🐋 抹香鲸的奇妙信号

技术观察 · 企业 AI

95% 的 AI 试点算不回收益：卡住的不是模型，是公司还没被写下来

2026年10月24日

2026 年 10 月 24 日，上海西岸的 WTCC 论坛上，特赞创始人范凌给了一个有点反直觉的答案：企业要补的不是一套更强的模型，而是两个世界模型。

顺着这句话往下捋，会碰到一个更朴素的现实——AI 早就用起来了，只是账没算回来。

一、三组数字，指向同一件事

麻省理工 NANDA 的 2025 年企业生成式 AI 报告里，有三个经常被放在一起看的数字：

· 95% 的企业生成式 AI 试点，没有带来可衡量的损益回报；

· 超过 90% 的企业里，员工已经在用个人 AI 工具干活；

· 真正购买官方企业订阅的公司，只有 40%。

95% 和 90% 摆在一起，问题就浮出来了：AI 已经进了公司，但停在了个人层面。员工自己在用，组织没接住。

这也正是投稿人看到的那层现实：AI 这两年发展得很快，但普遍的企业、特别是传统企业，真正把它用到真实的生产环境里，才刚刚开始。演示能跑通，生产线跑不通，中间隔的不是算力。

所以今天企业要回答的，已经不是“要不要接入 AI”，而是接入之后，公司到底该自己积累什么。

二、他给的答案：两个世界模型

“世界模型”这个词，说简单点就是：一个系统能不能回答“如果我这么做，接下来会发生什么”。

放到企业里，这个问题至少有两个方向。

一个向外，理解客户。客户为什么会偏好某个选择，什么会让他们改变主意，什么样的表达和产品更容易被接受。这一层在论坛上叫客户世界模型，材料里更常写的是主观世界模型。

一个向内，理解公司。一项决策进入企业内部之后，会经过什么流程，受哪些资源、规则和协作关系影响，能不能真正落地。这一层更接近企业世界模型。

两个方向看起来都在回答“怎么做决策”，本质却不是一回事。向外那套处理的是主观偏好、动机和选择，靠外部用户数据；向内那套处理的是流程、资产、规则和默会知识，靠组织内部长期积累的上下文。

合在一起，往往不是更强，而是两边一起变钝。

缺掉任何一边，问题都会立刻暴露。只有企业世界模型，智能体知道事该怎么做，却不知道这件事值不值得做，到头来只是高效地完成一个错误目标；只有客户世界模型，智能体能理解需求，却落不到真正的组织交付上，结果变成懂需求，但做不出来。

图：演讲 PPT · 企业的两个世界模型（原文配图）

所以这不是“多一套模型更保险”的问题，而是企业智能体的架构里本来就缺了两块完全不同的东西。

三、值钱的知识，往往还没写下来

企业世界模型难的地方，其实不在模型，而在内部知识的识别、组织和利用。

因为组织里真正值钱的东西，很多恰恰不在文档里。

特赞把企业知识拆成两类：一类是显性知识，能写进手册、流程、制度，追求的是更高、更快、更准；另一类是默会知识，像品味、判断、边界感、经验和关系，没法被完整表达，只能在具体项目和协作中慢慢长出来。

这也解释了为什么“把文档都喂给 AI”，并不等于“AI 理解了企业”。

已经有不少企业在试着基于模型能力构建自己的上下文系统。但上下文建得好不好，这一层可能还没形成统一的判断标准。原文给了三个条件：它不是替换原有系统，而是连接已有的数据湖、业务系统和资产系统；它不是给人读的知识，而是能被智能体调用的结构化对象和关系；它也不是一次性交付，而是能在每次判断之后留下复盘依据，让同类问题下次不必从零再来。

