根据 Menlo Ventures 最新发布的《2025 年消费者 AI 现状报告》,全球已有 18 亿用户使用 AI 产品,付费转化率 3% 左右。行业领头羊 ChatGPT ,拥有 8 亿月活用户,付费转化率约 5%。C 端场景基数大且有一定的付费转化率,部分产品商业化渐入佳境。
B2B 企业 AI 化也成为刚需,呈现出:业务流程高度结构化,数据资产专有化,决策链条复杂化等特征,核心诉求集中在成本降低和效率提升,这些都是可量化、可审计的硬指标。
同步翻看近期全球融资数据,一个趋势也愈发明显:企业级 AI Agent 正在成为最受追捧的赛道。
2024 年 10 月,由 OpenAI 董事会主席 Bret Taylor 与前谷歌高管 Clay Bavor 联合创立的 Sierra AI,专注于为企业打造 AI 智能客服,以 45 亿美元估值完成 1.75 亿美元融资。
2025 年 5 月,致力于开发 AI Agent “操作系统”,帮助企业构建 AI Agent 团队的海外初创企业 Relevance AI 完成 2400 万美金 B 轮融资。
2025 年 6 月,Glean 作为企业级的 Google + AI 知识图谱 + 工作流自动化 AI 平台获得 F 轮融资 1.5 亿元估值 72 亿美元,累计融资已达 7.7 亿美元...
而在最近的一次交流中,特工们注意到了一笔由阿里云领投的超亿元人民币交易,这也是国内 Agent 赛道迄今规模最大的交易 —— BetterYeah AI Agent 企业级开发平台。
作为“零代码” AI Agent 开发平台,Coze 将技术门槛降到极低,让“AI 爱好者”也能快速上手。这种极低的进入门槛设计,本质上是为了最大化用户基数。
从生态布局看,Coze 绑定了字节系产品矩阵 —— 一键发布至飞书等多渠道,形成了“开发-分发-应用”的闭环。特别是与飞书的联动,让 Coze 能够触达从个人创作者到企业用户的多层用户群体。集成 60+ 官方插件、支持 8 类主流大模型的开放策略,进一步扩大了 Coze 社区的覆盖面。
值得注意的是,Coze 平台上呈现出明显的内容多样化特征——既有面向企业的智能客服、数据分析工具,也有大量个人创作的娱乐性、实验性Bot。这种 UGC 生态的形成,使 Coze 更像一个 AI 应用的“创作平台”。AI Agent 的创建门槛被前所未有地降低,数以百万计的“个人助理”和创意 Bot 被构建出来,这极大地推动了 AI 技术的普及和大众认知。
当 Agent 火到了企业侧,BetterYeah 选择了另一条道路,这种选择背后,体现的是其对 AI 商业化路径和产品的不同理解:让 Agent 需要在严肃场景深度服务企业客户、解决实际业务问题。
Agent需要从岗位场景切入,实现生产力单元的再造。打开 BetterYeah 的用户入口就可以发现,BetterYeah 的智能体生态呈现出高度的专业化特征:无论是“麦乐(Melody)女装客服”、“小红书爆款内容分析生成”,还是“店铺数据分析师”、“汽车销售 AI 工作助理”,几乎每个智能体都直接对应具体的业务岗位的关键绩效痛点。
此外,企业产品也需要具备极强的系统整合力,BetterYeah 的布局不止于单一工具,而是在构建完整的企业 AI 生态,通过工作流、知识库、数据库、Tools 等能力模块,平台支持企业将 AI 深度融入现有的各种内外部业务体系。平台也需要具备极强的复杂任务协同能力,其多 Agent 协同能力能够让多个专家 Agent 像真实团队一样协作,处理跨部门、跨系统的复杂任务。
Coze 和 BetterYeah 虽然选择了不同的路径,但两者却呈现出一个共同特征:AI Agent 平台的竞争已经超越了单纯的技术较量,演变成“产品能力 × 生态资源 × 场景深度”的多维博弈。
字节系为 Coze 注入的流量基因,阿里系为 BetterYeah 带来的企业服务积淀,都在说明一个现象 —— 大厂生态正在成为 AI Agent 平台的重要加速器,为产品快速迭代和规模化落地提供了独特优势。
