企业落地 AI，有人提出要建两个世界模型

AI 已经进了办公室，利润表却没动静。一份常被引用的调研给出的数字是：95% 的企业生成式 AI 试点没有带来可衡量的损益回报，而九成以上公司的员工早就在用自己的 AI 工具干活。问题不在用不用，在于它停在了个人层面。

一、这个说法在讲什么

量子位 10 月 23 日报道了上海一场论坛上，特赞创始人范凌给出的答案（注意这是厂商在自家活动上的口径）：企业要补的不是更强的模型，而是两个世界模型。

所谓世界模型，就是系统对「我这么做，接下来会发生什么」的预判能力。放到企业里，它分两个方向：

一个向外，叫主观世界模型，理解客户——偏好什么、什么会改变主意。靠的是外部用户数据。

一个向内，叫企业世界模型，理解公司自己——一项决策在组织里要过哪些流程、受哪些规则约束、最后能不能落地。靠的是内部长期积累的上下文。

为什么要拆成两个？因为数据来源、更新节奏、责任归属都不一样，硬合成一个大模型往往两边一起变钝。缺了任何一边也立刻出问题：只有内部模型，智能体会高效地做成一件错事；只有客户模型，它懂需求却落不了地。论坛还把这层分工对应到了智能体的运转闭环上——感知市场信号和检验产出靠前者，定计划和执行落地靠后者。

文章点出，企业里最值钱的知识大多没写在文档里。能写进手册的是显性知识；品味、边界感、风险直觉这类默会知识，只能在具体项目里长出来。所以「把文档喂给 AI」不等于 AI 懂了这家公司。

对应的解法是建上下文系统：不替换原有系统，而是连接数据湖和业务系统；存的不是给人读的文档，而是能被智能体调用的结构化对象；并且每次判断都留下复盘依据。

另一层变化是专家判断本身在变成训练数据。据报道，特赞已引入多领域专家采集真实判断过程，积累的判断路径达到万条量级——同样属于厂商自述。

「再等更强的模型就行。」 按这套论述，模型再强也不知道你们公司的报销流程和客户底线。缺的两块知识不在公开互联网上，等不来。

「把文档全喂进去就等于数字化。」 没写下来的默会知识占大头，喂文档只能覆盖显性那一小层，且没有复盘机制就无从改进。

「智能体会取代员工。」 论坛给出的分工是：智能体把工作推到八十分，人负责最后那段高密度判断。替代论和这两套世界模型的存在前提是矛盾的。

企业 AI 的下一步不是换更强的模型，而是把「懂客户」和「懂自己」分别建成可调用的资产。

功能与价格以官方公告为准。本文写于 2026 年 10 月 25 日。