95%企业AI试点无回报，问题出在哪？

麻省理工NANDA发布的2025年企业生成式AI报告显示，95%的企业生成式AI试点未带来可衡量的损益回报；与此同时，超过90%的企业员工已在用个人AI工具干活，真正购买官方企业订阅的公司仅40%。问题在于，AI被用起来了，但停在了个人层面。企业面临的已不是“要不要接入AI”，而是接入后该积累什么，才能让AI真正变成生产力。

在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更强的模型，而是两个世界模型——理解客户的“主观世界模型”和理解公司的“企业世界模型”。前者处理主观偏好、动机和选择，靠外部用户数据；后者处理流程、资产、规则和默会知识，靠组织内部长期积累的上下文。两者数据来源、更新节奏、责任归属不同，难以合并成一个大模型。缺任何一边都会出问题：只有企业世界模型，智能体知道怎么做却不知道值不值得做；只有客户世界模型，能理解需求却落不到组织交付上。

企业最值钱的知识往往不在文档里。特赞将企业知识分为显性知识和默会知识，后者如品味、判断、边界感、经验和关系，只能在具体项目和协作中长出来。企业真正需要的上下文系统，应连接已有数据湖、业务系统和资产系统，能被智能体调用，并能在每次判断后留下复盘依据。一句话：智能体调用的不是数据，而是上下文。

另一个变化是专家判断开始进入训练数据。特赞引入大量不同领域专家参与真实判断过程的采集和标注，让训练信号包含业务语境里的判断路径，相关积累已达万条量级。这通向的不只是“模型更懂业务”，而是从“租用智能”走向“主权智能”。

企业场景里更重要的问题不是“对不对”，而是“是不是按这家公司的方式做对的”。业务垂直benchmark的价值在于把组织判断标准变成可持续回归、比较、修正的测试集。特赞在Atypica场景中让真人和AI persona完成同样经济学行为实验，用差异量化校准模拟效果；主观世界模型在行为模拟上的准确率已达85%。但模拟和benchmark仍是校准工具，不能替代真人研究。

企业智能体要跑起来，需转动Signal、Plan、Create、Evals完整闭环。Signal和Evals更依赖客户世界模型，Plan和Create更依赖企业世界模型。这与上一代Copilot不同：Copilot是一次性调用的工具，企业智能体则是长程的，进入工作流，跨时间保留目标、状态和反馈。范凌说，智能体把工作推到80分，人再把它从80分带到120分，两者是错位分工而非替代。

特赞在论坛上同步发布Agentic Transformation共建计划，联合高校、研究机构、企业、模型与技术伙伴、专业实践者共同推进。这条路尚未被完全验证，只能在开放协作中边做边成长。