🤖 AI 资讯

（本文作者为 数智达观，钛媒体经授权发布）

9月16日，三亚，2026 ITValue Summit数字价值年会的主论坛开了一整天，上午谈蒸馏，下午谈泛化。会前的议程解读里写着“答案未定”。一天过完，答案依然未定。

这场办到第18届的年会，并不指望一天给出结论，但时间并没有白花。台上，近二十位嘉宾把各自的判断、踩过的坑和跑出结果的场景摆了一整天，都亮在台面上；台下，几百位CXO密集交流，彼此真金白银砸出来的经验，就像token一样在彼此之间流动。

一、门口

在当天的一场圆桌对话中，智识神工创始人楚庆说：AI还在生产力的门口，还没进来。这句话不仅仅是参会者的焦虑，也是整场讨论的底色。

模型不再神秘，训练的时代已经过去，Token用量暴涨，但AI给企业带来的真实生产力还没有被验证。一天下来，台上反复讨论的其实是同一件事：门在哪儿？怎么进去？进去之前要先解决什么？

在楚庆看来，模型的训练时代已经结束，没有哪家企业的模型是别人学不会的，而且所有的模型最终将趋同。真正难的部分转移到了生产环节。他提醒：AI带来的便利是让企业可以突进不同的方向，而不是在一个方向上把规模越做越大；速度快和降本幅度大都不是生产力本身，一项技术必须经过生产力的验证，看生产力要看利润。他还补了一句：AI挑战的不是社会，是人自己。在AI出现之前，人类社会的劳动价值创造全部源自人本身，现在来了新的劳动者。

超聚变CEO刘宏云把这场变迁落在了“智企”。 首先，他将企业分为数字世界和物理世界，指出数字世界正被AI快速重构，具体体现在三方面：研发环节95%以上AI处理已无需人工介入；创作协作占员工约30%时间，提升30%效率意味着多10%产出；生产经营管理过程（ERP、IPD等）正被AI快速重构。而物理世界狭窄空间的精密操作还需6-10年。 针对企业普遍的AI焦虑（存量系统价值存疑、投入回报不确定、token开销巨大等），他提出五大判断：企业架构将在5-10年出现代际跃迁，从CPU+高代码企业软件转向GPU+大模型；企业将出现处理“不确定性负载”的新一类软件；所有企业都将成为“制造企业”，需要匹配业务特点的token供应；未来3-5年将拉开15%差距，重大变化被压缩在前10年；中国企业管理软件已具备替代和出海的基本面。

他提出“智企”愿景：一为高效安全生产承载核心的token工厂，二为AI重构的企业生产经营活动。超聚变用三年时间边做边重构企业架构（1.0业务重构），2025-2027年开展基于AI的技术重构（2.0），包括将变革管理委员会改为BDE、梳理近8千个基础动作、用AI做硬件电路板设计（准确率90%以上，验证从3个月缩短至三天）等。公司每天token消耗约300多亿，预计全年使用量7万亿到10万亿，三年开支或达29亿。智企落地分四个阶段：活动级、流程级、企业级、生态级。超聚变定位AI和数据时代水平全栈解决方案提供者，凭借完整业务重构经验、千亿当量实验场和软硬件协同三大优势，打造企业AI原生大脑。

此外，京博控股集团CAIO兼CIO李洋表示，当前行业第一曲线基本上已经看到头了，无论成本控制、利润提升还是创新新的商业模式，都没有很好的增长点了，能不能通过数字化转型和AI寻求新的突围，是各大企业经营班子当前迫在眉睫需要通盘考虑的事。

至于怎么验证AI到底有没有生产力，StartLux联合创始人兼CTO郭权玮出了个主意：别急着信结论，自己建三五个真实任务的替换池，让人记下每次任务成与败的原因，去感受这件事到底对不对。

飞渡科技董事长兼CEO何文武在上午的对谈里补的是另一层。目前，AI发展仍以大语言模型驱动为主，在何文武看来，语言模型扩展的是AI处理符号信息的能力，但永远无法让AI习得物理直觉。而空间智能，扩展的正是AI理解和驾驭物理世界的能力。换句话说，语言模型让AI理解知识，空间智能让AI理解它所在的世界。他所在的行业做了十年，只做一件事：让物理世界可计算、可推演、可决策。他的经验之谈也印证了台上的共识，客户买单从来不是一个模型，买的是一个更早、更准确的业务决定。

