企业AI需要两个世界模型
内容提要
特赞创始人范凌提出，企业AI落地的关键不在于更强的模型，而在于构建两个“世界模型”：对外理解客户偏好的主观世界模型，对内理解流程、规则与默会知识的企业世界模型。企业需建立可积累的上下文系统，并引入专家判断数据。智能体应形成信号、规划、创作、评估的闭环，实现从“租用智能”到“主权智能”的转变。
延伸解读
两个世界模型为何不能合并
文章指出，主观世界模型依赖外部用户数据，理解客户偏好与动机；企业世界模型依赖内部上下文，处理流程、规则与默会知识。两者数据来源、更新节奏、责任归属不同，粗暴合并往往不是更强，而是两边一起变钝。这提醒企业，在架构设计上应把对外感知和对内理解分开建设，而不是寄望于一个通用大模型解决所有问题。
上下文系统不等于喂文档
文章强调，组织里最值钱的知识很多不在文档里，把文档都喂给AI并不等于AI理解了企业。企业真正需要的上下文系统，要能识别、组织和利用流程、资产、规则与默会知识。这意味着企业应把上下文当作可积累的资产来建设，而不是一次性数据导入。智能体调用的不是数据，而是上下文，这一区分对落地路径有直接影响。
专家判断成为训练信号
文章提到，特赞引入大量不同领域专家参与真实判断过程的采集和标注，让训练信号包含业务语境里的判断路径，相关积累已达万条量级。这背后的逻辑是，企业里最值钱的判断标准、取舍逻辑和风险敏感度，互联网和通用模型里都没有。把专家判断变成可积累的资产，是企业AI从租用智能走向主权智能的关键一步。
评估标准要回归企业自身
文章指出，通用benchmark衡量的是能否答对标准答案，但企业场景更关心是否按这家公司的方式做对。品牌边界、选品逻辑、风险容忍区间都不在公开评测集里。因此业务垂直benchmark的价值不在于打分，而在于把组织判断标准变成可回归、可比较、可修正的测试集。文章也提醒，模拟和benchmark是校准工具，不能替代真人研究本身。
Q&A
企业AI落地为什么需要两个世界模型？
因为企业AI要真正产生生产力，不能只靠更强的通用模型，而需要两个世界模型：一个对外理解客户偏好的主观世界模型，一个对内理解流程、规则与默会知识的企业世界模型。两者数据来源、更新节奏和责任归属不同，难以合并，缺一不可。
主观世界模型和企业世界模型有什么区别？
主观世界模型向外理解客户，处理主观偏好、动机和选择，依赖外部用户数据；企业世界模型向内理解公司，处理流程、资产、规则和默会知识，依赖组织内部长期积累的上下文。两者本质不同，不能粗暴合并。
为什么把文档都喂给AI不等于AI理解了企业？
因为组织里最值钱的知识很多不在文档里，而是默会知识。企业知识可分为两类，仅靠文档无法覆盖流程、规则和专家判断等隐性知识。企业需要建立可积累的上下文系统，并引入专家判断数据，才能让AI真正理解企业。
企业智能体需要怎样的闭环机制才能跑起来？
企业智能体需要转动一个完整闭环：Signal（信号）、Plan（规划）、Create（创作）、Evals（评估）。与一次性调用的Copilot不同，智能体是长程的，能持续运行，进入工作流，跨时间保留目标、状态和反馈。
为什么企业需要业务垂直benchmark？
通用benchmark衡量标准答案，但企业场景更关心是否按公司的方式做对。业务垂直benchmark把组织的判断标准变成可回归、比较、修正的测试集，能量化模型升级、流程调整带来的能力变化，而不靠感觉判断。
从“租用智能”到“主权智能”转变的关键是什么？
关键在于企业要积累自己的上下文系统和专家判断数据，构建两个世界模型，并运行长程智能体闭环。这样企业AI才能基于自身业务语境做决策，从依赖外部通用模型转向拥有自主智能。
