2025 年的商業(yè)世界正站在新舊轉(zhuǎn)換的十字路口。在商業(yè)敘事重構(gòu)、科技浪潮席卷的當(dāng)下，WISE2025 商業(yè)之王大會(huì)以 " 風(fēng)景這邊獨(dú)好 " 為基調(diào)，試圖在不確定中錨定中國(guó)商業(yè)的確定性的未來(lái)。我們?cè)诖擞涗涍@場(chǎng)思想盛宴的開(kāi)篇，捕捉那些在變局中依然堅(jiān)定前行的聲音。

11 月 27-28 日，被譽(yù)為 " 年度科技與商業(yè)風(fēng)向標(biāo) " 的 36 氪 WISE2025 商業(yè)之王大會(huì)，在北京 798 藝術(shù)區(qū)傳導(dǎo)空間落地。

今年的 WISE 不再是一場(chǎng)傳統(tǒng)意義上的行業(yè)峰會(huì)，而是一次以 " 科技爽文短劇 " 為載體的沉浸式體驗(yàn)。從 AI 重塑硬件邊界，到具身智能叩響真實(shí)世界的大門(mén)；從出海浪潮中的品牌全球化，到傳統(tǒng)行業(yè)裝上 " 賽博義肢 " ——我們還原的不僅是趨勢(shì)，更是提煉無(wú)數(shù)次商業(yè)實(shí)踐中磨煉出的真知。

我們將在接下來(lái)的內(nèi)容中，逐幀拆解這些 " 爽劇 " 背后的真實(shí)邏輯，一起看盡 2025 年商業(yè)的 " 風(fēng)景獨(dú)好 "。

商湯科技 賈安亞 拍攝：36kr

從 2023 年的 " 智能涌現(xiàn) " 到 2025 年的加速落地，AI 的應(yīng)用范式正在經(jīng)歷深刻的變革。

商湯科技的賈安亞在演講中表示，當(dāng)下國(guó)家政策大力推動(dòng) " 人工智能 +" 戰(zhàn)略，與此同時(shí)現(xiàn)實(shí)中僅有極少數(shù)企業(yè)真正兌現(xiàn)了 AI 的價(jià)值。

她認(rèn)為，企業(yè) AI 落地的關(guān)鍵突破點(diǎn)在于兩個(gè)維度的轉(zhuǎn)變：一是從傳統(tǒng) IT 部門(mén)主導(dǎo)轉(zhuǎn)向業(yè)務(wù)層驅(qū)動(dòng)的應(yīng)用模式，讓真正的一線使用者成為技術(shù)引入的決策者；二是精準(zhǔn)的場(chǎng)景選擇策略——避開(kāi)對(duì)容錯(cuò)率極低的財(cái)務(wù)等領(lǐng)域，聚焦于供應(yīng)鏈、人事、運(yùn)營(yíng)等具備容錯(cuò)空間且能產(chǎn)生顯著增量?jī)r(jià)值的業(yè)務(wù)環(huán)節(jié)。

隨著多模態(tài)技術(shù)的成熟和軟硬結(jié)合帶來(lái)的成本優(yōu)化，AI 將從單純的生產(chǎn)力工具進(jìn)化為能夠深度融合企業(yè)數(shù)據(jù)流程的系統(tǒng)化解決方案。而在轉(zhuǎn)換過(guò)程中，企業(yè)需要的不再是一個(gè)孤立的模型，而是能夠端到端解決實(shí)際業(yè)務(wù)問(wèn)題的完整方案。

以下為商湯科技賈安亞演講速記，經(jīng) 36 氪整理編輯：

賈安亞：謝謝主辦方的邀請(qǐng)，我是來(lái)自商湯科技的賈安亞，主要負(fù)責(zé)各種生產(chǎn)力相關(guān)的 AI 原生產(chǎn)品。

在正式演講之前，我想先與大家分享一下本周的一些經(jīng)歷。上周 Nano Banana 和 Gemini3 發(fā)布后，我感受到了又一波 AI 技術(shù)涌現(xiàn)帶來(lái)的激動(dòng)人心的變化。

我自己體驗(yàn)了很多新功能，包括使用 NotebookLM，基于 Nano Banana 生成 PPT，也在小紅書(shū)上看到許多用戶用來(lái)開(kāi)發(fā)游戲應(yīng)用等。

