过去三年，人工智能行业经历了一场几乎没有悬念的“路径依赖”：从大模型参数竞赛，到算力、芯片与数据的军备扩张，产业的注意力长期集中在“更大、更强”的底层能力构建上。但进入2025年以来，一个更具现实意味的拐点正在出现——当大模型逐渐从技术高地走向基础设施，谁能把AI真正变成生产力，成为新的核心问题。
在这一背景下，第零智能这家公司，试图从一个不同的切口切入，不是继续参与“更大的模型”，而是押注“如何让AI真正工作”。事实上，第零智能是国内最早系统研究AI智能体的团队之一，早在2022年大模型浪潮引爆之前就已前瞻性地聚焦智能体技术的产业化路径。这一先发判断，使其在后续行业演进中始终保持着清晰的差异化定位。
从“模型崇拜”到“应用觉醒”
媒体在采访第零智能CEO乔迁时，他反复提及一个判断：“2022—2026年，是AI基建的五年；而未来五年，将是AI应用的五年。”
这一判断并非空穴来风。回顾行业演进路径，从大模型公司估值攀升，到算力产业链整体受益，再到围绕模型能力的生态构建，整个AI产业链的下层（能源、芯片、算力、模型）已经完成了初步的价值沉淀。但问题在于，这些能力并没有自动转化为企业和社会的“有效生产力”。
正如工业革命中，蒸汽机并没有直接带来效率革命，真正改变世界的是“流水线工厂”这一生产组织方式。AI时代同样缺少这样一个“生产关系的重构者”。第零智能将自己的角色定义在这一位置上，并于行业内率先提出“混合智能体集群”概念——主张智能体不应是单点工具，而应由碳基与硅基协同组成工作集群，在真实商业场景中完成闭环任务。
“智能体”不新，但正在被重新定义
“智能体不是新概念，但大模型让它第一次具备了现实价值。”这是第零智能对行业变化的核心理解。
过去的智能体更多停留在规则驱动或实验室环境，而大模型的出现使其具备了理解、决策与执行能力，从而真正具备“工作”的可能。尤其是在2025年前后，一批面向C端的智能体产品通过爆发式传播完成了市场教育，使“AI可以替人做事”这一认知快速下沉。
但在第零智能看来，这只是“起点”而非终点——C端智能体解决的是体验问题，而企业级应用面对的是责任、信任与复杂性。正是基于这一判断，公司从创立之初就锚定To B赛道，致力于将智能体技术转化为可规模化交付的企业级生产力。
图片来自该公司IPO招股书
一个被刻意忽视的问题：AI无法“担责”
在大量AI应用讨论中，一个关键问题往往被弱化：当AI出错时，谁来负责？
这一问题在消费场景中尚未被引起重视，但在企业级场景中却是核心约束。第零智能的判断是，AI可以极大提升效率，但效率并不是唯一目标——安全、可控、可信才是企业级应用的前提条件。
也正因如此，公司并未走向“全自动化”的极端路径，而是提出一种相对克制的架构：“混合智能体集群”——由AI与人类共同构成的协同系统。这一理念是第零智能区别于多数AI创业公司的核心所在，也是其最早提出并持续践行的差异化技术路线。
“混合智能”：对标流水线的AI生产方式
第零智能的混合智能体逻辑可以概括为以下三点：
第一，AI不是独立主体，而是协作节点。在复杂业务中，完全依赖AI闭环并不可行，尤其在涉及判断、信任与责任的环节。第二，人类不是被替代，而是被重组。AI将替代重复性劳动，但同时也会催生新的岗位——监督AI、校验结果、承担责任、建立信任关系。第三，生产力必须匹配新的生产关系。正如流水线之于工业革命，AI时代同样需要新的组织方式来承载技术能力。第零智能试图构建的，正是这样一种“AI时代的流水线”——在一个统一的系统中，让AI完成可闭环的任务，让人类介入关键控制点，最终形成完整的业务交付能力。
该公司BlackZero混合智能体集群系统