智能体调用的不是数据，而是上下文。

图：演讲 PPT · 上下文价值的分布（原文配图）

这句话对传统企业的杀伤力在于：大多数公司连“哪些流程已经写清楚了”都答不上来。谈给 AI 建上下文之前，先得有一份人类自己能读懂的上下文。

四、专家判断，正在变成训练数据

另一个正在发生的变化，是专家判断开始进入训练数据。

这不是第三个世界模型，也不等同于客户世界模型，更像是两套世界模型之下共用的一层能力底座。

据论坛和相关技术资料披露，特赞已经引入大量不同领域的专家，参与真实判断过程的采集和标注，让训练信号不再只依赖通用数据，而是开始包含业务语境里的判断路径（Creative Trajectory）。与此同时，一些合作机构也在沿着类似方向推进研究，相关判断路径的积累已达万条量级。

这件事为什么重要？因为企业里真正值钱的知识——判断标准、取舍逻辑、风险敏感度——互联网上没有，通用模型里也没有。它们本来只存在于人、项目和档案之间。

现在做的，是把这些原本难以留存的判断过程，变成一种可以积累的资产。

也正因为如此，这条路通向的不只是“模型更懂业务”，而是一个更清晰的方向：从租用智能，走向主权智能。租用是你调别人的模型，主权是你拥有那层理解自己公司的能力。

图：演讲 PPT · 租用智能与拥有智能（原文配图）

这个区分对传统企业其实比“两个世界模型”更好用。因为它直接对应一个预算问题：钱花在买 token 上，还是花在把公司自己的判断沉淀下来。

五、怎么评：不是“对不对”，是“像不像这家公司”

还剩一个绕不过去的问题：怎么评。

通用 benchmark 衡量的是模型能不能答对标准答案。但企业场景里，更重要的问题往往不是“对不对”，而是它是不是按这家公司的方式做对的。

一家公司的品牌边界、一个团队的选品逻辑、一个管理者对风险的容忍区间，这些都不在公开评测集里，也不在通用模型的默认价值观里。

企业要的不是答对，是按这家公司的方式做对。

所以业务垂直 benchmark 有价值的地方，不在于给模型打一个分，而在于它把组织的判断标准变成了一个能持续回归、持续比较、持续修正的测试集。一旦这个东西存在，模型升级、流程调整、团队变化到底带来了什么能力变化，就不必再靠“感觉变好了”来判断。

图：Atypica Game Lab 行为实验界面（原文配图）

这一点，特赞团队给了一个挺典型的校准方法：在 Atypica 的场景里，让真人和 AI persona 去完成同样的经济学行为实验，再用两者的差异来量化校准效果，反哺到模型训练和优化中。量子位今年 7 月在 WAIC 现场的报道里提到过一个结果：主观世界模型在行为模拟上的准确率达到 85%。

当然，这种模拟和 benchmark 本质上还是校准工具。它们能让研究和验证更早发生，但不能替代真人研究本身。

六、闭环跑起来是什么样

图：演讲 PPT · 主动智能体的长周期闭环（原文配图）

企业里智能体要真正跑起来，需要一个完整闭环：Signal、Plan、Create、Evals。

Signal 和 Evals 更依赖客户世界模型，回答的是用户现在在意什么、做出来的东西客户到底买不买账；Plan 和 Create 更依赖企业世界模型，回答的是这件事在组织里到底能不能做、资源流程约束摆在这里该怎么推进。

这背后其实是企业智能体和上一代 Copilot 的差别。Copilot 更像一次性被调用的工具：你问，它答；你开任务，它给你一个结果。而企业真正需要的智能体是长程的，可以持续运行，得进入工作流，得跨时间保留目标、状态和反馈，而不是每次都从零开始。

范凌在演讲里说：智能体把工作推到 80 分，人再把它从 80 分带到 120 分。

这句话重要的地方不是那两个数字，而是它重新定义了人和智能体的分工。两者不是替代关系，而是错位分工：AI 负责把大量可 Token 化的工作往前推，专家真正有价值的地方，仍然在收尾那段高密度判断里。

值得一提的是，特赞在 WTCC 论坛上同步发布了 Agentic Transformation 共建计划，把高校、研究机构、企业、模型与技术伙伴、专业实践者都拉进来。原因也很简单：这条路还没有被完全验证，很多问题没有现成答案，只能在开放协作中边做边成长。

