AI 已经用起来了，公司为什么没变快？

副标题：从「两个世界模型」说起，以及我对下一代 AI 模型的十个预测

本文基于量子位 2026 年 10 月 22 日报道《企业AI需要两个世界模型》整理撰写。前半部分是对该报道观点的科普化梳理，后半部分是笔者的独立推演，已明确标注分界。

一、一个反直觉的现实

先说三组数字。

麻省理工 NANDA 在 2025 年发布的企业生成式 AI 报告中，有一组经常被放在一起看的统计：

这三行数字放在一起，指向的其实是同一件事：

AI 已经被用起来了，但它停在了个人层面。

一个员工用 AI 写周报、改邮件、做表格，效率确实提高了。但这些提效散落在无数个体身上，既不会被沉淀，也不会被复用，更不会变成公司的能力。人一走，能力就没了。

所以企业真正要回答的问题，已经不是「要不要接入 AI」——那是两年前的问题。现在的问题是：

接入之后，企业到底该自己积累什么，才能让 AI 真的变成生产力？

10 月 22 日上午，上海西岸的 WTCC 论坛上，特赞创始人范凌给出的答案有点反直觉：

企业最终要补的，不是一套更强的模型，而是两个世界模型。

二、什么叫「世界模型」？

「世界模型」这个词最近很热，但经常被讲得很玄。其实它有一个非常朴素的判断标准：

一个系统能不能回答：如果我这么做，接下来会发生什么？

能拍视频的模型不叫世界模型，能预测「我推这个杯子，它会掉下去」的才叫。区别在于因果和可干预——你不是在描述世界长什么样，而是在预测你的动作会带来什么后果。

把这个标准放到企业里，你会发现这个问题至少有两个方向，而且方向完全相反：

• 一个向外：如果我对客户这么说、这么定价、这么设计产品，他们会怎么反应？—— 这是「客户世界模型」，也被称为「主观世界模型」。
• 一个向内：如果这个决策进入公司，它会经过哪些流程、受哪些资源和规则制约、最后能不能真的落地？—— 这是「企业世界模型」。

两者看起来都在回答「怎么做决策」，但本质完全不是一个东西。

正因为数据来源、更新节奏、责任归属全都不同，这两套东西很难被粗暴合并成一个大模型。

合在一起往往不是更强，而是两边一起变钝。而缺掉任何一边，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。结果是「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，却落不到真实的组织交付上。结果是「懂需求，但做不出来」。

所以这不是「多备一套模型更保险」，而是企业智能体的架构里，本来就缺了两块性质完全不同的拼图。

三、企业最值钱的知识，往往还没被写下来

如果客户世界模型更接近「外部感知」，那企业世界模型最难的关卡，在内部知识的识别、组织和利用。

因为组织里最值钱的东西，很多恰恰不在文档里。

特赞把企业知识拆成两类：

• 显性知识：能写进手册、流程、制度的部分。追求的是更高、更快、更准。
• 默会知识：品味、判断、边界感、经验、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。

这就解释了一个很多人踩过的坑：

「把公司文档全喂给 AI」≠「AI 理解了这家公司」。

文档给的是显性知识，而真正决定一家公司做得好不好的，往往是那些没写下来的东西——为什么这个方案上次被否了、这个客户的底线在哪里、这类事该找谁、什么程度的粗糙是可以接受的。

现在不少企业已经在尝试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」，业内还没有统一的判断标准。报道里给出了三个至少应该满足的条件：

1. 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；
2. 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；
3. 不是一次性交付，而是能在每次判断后留下复盘依据，让同类问题下次不必从零再来。

一句话概括：

智能体调用的不是数据，而是上下文。

数据是原料，上下文是「在什么情况下、基于什么判断、该怎么用这批原料」的完整语义。这是两回事。

四、专家判断，正在变成训练数据

企业世界模型解决的是内部上下文。而另一个正在发生、但更少被讨论的变化是：

专家的判断，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。它更像是支撑两套世界模型的一层共用底座。

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）。同时，一些合作机构也在沿类似方向推进研究，相关判断路径的积累已达万条量级。

这件事为什么重要？

因为企业里最值钱的那部分知识——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。它们原本只存在于人、项目和档案之间，是人一走就流失的东西。

