企业AI需构建两个世界模型，客户理解与组织执行的双重缺失

在企业AI落地的热潮中，一个反直觉的事实正在浮现：尽管超过90%的企业员工已在使用个人AI工具，但麻省理工NANDA发布的2025年企业生成式AI报告指出，95%的企业级AI试点项目未能产生可衡量的损益回报；真正采购官方企业订阅服务的公司仅占40%。这组数据揭示了一个深层问题——AI已被广泛采用，却仍停留在个体工作流层面，未能转化为组织级生产力。

10月23日上午，上海西岸WTCC论坛上，特赞创始人范凌给出了一条新路径：企业真正需要补的，不是一套更强的基础大模型，而是两个相互独立、功能互补的“世界模型”。

“世界模型”的本质，是系统能否回答“如果我这么做，接下来会发生什么”。对企业而言，这一能力必须覆盖两个方向：向外理解客户，向内理解自身。

第一个是客户世界模型（亦称“主观世界模型”），聚焦外部用户的偏好、动机与选择逻辑。它需解释：为何客户偏爱某款产品？什么信号能触发其决策转变？何种表达方式更易被接受？该模型依赖外部行为数据、反馈与市场语境，本质上是对人类主观世界的建模。

第二个是企业世界模型，关注组织内部的运行机制：一项决策进入流程后，会经历哪些审批环节？受哪些资源约束？跨部门协作如何触发？最终能否落地执行？它处理的是制度、资产、规则与长期积累的上下文，尤其依赖那些未被文档化的“默会知识”。

这两者看似都服务于“决策支持”，实则分属不同认知域。前者处理“值不值得做”，后者解决“能不能做成”。若仅有企业世界模型，智能体可能高效执行一个错误目标；若仅有客户世界模型，则陷入“懂需求，但做不出来”的困境。

关键在于，二者的数据来源、更新频率与责任主体截然不同：客户模型需持续追踪市场变化，由市场与产品团队主导；企业模型则依赖内部流程迭代与项目复盘，由运营与管理团队共建。强行合并为单一模型，往往导致能力稀释——既不够敏锐感知用户，又难以精准调度组织资源。

特赞将企业知识进一步划分为两类：显性知识（如SOP手册、制度文档）与默会知识（如经验判断、边界感、关系网络）。后者恰恰是组织最稀缺、也最难结构化的资产。正因如此，“把所有文档喂给AI”并不等于AI真正理解企业——大量关键决策依据从未被写入文档，而是在具体项目推进中通过协作逐步沉淀。

这解释了为何当前企业自建的“上下文系统”成效参差：有些仅是知识库检索增强，仍以人阅读为目的；真正面向智能体调用的系统，应满足三项标准：第一，不替代原有系统，而是连接数据湖、ERP、CRM等既有业务系统；第二，输出非文本段落，而是可被Agent调用的结构化对象与关系图谱；第三，具备闭环学习能力——每次推理后自动记录决策依据与结果，形成可复用的经验回路。

值得注意的是，这一思路并非孤立观点。Jack Dorsey与Roelof Botha在2026年合著的《从层级到智能》中已指出：“一家公司需要两样东西：一个关于自身运营的‘世界模型’，以及足够丰富、能让这个模型发挥作用的客户信号。”该论述与特赞的框架高度呼应，表明业界正逐步形成共识：企业智能体的成熟，不取决于模型参数规模，而取决于其对“内外双世界”的建模深度。

目前已有部分企业开始实践：某快消品牌构建了客户情绪-渠道响应联动模型，同步搭建了内部促销资源调度图谱，使新品上市周期缩短30%；某制造业企业将工程师的故障诊断经验转化为可调用的规则链，配合产线实时数据，使售后响应准确率提升至92%。这些案例共同指向一个趋势——AI价值兑现的关键，正从“模型能力”转向“组织上下文构建能力”。

而这一转变带来的挑战同样显著。企业世界模型的构建缺乏统一评估标准：如何量化“默会知识”的结构化程度？如何界定上下文系统的完备性？谁应为模型偏差负责？这些问题尚无行业共识。更现实的是，多数企业尚未建立跨部门协同机制来持续维护这两套模型——它们需要产品经理、运营负责人、法务合规与IT系统团队的长期共建，而非一次性技术交付。

特赞提出的“模型中立”与“云中立”架构，正是为应对上述挑战：智能体核心不绑定特定基础模型或云厂商，而是通过标准化接口接入多源能力；上下文层则作为独立模块，支持增量迭代与权限隔离。这种设计避免企业陷入“供应商锁定”，也为后续引入专家判断留出空间——当人类专家的决策被反复验证有效时，其逻辑可被提炼为训练数据，反哺模型进化。

可以预见，未来1–2年内，企业AI的竞争焦点将从“谁家模型更大”转向“谁家上下文更厚”。那些能系统性识别、组织并激活内部默会知识的企业，将在AI落地实效上拉开显著差距。而无法跨越“两个世界模型”鸿沟的组织，仍将困于“全员用AI，但整体效率未提升”的怪圈。

技术演进终将回归组织本质：AI不是替代人，而是放大组织已有的认知与执行能力。当企业开始认真对待“未写下的知识”，真正的智能体时代才算真正开启。