接力Coding的下一个场景，是企业AI

从诺曼底登陆，到欧洲大陆。

全球AI市场都在等一件事：coding之后，下一个更大的商业化场景在哪？

我隐隐感觉，答案已经浮现，那就是企业AI。

AI coding之所以先跑出来，是因为它最好验证。开发者本身就是技术用户，写出的代码能不能编译、能不能合入、省了多少工时，编译器几秒给答案，预算部门也能直接算出账。

但coding本质上只是把AI嵌进软件工程这一个细分流程。

它的真正价值，是率先完成了三件事：付费教育、模型信任和工程基座的建立。开发者是第一群愿意为AI 买单的人，企业从他们身上看到了ROI、看到了效率、看到了AI进入生产环境的可行性，才敢把预算从 IT部门投向销售、客服、财务、采购、合规、运营、人力这些核心业务环节。

所以coding是前沿阵地，先在最容易突破、反馈最快的位置撕开一个口子，让后续部队能够进入企业纵深。而企业流程的商业化空间，对应的是企业整体运营开支和数字化预算，比软件工程大一个数量级。

Coding是AI的滩头阵地，真正的战场在企业流程里。

从写代码到跑业务

我把2026年能翻到的AI应用报告翻了个遍，Anthropic、Databricks、Monte Carlo、Lyzr、McKinsey、Deloitte、KPMG，十几份。让AI帮我梳理了一下，有几个数据值得重视。

第一个来自需求侧，Lyzr是一家Agent构建平台，其超过20万用户的调研报告显示，64%的Agent应用集中在业务流程的自动化，其中客服 20%、销售 17%、营销 16% 排在前三，企业AI的真实需求主体是非编码的业务职能。McKinsey的调研给出类似结论，45%的财富 500 强已经有了生产环境里的 AI Agent，78%的部署者把客服作为首选场景。

第二个是ROI，KXN调研显示企业部署Agent首年净节省中位数240万美元、平均 8.3 个月回本，BCG的样本里中位回本只有5.1个月，McKinsey调研的企业成熟部署的平均ROI达到 340%。 最直观的场景是客服，Klarna的Agent一个月处理230万次对话，顶得上700到853个全职员工，一年省下6000万美元。McKinsey 实测，用了客服Agent的企业，单次交互成本降 42%，首解率提升35%，客户满意度升28%。有个电信商，AI客服一年省了1.8亿美元。

企业在真实下单，当这些根植企业流程的AI应用创造价值，Anthropic、OpenAI的ARR，其实已经不是AI商业化的全部了。

为什么是现在

因为企业 AI 真正跑起来，要三个条件同时凑齐：开源、降价、复杂任务能力。

只降价不开源？企业被供应商锁死，权重是人家的，敏感数据敢不敢过墙？Lyzr调研80%的企业，明确AI得部署在我自己的云里，闭源模型满足不了这个诉求。

只开源不降价？大规模agent工作流的token消耗，能把单位经济模型直接算崩，成本根本算不过来。

只有模型能力、处理不了多步任务？那企业 AI 就永远停在知识问答和文本生成，进不了核心流程。客服要的是从接单到解决，不是回答一个问题。

巧了，最近半年，三个约束同时松动了：DeepSeek V4 Flash 以国产前沿模型的性能、最低的定价，横扫全球；月之暗面把Kimi K3的权重开源了；结果是GPT-5.6系列大幅降价，闭源巨头也被迫把价格打下来了。OpenRouter的数据更直接，高支出客户里，开源模型的token用量增速大约是闭源模型的四倍。

模型获取门槛、价格和业务能力同时改变，企业才第一次算得过来账。

Gartner预测2026 年底40%的企业应用会嵌入任务型Agent，而2025年这个比例还不足5%。Lyzr的64%说明采用重心已经落在业务流程里。

产业实际进展，比资本市场定价的要乐观。

更大的市场，更复杂的价值分配

企业流程是长尾需求，客服、销售、营销、HR、财务、供应链，每家企业几十上百条流程，全球数以亿计。相比于coding，这是大一个数量级的市场。而且付费逻辑会跟着变，当 Agent 能独立完成端到端任务，按任务、按席位、按结果付费的模式才成立，市场空间的估算是参考企业运营开支，而不是单独的IT开支。

当模型能力普惠化、可落地，企业愿意为任务结果而不仅仅是token消耗付费，利润会从大模型本身，扩散到应用层、云平台和系统集成商，这才是一个走向繁荣的生态。

真正的瓶颈，可能会从模型能力转向企业侧。

因为让 AI 跑通一个企业的业流程，难度远高于让AI写一段代码。代码的产生和验收都易于操作，参与的程序员本身就懂，但业务人员多数是不懂技术的，你还要让AI融合到业务，这需要更多落地的执行动作。

AI 进企业的每个环节都难得多，流程替代、数据管理、系统集成、安全合规、幻觉容错、责任边界……复杂任务提高了自主性，也把对可靠性和可观测性的要求抬到了天花板。

赢家，可能是最懂业务的

企业AI需要的是对业务流程的理解，这时候，壁垒就回到了业务本身，而这恰恰是前沿大模型公司的弱项。

让我们看看前线阵地的公司在做什么——FDE隆重登场：

Forward Deployed Engineering，派驻工程师

今年6月30日，亚马逊砸下10亿美元成立 FDE 部门，招募数千名工程师，派驻客户现场，直接嵌入客户的业务、工程、安全团队，NFL、NBA、西南航空都是第一批客户。2天后，微软也成立Frontier Company，投入25亿美元，扩大到6000 名行业与工程专家，派驻客户现场，陪着客户把Agent 跑进生产环境，交付AI成果。

在这个时间点前后，OpenAI、Anthropic也成立了类似的团队。四家巨头同时转向"派驻工程师陪落地"，行业共识已经形成：模型商品化之后，利润和差异化都在企业落地环节。

WorkBuddy、千问办公这类把Agent直接做进办公协作软件的产品，背后也是同一个判断，企业AI不是一个功能，而是一整个超级市场空间。如果他们的思路更激进一点，就不应该满足于一个长了对话框的办公软件，而是借此打开企业AI服务的广阔天地。

一个案例可以说明这个市场的执行缺口：

Nasuni调研了1000名企业决策者，97%已经使用过AI Agent，但真正跑进生产环境的只有57%，完成规模化部署的只剩18%——几乎全员入场，但困在了从试点到生产。

这说明缺的不是需求，是执行能力，谁能把AI落地企业，谁就能吃到企业AI最大的一块肉。

回顾历史，每一代平台技术浪潮都从开发者开始：云计算，从AWS的开发者工具起家，移动互联网，从开发者工具起家，但真正长成大市值的，都在企业主航道上——AWS 今天的钱来自企业客户，而不是当年那些使用它的开发者。今天，不过在重演。

如果说Coding是AI商业化的诺曼底登陆，那么，企业AI才是背后的整个欧洲大陆。

【欢迎关注，点赞和分享：一年后你仍然会翻出来看的文章】