七、我们的立场：诊断是对的，药方要打折

按投稿要求，先把话说明白：这个话题，我们此前没有系统写过。

翻了频道近一个月的稿子，“世界模型”“企业 AI”两个词零命中；“智能体”出现过四次，但都是零散提及；“上下文”只在讲开源账单那篇里擦到边。也就是说，这篇是头一次正面处理“传统企业怎么把 AI 用进生产环境”这个问题。它不算撞题，算补课。

诊断层面，我们认同。

95% 的试点算不回收益，这个数字放在传统企业身上只会更难看。原因不是模型不够强，而是企业自己的那部分——流程、判断、边界——从来没被整理成机器能用的形态。这一点，跟我们在别的行业观察里看到的一致：AI 落地卡住的地方，八成在接入之前就已经存在了。

但药方要打折，我们有四条保留。

头一条，“世界模型”这个词是被挪用的。它原本指的是对物理世界的建模——重力、碰撞、物体恒常性那一套，是机器人和自动驾驶的语境。这里借来指“组织的行为预测模型”，词义一漂，传统企业的老板听完会更糊涂：我到底是要买一个能预测未来的模型，还是要把公司内部整理清楚？答案显然是后者，但名字把人带偏了。

第二条，这套说法本身就是一套销售结构。讲“你缺的是上下文系统和长程智能体”的人，卖的正是上下文系统和智能体平台。这不代表他说的不对，但意味着这套框架天然会把你引向“再买一层”。判断标准应该反过来：先看你自己的流程能不能写清楚，写不清楚，买什么都是白花钱。

第三条，对传统企业来说，真正稀缺的可能不是第二个世界模型，是两样更土的东西：愿意把流程一条条写下来的人，和能为结果负责的人。95% 的失败里，很大一部分不是技术问题，是没人对“这个 AI 到底改了什么指标”负责。模型可以外购，责任不能外购。

厂商能卖你世界模型，但没人能替你把它写下来。

第四条，主权智能对中小传统企业是个奢望。自建模型、自建评测、自建专家标注链路，这套投入只有头部企业撑得住。分层躲不掉：头部走向主权，腰部继续租用，尾部停在个人层面——就是那 90% 员工自己偷偷用 AI 的状态。这话不好听，但它比“人人都能有主权智能”更接近现实。

八、往后三年，我预期会看到四件事

基于上面这套判断，说说我们对产业发展的预期。

头一件，钱会从“买模型”流向“买上下文工程”。 模型价格还在往下走，token 越来越不值钱，值钱的是把企业数据湖、业务系统、资产系统连起来的那层工程。这一轮的钱大概率会被系统集成商和数据治理服务商赚走，而不是模型厂商。传统企业的头一笔像样的 AI 预算，会花在“整理自己”上。

第二件，评测会变成真护城河，也会变成新的造假现场。 “像不像这家公司”的 benchmark 一旦成为采购标准，就会有人开始对着测试集调优。跟当年刷榜一样，指标好看了，业务没变。真正能挡住这波的，是那些把评测集攥在自己手里、并且定期换题的企业。

第三件，传统企业的正确起点不是“建世界模型”，是跑通一条完整业务流。 从报价到交付、从入库到出库，挑一条端到端的流程，让智能体在里面真的跑三个月，把每次判断的复盘留下来。这条流程沉淀下来的上下文，比买一套平台更值钱。反过来，先建平台再找场景的项目，我们见过太多停在演示阶段。

第四件，人和智能体的分工会被重新定价。 80 分到 120 分那段，短期内不会被替代，但它的人数会变少、单价会变高。中间那层“把 80 分做到 85 分”的岗位，压力会先来。这不是危言耸听，是错位分工的直接结果——AI 推得越远，收尾那段判断越贵。

回到开头那个反直觉的结论。企业要补的不是更强的模型，这话是对的，但还得补一句：也不是一套更贵的世界模型，而是把自己写清楚的那点耐心。

这件事没有发布会，没有 Demo，做完了也看不出来。但它决定了三年后，你的公司是在用 AI，还是被 AI 路过。

💬 评论区话题（来聊聊）

你们公司有没有哪条流程，是“只能靠某个老师傅”的？那条流程里，藏着你们真正的上下文。

END