a16z对话Decagon：企业AI Agent开源迁移与护城河
a16z 近期邀请企业级 AI 客服智能体独角兽 Decagon 的联合创始人，深度探讨了在银行、航空等大型企业中部署 AI Agent 的工程与商业实战经验。Decagon 分享了其激进的模型迁移策略与对应用层护城河的思考，认为随着模型能力趋同，工程化与安全能力才是企业 AI 的真正壁垒。
已确认
- 开源主导策略：Decagon 目前有 90% 的推理流量运行在开源模型上。建议在新用例初期先用前沿闭源模型跑通，待任务成熟后再迁移至开源模型并进行微调。
- 小模型的潜力：Decagon 联创认为“智能与低成本的取舍是伪二元对立”。即使是参数较小的模型，经过微调后在特定任务上也完全有可能超越前沿大模型。
- 企业 AI 的护城河：随着大模型实验室逐渐向应用层拓展，Decagon 联合创始人 Ashwin Sreenivas 强调，模型本身从来不是护城河。即使未来基础模型变得完美无缺，企业将其安全部署到生产环境中，依然需要复杂的安全护栏、数据集成与工程化处理。
为什么重要
- 随着基础模型能力飞速迭代且逐渐同质化，单纯依赖大模型能力构建商业模式变得极其脆弱。Decagon 的实战经验为应用层公司指明了方向：通过拥抱开源与微调大幅降低推理成本，同时将核心研发投入到安全护栏、私有数据整合与企业级工程架构中，从而建立起不依附于单一基础模型的竞争壁垒。
2026-07-31 ~ 2026-08-01 · 6 条相关
一手来源
- a16z 对话 Decagon：企业级 AI 客服 Agent 的工程与商业实战 — a16z ·
- Decagon 播客：企业级 AI Agent 为何应转向 90% 开源模型 — a16z ·
- Decagon 联创：模型趋于完美，企业级 AI 的护城河在安全护栏 — kimberlywtan ·
- 【源头】Decagon 播客：企业级 AI Agent 为何应转向 90% 开源模型 — a16z · 2026-07-31
- 【源头】a16z 对话 Decagon：企业级 AI 客服 Agent 的工程与商业实战 — a16z · 2026-07-31
- a16z对谈Decagon：90%企业AI智能体运行在开源模型上 — kimberlywtan · 2026-07-31
- 【源头】Decagon 联创：模型趋于完美，企业级 AI 的护城河在安全护栏 — kimberlywtan · 2026-07-31
- Decagon CTO：微调小模型在特定任务上可超越前沿大模型 — kimberlywtan · 2026-08-01
另有 1 条近重复转述:kimberlywtan