企业AI需两个世界模型

一个有些反直觉的现实是：AI已经在企业里被广泛用起来了，但很多公司的生产力并没有因此明显上升。 麻省理工NANDA发布的2025年企业生成式AI报告中，有95%的企业生成式AI试点没有带来可衡量的损益回报； 与此同时，超过90%企业中的员工已经在用个人AI工具干活，真正购买官方企业订阅的公司却只有40%。 这组数字背后其实是同一个问题：AI被用起来了，但它停在了个人层面。 所以今天企业面临的，已经不是“要不要接入AI”，而是另一个更难的问题：接入之后，企业到底该自己积累什么，才能让AI真正变成生产力？

特赞创始人范凌给出的答案是：企业最终要补的，不是一套更强的模型，而是两个世界模型。 一个向外，理解客户； 一个向内，理解公司。 两者看起来都在回答“怎么做决策”，但本质不是一个东西。 “理解客户”的主观世界模型，处理的是主观偏好、动机和选择，靠的是外部用户数据； “理解公司”的企业世界模型，处理的是流程、资产、规则和默会知识，靠的是组织内部长期积累的上下文。 企业最值钱的知识，往往还没写下来。 特赞在论坛上把企业知识拆成两类：一类是显性知识，另一类是默会知识。 智能体调用的不是数据，而是上下文。

专家判断正在变成训练数据。 企业真正需要的上下文系统，至少得满足几个条件。 专家判断开始进入训练数据。 这件事为什么重要？ 因为企业里最值钱的知识，如判断标准、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，其实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。 这条路最终通向的，不只是“模型更懂业务”，而是一个清晰的企业AI进化方向：从“租用智能”，走向“主权智能”。 真正难评的，不是答案对不对，而是“像不像这家公司”。

企业里智能体要真正跑起来，需要搭建什么样的机制？ 有了基础之后，又该如何让机制真正转起来？ 论坛上给出的说法是，企业智能体真正要跑起来，得转动一个完整闭环：Signal、Plan、Create、Evals。 智能体把工作推到80分，人再把它从80分带到120分。 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，仍然在最后那段高密度判断里。

企业级AI进入了一个新的阶段，“两个世界模型”给出的，其实就是这套能力在企业架构里的表达：一套理解外部，一套理解内部，中间跑一个能持续推进的长程智能体。 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。 比起“怎么把AI用起来”，特赞试图用一种共建的方式，来解答另一个更难的问题：企业要想把自己的判断，变成一种可积累的资产。

那么第一步，该怎么做？