在2026年初的這一場大模型敘事里，“唯參數(shù)論”正迅速降溫。
如果說2024年是算法與算力的“軍備競賽”，2025年是Agent（智能體）的“概念元年”，那么步入2026年，企業(yè)級AI市場已經(jīng)悄然進(jìn)入了深水區(qū)——AI落地2.0。
在這個(gè)階段，從業(yè)者與投資人最核心的焦慮已經(jīng)從“能不能生成”變成了“能不能解決問題”，從“好玩”變成了“好用且省錢”。在這場關(guān)于ROI（投資回報(bào)率）的長敘事中，不同賽道的AI公司，卻給出了一致答案：
大模型正在變得平權(quán)化，而行業(yè)Know-how（業(yè)務(wù)訣竅）才是決定生死的那道“排水渠”。
“AI應(yīng)用落地趨勢中，正在發(fā)生從以模型為中心到以數(shù)據(jù)為中心的轉(zhuǎn)變。”金山辦公產(chǎn)研負(fù)責(zé)人朱熠鍔判斷 。
這個(gè)觀點(diǎn)背后隱藏的一個(gè)現(xiàn)實(shí)是：無論企業(yè)選擇哪家的模型，底座本身正逐漸轉(zhuǎn)化為一種“電力”般的基礎(chǔ)設(shè)施
真正能拉開差距的，是企業(yè)如何處理那些躺在服務(wù)器里“吸灰”的非結(jié)構(gòu)化數(shù)據(jù)。
“高質(zhì)量數(shù)據(jù)已經(jīng)成為制約今天AI能不能在現(xiàn)有技術(shù)水平下發(fā)揮作用的關(guān)鍵制約點(diǎn)。”金山辦公副總裁吳慶云指出 。這種“高質(zhì)量”不僅意味著數(shù)據(jù)的整潔，更意味著數(shù)據(jù)必須具備業(yè)務(wù)屬性。
在朱熠鍔看來，文檔并不等于知識 。過去兩年的POC（概念驗(yàn)證）浪潮中，很多企業(yè)發(fā)現(xiàn)，即使給AI喂了海量文檔，它的回答依然頻頻出現(xiàn)幻覺。核心癥結(jié)在于，目前主流的RAG（檢索增強(qiáng)生成）技術(shù)解決的是語義相似度，但“語義相似并不等于邏輯相關(guān)” 。為了補(bǔ)上這塊邏輯短板，金山辦公提出了KAG（知識增強(qiáng)生成）框架，試圖通過知識治理的方式，將無序的文檔轉(zhuǎn)化為結(jié)構(gòu)化的“知識湖” 。
這種轉(zhuǎn)型在高端制造業(yè)的實(shí)踐中尤為具象。以某大型制造企業(yè)的維修手冊為例，這些文檔往往包含復(fù)雜的圖文混排和邏輯嚴(yán)密的維修步驟——例如“如果檢查結(jié)果為OK，進(jìn)入步驟三；如果是NG，則執(zhí)行復(fù)位” 。傳統(tǒng)的AI如果僅僅識別文字，根本無法理解其中的決策流。而通過KAG框架，AI能夠識別出業(yè)務(wù)本體和約束條件，在技術(shù)人員詢問時(shí)給出符合邏輯，甚至能直接指導(dǎo)操作的精準(zhǔn)回答 。
同樣深耕深水區(qū)的容聯(lián)云也經(jīng)歷了類似的認(rèn)知升級。容聯(lián)云副總裁、諸葛智能創(chuàng)始人孔淼認(rèn)為，大模型雖然像一個(gè)全才的“本科生”，但要在銀行、券商這些強(qiáng)合規(guī)、高門檻的行業(yè)里上班，它必須具備幾年的“工作經(jīng)驗(yàn)” 。
