ToB Agent
企业级智能体+Copilot
未来式智能的团队背景和融资节奏是实的，但"生意成色"（客户规模、收入、交付可复制性）几乎全是问号；深度在于把"漂亮的团队履历"和"未验证的商业化"分开。
事实它的成立时间（2023-06）、创始人背景（杨劲松，阿里达摩院 / 字节）、两轮融资（2025-03 天使轮数千万元、2026-05 Pre-A 轮）、ToB Agent 的定位有多信源交叉披露。缺口但它的付费客户数量、单客户合同规模、续约率、收入体量、以及 Agent 交付到底是"标准化产品"还是"一单一定制的项目制"均未公开。因此本文的"事实"集中在团队、定位、融资，对"能不能规模化、护城河深不深"更多是基于 ToB Agent 赛道结构的判断 + 追问。信息越薄，第 12 章追问清单越重要。
判断未来式智能是一家方向踩得准、团队履历硬，但商业化模式尚未被验证的企业级 Agent 公司。它切的痛点是真的——企业买了大模型却"不好用、不敢用、干不了活"，而"从泛化思考到精准执行"正是最难、也最值钱的那一段。它的生死不在"能不能做出 Agent"（能，团队工程能力在线），而在它交付的企业 Agent，到底是能被复制、能规模化卖的"产品"，还是每个客户都要重做一遍的"高级定制项目"。这决定它是一家"软件公司"（高毛利、能规模化）还是一家"AI 外包/集成商"（毛利被人力吃掉、增长靠堆人）。它最大的问号是——当每家大模型厂、每家云、每家 SaaS 都在附送 Agent 能力时，客户为什么要单独买未来式的？
| 决定性变量 | 为什么是胜负手 | 兑现的观察信号 |
|---|---|---|
| Agent 交付能否从"项目制"变"产品化" | ToB Agent 最大的陷阱是"每单都要定制"——看起来在卖软件，实际在卖人力。只有当一套 Agent 框架能低成本复制到同行业不同客户，它才是能规模化的软件生意，否则增长天花板由工程师人头决定。 | 同一行业内的客户复用率；单客户交付周期与人力投入是否随规模下降；标准化产品收入占比。 |
| "可信执行"能否真正落地并被客户信任 | 企业敢把真实业务流程交给 Agent 执行，前提是它够准、够可控、出错能兜底。技术上讲得通（分布式推理 / 知识流编排 / 任务规划）不等于客户敢在生产环境放手用。这是应用层最难跨的信任门槛。 | Agent 在客户生产环境的实际接管比例；错误率 / 人工复核比例；标杆客户是否愿意公开背书。 |
| 应用层价值能否顶住上游与平台的挤压 | 大模型厂、云厂、SaaS 都在自带 Agent 能力。未来式作为独立应用层，必须证明"更懂企业场景、更会落地"是上游一时补不上的能力，否则会被平台的"顺手附送"绕过。 | 客户为何选独立厂商而非大厂平台；行业 know-how 沉淀是否形成壁垒；标杆客户续约率。 |
先看它站在企业 AI 价值链的哪一层，这决定了它理论上最贴近价值、现实中最难规模化。
判断未来式智能站在第 ② 层——"执行落地层"：它不造底层模型，而是把模型能力编排成"能在企业里真正干活"的智能体，赚"把通用能力翻译成场景执行力"的钱。推导这层的好处是离价值最近（直接对企业效率负责）、需求最刚（企业最缺的就是"落地"）；坏处是它上有平台挤压、下有客户定制化的引力，天然容易滑向"项目制外包"。
判断所有"企业落地层"公司都活在同一个引力里：越贴近客户业务，越容易被拉进"一客一定制"，看似在卖软件、实则在卖人天。未来式的护城河只能是"行业 know-how 沉淀 + 可复用的 Agent 框架"——同一套东西在同行业里越用越省、越用越准，这才是软件公司的样子。缺口但它的交付到底有多少是标准化产品、多少是定制项目，客户复用率多高，完全未公开。未来式的成色，押在"能不能抵抗定制化引力"这一件事上——扛住了是软件公司，扛不住就是高级外包。
| 本质 4 问 | 答案（含证据） |
|---|---|
| ① 本质在做什么 | 判断把"会思考但不会干活"的通用大模型，编排成"能在企业真实流程里精准执行"的智能体。卖的是场景落地能力和行业 know-how，不是底层模型能力。 |
| ② 行业红利在哪 | 事实企业普遍已"买了模型但用不好"，"落地/执行"是大模型商业化最大的未满足需求——这是整条 ToB Agent 赛道的顺风。判断红利真实，但这是所有玩家的红利，不是未来式独占的。 |
| ③ 哪层赚钱 / 谁掌握话语权 | 判断短期话语权在掌握场景和客户关系的落地层；但长期，一旦大模型/云/SaaS 平台把 Agent 能力标准化附送，落地层的议价权会被压缩。推导能不能长期赚钱，取决于"行业沉淀"够不够深、够不够专，让平台的"通用附送"替代不了。 |
