上周和两个做 To B 的朋友吃饭，一个在 Salesforce 生态里做 ISV，一个在做面向中小商家的 SaaS。
做 ISV 的朋友说：“我们今年的策略很简单，盯住那些已经用 Salesforce 用得很好的大客户，帮他们把最后 10% 的定制化需求补齐。客户预算充足，决策链清晰，签一单够吃半年。”
做中小商家 SaaS 的朋友叹了口气：“我们正好相反。客户连 Excel 都不太会用，你得先教他为什么要数字化，再教他怎么用。但好处是，一旦用上了，粘性极高，因为他自己搞不定。”
两个人说完，桌上安静了几秒。
我忽然意识到，他们说的其实是同一件事的两个面——To B 的生意，归根结底只有两种：帮成功的人更成功，帮不成功的人成功。
这篇文章写完初稿后，一个做企业级 Agent 的创业者找我聊。他说：“我觉得 Agent 赛道不太一样。我们现在既在做 Copilot 帮员工提效，又在做 Auto Agent 帮企业自动化流程。两条路都在试。”
我问：“你们现在有多少客户？”
他说：“十几个吧，但每个客户用的方式都不一样。我们团队被扯得很散。”
我说：“你可能正在经历第三种死法——同一家公司同时做两条路径。”
他沉默了一会儿：“那你觉得该怎么选？”
这篇文章就是完整的回答。
一、为什么只有两条路？
To B 行业看起来千差万别：SaaS、PaaS、IaaS、咨询、外包、ISV、MSP……名词层出不穷。但如果剥开表象，问一个最本质的问题：
你的客户在买什么？
答案只有两种：
- 买杠杆 — 他已经跑得很快了，你让他更快
- 买能力 — 他还跑不起来，你让他能跑
这不是产品形态的差异，而是客户状态的差异。客户在遇到你之前处于什么位置，决定了你的生意属于哪条路径。
To B 生意的底层分叉
===================
客户已经成功？ ────┬──── 是 ──→ 帮成功的人更成功
│ (放大器模式 / Amplifier)
│
└──── 否 ──→ 帮不成功的人成功
(赋能器模式 / Enabler)
这个分叉不是你能选的，是客户选的。你的产品、定价、销售、客户成功，全部由这个分叉决定。
二、双路径模型：放大器 vs 赋能器
我给这个观察起了个名字：To B 双路径模型（Dual-Path B2B Model）。
两条路径在六个核心维度上完全不同：
| 维度 | 放大器（Amplifier） | 赋能器（Enabler） |
|---|---|---|
| 客户画像 | 已有成熟流程，预算充足 | 流程缺失，预算有限 |
| 购买动机 | “我要更快/更省/更智能” | “我要能做到” |
| 产品策略 | 做加法：集成、扩展、优化 | 做减法：开箱即用、零门槛 |
| 定价逻辑 | 按价值定价（ROI 可算） | 按能力定价（低门槛进入） |
| 销售打法 | 自上而下，搞定决策链 | 自下而上，PLG 或地推 |
| 客户成功 | 做深：定制化、专属服务 | 做宽：标准化、自助服务 |
关键洞察：两条路径没有优劣之分，但混用是致命的。
三、放大器模式：帮成功的人更成功
放大器模式的核心逻辑是：客户已经在赚钱了，你帮他赚更多。
传统 SaaS 的典型例子：
- Salesforce ISV — 客户已经用 Salesforce 管理了千万级的销售管线，你帮他补上最后一段自动化，ROI 一眼可见
- Snowflake 的生态工具 — 客户已经在 Snowflake 上跑了 PB 级数据，你帮他做查询优化，省下的云成本就是你的定价空间
- Shopify Plus / App Store — 商家已经跑通了电商流程，你帮他做增长、做优化
放大器模式的优势：客单价高，决策周期短，容易形成生态绑定。
放大器模式的陷阱：客户成功门槛极高（你得比客户更懂他的业务），容易被平台方"抄作业"，客户集中度高。
四、赋能器模式：帮不成功的人成功
赋能器模式的核心逻辑是：客户还赚不到钱，你让他能赚到。
传统 SaaS 的典型例子：
- Shopify（早期） — 让不会写代码的小商家也能开网店