我做了很多復(fù)刻實(shí)驗(yàn)，確實(shí)非常有趣，也深刻感受到技術(shù)進(jìn)步為個(gè)人應(yīng)用帶來(lái)的可能性，它確實(shí)大幅降低了應(yīng)用使用和設(shè)計(jì)的門(mén)檻。

我看到很多人說(shuō)，未來(lái)的壁壘可能不是技術(shù)壁壘，而是創(chuàng)意壁壘。去年，我對(duì)這句話還有很多疑問(wèn)，畢竟我們做軟件研發(fā)，門(mén)檻確實(shí)很高。

但現(xiàn)在真正看到基于 AI 做前端應(yīng)用、游戲開(kāi)發(fā)、小程序開(kāi)發(fā)時(shí)，發(fā)現(xiàn)它確實(shí)能夠節(jié)省大量時(shí)間，包括前端語(yǔ)言學(xué)習(xí)等環(huán)節(jié)。所以推薦大家去嘗試，包括很多國(guó)內(nèi)優(yōu)秀的模型，我們自己的模型也有很多類(lèi)似的應(yīng)用場(chǎng)景。

今天我主要聚焦于 AI 在國(guó)內(nèi)企業(yè)側(cè)的應(yīng)用。相比個(gè)人側(cè)的陪伴類(lèi)應(yīng)用和創(chuàng)意類(lèi)應(yīng)用，企業(yè)應(yīng)用是一個(gè)更加嚴(yán)肅、更加嚴(yán)苛的話題。

從政策層面看，好消息是國(guó)家推出了很多優(yōu)秀政策，大家可以看到 " 人工智能 +" 政策，希望在 2027 年實(shí)現(xiàn)智能終端和智能體覆蓋率超過(guò) 70%。這個(gè)政策的重要性可以參考十年前的 " 互聯(lián)網(wǎng) +"，它推動(dòng)了中國(guó)互聯(lián)網(wǎng)的大規(guī)模普及，創(chuàng)造了巨大的經(jīng)濟(jì)社會(huì)價(jià)值。國(guó)家的大力支持，能夠自上向下推動(dòng)企業(yè)側(cè) AI 的落地和應(yīng)用。

我們也看到應(yīng)用模式發(fā)生了很多變化。從 2022 年底、2023 年初大模型概念出現(xiàn)以來(lái)，過(guò)去兩年多大模型應(yīng)用范式發(fā)生了顯著變化。

2023 年，很多人還在做預(yù)訓(xùn)練、增量訓(xùn)練、微調(diào)等工作，今年上半年開(kāi)始談?wù)搹?qiáng)化學(xué)習(xí)，后來(lái)是智能體，現(xiàn)在是多智能體。我們看到 AI 落地應(yīng)用對(duì)算力的消耗越來(lái)越小，但對(duì)場(chǎng)景和實(shí)際落地價(jià)值的關(guān)聯(lián)度越來(lái)越高。

當(dāng)然，雖然整體趨勢(shì)在變化，我們也看到落地中的一些挑戰(zhàn)和困難。這是 MIT 在 7 月份發(fā)布的報(bào)告，對(duì)美國(guó)大量企業(yè)的大模型落地情況進(jìn)行了調(diào)研，發(fā)現(xiàn)只有 5% 的企業(yè)在落地大模型后，最終在財(cái)務(wù)報(bào)表上看到了實(shí)際價(jià)值。

當(dāng)然，我認(rèn)為這個(gè) 5% 的標(biāo)準(zhǔn)相對(duì)苛刻，因?yàn)橐谪?cái)務(wù)報(bào)告中看到具體量化價(jià)值確實(shí)不容易，實(shí)際有效應(yīng)用應(yīng)該超過(guò)這個(gè)數(shù)字。

但這也確實(shí)說(shuō)明，大模型在企業(yè)側(cè)落地仍面臨很多挑戰(zhàn)，包括科技發(fā)展過(guò)快導(dǎo)致部署能力可能在 3 個(gè)月后就被顛覆，需要重新部署；以及這些技術(shù)如何與企業(yè)自身數(shù)據(jù)和流程打通等問(wèn)題。

但也有一些讓我們 AI 從業(yè)者比較開(kāi)心的發(fā)現(xiàn)，比如企業(yè)內(nèi)部自主進(jìn)行的 AI 落地，相比外部合作伙伴幫助企業(yè)做落地，成功率不到三分之一。