二、推不动的地方

AI是否能真正迈过生产门槛，不仅有技术问题，让企业停在原地的是另一类问题：管理者的意愿、十年二十年没打好的底座、还有组织桎梏。这些不变，技术再好，也事倍功半。

百丽时尚集团副总裁兼科技中心总经理季燕利分享了“企业逆向AI落地法：先基建，再模型”。百丽旗下20个品牌，在300多个城市开有8000家直营店。所谓“逆向”，是先铺地基、模型最后进来：2014年自建ERP撑住零售主业，跑了12年；2020年起建数仓，从结构化到非结构化，去年开始探索“本体”数仓；2021年起建协同体系，把ERP的系统界面拆成接口、数据汇入统一数仓，建组织中台与权限中台并打通，人变、权变、操作跟着变；再建消息中台，把群结构化为组织群、项目群、工作流群，消息、操作、审批、数据都在群里。群由此成了人与人、人与AI互动的场域，业务运营的全过程都在群里跑，运营过程拆成一个个节点在群里连起来，策略AI和执行AI就建在节点上。

今年百丽又开始建企业工作台，IT工作台把需求、研发、测试到上线的软件研发全链路搬了进去，变成人与AI协同的产线。业务工作台还在探索，要把业务工作流放进去，让AI参与业务运营。下一步要探索的是全局任务中心，由知识库、任务库、Skill库组成：群里每件业务用了什么任务、知识、Skill，都沉淀在群里，从中萃取知识和任务、建成知识库和任务库，就是AI的业务应用。季燕利的方法论是：信息化是采集，数字化是治理，智能化是应用；信息化由技术部门主导，数字化是CEO的事，要统一的是数字和语言的标准，智能化则要回到业务。站在信息化还是业务的角度想智能化，思路不同，路径和效果也就不同。

组织本身的改法，现场也有两个样本。在主题为“逼近AI原生企业”的CEO圆桌对话环节中，G7易流创始人翟学魂提出一个观察：想知道公司哪个板块真有核心竞争力，就看那个板块AI化推得顺不顺，特别顺说明那里强，特别费劲说明原来那里就弱。G7易流做物流数据十几年，产研和营销两个板块推得最顺，产研过程基本不应该再有人写代码。他自己一千多人的公司，管理层级压到两层半，少部分三层。他的另一个转变是不再迷信组织能力：AI把每个高管的覆盖面撑大了，低频但重要的决策直接收到CXO层面拍板，比假装建立一套机制有效得多。

品胜董事长赵国成的办法是画特区。两千多人的消费电子公司不可能整体推翻重来，那就成立一个AI产品中心，AI硬件从概念、研发到面市独立运作，岗位分工接近AI原生，同时肩负全公司的AI提效。他说，招人最看重对AI的热爱，团队里大部分是00后，已经挑起了大梁。品胜提出硬件版的Vibe Coding，称之为Vibe Engineering：用AI来造AI硬件。从定义产品、出方案，到打样测试、专利申请、量产准备，AI做、AI审、人拍板。撑起这套流程的，是AI产品中心自研的AI硬件研发平台，以及品胜20多年硬件研产销积累下来的经验和数据。他的原话是：不敢说已经是AI原生企业，但正在逼近。

三、绕不过的三件事

组织之外，还有三件事是绕不过去的。

第一件是路线。

百望股份CTO王志伟认为，垂类模型不是通用模型的缩小版，而是通用模型进入产业实景之后长出来的一套工作系统。过去三年模型比的是参数规模和榜单分数，未来三年比的是能不能进入真实业务、能不能让数据持续回流、能不能让业务来验收。

百望的底气是十年攒下的260亿张交易凭证，背后连着9000万家企业的税号，这些数据互联网上爬不到，靠生成也生不出来。以一次付款审核为例，系统同时读取发票、供应商、订单、合同，多个工种智能体协同给出主体核验、空壳公司校验和风险传导分析，AI负责准备事实，人保留授权和责任。用他的话说，财税大模型要从被动答疑走向主动交付业务结果，可追溯、可核验、可审计。

要不要垂类模型是一个问题，用几个模型是另一个问题。StartLux联合创始人兼CTO郭权玮提醒两件事：模型能力不能只看榜单，同一个模型换个Agent框架，分数能涨5分以上，涨分幅度有时比重新训练模型还大；企业也不必事事调用最强模型，把任务定义清楚、训一个意图识别模型做动态路由，简单的活交给小模型，只损失一点精度，成本能显著降下来。另外一个值得高度关注的问题是，云端大模型数据泄露事件频发，本地部署和多模型组合会是企业常态，未来很少有一家企业能靠单一模型撑住全部业务。

