企业智能体落地需构建内外两个世界模型

麻省理工NANDA发布的2025年企业生成式AI报告显示，95%的企业AI试点尚未带来可衡量的损益回报；超过90%的企业员工已使用个人AI工具，但购买官方企业订阅的企业仅约40%。特赞创始人范凌在上海西岸WTCC论坛表示，企业缺的不是更强的单一模型，而是理解外部客户和内部组织的两套世界模型。

客户世界模型关注偏好、动机与选择，依赖外部用户数据；企业世界模型则要掌握流程、资源、规则、资产及默会知识，依赖组织长期积累的上下文。前者能判断什么值得做，后者能判断事情能否落地，二者不能简单合并，否则智能体可能高效执行错误目标，或理解需求却无法交付。

企业知识既包括手册、制度和流程等显性知识，也包括品味、经验、边界感与关系等难以书写的默会知识。因此，把文档输入模型并不等于理解企业。有效的上下文系统应连接数据湖、业务系统和资产系统，将数据整理成可被智能体调用的对象与关系，并在每次决策后留下复盘依据，让上下文持续积累。

特赞还引入不同领域专家参与真实判断的采集与标注，将业务判断路径（Creative Trajectory）纳入训练信号；相关合作研究的判断路径已积累到万条量级。判断标准、取舍逻辑和风险敏感度原本散落在人、项目与档案之间，如今正被转化为可积累的资产，推动企业AI从租用智能走向主权智能。

企业评测的关键不只是答案是否正确，还要看是否符合公司的品牌边界、选品逻辑和风险偏好。垂直benchmark可把组织判断标准转化为持续回归和比较的测试集。在Atypica中，真人与AI persona被安排完成相同经济学行为实验，再以差异校准模拟效果并反哺训练；相关主观世界模型的行为模拟准确率达到85%，但仍不能替代真人研究。

特赞提出的Agentic Transformation闭环包含Signal、Plan、Create、Evals：Signal和Evals依赖客户世界模型，Plan和Create依赖企业世界模型。不同于一次问答式Copilot，企业智能体需要进入工作流，跨时间保留目标、状态与反馈。范凌认为，智能体可把工作推进到80分，专家再提升到120分，双方是分工而非替代。

特赞同步发布Agentic Transformation共建计划，邀请高校、研究机构、企业、模型与技术伙伴及专业实践者共同探索。其核心方向是让外部感知、内部组织知识与长程智能体形成闭环，并回答企业如何把自身判断沉淀为可持续积累的资产。