我們也看到，企業(yè)側(cè)自上而下建設(shè)的成功率也不算太高，但很多員工已經(jīng)自發(fā)使用各種 AI 工具。所以 AI 工具在企業(yè)側(cè)的實(shí)際應(yīng)用，超過(guò)了報(bào)告所展示的數(shù)據(jù)。

右邊這是 Gartner 在九月發(fā)布的報(bào)告，主要針對(duì)智能體做的一些分析。其中一些觀點(diǎn)比較有趣。

智能體概念今年很火，但實(shí)際上很多所謂的智能體并非真正意義的智能體，而是過(guò)去的低代碼、RPA，或者只是大模型做了簡(jiǎn)單業(yè)務(wù)層封裝就稱(chēng)為智能體。

從我們的觀點(diǎn)來(lái)看，智能體這個(gè)概念并不重要，重要的是如何結(jié)合企業(yè)需求、結(jié)合各類(lèi)技術(shù)和應(yīng)用，幫助企業(yè)實(shí)現(xiàn)業(yè)務(wù)目標(biāo)。

看到這些調(diào)研后，一方面我們了解到：企業(yè)側(cè)還有巨大的未被滿足的需求，另一方面也看到大量企業(yè)需求和供給側(cè)效率還不夠完善，這為未來(lái)幾年 AI 在企業(yè)側(cè)落地帶來(lái)了巨大的商業(yè)機(jī)會(huì)。

在過(guò)去兩年中，我們也與很多企業(yè)進(jìn)行了探索。令我們比較開(kāi)心的是，2023 年我們更多與頭部企業(yè)合作落地，現(xiàn)在形成標(biāo)準(zhǔn)化產(chǎn)品和解決方案后，有更多中小企業(yè)、學(xué)校、醫(yī)院等機(jī)構(gòu)基于我們的通用方案進(jìn)行應(yīng)用。

基于我們的觀察，有幾個(gè)重要發(fā)現(xiàn)。首先，AI 應(yīng)用落地與傳統(tǒng)信息化存在很大的范式差異。

傳統(tǒng)信息化大多由企業(yè) CTO、IT 部門(mén)主導(dǎo)建設(shè)，建設(shè)完成后交給業(yè)務(wù)部門(mén)使用。但我們現(xiàn)在看到，真正對(duì)企業(yè)有可衡量?jī)r(jià)值的 AI 應(yīng)用落地，實(shí)際上是通過(guò)業(yè)務(wù)層驅(qū)動(dòng)的——業(yè)務(wù)層優(yōu)先使用我們的工具，認(rèn)為好用后，再通過(guò)企業(yè)引入的方式進(jìn)行落地。這種模式很好地彌補(bǔ)了過(guò)去 IT 部門(mén)和業(yè)務(wù)部門(mén)之間在需求理解和實(shí)施方面的 gap。

第二個(gè)重要觀察是場(chǎng)景選擇的關(guān)鍵性。

我們?cè)c頭部金融機(jī)構(gòu)合作，他們希望第一個(gè)應(yīng)用場(chǎng)景是財(cái)務(wù)部門(mén)。我們有一個(gè)拳頭產(chǎn)品叫辦公小浣熊，主要提供 AI 數(shù)據(jù)分析、文檔智能和 PPT 生成等功能。

當(dāng)時(shí)，我和客戶建議不要選擇財(cái)務(wù)部門(mén)作為首發(fā)場(chǎng)景。為什么？原因是財(cái)務(wù)部門(mén)對(duì)數(shù)據(jù)精度要求極高，數(shù)據(jù)復(fù)雜度也非常高。

我們實(shí)踐下來(lái)發(fā)現(xiàn)，比較好的 AI 企業(yè)落地場(chǎng)景需要具備兩個(gè)特點(diǎn)：第一是有容錯(cuò)率，第二是對(duì)用戶有很高的增量?jī)r(jià)值。財(cái)務(wù)人員本身數(shù)據(jù)處理能力很強(qiáng)，而且報(bào)表不能出錯(cuò)，但 AI 目前無(wú)法保證 100% 準(zhǔn)確，這就不是最佳場(chǎng)景。

