它用AI增加20亿收入：大模型应用拐点已至

1月28日，由铅笔道联合主办的中关村早期投资论坛暨2026新场景大会举行，影响力登上活动行北京总榜第1名。本文为大会主题对话讨论实录。

整理 | 铅笔道 松格

编辑 | 铅笔道 王方

2025年，大模型应用遍地开花——它能否让你的收入扩大10倍吗？挑战很大，但已经有企业能做到：利用AI，把收入增加20亿元。

本文将为您解读话题：2026年，我们可以怎样用大模型变现。核心话题如下：

1、大模型应用目前的水平，能让你的赚钱速度提高多少倍？

2、在哪些环节，AI已经可用，如果你不用，2026年大概率要掉队？

3、如果你每年必须在AI上投资50万，做哪些会打水漂，哪些会有确定性回报？

4、2026年，AI会聪明到什么程度，能干哪些新工作？

本人讨论嘉宾是铅笔道董事长王方与零犀科技联合创始人兼总裁翁绍斌。

零犀科技是一家IPO阶段公司，主攻方向是：大模型RaaS平台（按结果付费），用AI帮企业做销售。

以下为对话实录，定不辜负您的阅读时间。

- 01 -

大模型应用：能让我们的收入翻10倍吗？

王方：在座的各位有多少人希望通过AI，把赚钱速度提高10倍，把收入规模扩大10倍的？有不少。第一个问题请教翁总，目前AI已经能帮企业做哪些事情了，能实现我们“收入翻10倍”的愿望吗？

翁绍斌：这个问题很多人都在找答案。

我先简单介绍一下零犀科技，我们是一家做大模型应用企业， 全球领先的大模型 RaaS平台，主要服务于保险、金融、汽车、教育这些行业的大客户。

我们率先跑通、比较扎实的应用场景，主要集中在AI销售上：帮客户从触达、需求洞察再到关单。 因为交付最终结果，基于结果付费， 所以很受客户的欢迎。

所以AI能帮企业做什么？从我们自己的实践来看，“真正跑出来”的应用，还是TOB方向的销售场景最成熟。

如果从一个更大的共识来看，这两年企业端真正“获得感”最强的，其实还是代码相关的场景。 它也很特殊，本质上是一种元生产力——生产力的生产力。这也是为什么，大模型在企业里的感知，最强烈的一点首先体现在 coding 上。

现在很多公司已经明确要求：所有开发者都要拥抱大模型。 这背后带来的，本质上就是生产力的倍增。

相比之下，其他领域就相对更碎片化一些。比如前端营销、财务数据分析、客服、质检等，各家在实际使用中的体感都不太一样，很难共识。

但在我们自己服务的保险、汽车等行业，大模型已不仅限于问答交互，还能够交付实际结果，从前端服务到最终关单都能做。

所以在垂直赛道里，“用AI做销售”也算是一个跑通的大模型应用。

王方：零犀科技已经走到上市阶段，规模不小了。你刚才提到，大模型已经直接服务于销售，而销售本身就和赚钱速度高度相关。那我换一个更直接的问题：2025 年，你们是不是已经帮一些企业，用大模型把赚钱速度提高到 5 倍、甚至接近 10 倍？有没有具体的经验可以分享？

翁绍斌：我们服务的都是大B客户，说“10 倍增长”这个目标，本身就非常有挑战。

但我们有一个非常实在的数据：去年，我们帮一家保险公司，新增了接近 20 亿规模的保费销售，且保单质量很高。 这是真金白银的业务增量。

王方：这个案例里，有没有一些更泛化的经验？有没有一些技术或方法，是今天在座的观众开完会，回到公司就能用起来的？

翁绍斌：这其实是一个挺大的挑战。尤其是对企业老板、创始人和操盘者来说，最大的痛苦在于：一边是大模型应用看起来突飞猛进、声量很高；另一边是拿回公司却发现，真正能开箱即用的东西并不多。

今天的大模型，你会明显感觉到：它很聪明，创造力很强，内容也很丰富，可与此同时，稳定性和确定性还不够高。

幻觉、事实性偏差的问题依然会出现，随着模型推理能力的增强正在持续改善，但还没彻底解决。而企业的应用，对于确定性有很高的要求。

从我个人的体会来看，有一个点是很多企业老板能形成共识的：今天在企业内部探索使用大模型，对“不完美”的容忍度，可能要比过去高一点。

因为现实是，它确实很难做到100%的确定性，所以中间一定要做取舍。

你要在几件事之间反复权衡：是要更聪明、更有生成能力、更强的推理能力，还是要更稳定、更可控、更确定、真正好用？

所以往往在一些场景里，也不是越大参数的模型，就能带来更好的效果，反而要通过和企业业务做深度结合，再通过后训练，结合RAG、Agent skills等技术， 才能慢慢逼近“聪明”与可靠的平衡点。