| ④ 未来式的位置 | 事实它是应用落地层里团队背景硬（达摩院/字节）、拿到连续融资的一家（company alpha）。判断优势是"工程能力 + 明确的执行定位"；隐忧是"应用层要长期对抗平台的顺手替代"，且交付可复制性、收入规模都未证实。 |
判断它的叙事是"让大模型从思考走向执行"。推导但真正要问的不是"技术行不行"（能演示），而是"它已经落地的企业客户里，有多少是买标准化产品、多少是一单一定制的项目？单客户的交付人力，随客户数增加是在下降还是在上升？"——如果是后者，那它的商业模型更接近"AI 集成商/外包"，增长靠堆人、毛利被人力吃掉，估值逻辑和"软件公司"完全不同。这一问答不清楚，团队履历再亮，也无法判断它是不是一门能规模化的好生意。
在信息普遍稀薄的情况下，团队的"工程与产品执行力"是未来式能连续融资的关键解释。
| 维度 | 情况 |
|---|---|
| 创始人背景 | 事实创始人杨劲松任董事长兼总经理、持股 46.8%，曾任职阿里巴巴达摩院、字节（company alpha）。推导这套大厂 AI 工程背景，解释了它为什么能在技术门槛较高的 Agent 执行层做出可演示的产品、并说服创新工场等机构连续下注——它赢的底子是工程和技术，属于"技术创业者"型团队。 |
| 投资人阵容 | 事实天使轮（2025-03）由麟阁创投领投、蓟门资管跟投、老股东创新工场持续跟投，指数资本任独家 FA；Pre-A 轮（2026-05）新进凡创资本、中关村资本、探元资本，老股东东证创新、麟阁创投跟投。推导创新工场的持续跟投和多机构接力，是市场对团队的一种阶段性投票。 |
| 组织与商业化能力 | 缺口团队的技术能力有背书，但销售/交付/客户成功团队的规模与能力、核心成员稳定性、商业化组织是否跟得上均未公开——这恰恰是"技术型团队做 ToB"最常见的短板。 |
判断"达摩院 + 字节工程基因"是未来式最实的资产：它有能力把 Agent 做出来、做对。缺口但 ToB 生意最终拼的不只是技术，而是销售、交付、客户成功、行业沉淀这套"把技术变成规模化收入"的组织能力——这部分它至今没有可验证的证据。技术型团队能不能补上商业化这条腿，是它下一阶段最大的看点（见第 12 章）。
事实公司明确表示要"在 ToB Agent 赛道快速兑现商业价值"，服务企业客户。判断方向自洽——企业最缺落地，未来式主打落地。推导但真正决定它是不是"好生意"的，是收费方式（License/订阅 还是 项目制）、单客户经济、以及交付的标准化程度：订阅制软件和项目制交付的商业弹性天差地别。
缺口决定生意成色的核心数据——付费客户数量、单客户合同规模与续约率、收入体量、标准化产品 vs 定制项目的收入占比、单客户交付的人力成本趋势——全部未公开。"技术能演示""拿到融资"和"跑通规模化盈利"是三回事，这正是追问清单第 1、2 组的核心。
未来式的命运系于三个真正有分歧的命题。每题给 Bull / Bear / Reality，再下裁决。
未来式的核心叙事是"让大模型从思考走向可信执行"。用这个卖点成立的四个前提逐条拷问它。
| "企业级可信执行"成立的前提 | 未来式的现状 | 是否满足 |
|---|---|---|
| 技术上能把"思考"转成"可控执行" | 事实有分布式推理 / 知识流编排 / 任务规划的技术定位，团队工程能力有背书 | ✅ 大体满足（技术侧） |
| 企业敢在生产环境放手让 Agent 执行 | 缺口Agent 在客户生产环境的实际接管比例、错误率、人工复核比例均未公开 | ⚠ 未证实（信任门槛） |
| 交付能标准化、可复制到多客户 | 缺口标准化产品 vs 定制项目占比、行业复用率未公开 | ⚠ 存疑（规模化） |
| 价值大到客户愿意单独付费、持续续约 | 缺口客户规模、合同规模、续约率全未披露 | ⚠ 未证实（商业化） |
判断"企业级可信执行"这个卖点只在"技术方向"一条上大体成立，另外三条——生产环境信任、交付可复制、商业化验证——恰恰是它最未被证明的地方。判断所以更公允的定位是——未来式智能是"团队工程能力硬、方向踩得准，但企业信任门槛、交付产品化、商业化组织三关都还没过"的执行落地层玩家。它真正要证明的不是"能不能做出可执行的 Agent"（能演示），而是"企业敢不敢在真实生产环境放手用、交付能不能不靠堆人复制、销售能不能规模化跑通"。这个定位比"可信执行引领者"现实得多。