- 有赞/微盟 — 让线下门店也能做私域电商
- Canva — 让不会设计的人也能做出像样的海报
- 钉钉 — 让没有 IT 团队的中小企业也能数字化协同
赋能器模式的优势：市场空间大（“不成功的人"永远是大多数），客户粘性强，容易形成网络效应。
赋能器模式的陷阱：教育成本极高，客单价低需要规模效应，客户成长后可能"毕业”。
五、选错路径的公司是怎么死的？
最有意思的不是两条路径各自怎么做，而是选错路径的公司是怎么死的。
通用死法一：产品与客户错配
你做了一个"开箱即用、零门槛"的赋能器产品，跑去卖给已经有成熟团队的大企业。
结果：对方说"太简单了，不够用"。你的产品在他眼里是玩具。
反过来也一样——你做了一个功能强大的放大器平台，跑去卖给连数字化概念都没有的小老板。
结果：对方说"太复杂了，用不起来"。你的产品在他眼里是负担。
选错路径的代价
==============
放大器产品 ──×──→ 赋能器客户 = "太复杂，用不了"
赋能器产品 ──×──→ 放大器客户 = "太简单，不够用"
同时做两条路径 = "两边都做不好"
正确匹配：
放大器产品 ──✓──→ 放大器客户 = ROI 清晰，高客单
赋能器产品 ──✓──→ 赋能器客户 = 低门槛，高粘性
通用死法二：KPI 与路径错配
大厂最常见的问题：把赋能器产品用放大器的 KPI 来考核——要求三个月出 ROI、要求高 ARPU、要求低 churn。但赋能器的本质是先做规模再做价值，早期指标应该是激活率、使用深度、NPS。
KPI 和路径错配，是大厂创新项目最常见的死因。
通用死法三：同一家公司同时做两条路径
CEO 觉得"两条路都试试"，于是产品团队做两套，销售团队打两套，客户成功团队服务两种完全不同的客户。
结果：资源分散，两边都做不好。更致命的是，两条路径需要的组织能力完全不同——放大器需要行业专家，赋能器需要产品教育家。一个团队很难同时具备两种基因。
六、Agent 赛道：双路径的终极试炼
以上说的是通用规律。但双路径模型最锋利的验证场，是当下的 AI Agent 赛道。
如果你把双路径模型直接映射到 Agent 赛道，分叉非常清晰：
企业级 Agent 的路径分叉
=======================
客户已有成熟的数字化流程？ ────┬──── 是
│
│ → 放大器路径：Copilot 模式
│ "让你的员工 + AI 更强"
│ 人在 loop 中
│
└──── 否
→ 赋能器路径：Auto Agent 模式
"让没有流程的企业直接自动化"
人在 loop 外
这个分叉的本质区别在于：Agent 是辅助还是替代？
- 放大器（Copilot）：Agent 是员工的副驾驶，人在 loop 中
- 赋能器（Auto Agent）：Agent 是数字员工，人在 loop 外
注意，这不是技术路线的区别，而是商业定位的区别。同样的 LLM、同样的 RAG、同样的工具调用，可以包装成两种完全不同的产品。
Copilot 模式：人在 loop 中
Agent 不替代决策，只加速执行。用户始终知道 Agent 在做什么，可以随时干预。
Copilot 模式的工作流
====================
用户意图 ──→ Agent 建议 ──→ 用户审核 ──→ 用户执行
↑ │
└── 反馈循环 ←───┘
Agent 是加速器，不是决策者。
定价：按人头（Per-seat）。一个工程师月薪 3 万，Copilot 每月 200 块，提效 10% 就是 15 倍 ROI。
关键指标：DAU/MAU、建议接受率、时间节省。
优势：销售阻力小（不威胁岗位），ROI 清晰，PLG 容易起量。
陷阱：天花板受限于 seat 数 × seat 价格，大厂随时可以自己做，价值感知随时间递减。
Auto Agent 模式：人在 loop 外
Agent 独立完成端到端任务，只在异常情况下通知人类。
Auto Agent 模式的工作流
=======================
