那你又憑什么能賺錢。

兩年試下來，老顧覺得泡沫很大，客戶不愿為這一點點所謂的“智能”買單，往往做個POC就沒下文了，全是白忙活。

心灰意冷，老顧準(zhǔn)備放棄嘗試，退回去老老實實做定制化軟件，喝點湯算了。

然鵝，行業(yè)里的一些新變化，讓他又重新燃起了希望。

于是，老顧學(xué)到了一個新詞兒，Agentic AI，也就是自主能動的智能體。

干起活兒來更像個職場老司機，能「自主決策」、「自動調(diào)用工具鏈」、「自主完成任務(wù)」。

這才是客戶想要的那種智能體嘛！

老顧覺得機會真的來了。

這個機會，就是從原來傳統(tǒng)IT時代為客戶提供軟件工具，到現(xiàn)在Agentic AI時代，為客戶提供端到端生產(chǎn)力/數(shù)字員工。

機會是機會，想要賺錢不容易

說干就干，下班后老顧喊住公司幾個技術(shù)骨干，一邊擼串一邊開會，大家需要盤一盤，這件事的可操作性有多大。

幾杯酒下肚，大家七嘴八舌一聊，老顧心里的小火苗，又快被澆滅了。

大家的一致觀點是↓

想要賺錢，你的智能體就不能只是個Demo，要走進(jìn)客戶的企業(yè)生產(chǎn)系統(tǒng)，創(chuàng)造真正的業(yè)務(wù)價值。

想做到這點，看起來復(fù)雜，實則一點也不簡單，公司研發(fā)骨干老孫，一口氣拍了4塊“板磚”！

模型能力仍然是玄學(xué)

生產(chǎn)環(huán)境都是嚴(yán)肅場景，客戶可不是來聽段子的，怎么挑個靠譜模型，把幻覺按死在地上？

客戶想掙錢但也想省錢，還怎么少燒tokens也能榨出好答案，平衡性能與成本？

平臺能力同樣看不清

現(xiàn)在不是建站、跑游戲、搞電商的年代了，云計算以前講那套“彈性資源池”的概念已經(jīng)不香了，現(xiàn)在都在拼“密集算力”。

云廠商誰家智算能力強，誰家跑大模型給力，真牛還是吹牛，選錯了就是踩大坑。

這屆客戶還沒準(zhǔn)備好

別看客戶急霍霍找你要方案，其實智能體該落哪兒，他們自己也沒底，IT環(huán)境、數(shù)據(jù)、配套軟件都差一大截。

咱只能陪著一起挑場景、洗數(shù)據(jù)，甚至還得把模型再訓(xùn)再調(diào)，才能真落地。

咱自己其實也是半吊子

雖然搞了十幾年軟件，當(dāng)年寫PC、寫WEB，后來搞App，可智能體基本沒下過水，之前也就簡單調(diào)調(diào)大模型API。

開發(fā)沒經(jīng)驗，部署、運維運營更是空白，真要落地，只能“干中學(xué)”。

這一通板磚下來，把老顧硬控了半分鐘。

Agentic AI時代，自己也好，員工也好，客戶也好，大家的知識結(jié)構(gòu)需要刷新了。

老顧在餐巾紙上，畫了畫，給大家列了列知識點↓

看完這張紙，大家愣了半晌，悶頭喝酒不說話。

老顧和老孫都知道，右邊那一堆，別說他們小公司搞不定，一般大公司也很難搞…

AI云原生，老顧找到了最優(yōu)解

老顧發(fā)愁了幾天，天天找圈里高手勾兌，萬萬沒想到，事情很快迎來了轉(zhuǎn)機。

就在今天，6月11日，老顧參加了一場會，在大會現(xiàn)場，一站圖立刻把老顧拿捏住了，這不恰恰解決了自己的燃眉之急嗎↓

這場會，就是字節(jié)跳動旗下火山引擎舉辦的【2025原動力大會·春】。

參加完這場會，老顧都覺得自己年輕了幾歲，IT人生第二“春”要來了。

老顧到底挖到啥寶貝了？我們就從那張圖說起吧。

火山引擎把企業(yè)構(gòu)建生產(chǎn)級Agent的關(guān)鍵路徑，徹底摸清了，并且給出了端到端的解決方案。

?第一，模型和平臺選擇

選啥模型給智能體“當(dāng)腦子”，一直是老顧們的大難題，同樣，選哪個云平臺做底座，大家心里也沒底。

原動力大會現(xiàn)場正式發(fā)布的豆包大模型1.6，功能更強、性價比更高，瞬間就給了老顧一個驚喜——

豆包1.6包含了三種版本↓

Doubao-Seed-1.6：綜合版本，支持三種思考模式(on/off/auto)，支持多模態(tài)，256K長上下文；
Doubao-Seed-1.6-thinking：強思考版本，更強思考能力，支持多模態(tài)，256K長上下文；
Doubao-Seed-1.6-flash：極速版本，支持多模態(tài)，256K長上下文，超低延遲，TPOT低至10毫秒。

