AI落地的真正戰場，在組織深處

各位好，今天和大家分享一些最近的觀察與初步思考。

過去幾年，我們持續關注大模型能力邊界的拓展，也看到市場不斷為模型性能提升而興奮。但與此同時，我越來越強烈地感受到，AI真正落地的摩擦依然非常大。AI從技術能力轉化為企業價值，并不是打開一個對話框、接入一個模型就能完成的事情。它涉及商業模式、組織流程、系統集成、客戶場景，以及企業自身競爭方式的重構。

因此，我們需要思考一個更具體的問題：AI的價值到底如何在企業中發生轉移？AI技術公司如何進入客戶組織？傳統軟件公司和行業公司又應該如何把AI變成自己的能力，而不是被AI平臺取代？

AI革命不只是大模型，而是一整套技術棧

談AI時，我們不能只看大模型本身。黃仁勛曾提出AI的“五層蛋糕”理論，從能源、芯片、基礎設施，到模型和應用，展示了AI產業的完整技術棧。但從企業落地角度看，這個棧還需要更細分。

除了硬件、基礎設施、模型和應用之外，AI進入企業還需要數據層、執行層和部署層。尤其是執行層，非常關鍵。

今天我們常常關注大模型打榜分數提升了多少，但當AI真正部署到企業內部時，問題遠比模型能力復雜。AI不是模型越先進，就能自動解決企業問題。企業需要的不只是一個聊天框，而是一整套圍繞模型運行的工具鏈、工作環境和執行體系。

最近業內常提到幾個概念，例如Harness、Skills、智能體操作系統等。這些都說明，大模型本身只是核心能力，真正落地時還需要技能體系、工具調用、上下文工程、權限管理、流程編排和系統集成。這里面有大量具體、繁瑣、甚至“臟活累活”的工作。

從這個意義上說，AI和歷史上其他通用技術一樣，真正進入千行百業時，必須經歷復雜的工程化、組織化和場景化過程。

從技術敘事轉向真實業務付費

從今年以來的硅谷市場來看，包括中國一些大模型公司在內，AI公司的估值又出現了新一輪提升。背后的重要驅動力，是智能體技術，尤其是編碼智能體的突破。

以Claude Code為代表的產品，基本打通了智能體在編碼場景中的能力。編碼本身是數字技術領域的通用能力，一旦被智能體打通，它就會進一步滲透到知識工作中的大量垂直領域。

以Anthropic為代表的公司，也讓市場看到，AI原生商業模式已經在企業服務中得到初步驗證。它的企業年化收入在短期內實現高速增長，這種爆發式增長增強了資本市場對AI企業服務的信心。無論是美國還是中國，大模型公司估值最近的迅猛提升，都與這種信心有關。

但這也帶來了一個新的問題：AI企業如何真正進入客戶組織，并持續創造價值？

最近硅谷出現了一個值得關注的現象。OpenAI、Anthropic和Google Cloud都在不約而同地強化一類角色：FDE，也就是Forward-Deployed Engineer，通常可以譯為“前向部署工程師”。

這類工程師不是傳統意義上的售前，也不是只做PPT方案的顧問。他們會深入客戶組織內部，幫助客戶定義問題、理解業務流程、搭建系統、部署模型，并把解決方案轉化為新的產品抽象。

這個模式很大程度上受到Palantir的啟發。

Palantir模式為什么被重新關注

Palantir是一家有爭議的公司，但它在美國國防、情報、政府部門，以及華爾街大型企業中的數據分析和智能體部署方面，積累了非常成功的經驗。它的核心能力，不只是賣軟件，而是把軟件、數據、流程和組織決策深度結合起來。

現在，OpenAI、Anthropic和Google Cloud都在學習這種模式。原因很簡單：B端企業服務已經被證明是AI商業化的重要方向，而要服務大型企業，僅僅提供API或模型遠遠不夠。

大型企業真正需要的是一支“軟件工程施工隊”。這支團隊要進入企業內部，幫助客戶把問題定義清楚，把數據和流程梳理出來，把AI能力嵌入業務系統，并在落地過程中不斷形成新的產品抽象。最終，它既為客戶創造價值，也反過來強化AI公司的平臺能力。

