在科技领域的激烈竞争中，一项关于中美两国在人工智能（AI）应用发展上的观察引发了广泛关注。传统观念认为，中国在应用创新方面有着独特优势，然而，在AI这一前沿领域，美国似乎占据了先机。
数据显示，多家美国初创企业如Glean和Harvey，在AI应用领域取得了显著成果，其年度经常性收入（ARR）动辄过亿美金，ARR超过2500万美金的企业更是比比皆是。这些企业不仅估值高昂，更重要的是，它们已经有了实实在在的收入支撑，这在一定程度上反映了其应用的深度和市场的认可度。相比之下，中国在AI应用方面的表现就显得逊色不少，无论是在数量还是规模上，都与美国存在一定的差距。
那么，造成这种差距的原因是什么呢？一种直接的解释是，美国在B端数据层方面的建设更为完善。大量的美国新应用都是基于B端，这与过去的SaaS（软件即服务）模式有着一脉相承的关系。而中国在SaaS领域的发展相对滞后，这也间接影响了AI在B端应用的推进速度。
为了更深入地理解这一现象，我们可以参考moveworks和Glean这两个公司的架构图。这两家公司都拥有一个共同的特点：它们都包含了一个数据层和智能层。数据层作为企业的完整表示，为智能层提供了必要的数据支持，使其能够基于这些数据创造出服务价值。而中国在数据层方面的缺失，无疑成为了制约AI应用发展的一个关键因素。
进一步分析，数据层的构建并不单纯依赖于技术，而是更多地与生产关系的特征有关。数据的完整性和时效性等因素，都直接影响着数据层的价值。而在中国，由于生产关系的特殊性，数据的获取和使用往往面临着诸多挑战，这也成为了制约AI应用发展的一个瓶颈。
然而，面对这一挑战，中国并没有停滞不前。一些业内人士开始探索新的AI应用落地模式。在一次活动中，有人提出了“AI包工头”这一形象的说法，来描绘未来AI应用的一种可能形态。尽管这一说法略显接地气，但它却折射出了人们对于AI应用新模式的期待和思考。
事实上，我们可以将B端产品放在一个更为宏大的叙事框架下来看待。传统的SaaS模式是按照层级和模块进行分工，然后辅助创造价值。而全AI驱动的商业体则自身就是一个价值创造的完整过程。这种模式的出现，无疑对传统的ERP等体系构成了挑战。
以moveworks为代表的新模式，更是提出了对ERP体系进行置换的方案。这一方案的核心在于，利用AI和大模型技术，将过去由workflow主导的价值创造过程简化为数据+大模型的模式，从而大大降低了独立存在的意义。
当然，这种模式的整合深度目前还不够，但随着AI技术的不断进步，未来这种模式的潜力将是巨大的。同时，另一种更为先进的模式——AI驱动的商业智能体也正在悄然兴起。这种模式以AI为中心，在产业中选择一个突破口，自上而下地整合所有资源，直接创造价值。
然而，这种垂直整合的模式也面临着巨大的挑战。随着业务范围的扩大，整合的难度也在不断增加。这就需要企业在选择突破口时，进行深入的商业和技术判断，以确保整合的成本和效益能够达到预期。
尽管如此，AI驱动的商业智能体仍然被视为未来的一种可能趋势。它的出现，不仅将重塑供应链和产业结构，还将推动经济的数字化转型和智能化升级。而在这个过程中，中国能否抓住机遇，迎头赶上，将是我们共同期待的问题。
