一个新的企业级 AI 市场正在形成——为什么下一波机会不是大模型，而是 Enterprise Action
一个新的企业级 AI 市场正在形成——为什么下一波机会不是大模型，而是 Enterprise Action
过去两年，如果要评选技术圈最热门的话题，大模型一定排在第一位。从ChatGPT开始，到Claude、Gemini，再到各种开源模型，整个行业几乎把所有注意力都放在了模型能力的提升上：参数越来越大，推理越来越强，多模态越来越完善，Agent也开始遍地开花。
然而，当我最近重新思考Claude Fable所代表的意义时，我越来越觉得，真正值得关注的并不是模型又强了多少，而是它释放出了一个更加重要的信号：一个新的企业级AI市场正在形成。
很多人认为，大模型竞争结束以后，剩下的就是模型之间不断迭代。但我认为，基础模型的发展只是第一阶段，而真正能够创造巨大商业价值的，将是第二阶段——企业知识的智能化应用，也就是Enterprise Action。
企业真正拥有的，不是AI，而是知识。
如果仔细观察一家大型企业，会发现它真正的资产并不是部署了多少GPU，也不是购买了多少AI服务，而是几十年来积累下来的知识。
这些知识可能存在于几百万行源代码中，存在于数万份PDF文档中，存在于API Guide、安装手册、测试案例、设计文档、需求文档、运维手册、历史缺陷、邮件记录以及员工经验中。
遗憾的是，这些知识绝大多数都没有真正发挥价值。
很多企业花费数十年沉淀下来的经验，最终只是静静地躺在SharePoint、Confluence、Wiki、Git仓库或者文件服务器里面。新人需要花费几个月甚至几年才能逐渐理解这些知识，而当核心员工离职之后，很多隐性的经验甚至直接消失。
因此，企业一直存在一个没有真正解决的问题：如何让知识真正参与业务，而不仅仅被保存下来。
企业AI的第一阶段，其实只是"搜索"。
过去两年，大量企业开始建设RAG系统。
他们把PDF导入向量数据库，通过Embedding进行检索，再调用LLM生成答案。这确实解决了一部分知识查询的问题，也让企业第一次拥有了自己的AI知识库。
但是，RAG真正解决的问题是什么？
它解决的是Knowledge Search，而不是Knowledge Action。
用户输入一个问题，系统返回一段答案，整个流程就结束了。
这种模式，对于知识问答非常有效，但距离真正创造业务价值还有很大的距离。
因为企业每天真正需要解决的问题，并不是"这个API怎么调用？"
而是"请完成一笔交易。"
不是"测试流程是什么？"
而是"请完成整个自动化测试。"
不是"升级步骤有哪些？"
而是"请完成升级，并验证系统是否正常。"
企业最终需要的是执行，而不是回答。
一个新的层开始出现：Enterprise Action。
随着基础模型能力越来越强，一个新的技术方向开始逐渐浮现。
它并不是继续提升模型参数，也不是继续优化Prompt，而是在模型和企业业务之间增加一个新的能力层。
我把它称为Enterprise Action Layer。
它的目标非常简单：把企业知识转换为企业行动。
这意味着AI不再只是回答问题，而是能够理解企业知识、推理业务逻辑、分析依赖关系、调用系统接口、执行工作流，并最终完成真实业务。
例如，一份API Guide过去只是开发人员阅读的文档，而未来，它可以成为Coding Agent学习API依赖关系、自动生成代码以及完成接口调用的知识来源。
测试手册过去只是测试人员参考的说明，而未来，它可以成为QA Agent自动生成测试案例、执行自动化测试、输出Evidence Package的重要依据。
运维手册过去需要工程师逐步操作，而未来，它可以直接驱动Operations Agent完成诊断、升级、验证以及回滚。
知识第一次真正变成了可以执行的资产。
企业知识管理，也将发生根本变化。
过去，我们一直认为知识管理就是文档管理。
后来，我们认为知识管理应该加入向量数据库。
再后来，我们开始建设知识图谱，希望建立实体之间的关系。
但今天看来，这些仍然只是基础设施。
真正的目标，不应该是建立一个能够回答问题的知识平台，而应该建立一个能够驱动企业工作的知识平台。
未来的企业知识平台，很可能会演化为如下架构：
企业知识（Documents、API、Source Code、Policies、Cases）
↓
Knowledge Graph
↓
Semantic Layer
↓
Reasoning Engine
↓
Evidence Layer
↓
Workflow Layer
↓
Enterprise Action Layer
↓
Operational Agents
↓
Business Outcomes
在这个过程中，每一层都承担着不同职责。Knowledge Graph负责组织知识，Semantic Layer负责统一语义，Reasoning Engine负责业务推理，Evidence Layer保证所有决策都可追溯，Workflow Layer负责组织业务流程，而Enterprise Action Layer最终负责把知识真正转换为业务执行能力。
未来五年，最大的机会可能已经出现。
过去十年，企业软件最大的市场来自SaaS。
今天，越来越多的人把目光放在Foundation Model上。
但我认为，未来五年真正值得关注的，可能既不是模型公司，也不是传统SaaS，而是连接两者之间的新一代企业平台。
它们不会训练自己的大模型，却能够让企业几十年积累下来的知识真正产生价值。
它们不会仅仅回答问题，而是能够执行工作。
它们不会只是一个聊天机器人，而会成为企业真正的数字员工。
对于金融、医疗、制造、电信、能源等知识密集型行业来说，这样的平台价值甚至可能远远超过一个更大的模型。
因为模型决定的是能力上限，而企业知识决定的是商业价值。
写在最后
很多人仍然把Enterprise AI理解为ChatGPT加上企业文档。
我认为，这只是第一阶段。
真正的Enterprise AI，不是Knowledge Search，而是Knowledge Action；不是Document AI，而是Enterprise Action；不是帮助员工寻找答案，而是帮助企业完成业务。
也许，Claude Fable真正带来的启示，并不是它迁移了多少代码，而是它让我们第一次意识到：企业知识，终于开始具备执行能力。
而当知识能够直接驱动行动时，一个新的企业级AI市场，也就真正开始形成了。