今年年初，美国软件股经历过一轮堪称惨烈的抛售——追踪美国软件公司的 iShares 科技软件类股 ETF（IGV）一季度暴跌超过 20%，创下 2008 年以来最差单季表现。市场当时的逻辑很直接：AI 大模型和自主智能体既然能直接理解需求、生成代码、执行任务，那传统 SaaS 软件被绕过、订阅席次被替代，几乎是必然的事。"SaaS 已死 " 一度成为华尔街的共识。

但过去这两周，这个共识被亲手打脸了。Salesforce 公布二季度财报当天股价大涨 22.6%，剩余履约义务同比增长 14%，创四年新高——真正打脸的细节是，Agentforce、Slack 等业务不仅没有因为 AI 而萎缩，反而带动客户升级到价格更高的方案；Workday 的自主式 AI 产品年化经常性收入已逼近 6 亿美元，一个季度就从 5 亿美元跳了上来。分析师给出的解释很一致：Salesforce、ServiceNow 这类公司手里握着的，是多年积累、AI 难以复制的企业专有数据和流程资产，这恰恰成了 AI 时代最难被绕过的护城河。软件没有被模型吃掉，反而成了模型能力兑现为价值的必经通道。

这段插曲恰好回答了一个已经争论一年多的问题：AI 到底是在替换现有产业，还是在成就它。答案落在企业自己手里的资产上——谁能把自己的业务、流程、知识变成 AI 能理解和调用的结构化资产，谁就掌握了定价权；谁没有，谁的护城河就真的可能被绕过。

这正是蒸馏与泛化这条路径的现实注脚：蒸馏，是把通用的模型能力提炼成一家企业真正用得上、离不开的深度能力，回答 " 为什么值得投入 "；泛化，是把这份能力放大成能被产业链协同交付、能被更多场景复制的生意，回答 " 为什么能做大 "。

与此同时，模型本身正在加速变成一种越来越不稀缺的商品。就在九月刚开始这几天，OpenAI、Anthropic、Meta、谷歌四家巨头几乎扎堆发布了新一代旗舰模型—— OpenAI 凌晨正式发布 GPT-6 Astra，总裁格雷格 · 布罗克曼喊出 " 我们已经进入 AGI 时代 "，该模型在 ARC-AGI-3 测试中拿下 98.6% 的成绩；Anthropic 同步更新 Claude Fable 5.1 与 Mythos 5.1，Meta 推出 Muse Spark 1.3，谷歌则发布 Gemini 3.8 Flash 系列。

模型能力仍在以肉眼可见的速度往上冲，但斯坦福最新的《人工智能指数报告》给出了硬币的另一面——截至今年 3 月，中美顶级大模型在 Code Arena 上的性能差距已收窄到 2.7%，国产开源模型的定价已低至每百万词元 0.18 美元。模型越来越强、越来越便宜，意味着单纯比拼模型参数的军备竞赛，正在让位于蒸馏与泛化这条更难、也更现实的路径。 

2026 ITValue Summit 数字价值峰会主论坛的完整议程已经确定，9 月 16 日，海南三亚，全天议程正是沿着 " 蒸馏——泛化 " 这条主线展开。

上半场：蒸馏——组织能不能被 AI 真正理解和调用

蒸馏解决的是 " 为什么值得投入 "，这一层最终要落到两个典型问题上。

第一个典型问题是：企业的认知和管理形态，能不能先一步进化？

中国计算机用户协会工业互联网与大数据应用分会理事长朱卫列将带来" 从数字素养到 AI 素养 "主题分享，他长期主张基础设施建设应从 " 重平台 " 转向 " 重应用 "，这套判断放到 AI 时代同样成立——决定 AI 能不能真正嵌入业务的，往往不是系统采购是否到位，而是管理者自身的认知能不能跟上。

超聚变 CEO 刘宏云则会讨论" 何为智企？智能体时代的企业进化分水岭 "。超聚变的前身是华为的 X86 服务器业务，2021 年因海外供应链因素被整体剥离、独立运营，目前是国内领先的算力基础设施与算力服务提供商，正在筹备 IPO。刘宏云提出的 " 智企 " 概念，指的正是沿 WATT → FLOPS → TOKENS → AGENTS → VALUES 价值链持续产出价值的组织形态，并指出企业将同时面临认知、经济、价值三重焦虑——组织形态不先想清楚，后面的能力建设无从谈起。 