這一經(jīng)驗(yàn)就是Know-how。容聯(lián)云通過將保險(xiǎn)監(jiān)管要求、銀行質(zhì)檢邏輯等行業(yè)特定的“黑話”與規(guī)則封裝進(jìn)系統(tǒng)，讓AI不再只是“聊天”工具，而是能夠精準(zhǔn)捕捉客戶意圖的業(yè)務(wù)中樞 。在某城商行的實(shí)際業(yè)務(wù)中，基于Know-how重構(gòu)的分析Agent，將分析效率從32%拉升至92%以上 。
“大模型的訓(xùn)練是軍備競賽，對容聯(lián)云而言，我們更清楚自己的選擇——聚焦應(yīng)用，解決真實(shí)業(yè)務(wù)問題。”孔淼直言 。這種選擇的核心在于對B端痛點(diǎn)的精準(zhǔn)捕捉：企業(yè)客戶不僅需要大模型的泛化能力，更需要合理的ROI和確定性的交付質(zhì)量。
在AI落地2.0階段，生產(chǎn)力形態(tài)的演進(jìn)是改寫業(yè)務(wù)結(jié)果的勝負(fù)手。AI正從“輔助工具”向“業(yè)務(wù)角色”進(jìn)化 。以前是人作為主導(dǎo)，AI提供零散的協(xié)助；現(xiàn)在則是Agent（智能體）基于業(yè)務(wù)目標(biāo)自主規(guī)劃并執(zhí)行任務(wù) 。
這種角色的移位在金融質(zhì)檢場景下近乎顛覆。傳統(tǒng)的證券質(zhì)檢由于規(guī)則復(fù)雜、人手有限，通常只能進(jìn)行40%左右的抽檢，且漏檢率極高 。容聯(lián)云引入大模型Agent后，AI不再只是檢索關(guān)鍵詞，而是能夠理解監(jiān)管背后的合規(guī)邏輯，自動(dòng)完成任務(wù)拆解、執(zhí)行與自我評價(jià)。結(jié)果是，原本需要8天的審核時(shí)間縮短至3.25小時(shí)，覆蓋率直接拉滿到100%，準(zhǔn)確率高達(dá)96% 。
同樣的提效也發(fā)生在復(fù)雜的醫(yī)藥行業(yè)。撰寫一份臨床研究報(bào)告（CSR）通常是醫(yī)學(xué)博士團(tuán)隊(duì)最繁重的工作，耗時(shí)長達(dá)一個(gè)月 。金山辦公通過多Agent協(xié)作體系，讓不同的智能體分工明確：有的負(fù)責(zé)抽取臨床數(shù)據(jù)，有的負(fù)責(zé)按藥監(jiān)規(guī)范整理，有的負(fù)責(zé)格式審核 。在這一套“流水線”下，博士們的工作量從一個(gè)月縮減到一周，準(zhǔn)確率達(dá)到90%以上。
這種提效預(yù)示著一種全新的商業(yè)邏輯——RaaS（Result-as-a-Service，結(jié)果即服務(wù)）正在降臨。這意味著企業(yè)購買的不再是冰冷的工具系統(tǒng)，而是一個(gè)能夠確鑿提升轉(zhuǎn)化率、降低合規(guī)風(fēng)險(xiǎn)的業(yè)務(wù)結(jié)果。這一趨勢得到了全球 CEO 們的認(rèn)同。BCG 最新的調(diào)查顯示，近乎所有首席執(zhí)行官都認(rèn)為，AI 代理將在 2026 年產(chǎn)生可衡量的回報(bào)，“ROI 將成為 2026 年及以后的核心縮寫”。
金山辦公助理總裁馮文廣在華東市場的觀察印證了這一趨勢。他發(fā)現(xiàn)，以華東為代表的發(fā)達(dá)地區(qū)企業(yè)，在協(xié)同辦公的需求上已經(jīng)從簡單的“賣產(chǎn)品”轉(zhuǎn)向了“場景化解決方案”和“行業(yè)性解決方案” 。企業(yè)關(guān)注的不再是單點(diǎn)的工具替代，而是從產(chǎn)研到制造全產(chǎn)業(yè)鏈的協(xié)同與提效 。