第二件是底线。

何东川结合自身在保险金融行业的AI探索，分享了金融AI基础设施焕新的路径。他认为，金融是强监管行业，合规是创新不可逾越的生死线。金融AI下半场比拼的早已不只是模型，而是数据底座与合规底座的深度与稳定性。模型终会趋同，真正拉开差距的，是谁能把可信的高质量数据沉淀成能力、把监管红线内化成架构。

在此底线之上，用“架构解耦”破解早期“烟囱式绑定”痛点：把算力、模型、应用拆成三层，以标准接口对接，让各层独立演进、互不影响；并以智算云应对显存与通信瓶颈，使算力利用率提升约30%；以可信高质量数据底座支撑训练。不同业务对算力与模型要求迥异：客服辅助要低延时、案件推理要高精度、审计要强安全，解耦架构正为此而生。人保已覆盖百余场景，搭建从基础设施到应用的四层体系，并推动“业技融合”让业务与IT共组团队，探索高质量发展新路径。

第三件是度量。开源中国董事长马越分享，去年一家头部运营商跟他们采购了6000万元的纯软件产品，没有一分钱硬件，全部是软件授权，一共10.5万个，马越说历史上没出现过一家央企愿意为研发效能工具掏这么多钱。截至目前，开源中国旗下平台注册用户已达2000万，代码仓库超过4000万个，企业用户超过45万家，成为名副其实的“中国的GitHub”。但焦虑也在一线：开发者是全社会用AI最密集的人群，企业研发的形态正在被改写，过去开发者的一念起是跟软件交互，CPU开始转；现在一念起，GPU开始转，GPU转起来，就意味着Token的持续消耗，软件工程平台必须升级成AI工程平台。

具体到Token治理，他的建议是给企业建一块实时看板，盯四件事：质量，买的Token是不是被中转站偷偷换了模型；用量，每个团队、每条产品线各烧了多少；效率，谁是Token使用的高手；安全，额度有没有被挪作他用，敏感信息有没有顺着调用泄出去。他的结论是，AI投入要可计量、可归因、可治理、可提升。这套理念的落地依托于开源中国完整的产品矩阵。正如马越在演讲中所概括的：“Gitee知道代码怎么交付，Moark知道Token怎么消耗，Moark AI Lens把两边对上账——AI是成本还是产能，第一次有了答案。”

在对话操盘手环节，围绕AI如何转化为真实生产力这一议题，超聚变副总经理、CIO蓝文广与钛媒体联合创始人、联席CEO、ITvalue发起理事刘湘明展开交流。刘湘明提出疑问：超聚变实现50%的自动代码生成率，如何验证该指标的实际价值，以及代码生成带来的返工成本究竟如何衡量。

面对这一问题，蓝文广并未纠结于指标本身的论证，而是将讨论回归到度量体系本身。他提出，衡量AI价值应当从业务最终价值结果出发，向下拆解到各个业务环节，不能仅仅聚焦于Token采购成本。

他进一步阐述了落地的优先级思路：现阶段优先将确定性负载，也就是传统业务流程完成智能体改造；后续再攻坚非确定性负载，借助AI补齐过往难以落地的业务能力。同时他也谈及行业普遍存在的认知误区：前些年不少企业将AI落地聚焦于数字人、集团知识问答这类场景，形式上热闹，但并未深入业务核心，难以创造实质业务价值。

四、不同的路

问题绕不过，但在分享里，企业蹚出的路已经不止一条。跑出结果的，多数是在自己最熟的场景里做深。

第一条路通向物理世界。

在对话掌舵人环节的“空间大模型的产业跃迁”主题对话中，飞渡科技董事长兼CEO何文武在台上回答了一个外界非常直接的质疑：数字孪生讲了很多年，是不是用一个更宏大的概念给旧业务续命？他给的三个判断标准是：有没有真实数据，能不能理解对象关系，能不能计算推演。一场暴雨来了，系统要能预测两个小时后下游哪里被淹、救灾怎么排布，可视化只是数字孪生的子系统。针对真机数据和仿真数据之争，他说英伟达披露的机器人预训练数据大约85%来自仿真，问题不在真假，而在仿真的质量，真机路线和仿真路线不是对手，是上下游。