這代模型的能力上又有巨大提升，比如面對2025高考數(shù)學(xué)真題，豆包考了144分！

遇到海淀區(qū)的高考模擬全卷更是不在話下，文科、理科都考過了700分！

老顧知道，智能體開發(fā)特別依賴大模型的深度思考能力，而且任務(wù)越復(fù)雜，對模型的上下文長度要求就越高。

豆包1.6的三個版本，均能提供256K的業(yè)界最長上下文，確保智能體的“腦回路”夠用，干活的時候不會掉鏈子。

而且，三種版本可以讓大家靈活權(quán)衡思考深度、性能開銷以及推理延遲，滿足不同行業(yè)場景的智能體落地需求。

豆包1.6不僅有深度思考、多模態(tài)理解，還支持「圖形界面操控」，這對企業(yè)級智能體來說，可太有用了。

比如老顧的很多企業(yè)級客戶，生產(chǎn)環(huán)境中有很多老軟件，開發(fā)商都找不到了，不可能提供API接口。

現(xiàn)在基于豆包這種“GUI”操作能力，智能體就可以像人一樣，調(diào)用、執(zhí)行和查看這些軟件，從而完成指定任務(wù)（比如獲取數(shù)據(jù)、查詢結(jié)果）。

當(dāng)然，還有一點老顧最關(guān)心的，模型定價。

火山引擎新公布的模型定價讓老顧太心動了，基于對上下文長度分布的調(diào)度優(yōu)化，豆包提供了創(chuàng)新的區(qū)間定價。

企業(yè)級Agent干一次活，tokens的消耗量挺大，但實際上絕大部分請求的上下文長度，都集中在0-32K之間。

于是，這種統(tǒng)一的區(qū)間定價就有了顯而易見的好處：企業(yè)調(diào)用同一種模型，卻可以按照實際上下文的長短，享受到最優(yōu)的價格。

老顧算了算，按豆包1.6這種區(qū)間定價模式，同樣的需求，比原來便宜60%以上。

如果未來客戶大面積上線智能體，省錢就是簡直掙錢?。?/p>

接下來還有正式發(fā)布的豆包視頻生成模型Seedance1.0 pro、全量上線的豆包實時語音模型…

模型發(fā)到這一步，老顧算徹底明白了，開發(fā)智能體選模型，在火山引擎上選就夠了。

不過老顧知道，模型不只是拼品類和性能，模型服務(wù)平臺的體驗同樣重要。

比如，實際落地時，低延遲的推理才能讓智能體思維敏捷、行動麻利。

而這，恰恰又是火山引擎的優(yōu)勢之一。

基于火山方舟的MaaS服務(wù)平臺，豆包1.6深度思考模型在高并發(fā)壓力之下，可提供大流量、低延遲、高穩(wěn)定性的服務(wù)。

也正是因為先進(jìn)的模型能力和優(yōu)秀的平臺體驗，火山引擎成為最受歡迎的AI云服務(wù)平臺。

根據(jù)IDC的最新報告，中國公有云大模型服務(wù)調(diào)用量，火山引擎以46.4%的的份額，高居榜首。

而截至目前，豆包大模型的日均Tokens調(diào)用量，更是達(dá)到了夸張的16.4萬億。

?第二，企業(yè)數(shù)據(jù)融合

困擾老顧們的是，自家團隊只擅長玩數(shù)據(jù)庫和數(shù)倉，現(xiàn)在BI轉(zhuǎn)AI了，怎么幫客戶搞定智能體落地需要的高質(zhì)量多模態(tài)數(shù)據(jù)？

火山給出的解法是「多模態(tài)數(shù)據(jù)湖」。

一站式接入多模態(tài)數(shù)據(jù)，支持業(yè)務(wù)系統(tǒng)API、日志文件、第三方數(shù)據(jù)等多源接入，讓企業(yè)長期留存的歷史數(shù)據(jù)和實時業(yè)務(wù)數(shù)據(jù)一鍵入湖。

數(shù)據(jù)入了湖還不夠，用戶可以通過自然語言的方式進(jìn)行數(shù)據(jù)處理，并通過強大的湖檢索和湖分析能力，對海量數(shù)據(jù)進(jìn)行向量化處理和檢索。

