引言：過去的大半年，全球AI敘事從“大模型”迅速切換到“Agent”。

大模型解決了“認(rèn)知與生成”的能力邊界，Agent則把能力嵌入到真實(shí)業(yè)務(wù)中，讓AI從“能回答問題”的搜索引擎變成“會(huì)辦事”的app。

只要“能辦事兒”就有商業(yè)價(jià)值。

有新的商業(yè)價(jià)值就會(huì)有新的造富神話，有不少 AI Agent公司已經(jīng)率先開始大規(guī)模的商業(yè)化，以及搞了好多波的小錢錢～

胖貓?jiān)缇烷_始為醫(yī)藥領(lǐng)域的AI “搖旗吶喊”了，但到目前為止，總覺得咱們這個(gè)行業(yè)在 AI 領(lǐng)域還是略欠火候。

乘著這股東風(fēng)，何時(shí)能產(chǎn)生一批Biotech 新貴？

今天這篇繼續(xù)搖旗吶喊，斗膽分析下變現(xiàn) AI Agent 搞錢的“第一性原理”。

那些最能變現(xiàn)的 AI Agent！

有“好事兒”的人對(duì)全球最會(huì)變現(xiàn)的AI Agent公司進(jìn)行了盤點(diǎn)，頭部玩家不僅收入擴(kuò)張迅猛、估值高，且資本效率直逼甚至超越大型科技公司。

首先是變現(xiàn)速度。這個(gè)要先談，貌似胖貓的讀者老爺們都有“一夜暴富”的需求，誰(shuí)看了這個(gè)誰(shuí)能暴富！

高創(chuàng)收的AI Agent初創(chuàng)公司平均成立不到五年，有一半是在過去三年內(nèi)成立的。

這其中，Cursor（AI編碼，成立于2022年）年收入已達(dá)約5億美元；Mercor（HR Agent，成立于2023年）約1億美元；Lovable（2023年）也在高速增長(zhǎng)。

這些頭部Agent產(chǎn)品形態(tài)，已跨過了“演示—試點(diǎn)”的早期鴻溝，進(jìn)入規(guī)?；纳虡I(yè)落地階段。

背后的邏輯是，Agent在“有錢可賺、有人可省”的關(guān)鍵流程中有了存在感。如編碼、招聘、客服與運(yùn)營(yíng)等，通過模型能力滿足 實(shí)際商業(yè)場(chǎng)景的需求，直接給Boss們一根 經(jīng)營(yíng)的杠桿。

AI agent 也難逃商業(yè)的樸素命題：商業(yè)閉環(huán)！

應(yīng)用面廣、替代人工明確、數(shù)據(jù)回路完善的場(chǎng)景，最容易形成“收入加速—數(shù)據(jù)反饋—體驗(yàn)提升—再加速”的正循環(huán)。

能形成“商業(yè)閉環(huán)”的底層能力有三點(diǎn)：一是專有數(shù)據(jù)與知識(shí)庫(kù)優(yōu)勢(shì)，這決定了質(zhì)量與安全的差異化；二是深度垂直化能力，把通用大模型變成“專有知識(shí)”；三是與系統(tǒng)-of-record深度集成（如IDE、EHR、CRM、ERP），在客戶關(guān)鍵工作流中高效降本。

AI 在醫(yī)藥領(lǐng)域的應(yīng)用

其實(shí)AI在制藥價(jià)值鏈上的存在已經(jīng)被“喊了很久”。

如今隨著數(shù)據(jù)成熟、算力成本下降、系統(tǒng)標(biāo)準(zhǔn)化推進(jìn)以及Agentic形態(tài)的到來，AI 在醫(yī)藥領(lǐng)域的是不是很快就能開花結(jié)果了？

可能形成“商業(yè)閉環(huán)”的場(chǎng)景包括：

藥物發(fā)現(xiàn)與開發(fā)環(huán)節(jié)借助多模態(tài)數(shù)據(jù)與知識(shí)圖譜加速先導(dǎo)篩選與靶點(diǎn)驗(yàn)證；

臨床試驗(yàn)通過智能招募與流程編排縮短周期、壓降成本；

制造端引入預(yù)測(cè)性維護(hù)與質(zhì)量控制優(yōu)化，提高良率與一致性；商業(yè)化階段在市場(chǎng)洞察、定價(jià)準(zhǔn)入、個(gè)性化觸達(dá)與供應(yīng)鏈優(yōu)化上實(shí)現(xiàn)“更快、更準(zhǔn)”的交付。

雖然在醫(yī)藥領(lǐng)域，找到一個(gè)商業(yè)閉環(huán)的場(chǎng)景很容易，但是商業(yè)閉環(huán)滾動(dòng)的效率非常低。

這個(gè)和創(chuàng)新藥研發(fā)本身的特點(diǎn)密不可分。

就像上文提到的幾個(gè)場(chǎng)景，其實(shí)是用 AI agent 充當(dāng)藥物研發(fā)過程中可以 paper work 的工作模塊的CRO。