针对会不会被基础模型吞掉，他拿Palantir举例：模型能力可以采购，行业数据和业务闭环沉淀出来的决策回路买不来。何文武判断空间智能的上半场是生成，下半场是理解、推演和决策；语言大模型让AI会说话、会推演，空间大模型让AI会行动，飞渡要做的是让AI在物理世界里想清楚、能执行的基础设施。

在行业里继续做深是另一个方向。

易鑫首席AI科学家、高级副总裁张磊讲汽车金融全链路的Agent智能革命，把数字摊得很细。汽车金融是一条长链路生意，一个用户要流过材料提交、审批决策、方案匹配、交付签约、资产管理五个大环节，仅审批决策就有15个组织节点，路径组合上万种。传统Agent做流程自动化撑不住这种业务，易鑫的做法是给AI赋予新的范式，首次提出Human-Centric Long Horizon Agent，即以人为中心的长程智能体，重新定义汽车金融AI。Agent不止是要完成一件事，更要加上懂人的能力，持续预测这个人接下来会怎样。目前45个Agent在线运行，日均处理任务23万次，日均消耗Token3.6亿，自主交付率达90%，AI可以独立跟进同一个用户超过20天，单次对话超过81轮。合规熔断和重大权益场景保留人工，这套框架预计年底开源。

平安科技总经理助理曹峰给出的是平台级的数字。平安的底子是一个四要素飞轮：三万亿文本语料、百亿级金融行为、超14亿问诊记录、万卡规模算力集群，Token(词元)消耗量从2025年12月的日均300亿跃升至2026年6月日均超1,200亿。落在服务上，今年4月推出的统一入口“快捷服务”整合了300多项服务，交易、融资、理赔、救急，90%能端到端解决。代理人端，每个客户经理配一个AI团队，触访量至少提升10%，转化提升5%。医疗端，AI多学科会诊把重症患者的病例先过一遍分析再给就医建议，乳腺癌等病种的判断已经达到三甲医生水平。曹峰的定位很清楚：平安就是要在金融和医疗的主业场景里做深。

京博控股集团CAIO兼CIO、广东省CIO联盟会长李洋博士用流程制造业的细节说话。京博联合生态构建了流程制造业的人工智能工厂，通过算力云端结合，既保低延时又控成本还能兼顾安全，已经在人工智能工厂导入实践的场景包括新材料研发、生产装置监控及运维、园区安全少人化、经营研判等。以大型生产装置预测性维护为例，假设通常一套石化装置正常服役20年，通过AI诊断和维护能延长到25甚至是30年，多出来的服役周期按照成本节约结算非常可观，至少就是几个亿甚至是十几个亿。他也承认也踩过坑，算力和Token的浪费占了一些企业AI投入的50%到60%，这部分本来可以避免，应用层面的试错则躲不掉。他的建议是，CAIO和CIO要融进企业经营班子，有经营思维和格局，主动用经营的账对话和引导转型，和经营班子一起围绕业务战略建AI原生组织及其能力。

还有的把数字世界的地基再垫一层。

深圳数据交易所总经理古亮讲的是数据产权登记，他把数据确权类比1978年的家庭联产承包责任制：土地还是那块土地，确权之后，土地经济才转得起来。数据确权涉及持有权、使用权、经营权，三个维度可以任意组合；确权之后，数据可以流通交易、可以融资授信等，司法纠纷里也能作为举证依据。深圳数交所在2024年开始的试点阶段已经发出近200张数据产权登记证书，还完成了国家气象数据的合规入场。对台下不少CFO来说，这是CIO手里沉默的数据有了合规确权入表的路径。

还有人从补信息化和数字化基础，从提升组织能力本身下手。广东省首席信息官协会会长陈东锋，分享他在一家烘焙面粉企业任职董事长顾问时的经验，他进场后发现这家几十亿规模的企业研发项目管理、配方库、流程体系都没建起来，这种情况只会给AI拖后腿。于是，他建议先补基础，再上AI：跟钉钉合作建立社交媒体和电商VOC知识库，开发AI烘焙市场大脑，抓取社交平台舆情反推研发方向；正在让AI学习配方库，直接生成配料方案；正在实施在线AI产品品质检测技术；集装箱智能无人装车把发货环节的人力省了下来。公司还招聘了100多个管培生，做小智能体有