看清它周围站着谁，就明白它的空间有多窄、突破口在哪。
| 玩家 | 类型 | 打法 / 现状 | 对未来式的意义 |
|---|---|---|---|
| 未来式智能 AutoAgents.AI | 独立企业 Agent 落地层 | 编排大模型做可信执行的企业智能体 + Copilot | 本体 |
| 大模型厂自带 Agent（通义/豆包等） | 上游模型 + 平台 | 模型能力 + 附送 Agent 编排框架 | 最可能"顺手绕过"它的挤压者 |
| 云厂 Agent 平台 | 基础设施 + 平台 | 云 + Agent 开发/部署平台 + 捆绑销售 | 抢渠道与客户关系 |
| SaaS 厂商内嵌 Agent | 软件应用 | 在已有 SaaS 里加 Agent 能力 | 在存量客户里直接内生替代 |
| 其他独立 Agent 创业公司 | 同层竞争者 | 同样切企业场景落地 | 争抢同一批标杆客户和赛道叙事 |
| 传统 IT 集成商 / 外包 | 项目制乙方 | 用人力做定制交付 | 既是竞争者，也是"未来式会不会变成的样子" |
判断① 它的上游（大模型厂）和平台（云厂）同时是它最强的对手——既提供它依赖的模型能力，又在自带 Agent 抢它的客户，这是应用层的典型危险结构。② 它真正的护城河只能是"某几个行业的深度 know-how 沉淀"——通用能力平台会附送，唯有深度场景是独立厂商的安全区。③ 它头顶还悬着"变成项目制外包"的引力——传统集成商就是前车之鉴。未来式的生存空间，在"扎得够深、产品化够彻底"这条窄路上。
判断五个断点里，断点 2（产品化）和断点 4（商业化组织）最致命：前者决定它是软件公司还是外包，后者决定技术能不能变成规模化收入。它的技术和团队已经证明过了，接下来要证明的是"交付能复制"和"卖得动、留得住"——而这两样，恰恰都是它至今没拿出可验证数据的地方。
| 风险 | 说明 | 观察信号 |
|---|---|---|
| 交付项目制化（母题） | 企业流程抗标准化，Agent 落地易滑向一客一定制，靠人力交付。 | 同行业客户复用率；单客户交付人力随规模变化。 |
| 平台顺手附送挤压 | 大模型厂/云/SaaS 自带 Agent 能力，可能"够用就好"绕过独立厂商。 | 客户为何选独立厂商；标杆客户续约率。 |
| 依赖第三方底层模型 | 不自研底层模型，能力与成本受上游波动影响，议价权有限。 | 模型切换灵活性；核心能力有多少是自研编排层沉淀。 |
| 生产环境信任门槛 | 企业敢不敢让 Agent 真接管业务，取决于准确性与可控性。 | 生产环境接管比例；错误率/人工复核比例。 |
| 商业化组织短板 | 技术型团队常低估销售/交付/客户成功组织的建设难度。 | 销售/交付负责人配置；标杆客户复购与转介绍。 |
| 收入与客户规模不透明 | 客户数、合同规模、收入、续约率均未披露，商业模式未证实。 | 付费客户数；单客户经济；收入体量与增速。 |
判断六类风险的母题是同一个：未来式这层"把模型编排成企业执行力"的价值，能不能在平台挤压、信任门槛、定制化引力的三重压力下，被证明是能复制、卖得动、留得住的软件生意。这个问题答清楚之前，团队履历和融资更多是"入场券"而非"胜利"。
信息越薄，这份清单越重要——它就是把"叙事"逼回"事实"的工具。★ 是我认为最锋利、最能戳破叙事的问题。
判断① 同行业里第 N 个客户的交付人力有没有比第一个明显下降（产品化）？② 付费客户数、合同规模、续约率是多少（商业化）？③ 当大厂平台顺手附送 Agent 时，客户为什么还选它（独立价值）？——这三问答清楚，就知道它是"企业 Agent 的执行层平台"，还是"团队很强、但靠堆人定制、随时被平台绕过的高级外包"。
基于公开信息与媒体报道的深度梳理，主要维度（节选）：
· 公司与定位：北京未来式智能科技有限公司，成立 2023-06，面向企业的自主智能体（AI Agents）+ Copilot（官网 autoagents.ai 及多家媒体）
· 团队：创始人杨劲松（董事长兼总经理，持股 46.8%），曾任职阿里巴巴达摩院、字节（多信源披露）
· 融资：2025-03 天使轮数千万元（麟阁创投领投，蓟门资管跟投，创新工场持续跟投，指数资本 FA）；2026-05 Pre-A 轮（凡创资本、中关村资本、探元资本，老股东东证创新、麟阁创投跟投）
· 技术定位：分布式推理机制、上下文感知型知识流编排、复杂任务规划，实现从"泛化思考"到"精准执行"（公司口径）