大模型“降价潮”下，AI Agent迎来黄金窗口 企业级AI应用长期价值凸显

今年以来,大模型成本持续下行。近日,OpenAI 面向全球 ChatPT 免费与付费用户正式推出 GPT-6,替代原有的 GPT-5.6 SOL、GPT-5.6 LUNA,并集成 Astra 安全技术优化;同期 Anthropic 发布 Claude Haiku 5.5,该模型定位为承载"成本敏感型任务",定价相比上一代 Haiku 4.5 大幅下调。

大模型推理成本正以超预期的速度持续走低,但每一轮单位推理成本的下降,最先获益的并非模型厂商,而是在业务系统中持续消耗 Token 的 AI Agent。

和普通大模型对话不同,AI Agent 的核心是执行一整套连续动作;单个业务流程消耗的 Token 规模,可达对话类应用的数倍乃至数十倍。因此,大模型成本下降只是AI Agent落地的必要条件,真正决定其能否实现商业化的关键,在于能否嵌入企业现有业务流程、承接企业沉淀的行业Know-how。当大模型通用能力逐渐普惠,行业专属知识的价值反而会进一步抬升。

一个合规场景里的答案

近日,港股上市AI 应用公司迈富时(02556.HK)发布一个合作案例:其与某省属大型国有企业达成合作,为其打造基于 AI 专家模型的企业合规管理体系。

这个案例的价值在于场景本身。该企业的合规工作覆盖合同管理、行政执法、风险筛查等专业领域,特点是规则密集、容错率低、高度依赖经验沉淀。合同场景中,每年有大量合同需要起草、审核与归档;执法场景中,案由判断、证据收集指引、文书制作等环节,对人员的法规储备要求很高。

迈富时为此定制五大 AI Agent,构成覆盖合规管理全生命周期的智能体矩阵——合规指引、合规风险筛查、合同合规管理、行政执法合规管理、合规治理与评估。其中,合同合规管理智能体依托 54+ 个合同模板,可自动抽取关键信息生成初稿,每年完成约 1000 份合同的智能归档与结构化处理;行政执法智能体可根据案情推断案由、给出证据收集指引、一键生成笔录初稿,并对案卷做初步审查、标识程序错误与逻辑矛盾,但始终保留人工审核的最终决策权。

这则案例里最值得关注的,是三个细节。

其一,知识被显性化。沉淀在海量文档中的法规依据、合规经验、历史案例,被整合为可检索、可交互的智能资产,从"沉睡的文档"变成"随时在线的专家"。

其二,责任边界被保留。AI 提供标准化、无差别的审查,规避人工疏漏与主观偏差,但最终判断权仍在人手中。这对公司而言,是能否通过合规门槛的关键。

其三,可复制性。从合同到执法、从筛查到评估,这套方案被设计成"可快速复制、灵活适配"——它不是一次性项目,而是可迁移到其他企业的模板。

嵌入工作流,AI 业务价值凸显

迈富时这样的企业级 AI 应用公司,正通过知识、权限、工具、流程、智能体和治理等环节,把通用 Token"加工"为能完成任务、过程可控、结果可衡量的场景 Token,让定价锚点从资源消耗转向客户获得的业务价值。

支撑这套体系的是迈富时的三层平台能力:算力层依托公司自有 IDC 与国产算力,为推理环节提供底层保障;模型层基于 22 万 + 企业营销数据完成训练,自研 Tforce/W-Box 营销领域垂类大模型,同时支持根据业务场景混合调度开源及商用模型;AI 原生平台层则以 GenAI OS AI 原生操作系统、AI-Agentforce 智能体中台 3.0、AI-KnowForce 企业级知识中台为核心底座。在此基础上,应用层搭建覆盖营销、销售、客服、外贸、研发、陪练、经营分析等核心业务场景的 AI Agent 矩阵,可直接交付可量化的业务成果。

推理成本下降对这类模式的公司是双向利好:一方面,多模型智能路由让简单任务走轻量模型、复杂推理调用大模型、垂直任务走自研模型;另一方面,成本透明让企业更愿为"可归因、可封顶"的结果买单。

不过,AI Agent 赛道远未到可以下结论的阶段。行业内一个被反复引用的数据是:仍有近三分之二的企业停留在 AI 试点阶段,多数企业的 AI 项目 ROI 尚未验证。智能体项目的失败很少发生在模型效果上,更多发生在推广阶段——缺少统一的管理载体,各业务线各自为战。

这意味着,推理成本下降能解决"用得起",但"用得好、用得久"仍取决于平台工程能力、知识治理水平与客户的内部组织准备度。迈富时的案例,不只是合规管理的一次升级,也是 AI 应用商业化从概念走向结算的一次样本演示。