任务输入 ──→ Agent 自主执行 ──→ 结果输出
│
└── 异常？ ──→ 人工介入
Agent 是执行者，人是例外处理器。
定价：按结果（Outcome-based）。一个 SDR 年薪 20 万，AI SDR 每月 5000 块，效果相当。
关键指标：任务完成率、人工介入率、替代成本。
优势：客单价高（替代的是一个岗位），粘性强（换供应商成本极高），平台潜力大。
陷阱：信任门槛极高，可靠性要求极高（Copilot 出错是"建议不好"，Auto Agent 出错是"事故"），交付重，伦理和合规风险。
Agent 赛道的三种特殊死法
Agent 赛道除了上面说的通用死法，还有三种赛道特有的死法：
死法 A：用 Copilot 的技术去做 Auto Agent 的承诺
你的技术本质上是辅助工具，但为了拿融资、签客户，你对外宣传"全自动"。
结果：客户期望是"你帮我搞定"，实际体验是"我还得盯着你"。信任崩塌，churn 飙升。
这是 2024-2025 年很多 Agent 创业公司的真实写照——技术上做不到全自动，但叙事上必须讲全自动。
死法 B：用 Auto Agent 的技术去做 Copilot 的定位
你的 Agent 其实已经能独立完成任务，但你为了降低销售阻力，定位成"辅助工具"。
结果：客户只愿意付 seat-based 的价格，你的技术价值被严重低估。
死法 C：双线作战
这就是开头那位 Agent 创业者正在经历的困境。
Agent 双路径并行的资源消耗
==========================
Copilot 路径需要： Auto Agent 路径需要：
┌─────────────────┐ ┌─────────────────┐
│ 产品：嵌入式 UI │ │ 产品：独立平台 │
│ 销售：PLG/地推 │ │ 销售：Enterprise │
│ 定价：Per-seat │ │ 定价：Per-outcome│
│ 成功：DAU/接受率 │ │ 成功：完成率 │
│ 技术：低延迟响应 │ │ 技术：高可靠性 │
└─────────────────┘ └─────────────────┘
两套产品 × 两套销售 × 两套定价 × 两套成功 × 两套技术
= 资源 ×5 分散
对于早期创业公司来说，这不是"两条腿走路"，这是"把自己撕成两半"。
实战案例：Cursor vs Devin
用双路径模型来看两个明星产品，会非常清晰。
Cursor：放大器路径的教科书
Cursor 从第一天起就明确定位：给开发者一个更好的 IDE，AI 是加速器。人在 loop 中，嵌入 VS Code 工作流，Per-seat 定价（每月 20-40 美元），PLG 增长。
结果：ARR 快速破亿，用户口碑极好。
Devin：赋能器路径的豪赌
Devin 的定位是"AI 软件工程师"——你给它一个任务，它自己搞定。人在 loop 外，独立平台，按结果定价，Enterprise 销售。
结果：融资巨大，但争议也大。核心挑战是可靠性——如果 Devin 的代码需要人类大量 review，那它的价值主张就塌了。
| 维度 | Cursor（放大器） | Devin（赋能器） |
|---|---|---|
| 风险 | 低 | 高 |
| 天花板 | 中（seat-based） | 极高（替代人力） |
| 信任门槛 | 低（辅助工具） | 高（替代人力） |
| 技术门槛 | 中（70%+ 即可） | 极高（90%+ 才行） |
| 竞争格局 | 拥挤（大厂都在做） | 蓝海（敢做的人少） |
两条路都能赢，但Cursor 的路更稳，Devin 的路更大。
七、怎么选？一个决策框架
无论你是做传统 SaaS 还是 AI Agent，用下面这个三步框架来选路：
第一步：判断客户状态
- 客户有没有成熟的数字化流程？
- 客户有没有专业的操作团队？
- 客户的核心痛点是"效率低"还是"做不到"？
三个"是" → 放大器路径。三个"否" → 赋能器路径。混合 → 选一个主路径，另一个以后再说。