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。

于是这条路最终通向的，不只是「模型更懂业务」，而是一个更清晰的方向：

从「租用智能」（调用别人训练好的通用模型），走向「主权智能」（拥有自己的判断资产）。

五、真正难评的，不是答案对不对

最后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」。但在企业场景里，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——这些既不在公开评测集里，也不在通用模型的默认价值观里。

所以业务垂直 benchmark 的真正价值，不在于给模型打一个分，而在于它把组织的判断标准，变成了一个可以持续回归、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。

报道里提到一个很典型的校准方法：在 Atypica 的场景中，让真人和 AI persona 去完成同样的经济学行为实验，再用两者之间的差异来量化校准模拟效果，并反哺到模型训练和优化中。

量子位今年 7 月在 WAIC 现场的报道中提到过一个结果：主观世界模型在行为模拟上的准确率达到 85%。

当然，这里要留一句清醒话：这种模拟和 benchmark 本质上仍是校准工具。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、企业智能体要转起来的那个闭环

有了两套世界模型、有了上下文、有了判断数据，机制怎么落地？

论坛给出的答案是：企业智能体要真正跑起来，得转动一个完整闭环：

Signal → Plan → Create → Evals

• Signal 和 Evals 更依赖客户世界模型。它们回答的是：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。它们回答的是：这件事在组织里到底能不能做？资源、流程和约束摆在这里，该怎么推进？

这个闭环背后，其实是企业智能体和上一代 Copilot 的根本差别。

范凌在演讲里有一句话，我觉得是整场最值得抄下来的：

智能体把工作推到 80 分，人再把它从 80 分带到 120 分。

这句话的重点不是 80 和 120 这两个数字，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，仍然在最后那段高密度的判断里。

七、我的推演：下一代 AI，到底需要什么样的模型？

以下部分是笔者的独立判断，不属于原报道内容。

把上面的线索抽出来，会看到一条很清晰的迁移轨迹：

上一代 AI 的稀缺资源是「模型能力」，下一代 AI 的稀缺资源是「判断力」。

模型能力正在快速商品化——你能调到的 GPT、Claude、Gemini、Qwen，你的竞争对手也能调到。真正不能复制的，是「这家公司在具体情境下怎么取舍」的那部分东西。

顺着这个逻辑，我给出十个预测。

预测一：世界模型会从「像素级」走向「决策级」

现在大家谈的世界模型（比如能生成可交互视频的那类），本质是像素空间的物理模拟。它很有想象力，但对企业的直接价值有限——企业不需要知道杯子怎么掉，企业需要知道「这个价格改动会不会引发老客户流失」。

未来真正有商业价值的世界模型，是可干预、可反事实推演的决策级世界模型：输入一个动作，输出一组带概率的后果分布，并且能拆解出「为什么是这个后果」。

判断标准会很简单：能不能做反事实推演（counterfactual），而不是只能做描述。

预测二：「双模型 + 长程编排」会成为企业 AI 的标准参考架构

一个向外感知、一个向内执行，中间是一个能跨时间保持目标的编排层。这个结构不是某家公司的发明，而是问题本身的形状决定的。

未来两三年，「企业 AI 架构图」大概率会长成这个样子，就像今天说「前后端分离」一样成为默认常识。

预测三：模型会「变大也变小」——一个底座 + 一堆领域判断层

不会有一个大模型通吃所有企业场景。更可能的形态是：

通用底座模型（能力商品化、按 token 计费） + 领域判断层（企业私有、按判断计费） + 组织记忆层（企业私有资产）

底座会越来越便宜，而后两层会越来越贵。企业 AI 的预算结构会从「买 API」迁移到「建判断层」。

预测四：训练信号会从「互联网文本」转向「专家判断轨迹」

这是我认为最确定的一条。互联网上的文本快被吃完了，而专家在真实场景里的取舍过程，几乎是无限供给的新矿。

接下来会出现一个新工种：判断采集工程师。他们的工作不是标注答案，而是记录路径——专家为什么否掉了 A、为什么在 B 上犹豫了 40 秒、什么情况下他会破例。

数据飞轮的定义会变：从「用户点击了多少次」变成「沉淀了多少条高质量判断路径」。谁手里有几十万条真实业务语境下的判断轨迹，谁就有别人买不到的东西。

预测五：记忆和持续学习会成为模型的一等公民

现在的主流范式是「权重冻结 + 上下文注入」。这让模型永远是个聪明的陌生人——每次见面都要重新自我介绍。

下一代模型必须解决「参数化记忆 vs 上下文记忆」的分工：哪些东西该进权重（长期稳定的组织习惯），哪些该留在外挂记忆（随时可改的事实），哪些该当场遗忘（一次性的对话）。