而此次阿里巴巴领投的 B 轮融资,也正是使 BetterYeah 成为阿里企业 AI Agent 生态补位的关键。
于是特工们仔细扒了一下这家公司……
先直接进入产品体验环节 —— 我从企业视角,尝试复制了首页的“麦乐(Melody)女装客服”智能体来调试和编辑,来看看这个“数字同事”是否能顺利入职。
1. 工作技能:让 Agent 连接各业务系统,业务人员也能“训练” AI
第一次使用 BetterYeah 的工作流,最直观的感受是“上手真的很快”。
进入编辑界面后,BetterYeah 设置了直观的基础配置,用户可以直接改动 System Prompt,还可以通过结构化模式改动 Prompt 不同板块的权重,配置区下方提供了“推荐题问”、“任务”等功能设置,而非特别专业的模型调参选项。
这种设计降低了技术门槛,业务人员无需特别了解 AI 原理也能迅速完成配置。
BetterYeah 工作流的整个界面采用拖拽式交互,左侧节点库涵盖了企业常用的功能模块 —— 从 LLM 对话、数据查询,到 Python 脚本、逻辑判断,节点的命名和展示都直观易懂。
最让我惊喜的是,在配置节点参数时,点击输入框会自动弹出可用变量列表,系统智能识别上游节点的所有输出变量并以标签形式展示,点击即可插入,无需手动输入或记忆变量名。这种产品设计让毫无编程经验的业务人员也能独立完成复杂逻辑的配置。
LLM 配置节点自动识别变量
测试下来,我发现单个工作流只支持线性流程,而真正需要复杂编排的场景,可以选择通过多个工作流组合或代码节点来实现。
BetterYeah 提供了 Code 模式,在有更专业的应用开发场景诉求时,可以在 IDE 环境中进行原生代码开发,代码示例区域包含了丰富的内置功能模块。
IDE 环境右侧可以选择 Code 编写助手或帮助文档等
更低的使用门槛和更高的稳定性,背后是 BetterYeah 把最难的部分都藏起来了 —— 技术复杂度应该被产品吸收,而不是转嫁给用户。
当销售经理能独立搭建客户分析流程并自动运行,客服主管能自主优化应答逻辑并让 AI 客服替他工作,才是真正实现“人人都有 AI 员工”的愿景。
自定义工作流
2. 领域知识:知识库与插件将企业数据与外部能力双向打通
多源数据接入对 AI Agent 进行精准的“岗前培训”,能帮助其具备岗位专业能力。
在知识库中,系统支持多种数据导入方式——文档上传、导入飞书等云文档、网页、视频等。每个知识库都有明确的状态标识,便于管理多个数据源。知识库还采用了标签化管理,企业可以根据不同业务场景选择需要的知识库,避免数据混杂。
这种多样化的导入方式解决了企业知识分散的痛点。销售团队的 PPT、客服部门的 FAQ 文档、飞书上的产品说明、官网的最新公告,都可以统一汇聚到知识库中。
插件系统则体现了另一种业务思路,与知识库共同实现了“内外兼修”。官方提供的插件分为几类:
这些极具业务场景需求的插件基本都是“0 积分/次”,能够降低企业的试错成本。插件的接入方式也很直观 —— 点击“添加”即可启用,无需复杂操作。
3. 可靠、安全与成本可控:企业级 AI 应用从开发到运营的全链路支持
BetterYeah 不仅提供智能体相关全链路 AI Infra 支持,更构建了完整的企业 AI 运营体系。从顶部的标签可以看到 —— 编排、日志、发布、分析、效果监控,每个环节都对应着企业 AI Agent 落地的关键,生产场景的版本管理、批量调试以及多环境管理,是每个企业开发团队的刚需。
日志追踪让每次对话都有据可查,时间、状态、消耗积分一目了然,出了问题能快速定位,需要审计也有完整记录。
发布界面也体现了 BetterYeah 的生态思维,左侧多样的发布渠道,几乎覆盖了中国企业的主流协作工具。
数据分析功能将使用情况可视化,通过趋势图和排行榜,可以发现哪些 AI 应用真正在创造价值,哪些在浪费资源,这让 AI 投入不再是一笔糊涂账。
总的来说,BetterYeah 本质上做了一件事:把 AI Agent 开发的技术门槛降到最低,把企业管控能力做到最强,让这个“数字同事”变得可靠、可上岗。