相反，企業(yè)供應(yīng)鏈、進(jìn)銷(xiāo)存、人事和運(yùn)營(yíng)等領(lǐng)域，雖然擁有大量數(shù)據(jù)要素，但缺乏足夠的數(shù)據(jù)科學(xué)家進(jìn)行業(yè)務(wù)分析，這反而是企業(yè)落地的絕佳場(chǎng)景，能夠立竿見(jiàn)影地看到增量效果。

有了這樣的優(yōu)質(zhì)場(chǎng)景進(jìn)行落地后，才能更快推動(dòng)企業(yè)進(jìn)一步擴(kuò)大 AI 建設(shè)。

另一個(gè)重要觀點(diǎn)是，AI 在企業(yè)的落地不僅僅是購(gòu)買(mǎi)一兩個(gè)產(chǎn)品，而是一個(gè)系統(tǒng)化工程，特別是對(duì)大型企業(yè)而言，需要從多個(gè)層面為企業(yè)創(chuàng)造深入價(jià)值。

我們可以將 AI 在企業(yè)里的價(jià)值簡(jiǎn)單分為三類(lèi)：一是個(gè)人價(jià)值，這相對(duì)明確，主要是個(gè)人提效，無(wú)論是寫(xiě)文案、寫(xiě)代碼還是數(shù)據(jù)分析。但在企業(yè)內(nèi)部，整體運(yùn)營(yíng)效率不僅取決于個(gè)人效率，更取決于整體企業(yè)管理效率，以及團(tuán)隊(duì)間和團(tuán)隊(duì)內(nèi)的協(xié)作效率。

因此我們希望 AI 長(zhǎng)期不僅實(shí)現(xiàn)個(gè)人提效，還能提升團(tuán)隊(duì)溝通效率，降低協(xié)作門(mén)檻，在整體管理層面提升效率。當(dāng)然這需要隨著 AI 發(fā)展來(lái)驗(yàn)證可能性，特別是企業(yè)管理效率的提升。

這也符合 Sam Altman（OpenAI CEO）提到的 AI 五層進(jìn)化理論，等到了第四、第五層時(shí)，會(huì)出現(xiàn)真正的企業(yè)級(jí)智能。

我們可以看到，越偏向個(gè)人應(yīng)用，越容易有相對(duì)標(biāo)準(zhǔn)的產(chǎn)品和解決方案；面向企業(yè)管理層時(shí)，則更加個(gè)性化，更需要針對(duì)行業(yè)和企業(yè)個(gè)體的定制化。

今年上半年，國(guó)內(nèi)開(kāi)源模型非常火熱，很多企業(yè)開(kāi)始自主部署開(kāi)源模型，但大家遇到一個(gè)問(wèn)題：購(gòu)買(mǎi)了英偉達(dá)或國(guó)產(chǎn)化芯片，部署了各類(lèi)大模型，為什么用不起來(lái)？因?yàn)閷?duì)企業(yè)來(lái)說(shuō)，需要的是能夠端到端解決業(yè)務(wù)問(wèn)題的解決方案，而不是單純的模型。

拆解來(lái)看，企業(yè)在大模型之上，需要與企業(yè)數(shù)據(jù)、流程、業(yè)務(wù)流等相互結(jié)合。模型本身可能是語(yǔ)言模型、多模態(tài)、文生圖、文生視頻等各種選項(xiàng)，但對(duì)企業(yè)業(yè)務(wù)目標(biāo)的理解和行業(yè)理解，才是企業(yè)落地中更重要的部分。

在技術(shù)層面，我們?cè)絹?lái)越意識(shí)到多模態(tài)的重要性。商湯科技在模型訓(xùn)練階段，通過(guò)引入更多的多模態(tài)協(xié)同訓(xùn)練方式，在強(qiáng)化學(xué)習(xí)階段引入沙盒、規(guī)劃等智能體所需的必要能力，提升模型在解決企業(yè)業(yè)務(wù)時(shí)的準(zhǔn)確性。這非常重要。

為什么說(shuō)企業(yè)落地比個(gè)人落地更加嚴(yán)苛？因?yàn)閭€(gè)人對(duì)精度感知沒(méi)那么強(qiáng)，而企業(yè) AI 與企業(yè)最終成果直接關(guān)聯(lián)，精度要求非常高。