第二步：判断技术成熟度（Agent 赛道特别重要）
| 技术成熟度 | 适合路径 | 原因 |
|---|---|---|
| 能完成 60-80% 的任务 | Copilot | 人在 loop 中兜底，用户容忍不完美 |
| 能完成 90%+ 的任务 | Auto Agent | 可靠性足够独立运行 |
| 能完成 95%+ 的任务 | 两条路都行 | 技术已经不是瓶颈，选商业定位 |
关键洞察：大多数 Agent 创业公司的技术只到 70-80%，但叙事已经到了 95%。这个 gap 就是 churn 的来源。
第三步：判断团队基因
| 团队基因 | 适合路径 |
|---|---|
| 产品体验 + 用户增长 | 放大器（PLG 驱动） |
| 行业深度 + 交付能力 | 赋能器（销售驱动） |
| 技术深度 + 平台思维 | 先放大器积累数据，再演进到赋能器 |
八、升维：两条路径的演进
虽然我说"不要同时做两条路"，但先后做两条路不仅是可行的，而且是最好的公司的共同轨迹。
传统 SaaS 的螺旋上升
Shopify 是典型：
- 早期：赋能器 — 让小商家能开店（帮不成功的人成功）
- 中期：放大器 — 提供 Plus 版、App Store、支付工具（帮成功的人更成功）
- 后期：又回到赋能器 — Shopify Fulfillment Network 帮商家解决物流
Shopify 的路径演进
==================
赋能器 ──→ 放大器 ──→ 赋能器 ──→ 放大器 ──→ ...
(开店) (增长) (物流) (国际化)
每一轮赋能器阶段都在打开新的市场空间，
每一轮放大器阶段都在做深已有客户的价值。
Agent 创业的四阶段演进
Agent 创业的演进路径
====================
Phase 1: Copilot Phase 2: Co-pilot → Auto
────────────────── ─────────────────────────
• 人在 loop 中 • 部分场景人在 loop 外
• 积累用户行为数据 • 用数据训练更可靠的 Agent
• 建立信任 • 逐步扩大自动化范围
• 验证场景价值 • 按结果定价
│ │
▼ ▼
Phase 3: Auto Agent Phase 4: Agent Platform
────────────────── ────────────────────────
• 人在 loop 外 • 多 Agent 协作
• 端到端自动化 • 客户自建 Agent
• 按结果定价 • 平台生态
这个演进路径的关键在于：每一阶段都在为下一阶段积累弹药。Phase 1 的 Copilot 使用数据训练 Phase 2 更可靠的 Agent，Phase 2 的半自动化经验验证 Phase 3 全自动的可行性。
但每一步切换都需要明确的决策点，不能模糊过渡。很多公司死在"我们好像可以自动化了"的模糊判断上——没有数据支撑，没有客户验证，就贸然切换定位。
结语
回到开头的两个故事。
做 ISV 的朋友选的是放大器路径——服务好那些已经用 Salesforce 很溜的大客户。他的挑战是：平台方会不会有一天把他的功能收编？
做中小商家 SaaS 的朋友选的是赋能器路径——帮那些还没数字化的商家迈出第一步。他的挑战是：教育市场的成本能不能被规模效应摊薄？
做 Agent 的创业者正在经历双线作战的痛苦——既做 Copilot 又做 Auto Agent，团队被撕成两半。
三条故事，同一个结论：
To B 的生意只有两种，但最好的公司会在客户的不同生命周期中，在两种路径之间切换。切换的前提是：先选路，再走路。
很多 To B 公司的困境不是产品不好，而是路径不清——用赋能器的产品去打放大器的 KPI，用 Copilot 的技术去讲 Auto Agent 的故事，或者干脆两条路同时试。
先选路，再走路。走通了，再换路。
你在 To B 业务或 Agent 产品中有没有经历过"路径错配"的坑？欢迎留言讨论。