这个平衡点可能是：当你发现它不稳定或交付质量不够高的时候，你的态度是什么？是继续往前推进、边用边优化，还是选择先停一停、往后退一步？这可能就是今天企业在用大模型时，最需要把握的那个点。

尤其在企业应用领域，这种对“确定结果”的追求近乎苛刻。以零犀科技为例，其销售Agent的可靠性要求，就必须达到98%甚至99%以上。

- 02 -

2026年，我们最该在AI上投资什么？

王方：其实在新技术面前，大家都很焦虑。不是不愿意投钱、投人，而是担心结果的不确定性——钱投进去，打水漂怎么办？假设我是一家企业，2026年就想在AI上看到明显效果，每年有 50 万预算，你觉得这笔钱花在哪里，相对不容易打水漂？

翁绍斌：站在一个实际企业执行者的角度，相对更确切的答案，其实还是投在人才上。

王方：技术人才上吗？

翁绍斌：对，但也不完全是。首先是技术层面，你要能够掌控、驾驭大模型，真正把它用起来，这是第一点。第二点，这样的人才还需要具备一定的业务sense。

我们今天看到很多场景之所以很难真正用起来，本质原因在于割裂：做算法的人不懂业务。

其次，做业务的人又不清楚今天技术能力的边界。

在这种情况下，第一步到底该怎么迈出去，反而成了最大的挑战。

从更底层的角度来看，既懂技术、又有业务感觉的技术人才，是最值得投入去培养的，无论是长期价值还是最后的ROI，都是最高的。

王方：刚才我们在讨论一个问题：钱花出去结果不确定怎么办？但你们已经有了非常确定的结果——帮客户卖了20亿保费。那么我们还能做哪些事，能取得类似这样确定性的结果？

翁绍斌：零犀是一家AI native的企业，对于大模型来说，它经历了一个跨越和跃迁的过程。在这个过程中，我今天可以抽象出两个比较核心的点：

第一，以交付结果而非工具作为锚定的业务目标，即对交付结果的坚守。

第二，对大模型或技术能力的信仰。相信技术能够实现“第一点”。

零犀在比较早期就确定了一种商业模式：按照结果定价、按照效果付费。在技术还没有完全准备好的阶段，有时候甚至会“干到怀疑人生”。

但随着大模型技术一波波发展，这些问题会逐渐得到解决。今天在大模型应用方面，从过去的Chatbot（聊天机器人）逐渐进化到Agent。

区别在于：Chatbot 只能给你一个答案，而Agent有机会直接交付一个结果。 我估计后面按照结果定价，按照效果付费的模式， 会得到更多人的认同。

我的思考是，在交付结果的过程中，在遇到挑战时你如何做抉择？是坚定 All-in 技术、继续研发推进，还是往后退，干脆不卖结果？

如果在这条路上冲出来，你会非常有成就感。而在坚守过程中，也确实会经历很大的挑战。

所以如果要总结零犀今天的经验或者回答您的问题：第一是技术信仰， 第二是对交付结果而非工具的坚守。

- 03 -

2026，AI会聪明到什么程度？

王方：现在大家已经不怎么聊技术参数了，而是聊体感、聊结果。您能不能帮大家判断一下，在2025年，智能体、大模型的聪明程度大概到什么程度了？而到了2026年，又会聪明到什么程度？

翁绍斌：从技术角度来看，去年整个大模型赛道，大家体感最强的两个点：

第一，推理能力的大幅增强。

第二，多模态能力的提升，这可能带来更直观的感受。

应用层面，去年Agent已经有点状的出现，比如年初的Manus的发布，比如下半年的概念性的豆包手机等，从ChatBot的给出答案，到Agent开始完成任务交付结果，大模型应用的边界， 明显的拓宽。

其中一个原因，当然是基座模型推理能力的大幅增强， 从而使任务规划成为可能，进而推进到任务的执行。

另一个原因是围绕Agent的周边生态基建正在完善。

2026年，基座模型Scaling Law卷参数规模的信仰会消停。而在应用层面，以完成任务、交付结果的Agent，会更快速地演进和落地。

比如C端用户买杯咖啡、点个外卖等， 用户体验会越来越好。B端企业场景中的Agent，任务完成会更靠谱。

Agent从最初的“玩具”，逐渐走向真正的生产力，这是非常显性的进步。

比如昨天刚发布的Kimi K2.5，或者大家可以关注DeepSeek春节前后将要发布的新模型，都将大幅提升Agent能力，尤其在长程的任务上处理能力会有大幅的提升，这会带来一个结果：更复杂的任务的完成度及完成质量，都能得到大幅的优化。

展望2026年， 大模型应用将会更丰富多彩。

本文不构成任何投资建议。