盡管前景宏大，但朱熠鍔對 AI 的未來依然保持著一份理性的清醒。
“大模型技術(shù)界有一個(gè)叫‘苦澀的教訓(xùn)’——在很細(xì)微的層面上做定制化調(diào)優(yōu)，很可能在下一輪被大模型能力提升所取代。”朱熠鍔坦陳。這種技術(shù)演進(jìn)的不確定性，讓每一位 AI 從業(yè)者都如履冰。今天的工程化手段，究竟是通往未來的堅(jiān)實(shí)階梯，還是由于大模型能力不足而搭建的臨時(shí)腳手架？
這種不確定性也困擾著全球頂尖的 AI 思想者。Anthropic 首席執(zhí)行官 Dario Amodei 曾警告說，人類正進(jìn)入技術(shù)的“青春期”：一個(gè)雖然獲得了神一般的力量，卻面臨由于不可預(yù)測性而導(dǎo)致自我毀滅風(fēng)險(xiǎn)的動(dòng)蕩階段。他認(rèn)為，“強(qiáng)大的 AI 系統(tǒng)可能在 1 到 2 年內(nèi)到來（即 2026-2027 年），但確切的時(shí)間表仍存在巨大的不確定性”。這種不可預(yù)測性，甚至讓 Scaling Law（尺度定律）的支持者們也開始感到不安。
“今天的 AI 更多還是實(shí)驗(yàn)科學(xué)，并沒有形式化的數(shù)學(xué)解釋。”朱熠鍔認(rèn)為。我們依然無法從原理上徹底講清楚，為什么輸入一段提示詞，AI 就一定能輸出正確的結(jié)果。這種“黑盒”屬性，使得行業(yè) Know-how 在現(xiàn)階段顯得愈發(fā)珍貴。
正如 OpenAI 首席執(zhí)行官 Sam Altman 曾提醒的那樣，我們必須在享受 AI 帶來的生產(chǎn)力倍增效應(yīng)的同時(shí)，時(shí)刻準(zhǔn)備應(yīng)對其“意外后果”。在那個(gè)連模型研發(fā)者都無法完全看透的黑盒面前，唯一的確定性，就是那些已經(jīng)運(yùn)行了數(shù)十年的行業(yè)邏輯。大模型雖然能從數(shù)據(jù)中找規(guī)律，表現(xiàn)出概率上的“智慧”，但它依然無法完全取代人類在復(fù)雜業(yè)務(wù)場景下的決策判斷。
因此，AI 落地 2.0 時(shí)代的真命題，或許不是如何取代人，而是如何讓 AI “吃透”行業(yè) Know-how：技術(shù)的泛化門檻正在降低，真正的壁壘或許是那些看不見的產(chǎn)業(yè)規(guī)則。
對于 AI 從業(yè)者與投資人而言，這意味著必須告別“參數(shù)崇拜”，投身于繁瑣的業(yè)務(wù)細(xì)節(jié)中。只有當(dāng) AI 學(xué)會(huì)了如何像經(jīng)驗(yàn)豐富的老員工一樣，理解那些隱性知識，處理那些沖突的邏輯，它才能真正從“會(huì)說話的幻覺”變成企業(yè)不可或缺的“數(shù)智骨干”。
在這場深水區(qū)的長跑中，只有那些能把技術(shù)真正“封裝”進(jìn)業(yè)務(wù)邏輯的公司，才能跑通關(guān)于 AI 與 ROI 的長敘事。（本文首發(fā)鈦媒體APP，文 | DeepWrite秦報(bào)局，作者｜秦聰慧 ）
快報(bào)
根據(jù)《網(wǎng)絡(luò)安全法》實(shí)名制要求，請綁定手機(jī)號后發(fā)表評論