今年中秋国庆假期，火了一句话：回了一趟老家，感觉什么 AI 大模型、具身智能、GPT、Codex、Vibe Coding、FDE，都不存在了。世界还是原来的世界，AI 时代好像没来过。

可假期一结束，回到办公室，我们又被一连串新模型、新工具和新概念包围。

AI 的确正在狂奔，但它进入不同企业的业务、不同人的生活，速度并不一样。有的企业已经让 Agent 自动写代码、做任务、跑流程，也有的企业连最基础的数据整理和流程标准化都还没完成。

更有意思的是，哪怕每个人都用着同一款底层模型，得到的答案和结果也不一样。

因为真正复杂的，从来不只是技术，而是人。人会说一套、想一套、做另一套；会在问卷回答里强调理性，却在孩子教育、身份认同和情绪触发时做出完全不同的行动。如果连人自己都未必能理解自己，那 AI 能不能理解人呢？

特赞科技很早就把问题抛向了这里。2015 年成立以来，它长期在 " 内容、设计与人工智能 " 的交叉地带做研究和企业服务。2026 世界人工智能大会上，特赞的展台是人流最密的展台之一，央视新闻直播间专题报道了它的核心方向——主观世界模型、企业级智能体。

这两个听起来有些 " 烧脑 " 的词，究竟解决什么问题？它们和我们熟悉的 AI 写作、AI 生图、AI 客服有什么不同？

最新一期混沌在线课程，特赞科技创始人及 CEO，同济大学教授及博士生导师、设计人工智能实验室主任范凌将介绍完整的技术路径和应用目标。他会结合研究与真实企业实践，拆解一条从 " 用好 AI" 走向 " 拥有企业自己的智能 " 的路径。

企业在 AI 上的建设，从来不是给员工多装几个 AI 工具，而是让整个商业系统像一个智能体一样持续感知、判断和行动。

但是在进入正课之前，我想先把四个更紧迫的问题提前摊开。因为只有看清问题，才知道 " 让商业成为智能体 " 为什么要做？应该如何做？

（文末海报扫码，预约在混沌 APP 看课）

企业用 AI" 加快人、替代人 "，却只是无用的行业内卷

现在市面上绝大多数 AI 产品，都在解决垂直场景里的任务：写一篇文案、生成一张图、剪一条视频、回复一位客户、做一个 3D 模型。它们都很有用，也确实让个人完成任务的速度变快了。

但结果是，每个员工都用 AI 提效了，企业却没有因此整体变快，更没有获得新的市场和营收增长。过去 12 个月，智能体消耗的 Token 大概涨了 7 倍，但是生产力没有涨 7 倍，企业的营收没有涨 7 倍，个人的收入也没有涨 7 倍，为什么？

这并不是 AI 时代才有的新问题。计算机普及早期，经济学家罗伯特 · 索洛就提出过著名的生产力悖论：计算机时代的身影随处可见，唯独在生产率统计数据里看不到。

再往前追，工厂把蒸汽机换成电动机，也没有立刻迎来生产力爆发。因为最初人们只是换了动力源，工厂仍沿着旧的传动轴和旧的布局运行。直到生产线、工作流、管理方式和人员训练都围绕电力重新设计后，蒸汽机换成电动机所带来的生产力提升才真正体现。

也由此，开始出现了现代组织管理学，怎么重新设计流程，怎么重新训练人。这些和新技术匹配的、互补的其他能力，共同导致了整体生产力的提升。

今天的企业也可能停在相同的位置：把新的 AI 塞进旧岗位，把新的速度塞进旧流程。于是单点更快，链路不动，局部更聪明，组织没有形成共同的智能。

所以，重新拆流程、改流程，让 AI 生产力带来真正的组织变革至关重要。但是，只有新流程就可以了吗？

企业能不能持续理解消费者，发现他们尚未被满足的需求，并据此创造新的产品和服务？这正是范凌老师和特赞做 " 主观世界模型 " 要解决的问题。

他们把目光放在了企业的商业起点——如何创造更多的顾客？如何拥有更多的消费者？用 " 主观世界模型 " 构建 AI Persona（AI 模拟人）模拟消费者的决策，帮助企业读懂消费者的需求和痛点，找到生意增量。

