企业AI需要两个世界模型

允中 发自 凹非寺
量子位 | 公众号QbitAI

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，有一组经常被放在一起看的数字：

在受访的企业中，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？

在今天上午，上海西岸的WTCC论坛上，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

先理解客户，再理解公司

“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，特赞在论坛上的说法是“客户世界模型”，也就是后来材料里更常出现的“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，最后能不能真正落地。这个部分更接近“企业世界模型”。

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。

关于主观世界模型，前段时间量子位已经做过一次细致的讲解，这里不再展开。

也正因为这两套东西的数据来源、更新节奏、责任归属都不一样，它们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，缺掉任何一边，问题都会立刻暴露出来：

• 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，最后可能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，最后就会变成懂需求，但做不出来

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

企业最值钱的知识，往往还没写下来

如果说客户世界模型更接近外部感知，那企业世界模型最难的地方，其实在内部知识的识别、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。

特赞在论坛上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”。

事实上，已经有不少企业，正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，这一层可能还没有形成统一的判断标准。

企业真正需要的上下文系统，至少得满足几个条件：

• 它不是替换原有系统，而是连接已有数据湖、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。

一句话总结就是：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

如果说企业世界模型解决的是内部上下文，那另一个正在发生的变化，是专家判断开始进入训练数据

这里说的不是第三个世界模型，也不等同于客户世界模型。

它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，特赞已经引入了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。

也因此，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”

最后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、一家团队的选品逻辑、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。

所以业务垂直benchmark真正有价值的地方，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。

这一点，特赞的团队提到一个很典型的校准方法：

在Atypica的场景中，通过让真人和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，从而反哺到模型训练和优化中。

量子位今年7月在WAIC现场报道时提到过一个结果：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。

Agentic Transformation的开始

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？

Agentic Transformation的开始

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

• 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则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。

这背后其实对应的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。

但企业真正需要的智能体不是这样。它是长程的，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“80分”和“120分”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判断里。

把这些线索放在一起看，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。

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。

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？

参考链接：https://game.atypica.ai/

*本文系量子位获授权刊载，观点仅为原作者所有。