第二个典型问题是：企业的数据和知识，能不能被 AI 真正理解和调用？

百丽时尚 CIO 季燕利会分享" 企业逆向 AI 落地法：先基建，再模型 "——百丽用十几年时间先把企业自身工程化，再谈 AI 落地，仅电商这一个业务域，AI 每月就能在工作群里接管数十万张超时单据的盯办和催办。

滴普科技创始人赵杰辉带来的" 企业大模型与自进化的 AgentOS"讨论的是同一个问题的另一面。滴普科技原本是一家数据中台服务商，近年转型为企业级大模型应用解决方案提供商，正在推进上市。赵杰辉提出 " 记忆是智能体的灵魂 "，主张把企业稳定的行业知识、业务规则编码为可推理的 " 本体模型 "，而不是简单把数据 " 存 " 起来。

人保信息科技部总经理何东川的"AI 基础设施焕新：从合规底线到数据底座 "，以及飞渡科技董事长何文武将与钛媒体联合创始人刘湘明进行的CEO 对话 " 空间大模型的产业跃迁：从技术演示到刚需底座 "，则分别从强监管行业和空间智能这个新赛道，回答同一个问题。飞渡科技 10 年来长期深耕空间智能领域，致力于打造 AI 进入物理世界所需要的工业级空间智能基础设施，走的是一条从空间数字化到空间理解、仿真和决策的连续路线。两家公司分别验证了同一件事：没有被结构化、被沉淀的数据和知识，模型再强也读不懂一家企业。

上半场的收尾是CEO 对话 " 逼近 AI 原生企业 "，由 G7 CEO 翟学魂和品胜董事长赵国成共同讨论。翟学魂在大模型喧嚣之后没有跟风推出行业大模型，而是先推出硬件产品，因为在他看来行业基础设施还不具备 AI 化的前提；赵国成则是从 0 到 1 树立制造业品牌的 " 充电宝之父 "，品胜近年也在推进 AI 硬件布局。两种路径殊途同归，都在回答蒸馏这一层最终要交的答卷：一家企业到底要蒸馏出什么样的能力，才配得上 "AI 原生 " 这几个字。

下半场：泛化——能不能放大成一门可持续的生意  

泛化解决的是 " 为什么能做大 "，这一层同样落到两个典型问题上。

第一个典型问题是：数据、模型、客户三方的价值该怎么重新分配？

深圳数据交易所总经理古亮的" 从数据交易到词元经济 "主题分享，探讨的是把数据价值拆解为可计量、可定价的 " 词元 "。深圳数据交易所成立于 2021 年 12 月，是深圳市属的数据要素市场基础设施，累计交易规模已位居全国首位，是数据要素市场化改革中一个具体而现实的样本。

开源中国董事长马越将带来" 开源中国分发中国 token"主题分享。就在一周前的 8 月 27 日，英伟达宣布以 129 亿美元收购全球最大的开源模型托管平台 Hugging Face ——这个被称为 "AI 界 GitHub" 的平台，此前一直是国内开发者获取、分发开源模型最主要的入口之一；而另一个开发者同样绕不开的代码托管平台 GitHub，本身也早已是微软旗下资产多年。全球开源生态最核心的两条基础设施，事实上都攥在美国大厂手里，这让 " 中国自己的开源模型该经由谁来分发 "，从一个技术话题变成了一个现实而紧迫的问题。马越 2007 年从美国回国创办恒拓开源，是国内较早一批开源创业者，开源中国近期也刚完成数亿元 C 轮融资，他此前曾判断：除了 DeepSeek，市面上多数所谓的开源大模型并不是真开源。这次要讲的，正是在这样的背景下，中国如何搭建一条不受制于人的开源分发通道。