理想很美好，黨史這部分的商業(yè)化變現(xiàn)周期實(shí)在是太長(zhǎng)了。

零敲碎打的 CRO 工作，支付意愿差，商業(yè)機(jī)會(huì)也是寥寥無(wú)幾～

不過可能有一種的場(chǎng)景，那就是醫(yī)療服務(wù)交付，是把Agent直接塞進(jìn)EHR與臨床工作流。

不僅聽寫與生成文檔，還能主動(dòng)編碼、下達(dá)醫(yī)囑、跨角色協(xié)同，最終把“省時(shí)省力”快速的轉(zhuǎn)化為“可計(jì)量ROI”，商業(yè)閉環(huán)時(shí)間短，復(fù)購(gòu)率高。

在這個(gè)場(chǎng)景下，Nabla AI 率先實(shí)現(xiàn)了商業(yè)化。

Nabla 唯一上榜的醫(yī)藥健康領(lǐng)域的 AI Agent

Nabla Agent臨床AI從環(huán)境監(jiān)聽與聽寫，走向主動(dòng)執(zhí)行與EHR命令，已在130多家機(jī)構(gòu)、8.5萬(wàn)名臨床醫(yī)生中使用，每年支持約2000萬(wàn)次就診。

量化結(jié)果顯示，文檔時(shí)間顯著縮短，醫(yī)生的臨床“疲倦”下降，患者滿意度提升約15個(gè)百分點(diǎn)，且公司在半年內(nèi)實(shí)現(xiàn)5倍收入增長(zhǎng)。

Nabla的策略并不神秘：以大模型為核，內(nèi)生合規(guī)與隱私治理，深度集成Epic、Cerner、athenahealth等主流EHR，圍繞“主動(dòng)編碼代理”、“上下文感知代理”、“定制護(hù)理設(shè)置代理”等功能在醫(yī)療場(chǎng)景形成剛性價(jià)值，進(jìn)而建立高采納率與高留存。

對(duì)資源緊張的基層醫(yī)療（鄉(xiāng)村醫(yī)院、兒科醫(yī)院）而言，多語(yǔ)言與輕量部署進(jìn)一步降低優(yōu)質(zhì)醫(yī)療的可及門檻。

醫(yī)療Agent的可復(fù)制模板：專有數(shù)據(jù)—場(chǎng)景深耕—系統(tǒng)集成—合規(guī)可信—可量化ROI。

但是，醫(yī)療場(chǎng)景下的 AI 可靠性一直是該類公司頭上的達(dá)摩克利斯之劍，AI稍有差池，后果不堪設(shè)想。

能賺錢的 AI Agent的第一性原理

回到榜單中的代表型 AI公司，可以看到不同賽道的共通機(jī)制。

Cursor把Agent嵌入碼農(nóng)們的日常工作流，自動(dòng)補(bǔ)全、重構(gòu)、測(cè)試與PR生成，直接影響研發(fā)效率與開發(fā)節(jié)奏。

Glean則在企業(yè)層面打通知識(shí)庫(kù)與SaaS系統(tǒng)，把“找信息”與“做動(dòng)作”合在一個(gè)界面里，成為組織級(jí)工作流的“統(tǒng)一入口”。

Mercor用Agent重構(gòu)招聘漏斗，把搜尋、篩選、互動(dòng)與評(píng)估自動(dòng)化，以“少人做多事”的方式顯著提升人均產(chǎn)出；

客服Agent則以24/7、多渠道、低延遲的能力替代座席，實(shí)現(xiàn)降本增效和質(zhì)量穩(wěn)定。

這些模式的共同點(diǎn)在于，都直擊利潤(rùn)池或剛性成本中心，并且能夠持續(xù)捕獲過程數(shù)據(jù)反哺模型，使產(chǎn)品與體驗(yàn)越用越好。

還有就這些Agent普遍采用“訂閱+用量計(jì)費(fèi)”作為底盤，再疊加結(jié)果導(dǎo)向的分成機(jī)制。如，按席位或團(tuán)隊(duì)；按tokens、API調(diào)用、任務(wù)量或通話分鐘計(jì)量。

展望未來，哪類AI Agent能搞到小錢錢？

從上文分析看，所謂“從大模型到Agent”的真正意義，不在于換了一個(gè)名詞，而是讓AI的價(jià)值從“玄幻的概念”下沉到接地氣的“業(yè)務(wù)執(zhí)行層”。

編碼與客戶服務(wù)仍是收入與估值的“雙高地”，其價(jià)值主張清晰、ROI驗(yàn)證快、數(shù)據(jù)閉環(huán)完整；

醫(yī)療（尤其臨床文檔、編碼與醫(yī)囑執(zhí)行）、金融運(yùn)營(yíng)與合規(guī)自動(dòng)化、企業(yè)知識(shí)與工作流編排將成為未來的新爆發(fā)點(diǎn)。

發(fā)現(xiàn)場(chǎng)景、解決問題，收費(fèi)，齊活！