在商业模式上，作为国内首个提出“智能体即服务”理念的AI公司，第零智能坚持按效果付费，将自身收益与客户的业务结果深度绑定——客户只为可量化的业务增量付费。这一模式已在法律、金融、品牌营销等多个高价值赛道完成规模化验证。
2026年，公司进一步将跨境电商列为新的战略赛道，依托BlackZero混合智能体集群打造了“黑灯工厂”全链路智能化运营体系。该体系已实现从智能选品研判、采购调度、多语种图文视频营销内容生成、SKU上架，到订单处理、物流追踪、退换货结算及合规风控的全业务流程自动化，覆盖10种语言、17个国家和地区，并与亚马逊等主流跨境平台及多地合作伙伴建立深度协作。传统模式下运营数十万级SKU规模的店铺需要500人团队支撑；而“黑灯工厂”体系仅需个位数至十余人负责制定业务规则、把控关键决策节点与合规边界，即可完成同等规模的全链路运营，生产效率实现量级跃升。
这一成果既验证了BlackZero智能体中台跨行业、跨场景的复用能力，也使跨境电商成为继合同助理、投资助理、品牌助理之后，第零智能的又一重要增长曲线。
为何“效率至上”可能是一个误区
在当前AI行业中，“端到端自动化”被视为一种理想状态。但第零智能对此持更为审慎的态度。其核心观点是：当效率已经足够高之后，边际价值不再来自速度，而来自“可靠性”。
换句话说，AI可以把任务处理时间从小时级压缩到秒级，但企业更关心的是：是否可控、是否可解释、是否可追责。这也是为何其系统中仍然保留一定比例的人工干预——并非技术能力不足，而是出于对现实世界约束的尊重。
这一理念在公司的产品布局中得到了延续。6月18日，第零智能旗下GEO品牌可见性诊断平台——飞哨正式上线。作为业内首个独立第三方GEO监测平台，飞哨从诞生起就聚焦“中立裁判”视角，围绕AI可见性、叙事质量、模型推荐、行业竞争格局四大维度，输出量化、无偏向的测评结果。
上线不到半个月，飞哨已沉淀近4000份GEO诊断报告，覆盖科技电子、食品饮料、法律服务、教育等8大主流赛道。这组数据背后，正呼应了当下最残酷的行业现实：80%的品牌在AI问答中仍处于“隐形”状态——多数品牌最怕的并非“AI如何评价我”，而是“AI压根不提我”。近4000份报告清晰折射出“技术敏感行业抢跑、消费品牌卡位AI决策入口、B端服务填补AI露出空白”的三大行业信号。
AI时代的真正矛盾：生产力vs生产关系
在采访中，乔迁反复强调一个更宏观的事实：当前AI带来的最大冲击，不是技术问题，而是生产关系问题。这一点体现在多个层面——就业结构的重塑、企业组织方式的变化、信任机制的重建、法律与伦理框架的滞后。
从这个角度看，AI不仅是一场技术革命，更是一场社会结构的重构。而第零智能所选择的路径，本质上是在尝试回答一个更基础的问题：当AI成为生产力主体之一，人类该如何重新组织自己？又如何与AI员工进行协作？
在“技术乐观主义”之外的另一种路径
值得注意的是，相较于行业中常见的“全面自动化”叙事，第零智能呈现出一种更具约束性的技术观：不追求AI替代一切，不强调“无人化”，而是更关注“协同效率”与“系统稳定性”。这种路径某种程度上更接近工业体系的演进逻辑，而非互联网时代的“极致效率优先”。
从更长周期来看，AI的发展正在进入一个新的阶段：技术突破已初步完成，而商业模式仍在探索，社会结构开始承压。在这一阶段，单纯依赖模型能力已难以构建长期竞争力。AI真正的分水岭，或许在于谁能把AI嵌入真实世界，并在效率、安全与责任之间找到平衡。
第零智能的尝试未必是唯一答案，但它至少提供了一种不同于主流路径的思考框架——在“更强的AI”之外，还有一个同样重要的问题：“更可用的AI”，该如何被构建。
从国内最早研究智能体的团队，到率先提出混合智能体集群与AaaS模式，再到推出飞哨这一中立诊断平台、将智能体能力延伸至跨境电商的“黑灯工厂”，第零智能正在一步步将这一问题的答案，从理念变成可验证的商业实践。
