企业用AI，缺的是两个世界模型

AI在企业中已广泛应用，但许多公司的生产力并未因此显著提升。

麻省理工NANDA发布的2025年企业生成式AI报告显示：受访企业中，95%的生成式AI试点未带来可衡量的损益回报；同时，超过90%的企业员工已在用个人AI工具工作，而真正购买官方企业订阅的公司仅占40%。

企业当前面临的核心问题已非“是否接入AI”，而是接入后如何积累自身能力，让AI真正转化为生产力。

在今天上午上海西岸的WTCC论坛上，特赞创始人范凌提出：企业最终需要补足的并非更强的模型，而是两个世界模型。

所谓“世界模型”，简言之，即系统能否回答：若采取某行动，接下来会发生什么。

一个向外，理解客户：客户为何偏好某选择、什么会让他们改变主意、何种表达与产品更易被接受。特赞在论坛上称之为“客户世界模型”，后续材料中更常出现“主观世界模型”的说法。

一个向内，理解公司：一项决策进入企业内部后经过哪些流程、受哪些资源、规则和协作关系影响、最终能否落地。这部分更接近“企业世界模型”。

两者看似都在回答“如何决策”，本质却不同。

“理解客户”的主观世界模型处理主观偏好、动机与选择，依赖外部用户数据；“理解公司”的企业世界模型处理流程、资产、规则和默会知识，依赖组织内部长期积累的上下文。

关于主观世界模型，量子位此前已做过详细讲解，此处不再展开。

这两套体系的数据来源、更新节奏、责任归属均不相同，很难被简单合并为一个大模型。

合并往往不是更强，而是两边同时变钝；缺少任何一边，问题都会立刻暴露。

所以，这并非“多一套模型更保险”的问题，而是企业智能体架构中本就缺失了两块完全不同的东西。

如果说客户世界模型更接近外部感知，那么企业世界模型最难之处在于内部知识的识别、组织与利用。

因为组织中最有价值的东西，很多恰恰不在文档里。

这也解释了为何“把文档都喂给AI”并不等于“AI理解了企业”。

已有不少企业正尝试基于模型能力构建自己的上下文系统。