我們可以看到，企業(yè)數(shù)據(jù)要素非常多樣，不僅包括文本，還有圖片、數(shù)據(jù)庫(kù)、各類(lèi)結(jié)構(gòu)化和非結(jié)構(gòu)化數(shù)據(jù)。在企業(yè)應(yīng)用時(shí)，需要考慮如何結(jié)合模型多模態(tài)能力，實(shí)現(xiàn)復(fù)雜輸入、融合分析和結(jié)果輸出。

我們來(lái)聚焦看看辦公小浣熊。我們面向企業(yè)級(jí)和個(gè)人用戶，提供 AI 原生的數(shù)據(jù)分析、文本處理、PPT 生成解決方案。AI 對(duì)生產(chǎn)力工具帶來(lái)了重大變化。

過(guò)去我們有 Windows、Office 套件，主要基于信息化基礎(chǔ)，面向文檔的工具化應(yīng)用，后來(lái)有了移動(dòng)互聯(lián)網(wǎng)和云端協(xié)同工具，現(xiàn)在有了 AI，我們可以將傳統(tǒng)面向文件的生產(chǎn)力范式，轉(zhuǎn)變?yōu)槊嫦蛉蝿?wù)的生產(chǎn)力范式。通過(guò)處理不同文件和背景信息，面向用戶任務(wù)更主動(dòng)地端到端解決實(shí)際問(wèn)題，這是生產(chǎn)力工具向生產(chǎn)力助手的轉(zhuǎn)化過(guò)程。

這也是辦公小浣熊的演進(jìn)路線。2024 年 1 月發(fā)布時(shí)，我們是國(guó)內(nèi)第一款數(shù)據(jù)智能體，到后續(xù)融入更多 AI 能力，再到今年即將發(fā)布的 3.0 版本，實(shí)際上，小浣熊是一個(gè)全新升級(jí)的 AI 辦公系統(tǒng)，與傳統(tǒng)辦公系統(tǒng)有很大區(qū)別。

關(guān)于具體功能，由于精度非常重要，我們?yōu)槭裁匆鲋袊?guó)第一個(gè)數(shù)據(jù)分析智能體？是因?yàn)橥ㄟ^(guò)模型訓(xùn)練和強(qiáng)化學(xué)習(xí)，在數(shù)據(jù)分析任務(wù)上，我們的企業(yè)實(shí)際落地精度會(huì)超過(guò) 95%，在許多垂直數(shù)據(jù)分析任務(wù)上甚至可以達(dá)到 100%，這是企業(yè)側(cè)真正可用的精度。

如果精度只有 80%-90%，大量用戶使用時(shí)會(huì)產(chǎn)生很多錯(cuò)誤信息，所以保證模型在應(yīng)用場(chǎng)景中的精度至關(guān)重要。

第二個(gè)重要功能是任務(wù)規(guī)劃 Agent。我們發(fā)現(xiàn)，如果明確知道目標(biāo)，問(wèn)題相對(duì)好解決；但面對(duì)復(fù)雜問(wèn)題時(shí)，往往缺乏足夠的信息輸入和明確目標(biāo)，需要通過(guò) AI 引導(dǎo)方式，幫助用戶更好地理解目標(biāo)，進(jìn)行深度調(diào)研，給出解決問(wèn)題的思路。

通過(guò)這兩種方式結(jié)合，我們既能很好地解決企業(yè)明確的目標(biāo)訴求，也能幫助企業(yè)資深管理人員解決復(fù)雜任務(wù)。

我們的最終目標(biāo)，是希望通過(guò) AI 生產(chǎn)力工具，轉(zhuǎn)變?yōu)?AI 生產(chǎn)力。

最后補(bǔ)充一點(diǎn)，我最近體驗(yàn)了很多新硬件形態(tài)，包括昨天拿到的英偉達(dá) DGX Spark（AI 超級(jí)計(jì)算機(jī)），非常有趣。

在企業(yè)落地時(shí)，成本是重要因素。過(guò)去大家認(rèn)為算力成本很高，但現(xiàn)在隨著技術(shù)發(fā)展，無(wú)論是推理加速、模型架構(gòu)優(yōu)化還是硬件優(yōu)化，我們?cè)趯?shí)際企業(yè)落地中有很多優(yōu)秀的低成本硬件選擇。

所以未來(lái)的 AI 的發(fā)展，不僅從軟件側(cè)解決企業(yè)問(wèn)題，還將通過(guò)軟硬結(jié)合的方式，以更低成本滿足大家的需求。

來(lái)源：36氪