过去，我们把这套方法叫做 " 用户研究 "。由人来做数据分析，从数据结果描绘出用户画像、推演消费趋势。但是，数据真的可信吗？数据就能完全表达出人的意图吗？

范凌老师曾在去年的混沌课程上举过一个例子。他的一个合作伙伴经常说：我想通过分析社交媒体数据，进行新品研发、竞品对比、卖点提取，能不能爬取各个平台的全量数据来分析，小红书、抖音、微博、B 站 ...... 越全越好？

但是数据越全分析就越准吗？先不考虑爬取数据的合规性和延迟性，最关键的问题在于，全量数据中可能 99% 是垃圾数据。在数据分析过程中能剔除这 99% 的垃圾吗？

所以，范凌老师所做的 " 用 AI 去理解人 "，从来不是依赖大模型、大数据，而是从每个人的 " 大猜想 " 出发。用大语言模型去模拟人的主观世界，模拟一个人的内心是怎么想、怎么选择、怎么判断、怎么构思，模拟一个人的消费习惯和选择，去猜测下一步他可能会做什么。

比如，如果把《哈利 · 波特》这套书作为语料喂给大语言模型，就能产生一个 " 哈利 · 波特的模拟人 "，然后问他作为消费者喜欢早上喝咖啡还是喝果汁，以此获得用户洞察。

用户数据越积越多，却抓不到真实的消费痛点

于是，我们就不禁追问：AI 模拟人做出的消费者判断，到底准不准？

在央视报道中，特赞科技介绍了 " 主观世界模型 " 的四层异构语料：表达层、叙事层、认知层、行为层。四层联合推理，构建 AI Persona（AI 模拟人），行为模拟准确率达 85%。目前已支撑 30 万 + AI Persona 的规模化交付，单次交付 < 30 分钟。这是一条从根源上不同于 " 扩大算力、堆训练数据 " 的技术路线。

这四层语料是什么意思？举个例子。小李在社媒平台点赞收藏了一款千元咖啡机，朋友问：你日常消费都很节省，为什么想买这么贵的？他说因为自己发现每天买咖啡一年算下来的钱比直接买咖啡机还多。但是最后，小李挑了一款六百元的咖啡机购买。

一个人是怎么表达的？表达是真是假？他为什么有这个表达？他的底层认知会如何影响选择？选择之后是否又真的做了行动？通过这四层语料设计，AI 可以模拟出真实人群里的犹豫、矛盾和少数意见，而不是只有过去在数据中呈现的静态样貌。

所以，过去企业理解用户，主要靠问卷、访谈、焦点小组、社媒数据和购买记录，这些方法一直存在盲区。做完研究后，可能已经落后于变化，社媒数据多却往往混杂广告、跟风表达和 AI 生成内容，甚至数据会彼此打架。调研报告说用户重视品质，评论区却都在追问价格；产品在社媒流量热度很高，销售转化却没有动静。

如果将消费者调研分为两件事，证明你已经相信的东西，或者发现你从未想到的东西。大多数时候，传统调研可能是前者，而 " 主观世界模型 " 聚焦在后者。

特赞也已经将这个底层基础模型的能力做成了产品—— Atypica。去年，范凌老师在混沌课程上介绍 Atypica 就说过：我们的目的不是取代传统方法，而是解决原来用户理解太贵、太慢、覆盖面太窄的问题。

" 我们提供一个 24 小时在你身边的用户洞察 Agent，消费者的数字孪生可以随时随地 " 帮你干活 "，100 倍的提效、1/100 的成本、100 倍的触达。当你要做内容、商品、战略或决定时，随时来问问他们的反馈和各种可能性，你来思考判断。"

企业的智能，还散在人的脑子里

但理解外部用户，只是商业成为智能体的一半。另一半，是企业能不能理解自己。

什么意思？最近几期课程，混沌邀请老师们深度拆解了 " 企业的 AI 组织转型 "。其中得出的一个共识就是：企业 AI 转型的瓶颈，是人和流程。

而人和流程最后往往容易卡在同一件事上：企业最有价值的判断、经验和分寸，过去只藏在人的脑子里，没有被沉淀成一套组织随时能调用的 " 上下文 "。

所以，企业搭建自己的全流程 Agent，真正要做的不是把文档搬进知识库，也不是把数据喂给某一个大模型反复微调，而是把日常业务里的东西持续沉淀下来。

不只是流程怎么走、客户怎么谈这类显性知识，还包括 " 判断什么叫好、什么不能做 " 的隐形知识。并且，让每一次行动的人的修正和真实结果能够反馈到 Agent 中持续沉淀。它们一旦沉淀，就不属于任何一个底层模型，是企业自己能带走的资产。