这背后其实是模型架构问题，不是 prompt 技巧问题。

预测六：评测集会变成战略资产，而不是技术附件

「我们上线了一个新模型，感觉效果更好了」——这种话术会消失。

未来企业的核心数字资产清单里会多一项：自己的 eval 集。它和客户名单、专利、代码库并列。原因很简单：只有它能回答「AI 到底有没有按我们公司的方式干活」。

甚至会催生一个新市场：垂直行业的评测基准交易。

预测七：模型必须学会说「我不知道」和「这里该找人」

长程智能体最危险的失败不是答错，而是自信地做错且没人拦。

所以下一代模型需要一套内在的「能力边界感知」：知道自己在哪类判断上不可靠，知道什么时候该把决策交回给人，知道什么请求该升级给专家。

企业场景里，「会求助」比「会答题」值钱得多。

预测八：可审计性会成为模型的硬指标

企业里的每个判断，事后都得有人负责。「模型说的」不能作为解释。

所以未来的企业级模型需要产出可追溯的判断依据：这个结论用了哪些上下文、参考了哪些先例、排除了哪些选项。

这不是「可解释 AI」那种学术议题，而是审计和合规的现实要求。不可追溯的智能体，进不了核心业务流程。

预测九：算力经济学从「每 Token」转向「每决策」

长程智能体持续运行、反复推演、多做几次反事实，token 消耗会指数级膨胀。

未来的成本核算单位会变成「每个正确决策的成本」，而不是「每百万 token 的价格」。这会反过来推动模型设计：更激进的早停、更聪明的检索、更多的小模型协同，而不是无脑上最大的那个。

预测十：「可被组织拥有」会成为模型的一种形态要求

主权智能的前提是模型能被组织真正握住：小到能私有化部署、支持增量学习、数据不出域、能被审计、能被替换。

这意味着未来会出现一类专门的产品形态：不是最强的模型，但是最容易被一家公司「养」成自己的模型。

八、三个需要泼冷水的地方

预测归预测，有三件事我觉得必须说清楚，否则很容易被讲成新的万能故事。

第一，世界模型不等于万能仿真。
85% 的行为模拟准确率是个很漂亮的数字，但剩下 15% 恰恰是企业最赚钱或最亏钱的地方——那些反常识的选择、非理性的决策、突发的外部冲击。模拟能替你提前排掉明显错的选项，但不能替你做最后的赌注。

第二，默会知识不可能被完全 Token 化。
「品味」「边界感」「关系」这些词之所以模糊，不是因为技术不够，而是因为它们本身就是模糊的。能被完整写下来的默会知识，很快就不是默会知识了。所以「把人替换掉」这件事，在企业判断层面短期内不成立——把人放大才是正解。

第三，上下文的 ROI 极难归因。
95% 的试点算不出回报，一部分原因是这些试点本来就没建在能算账的地方。建上下文系统是典型的长期投入，短期看是纯成本。任何声称「三个月见效」的方案，基本可以先打个问号。

九、如果只能给一条建议

回到最初那个问题：企业接入 AI 之后，该自己积累什么？

我的答案是：先从「采集判断」开始，不要从「买模型」开始。

模型你随时能买，而且会越来越便宜。但你真的知道你们公司最有经验的那些人，是怎么做决定的吗？他们的取舍逻辑写下来了吗？下次遇到同类问题，能复用吗？

这件事不需要等任何技术成熟，今天就能做，而且做一点就多一点资产。

模型决定了 AI 的下限，组织的判断力决定了它的上限。

参考资料：量子位《企业AI需要两个世界模型》（2026-10-22）· 麻省理工 NANDA《2025 企业生成式 AI 报告》 · 特赞 WTCC 论坛分享材料