工作流、知识库、数据接口一应俱全,业务人员拖拖拽拽就能搭建 AI 应用,IT 部门还能管住权限、看清成本。
很明显,BetterYeah 的定位是一个企业级的 AI Agent “职业发展与管理平台”,让 AI 真正成为企业的生产力。
作为国内最早专注于企业级 AI Agent 的厂商之一,BetterYeah 早在 2023 年就开始深耕这一赛道。这个由原钉钉副总裁张毅创立的斑头雁智能科技公司从一开始就瞄准了一个核心问题:如何让 AI 真正融入企业工作流程,成为可靠的“数字同事”。
创始团队的背景有很强的企业产品基因,CEO 张毅(花名陶钧)、COO 黄雯(花名木源)、CTO 黄种堃(花名空子)都来自钉钉创始核心团队。
从平台到应用:找到真正的痛点
团队背景直接影响了 BetterYeah 的产品思考逻辑,他们知道企业 AI 落地的真正难点:不是技术不够先进,而是如何让 300-1000 名临时客服在双 11 期间快速上手,成为"专家"。
2024 年“双 11”前,BetterYeah 在原有 AI Agent 开发平台基础上,推出首个官方应用“Yeah 客服”。其精准击中了痛点 —— 当上百名临时客服要应对国补政策咨询、跨平台比价、延长促销期的复杂规则时,传统培训已经跟不上了。
“Yeah 客服”不仅能在售前环节让新手秒变专家(商品推荐、多款对比、活动解读),更能在售后自动完成建单、质检、知识库更新等繁琐工作,真正实现了从“辅助回答”到“自动执行”的跨越。
正如 BetterYeah 的愿景“让企业的每个员工拥有专属 AI Workforce”,平台上已经形成了覆盖各岗位的智能体生态 —— 从创作到营销,从销售到HR,企业的每个角色都能找到合适的 AI 智能体。
谁在买单:价值创造的多方共赢
据悉,BetterYeah 的商业模式已经得到市场验证 —— 近 10 万家企业团队使用,月度 AI 任务调用量激增 400 倍。但更值得关注的是付费客户的构成:联想、百丽、科沃斯、添可、苏泊尔、鲁花、FESCO Adecco,横跨 IT、零售、家电、食品、人力资源等多个行业。
付费逻辑也已经发生变化。BetterYeah 采用的是平台订阅+使用量计费的混合模式,可根据需求选择 SaaS、混合云、私有云或一体机部署,真正实现了“按价值付费、按需求部署”的灵活模式。
预算规划也从 IT 部门扩散到业务部门 —— 当客服、销售、HR 等都体验到 AI 带来的效率提升,付费意愿和预算来源也会变得更加多元,因为企业本质上是在为“价值”而非“工具”付费。
为什么是 BetterYeah?
回到开头的问题 —— 阿里为何重注这家公司?答案或许就藏在“真能干活”四个字里。
纵观全球成功的企业级 AI Agent 公司,都在构建三重壁垒:
1、场景壁垒:深度决定价值 —— BetterYeah 一直围绕企业场景,深入到聚焦客服、销售、营销、产研等核心业务场景。这种专注不是局限,而是深度 —— 只有吃透具体场景,才能做出“真能干活”的 AI 同事。
2、数据壁垒:积累形成护城河 —— BetterYeah 近 10 万家企业团队、400 倍调用增长,每一次交互都是在优化产品。与 C 端产品不同,企业场景需要的不只是技术,更是对业务的理解、对安全的保障、对稳定性的承诺。这些实打实的技术能力也只能通过真实场景获得。
3、生态壁垒:从产品到系统 —— 平台生态(与阿里云等平台的深度绑定)、产品生态(多场景 AI 智能体的协同网络)、客户生态(头部企业的背书和数据沉淀),三者相互强化,构建出 B 端客户高迁移成本的竞争格局。
当企业级 AI Agent 产品不再是 Demo 和 PPT,而是真正在企业“上班打卡”时,千亿级的企业服务市场或许才刚刚开始。
这也是为什么阿里愿意领投国内 Agent 赛道最大 融资 —— 不是投资一个产品,而是投资一种新的工作模式。
且据团队预告,BetterYeah 计划于今年三季度正式发布新一代具备更高自主性的企业级智能体 —— 一位能深度理解任务、自主规划执行复杂任务链的“数字同事”。
期待 BetterYeah 团队带来更多可能!