接下來，這些沉淀在“湖底”的優(yōu)質(zhì)數(shù)據(jù)，可以與火山方舟無縫銜接，數(shù)據(jù)零拷貝，篩選出來的數(shù)據(jù)可以用于下一步模型蒸餾和精調(diào)。

看到這，老顧松了一口氣，客戶手里那些“爛數(shù)據(jù)”有救了。

不僅能把模型調(diào)教的得更聽話，還可以幫助客戶沉淀知識庫、記憶庫，讓智能體更貼近客戶場景。

在這個環(huán)節(jié)，火山引擎還提供了一個神器，叫做Data Agent。

這本身就是個企業(yè)級數(shù)據(jù)垂類智能體，可以深度理解企業(yè)現(xiàn)有的數(shù)據(jù)資產(chǎn)，快速完成復(fù)雜的分析工作，把過去一周才能完成的分析工作壓縮至1小時。

老顧開心了，眼下很多客戶的數(shù)據(jù)智能需求，他直接甩過去一個Data Agent就OK了。

?第三，智能體開發(fā)、部署、運營

以老顧們?yōu)榇淼膫鹘y(tǒng)軟件開發(fā)者，都是智能體開發(fā)的門外漢，以前最多也就玩玩大模型API，搞搞問答助手，現(xiàn)在徹底露怯…

不慌，火山引擎提供了扣子和HiAgent企業(yè)級智能體構(gòu)建平臺，提供一站式的開發(fā)、部署和運營。

扣子針對企業(yè)級需求，增加了精細(xì)化權(quán)限管理、多租戶隔離、全鏈路安全合規(guī)等能力，并上線用于Agent高效調(diào)試的「扣子羅盤」。

同時，推出「扣子空間」，重新定義Agent開發(fā)范式，讓開發(fā)者可以與智能體“并肩”辦公，大大提升協(xié)作效率。

HiAgent則支持私有化部署，“低代碼+富代碼”融合開發(fā)，企業(yè)的業(yè)務(wù)產(chǎn)品人員都可以參與進(jìn)來，更不用說老顧公司的這些“老碼農(nóng)”了。

今天大會上，火山引擎又發(fā)了新玩意：PromptPilot。

PromptPilot可以讓開發(fā)者用最自然、最模糊的表達(dá)入手，通過一步步引導(dǎo)，讓你最終得到一個最貼近場景、最符合最終目標(biāo)的開發(fā)需求。

比如很多企業(yè)客戶，其實無法一步到位描述自己想要啥智能體，此時用PromptPilot，就能逐步逼近剛需。

另一項重要的更新是MCP，火山引擎的MCP Hub已經(jīng)與AI原生IDE Trae、扣子、方舟體驗中心打通，一鍵選擇200+豐富MCP協(xié)議與服務(wù)。

開發(fā)者還可以通過MCP，控制火山引擎的云服務(wù)組件，便捷地完成計算、網(wǎng)絡(luò)、存儲等環(huán)境部署，更輕松地把甲方“今天提了、明天就要”的想法，變成一個成熟的智能體產(chǎn)品。

?第四，大模型、智能體安全

傳統(tǒng)安全、云安全搞了十幾二十年，但大模型出現(xiàn)以后，安全攻擊的方法和形態(tài)都發(fā)生了改變，老顧這種安全老油子心里也沒底…

安全是一切Agent運行的基礎(chǔ)，大模型和智能體的強大，其實是雙刃劍。用的好，給企業(yè)賺錢，用不好，造成損失傷不起。

為此，火山引擎發(fā)布兩款A(yù)I安全產(chǎn)品：AIGC密態(tài)計算和大模型應(yīng)用防火墻。

看到這里，老顧又樂了。

傳統(tǒng)安全和云安全自己沒少搞，現(xiàn)在又有了這兩款產(chǎn)品，AI安全也上了一個檔次。

聽完整場發(fā)布會，老顧大受震撼，樂顛顛趕回公司，要給公司的小伙伴再吹吹風(fēng)。

路上，老顧想起最近坐飛機在機場總看到那個廣告牌：火山引擎，你的下一朵云。

以前老顧總想不明白，這個“下一朵云”是啥意思。

現(xiàn)在終于悟了，火山引擎的云服務(wù)誕生于AI時代，一出生就扛著讓AI落地的命，講究的是“AI云原生”。

所以它要打破經(jīng)典云計算IaaS+PaaS+SaaS的邊界，用豆包大模型+AI云原生，打造智能時代的新引擎。

這個“下一朵云”，就是你的AI云。

好了，在老顧看來，搞智能體開發(fā)能不能賺到錢，已經(jīng)不是問題了。

他要趕緊帶著小伙伴和客戶，奔赴自己的“AI云”了，在這朵云上，大模型時代的“卡拉米”，搖身秒變老司機！