让AI助理帮客户搞“生财之道”？百融云会这么做吗……

股市很公平，想拥有更多的谈资，那就交出一个比别人更自律的青春，来换谁也偷不走的阅历——因为只要你看好AH股，AH股就会让你好看。

三天跌8%的主观多头、半个月亏15%的量化、三天跌25%的微盘DMA，4800-4700-4600逐级敲入的雪球们。AH股开年几大问题:公募的血包还有多厚？国家队还有多少资金？PZ基金到底几万亿？雪球什么时候敲完？彭博社的黑底儿黄字儿最近尤为密集，让本来就不富裕的市场多加一个烦恼:2024会是未来十年中最好的一年？

下坡路上的AH股，冷空气让人清醒、大阴线让人贪婪，每一天都变得更便宜的筹码，让机构想一口把寒气都吸进肺，让散户幻想能骑上仙鹤的背，但救市的能力值并不代表武功修为，因为在五台山顶找到的不是“失传已久”，而是“妙药仙丹”。换句话说，即便内力增强，但招式却一如既往。

无形的手拖着，但谁家的娃谁去抱:某队护着权重但盈亏自负、优秀民企自己举手招待投资人，剩下啥也不是的直奔仙股。放眼各大行业板块，各有各的不幸:被硬拉的大胖子没什么弹跳力、有弹跳力的也挺擅长蹦极、有行业趋势的筹码不干净、连筹码都没有的那就没法看了。AH股佳丽一共7000位，但没几个能真下得去嘴。“最近你拿的什么股票”这个问题的杀伤力，丝毫不比过年回家老乡问你“有没有对象呢”低。

那怎么办？看看谁最近10个交易日跌得少、大盘拉稀它还在横盘、2024年还有饼能画、基本面还有消息能持续催化，那就凑合着上吧，要不怎么凑够总仓位的下限要求啊。看来看去，还是AI比较好，毕竟去年估值的饼没吃到，今年AI商业化的饭怎么也得分一口吧？

那怎么判断一家AI公司有没有商业化能力？如果我是ChatGPT，我会回答:需要的是Agent能力。因为GPT这种生成式AI说到底是被动输出，属于高级搜索引擎，但大多数企业需要的是——在有认知和只是盲区的情况下，让AI主动帮我解决我提出的、可能涉及的、最重要完成的任务。更重要的是，只有AI Agent能主动使用插件、调用API。

AI Agent，中文名叫“人工智能体”，翻了一下那些为数不多能在2023年实现盈利的AI公司，一半是做产品的，另一半是用Agent帮客户做解决方案的。百融云-W主要做的是后者。

公告中的信息显示，百融云的AI Agent项目叫赛博坦，是一个面向B端企业客户的Agent项目。虽然还没有公布具体的客户和行业分布情况，但根据MaaS和BaaS客户分布在不止15个行业，那根据这些已有的行业客户需求来推测AI Agent项目进展，应该不算不合理。

比如百融云BaaS业务的客户包括电商营销领域，现在有一个很火的方式叫做直播切片，也就是把直播带货的全程录制下来，然后切成不同的片段，让直播中的内容反复利用。但每场直播最起码2个小时，也就是说运营团队需要把这个2小时的素材过2-3遍，也就是媒体行业术语“拉片儿”。当主播和运营团队说，我在这场直播中带过某一个产品，团队就要从整段2小时的片子里找这段素材，然后用PR来剪辑，配上文字后再挂上小黄车。这个过程非常耽误时间，而且带货视频是不允许投流的，一旦自然流表现不好，就相当于这段素材全废掉了，团队也就白白浪费了成本。那如果这个时候有百融云AI Agent的帮助，团队把整个素材直接投喂给AI，它就能很快速的完成素材截取和剪辑。而且作为Agent，电商企业的用户可以直接跟他说最终的那个目的，比如“把这场直播中所有介绍烤肠的片段剪辑出来，形成一个一个单独的视频”，AI Agent就能自己调用插件和API，不用你一句一句的跟他提需求。

又比如百融云MaaS业务的客户有很多涉及金融业，他们对AI的需求也是非常迫切的。举一个美国金融巨头的例子作为参考，摩根大通过去每年都要购买36万个小时的法律服务，帮他们审核贷款合同，美国服务业的服务支出有多高不用多说。那如果有了AI Agent，摩根大通是不是只需要把以前审核过的所有贷款合同投喂给它，那这个Agent就会自动分析每一份合同中的每一个具体条款。最终效果就是，之前36万个小时才能解决的问题，AI用几分钟就搞定了。那如果以后有了Agent，是不是AI就能自己输出一套合同审核标准，并且给出打分细则？生产率提高的是几万倍。

未来百融云AI Agent的能力，会不会应用在帮助中国的金融业客户解读央行的货币政策、建筑业合理安排物料库存、物流领域合理安排过年期间的快递发货时间，都是很有想象空间的。而且根据公开资料的显示，百融云AI Agent可以允许用户生成属于自己专属的Agent，和GPTs一个道理，同样也和MaaS业务让用户自己调用AI模型一个思路。因为客户有什么具体需求，客户自己是最了解的。

但为什么这么好的AI业务模式，大部分中国AI公司做不了呢？因为Agent需要AI大模型的模式支持，也就是RAG架构，中文名叫做“检索增强生成”，它是一个为大模型提供外部知识源的概念，通常包括两个阶段:检索上下文相关信息、使用检索到的知识指导生成过程，这是AI Agent能生成准确目符合上下文答案的关键，同时能够减少AI的幻觉。

比如输入的问题是“今天天气怎样？”，那么RAG架构会把这段语料，以及即将生成的回答分为question和answer两部分，然后用vector L2匹配、切分token匹配、各知识库、获取doc vector等步骤进行拆分，最终去重排序，并且卡一个相似度的阙值，才是完整的AI Agent任务及生成内容的流程。因为Agent是一个有主动完成任务的AI工作者，所以需要在工作过程中涉及很多并行计算，比如针对一个流程审批的应用，Agent就需要一边在知识库里寻找合同条款，一边又要分析具体的客户需求，并且把最终界定合同是否通过的问题拆分为不同细分步骤。所以RAG架构一般会涉及类似milvus search、es search这种并行的AI运算。

RAG只是AI Agent需要的技术和综合能力之一，而核心技术越多，也就证明像百融云这种AI公司的壁垒越高，另外还涉及行业know-how和客户量。现在百融云90%以上的客户留存率其实是说，已有MaaS和BaaS业务的付费用户基本一直都给百融云付费，以后AI的产品和服务越多，就意味着客户付费项目和金额增加，比如这个AI Agent。

所以单纯用MaaS和BaaS的用户量和现有付费金额，线性外推百融云这种AI公司的未来业绩，最终现金流折现给估值，是个很狭隘的思路。换句话说，就是为什么散户能在百融云这种AI公司身上抄机构的底。