這是一種閉環：進入客戶組織，理解業務問題，完成系統部署，形成產品抽象，再強化平臺能力。

國內一些大型科技公司和軟件公司，現在也在研究Palantir模式。因為它看起來既像咨詢公司，又像軟件公司，也像系統集成商。但它交付的不是一次性方案，而是一套可以持續運行、持續反饋、持續演進的AI系統。

這可能是AI價值鏈下一步最重要的變化之一。

企業部署AI，不只是為了降本

過去三年，AI行業主要講的是技術敘事：模型更強、參數更多、推理更快、成本更低。但進入2026年，隨著智能體技術逐漸變得可用、易用，市場開始轉向另一個問題：AI如何創造真實業務價值？

很多人以為企業部署AI主要是為了降本。但在現實中，企業采用AI往往首先會增加成本。

企業需要前期技術投入，需要招聘優秀人才，需要改造原有系統，也需要重組數據和流程。在一些場景中，token成本甚至可能高于原有人力成本。因此，如果只用“降本”來解釋企業采用AI，往往是不夠的。

企業更關心的是：AI能否改變我的競爭方式？能否拓展我的業務邊界？能否重組我的組織流程？能否讓我進入過去無法進入的市場？

同時，大模型之間的趨同性正在加強。對很多企業來說，選擇某個模型本身，未必能形成明顯差異。真正的差異，來自模型如何嵌入企業流程，如何理解行業語義，如何驅動組織行動。

這也是Palantir的Ontology，也就是“本體”概念值得重視的原因。

Ontology的核心，是組織孿生

Palantir的核心理念是Ontology。這個詞有很多解釋，我更愿意把它理解為一種“組織孿生”。

所謂Ontology，不只是企業數據的集合，也不是靜態數據庫。它是在平臺中定義企業業務對象、對象屬性、對象關系、行動規則和權限邏輯的一套統一模型。

它的目標，是創造一個能夠實時反映并驅動企業真實業務流程的組織孿生。

因此，Ontology的出發點不是數據，而是決策。它不是為了把數據存起來，而是為了把企業如何運轉、如何判斷、如何行動，抽象成一個可被AI理解和執行的系統模型。

沒有Ontology，軟件公司就容易退化成大型系統集成商。它只能做數據接入和系統部署，卻很難真正改變客戶的決策和行動方式。

在企業AI落地中，嵌入深度非常關鍵。我把這種深度分為五層：

第一是數據層。企業把各類數據匯集起來，這是最淺的一層。

第二是語義層。AI不僅要看到數據，還要理解這些數據在企業業務中的含義。

第三是流程層。AI要進入企業具體工作流，而不是停留在外部問答。

第四是動作層。AI要能夠指導下一步行動，甚至在授權范圍內執行行動。

第五是治理層。AI系統要可控、可審計、可追責，能夠適應金融、風控、醫療、能源、政務等強監管場景。

尤其在金融和風控領域，治理層非常重要。AI絕不能只是大模型外掛，也不能只是把數據做成一個池子。它必須嵌入流程，理解不同角色、部門和權限之間的關系，并能指導業務中的下一步行動。

智能體重新編排組織流程的深度，決定了它能否為客戶創造真實、持續的價值。

AI平臺的價值，在于把大模型變成可控系統

Palantir的AIP，也就是AI Platform，展示了一個重要方向：AI平臺不是簡單把大模型交給企業，而是把大模型變成企業內部可控、可審計、可執行的智能體系統。

這個過程包括模型接入、上下文工程、本體建模、業務應用和自動化執行。它的目標，是把模型能力轉化為企業流程中的可操作能力。

從這個角度看，AI落地不是“模型替代人”，而是“模型進入系統”。它不是一個單點工具，而是一套嵌入企業組織、流程和治理結構的操作系統。

AI價值鏈中的兩類公司：AI+公司與+AI公司

在AI產業中，可以從兩個角度理解公司類型。

第一類是“AI+公司”。這類公司本身就是AI技術和智能的提供方，主要通過模型、token、API和智能體平臺賺錢。OpenAI、Anthropic、Google DeepMind、DeepSeek等都屬于這一類。