原点星辉 CTO 郭权玮博士将带来" 企业 AI：从模型到模型栈 "主题分享。原点星辉是一家刚刚崭露头角的上海 AI 创业公司，由曾创立盛大网络、连尚网络的陈大年创办并担任 CEO，8 月底刚发布的本地大模型 StartLux-27B 在国家级测评中打平了万亿参数规模的通用大模型；郭权玮的判断是，企业真正需要的不是单一模型，而是一整套可以本地部署、层层叠加的 " 模型栈 "。

在对话操盘手 "AI 如何形成真实生产力 "环节中，智识神工创始人、董事长兼 CEO 楚庆，京博控股集团 CAIO 兼 CIO 李洋，广东省首席信息官协会副会长、原宝洁公司及万科等世界 500 强企业副总裁兼首席信息官陈东锋，超聚变数字技术股份有限公司副总经理兼 CIO 蓝文广，以及钛媒体联合创始人、联席 CEO 刘湘明，将共同担任 " 操盘手 "，从创业公司、传统集团企业、行业协会、云厂商和媒体主办方五种不同站位回答同一个问题——协同关系到底该怎么组。智识神工是一家掌握 " 自研芯片 + 自研模型 + 自研 Agent 服务系统 " 全栈能力的 AI 公司，在业内颇为少见。

第二个典型问题是：一个具体场景，能不能真正跑通商业闭环？

易鑫首席技术官贾志峰将分享" 不止是工具，汽车金融全链路的 Agent 智能革命 "。易鑫是港股上市的 AI 驱动汽车金融科技平台，服务全国超 4 万家新车二手车经销商及逾百家金融机构，年交易额约 700 亿元，已经把自研的 Agentic 大模型嵌进获客、风控和运营的全链路。

百望股份将派出一位神秘嘉宾，分享" 构建可信交易智能工厂，解锁产业 AI 价值兑现新阶段 "——百望股份是国内领先的企业票财税合规与商业信用基础设施提供商，依托超 200 亿张发票的处理经验沉淀出数据基座，把看起来不性感的合规能力，做成了产业级的数字生产力。

平安科技总经理助理曹峰则会分享" 从 AI in ALL 到 AI for ALL，重构业务效率，变革服务体验 "——平安已经把 AI 理赔、智能营销、AI 医生等能力铺进核心业务场景，其 AI 医生诊断覆盖病种超 1.1 万种、辅助诊疗准确率超 95%，是 " 内部全面用 AI" 走向 " 让 AI 直接服务每一个客户 " 的一个具体样本。三个场景一个偏交易效率、一个偏合规刚需、一个偏大规模服务体验重构，指向的是同一个问题：demo 做得再漂亮，能不能规模化收钱，才是泛化这一层真正的考题。

作为泛化层的收尾，美的集团副总裁、首席数字官张小懿将在下半场的闭幕对话环节，与钛媒体联合创始人万宁探讨" 大型企业的 AI 应用战略与实践 "——作为一年在 Token 上花费数千万元的甲方，美的更看重的是 AI 能否带来可衡量的业务效果，这本身就是对上面这些问题最直接的市场反馈，也是这一整天 " 蒸馏——泛化 " 讨论收口的合适位置。

针对当前大型企业 AI 落地普遍面临的 " 投入成本高、价值见效散、成效难衡量 " 这三个核心困境。

企业从制度层面该如何构建适配 AI 的组织机制、管理流程与治理体系？从价值层面又如何量化 AI 产出价值、验证业务实际成效、形成投入产出闭环？

在大会在主论坛议程结束后，我们在晚间特别设置了千亿俱乐部闭门研讨会，围绕大型企业 AI 规模化落地的体系构建与实效验证展开深度交流，作为白天议程的延伸与补充。

议程已经确定，但答案还没有。蒸馏解决 " 值不值得 "，泛化解决 " 能不能大 "，跳过其中任何一层空谈下一层，得到的都只会是又一个无法复制的 demo。真正的答案，要等到 9 月 16 日这一天，这些正在一线做决策、担风险的人坐到同一个现场，才会浮现出来。

2026 年 9 月 15 日至 17 日，海南三亚，诚邀各位 CIO、CTO 与投资人共赴这场对话。