文章来自于微信公众号“特工宇宙”,作者是“特工彩虹糖”。
【开源免费】Browser-use 是一个用户AI代理直接可以控制浏览器的工具。它能够让AI 自动执行浏览器中的各种任务,如比较价格、添加购物车、回复各种社交媒体等。
项目地址:https://github.com/browser-use/browser-use
【开源免费】n8n是一个可以自定义工作流的AI项目,它提供了200个工作节点来帮助用户实现工作流的编排。
项目地址:https://github.com/n8n-io/n8n
在线使用:https://n8n.io/(付费)
【开源免费】DB-GPT是一个AI原生数据应用开发框架,它提供开发多模型管理(SMMF)、Text2SQL效果优化、RAG框架以及优化、Multi-Agents框架协作、AWEL(智能体工作流编排)等多种技术能力,让围绕数据库构建大模型应用更简单、更方便。
项目地址:https://github.com/eosphoros-ai/DB-GPT?tab=readme-ov-file
【开源免费】VectorVein是一个不需要任何编程基础,任何人都能用的AI工作流编辑工具。你可以将复杂的工作分解成多个步骤,并通过VectorVein固定并让AI依次完成。VectorVein是字节coze的平替产品。
项目地址:https://github.com/AndersonBY/vector-vein?tab=readme-ov-file
在线使用:https://vectorvein.ai/(付费)
【开源免费】DeepBI是一款AI原生的数据分析平台。DeepBI充分利用大语言模型的能力来探索、查询、可视化和共享来自任何数据源的数据。用户可以使用DeepBI洞察数据并做出数据驱动的决策。
项目地址:https://github.com/DeepInsight-AI/DeepBI?tab=readme-ov-file
本地安装:https://www.deepbi.com/
【开源免费】airda(Air Data Agent)是面向数据分析的AI智能体,能够理解数据开发和数据分析需求、根据用户需要让数据可视化。
项目地址:https://github.com/hitsz-ids/airda
【开源免费】AutoGPT是一个允许用户创建和运行智能体的(AI Agents)项目。用户创建的智能体能够自动执行各种任务,从而让AI有步骤的去解决实际问题。
项目地址:https://github.com/Significant-Gravitas/AutoGPT
【开源免费】MetaGPT是一个“软件开发公司”的智能体项目,只需要输入一句话的老板需求,MetaGPT即可输出用户故事 / 竞品分析 / 需求 / 数据结构 / APIs / 文件等软件开发的相关内容。MetaGPT内置了各种AI角色,包括产品经理 / 架构师 / 项目经理 / 工程师,MetaGPT提供了一个精心调配的软件公司研发全过程的SOP。
项目地址:https://github.com/geekan/MetaGPT/blob/main/docs/README_CN.md
【开源免费】FASTGPT是基于LLM的知识库开源项目,提供开箱即用的数据处理、模型调用等能力。整体功能和“Dify”“RAGFlow”项目类似。很多接入微信,飞书的AI项目都基于该项目二次开发。
项目地址:https://github.com/labring/FastGPT
【开源免费】LangGPT 是一个通过结构化和模板化的方法,编写高质量的AI提示词的开源项目。它可以让任何非专业的用户轻松创建高水平的提示词,进而高质量的帮助用户通过AI解决问题。
项目地址:https://github.com/langgptai/LangGPT/blob/main/README_zh.md
在线使用:https://kimi.moonshot.cn/kimiplus/conpg00t7lagbbsfqkq0