那么这一整套最基础也最重要的工作，到底由谁来承担？

范凌老师将在课程中介绍第二个模型——企业世界模型。" 主观世界模型 " 将外部用户的语料数据以四层架构去抽象建模，" 企业世界模型 " 将内部的内容知识分为四类数据去做编码处理形成 Agent 可用的组织上下文。

所有企业内部的知识中，价值最高的是那些过去隐藏在非结构化数据中的 " 隐性知识 "。流程怎么走？客户洽谈中要注意什么？为什么会做出这样的集体决策？这是企业里最重要的、最有壁垒、最有门槛的上下文。

但它们过去都留在销售记录、客户反馈、会议录音、项目文档、复盘纪要、聊天记录等文档或图片中。数据一多就难以维护，数据里的经验知识不能被随时查找、调阅、更新，写的人容易，看的人难找。

现在，Agent 可以自动处理和即时更新这些非结构化数据。比如会议录音停止后，立刻就能生成会议内容整理，把里面的流程、判断、决策理由抽出来，沉淀成 Agent 随时可调的企业 " 上下文 "。同一件事，更换负责人后不需要再重新解释一遍，新人入职也不用从老员工确认实际工作的具体做法。并且，Agent 下次再处理同类业务，还能接上所有前情。

所以，在此基础上的每一次新任务中，人的判断和验证结果都能自动返回到模型中形成闭环，把产品、营销或服务等业务中的真实结果带回系统。

那么，这个内部的企业世界模型该如何逐步搭建？过程中的风险边界在哪里？人和 Agent 的责任分别是什么？最新一期的混沌课程中，范凌老师将带来介绍。

企业彻底投入 AI 大模型，智能却可能不属于自己

最后，还有一个尖锐的问题。

假设企业真的开始搭建这套双世界模型，建立指引行动和决策的企业级智能体，这套智能归谁？企业拥有这个智能体的主权吗？

是 Anthropic、OpenAI 吗？还是 deepseek、智谱？

模型公司涨价、调整接口或停止服务，你的智能还能不能继续运行？你积累的上下文、评价标准和行动轨迹能不能彻底带到新的底层模型去重新快速建立？AI 做错以后，企业有没有权力和能力校正？

这些问题听上去像技术架构，实际上是经营权问题。企业每天都在租用越来越强的通用智能，却未必在积累自己的智能。工具用得越深，如果能力全部绑定在外部平台上，依赖也会越深。

尤其当智能体开始进入定价、选品、客服、研发等核心流程，企业交出去的可能是自己独有的核心判断，是自己的壁垒。

所以，范凌老师将在课程中单独拆解，企业如何从租用智能到拥有智能主权？这个过程该要走过多少环节？哪些通用基础设施可以买，些上下文、过程数据和评价标准必须掌握在企业自己手里？

当企业拥有自己的智能，AI 才可能带来复利。否则，今天的高效只是一次调用，明天换个平台，又要从头开始。

但是，" 商业成为智能体 " 并不意味着把人从整个系统里拿走。恰恰相反，是更需要人来提出新的问题，创造新的产品，探索还不存在的可能。

范凌老师将在课程中同时提醒，人的创造性永远是最重要的。过去在混沌的课程上，他的观点也一直如此。

" 当把创意和生产力建立连接的时候，我们发现这两者不应该被矛盾对立起来。人们塑造了一个工具，工具改变了人们的生活，但人们也会创造一个新的环境、新的场景。当一项新的技术惊世骇俗地出现，没有比现在更需要人类创造力的时刻了。"

扫码预约看课

进入一次关于企业级智能体的系统思考

本文为混沌在线周六课程的预告。想获取最新、最全、最具现场感的学习内容，欢迎锁定每周六的直播课。

关注混沌在线，每周一堂课，为你带来企业创始人的前沿判断与商业认知。

进入混沌 APP，往期 700+ 精华好课，助你搭建商业思维体系，实现认知跃迁。

————推荐阅读————

AI 不是组织的工具，而是组织的 " 竞品 "

组织，要让人永远有人的去处

大中型企业落地 AI 转型，要回答员工 " 凭什么 "