- 花旗于2026年9月8日在纽约全球TMT会议上邀请了Genspark联合创始人兼COO Wen Sang及Cresta Intelligence CEO P
- 序号：141
- 星球链接：打开网页
- 附件：图片 0，音频 0，文档 0
- 音频文件：无音频
图片
无图片
正文
- 花旗于2026年9月8日在纽约全球TMT会议上邀请了Genspark联合创始人兼COO Wen Sang及Cresta Intelligence CEO Ping Wu进行炉边对话。核心观点包括：(1) 智能体AI（Agentic AI）采用仍处于早期阶段，全球约10亿知识工作者尚未被触达，知识工作总量将随AI普及显著增长；(2) 模型能力快速提升，但生产级智能体AI在通用知识工作场景中仍不成熟，区分demo演示与真实生产能力愈发重要；(3) 编码场景因可验证性、可量化性和自下而上的采用动态，已率先成为AI主导用例；(4) Token经济和模型路由正成为核心基础设施决策，Genspark采用70+前沿及开源模型的专有路由架构，以"单任务成本"而非"单token成本"衡量价值；(5) 知识工作全球规模达30-50万亿美元，但鉴于任务多样性、复杂性及较长的IT采购周期，普及仍需时间。
花旗于2026年9月8日在纽约举办全球TMT（科技、媒体与电信）大会，并在首日邀请了联合创始人兼COO Wen Sang，以及 CEO Ping Wu进行炉边对话。本次对话围绕展开。三大核心结论如下： ：全球约10亿知识工作者的日常工作尚未被AI显著改变，知识工作总量有望随AI普及大幅扩张。 ：前沿模型能力突飞猛进，但区分"演示效果"与"真实生产能力"变得至关重要。 ：企业不再简单比较"每token价格"，而是关注"每完成任务的成本"，并通过多模型路由避免单一供应商锁定。
一、智能体AI采用与AGI扩散仍处于起步阶段 Genspark指出，目前全球仍有约基本未被AI触及，这与AI代码生成工具普及后约产出更多代码的逻辑类似——AI普及将释放知识工作总量的显著增长。 ： 进行压缩。 将联络中心AI的价值归纳为四大维度：
（缩短处理时间、自动化后台质检QA）
Cresta明确指出，这正是**杰文斯悖论（Jevons Paradox）**的体现——当成本下降时，消费总量反而上升。 二、模型能力进步迅速，但落地鸿沟依然显著 两位发言人均强调： 。 变得日益关键。 ： 前沿实验室正在不断推高能力天花板，而开源权重模型则抬高了能力底线。 领先的金融机构刻意将技术栈保持在"前沿六个月之后"，以保障工作流的。 ： 在基础模型能力层面仍存在诸多不足，例如： Agent目前内完成推理 仍处于研发阶段 在客户智能落地层面： 大量"部落知识"（tribal knowledge）尚未被捕获 企业环境普遍混乱 某些场景下缺乏实时API接口 三、编码场景领跑，知识工作仍需时日 两位嘉宾一致认为：，原因在于其具备： （verifiability） （cost measurability） （bottoms-up adoption） Genspark自身。 相比之下，知识工作的普及将更为缓慢，原因包括： 全球市场规模高达，涉及约 任务的多样性与复杂度极高 企业IT采购周期较长 四、Token经济与模型路由：核心基础设施决策 ： 采用专有的与 高层模型承担"顾问角色"，轻量级专用模型处理高频低复杂度任务 价值衡量标准： 而非单token消耗成本 强调，避免单一供应商锁定 与所有前沿实验室保持紧密合作，确保早期访问权与优惠费率 ： 联络中心场景的模型路由相对，因为呼叫中心/CX任务性质固定 小型微调"打字模型"负责键盘加速 多亿参数的大型文本与语音模型处理复杂推理 总体token量天然受约束
本报告为，。报告聚焦于Genspark与Cresta Intelligence两家AI初创公司的产品理念与行业洞察，属于花旗全球TMT大会的定性内容输出，不涉及目标价、评级变动或财务预测。
：尽管模型能力快速提升，通用知识工作场景的生产级智能体AI仍处于早期，若落地速度低于预期，相关企业商业化进度可能放缓。 ：Token经济学虽在优化，但若底层算力成本未能持续下降，或企业无法有效实现"成本-任务"转换，AI项目的ROI可能承压。 ：多模型路由虽降低单点依赖，但增加了系统架构复杂度，可能带来延迟、稳定性与治理方面的挑战。 ：相比编码场景，知识工作涉及任务多样性更高、IT采购流程更长，普及速度可能慢于市场预期。 ：Genspark与Cresta Intelligence均为AI初创企业，面临来自大型科技公司（如OpenAI、Anthropic、Google）及行业垂直玩家的激烈竞争，护城河可持续性存疑。
总体总结
主题正文
-
- 花旗于2026年9月8日在纽约全球TMT会议上邀请了Genspark联合创始人兼COO Wen Sang及Cresta Intelligence CEO Ping Wu进行炉边对话。
- 核心观点包括：(1) 智能体AI（Agentic AI）采用仍处于早期阶段，全球约10亿知识工作者尚未被触达，知识工作总量将随AI普及显著增长；
- (4) Token经济和模型路由正成为核心基础设施决策，Genspark采用70+前沿及开源模型的专有路由架构，以"单任务成本"而非"单token成本"衡量价值；
- 花旗于2026年9月8日在纽约举办全球TMT（科技、媒体与电信）大会，并在首日邀请了联合创始人兼COO Wen Sang，以及 CEO Ping Wu进行炉边对话。
- ：企业不再简单比较"每token价格"，而是关注"每完成任务的成本"，并通过多模型路由避免单一供应商锁定。
- Genspark指出，目前全球仍有约基本未被AI触及，这与AI代码生成工具普及后约产出更多代码的逻辑类似——AI普及将释放知识工作总量的显著增长。
- ：Token经济学虽在优化，但若底层算力成本未能持续下降，或企业无法有效实现"成本-任务"转换，AI项目的ROI可能承压。
- ：Genspark与Cresta Intelligence均为AI初创企业，面临来自大型科技公司（如OpenAI、Anthropic、Google）及行业垂直玩家的激烈竞争，护城河可持续性存疑。