它們掌握底層模型能力，并可能進一步向上進入編碼、金融、咨詢、企業服務等知識工作領域。Claude Code等產品已經開始對很多軟件工具、開發平臺和SaaS公司形成沖擊。

第二類是“+AI公司”。它們來自各行各業，本身擁有行業客戶、業務流程和行業知識，正在用AI增強自己的業務能力。這類公司多數都不是模型公司，但它們掌握具體行業的入口和場景。

在這兩類公司之間，還有大量垂直軟件公司和行業SaaS公司。它們既不是底層模型公司，也不是最終行業客戶，而是行業流程和軟件入口的擁有者。

這類公司面臨AI帶來的直接的、迫切的挑戰。

首先，原有軟件界面可能被AI繞過。用戶不再打開一個個軟件，而是直接通過智能體完成任務。

其次，工作流程可能被大平臺吸收。智能體平臺一旦掌握流程編排能力，就可能把原來屬于垂直軟件的部分價值拿走。

第三，差異化可能被削弱。如果模型能力越來越趨同，軟件公司原有功能又被智能體重新組織，它們必須重新回答：自己的護城河到底在哪里？

但這類公司并不需要過度悲觀。它們也有非常重要的固有優勢。

第一，它們懂行業。大模型公司擁有大量數據，但垂直軟件公司掌握行業語義、業務對象、規則和真實流程。

第二，它們掌握客戶系統入口。它們已經部署在客戶內部，擁有客戶關系、使用習慣和信任基礎。

第三，它們擁有合規和治理經驗。在金融、醫療、能源、政務等強監管領域，真正理解行業規則、責任邊界和審計要求的，往往不是通用模型公司，而是長期服務這些行業的軟件和技術公司。

以醫療健康為例，雖然大模型公司不斷強調AI可以輔助醫生、改善健康服務，但美國醫療健康領域的勞動生產率并沒有因此明顯提升，成本反而繼續上升。這說明，在強監管、重流程、重責任的領域，AI并不會因為模型強大就自動創造價值。真正能創造價值的，是深入行業、理解流程、掌握治理經驗的系統性落地能力。

垂直軟件公司如何在AI時代保持優勢

對于垂直軟件公司和行業技術服務商來說，關鍵不是簡單接入一個模型，而是要把自身優勢轉化為AI時代的新護城河。

第一，要把業務對象本體化。

每家公司都掌握自己行業中的對象、關系、規則和動作。垂直軟件公司最有條件把這些內容抽象出來，形成自己的行業Ontology。也就是說，要把業務流程、決策邏輯、權限關系和行動規則，變成可編程、可調用、可執行的系統模型。

這可能是行業軟件公司保持優勢的關鍵。

第二，要把AI嵌入工作流，而不是停留在聊天框。

企業部署大模型時，不能只看到模型本身。模型進入企業，需要配套工具、工作環境、操作系統、權限體系和行業知識。在很多情況下，這些能力比模型本身更重要。

真正有價值的AI，不是回答一個問題，而是進入流程、理解上下文、調用工具、推動行動，并在系統中形成反饋。

第三，模型供應商必須多元化。

企業不應過度依賴單一模型供應商。因為模型供應商在提供服務的同時，也在學習和理解行業知識。如果企業把編排權、流程權和數據入口完全交給單一模型平臺，就可能失去自己的核心控制力。

因此，企業應該兼容閉源和開源模型，保持模型層的靈活性。真正的護城河不在模型本身，而在行業數據、行業語義、業務閉環、權限體系和客戶關系。

AI落地的核心，不是模型能力單點突破，而是模型如何進入企業系統，如何理解行業語義，如何重組業務流程，如何成為可控、可審計、可執行的智能體系統。

對于AI公司來說，未來競爭的關鍵不只是模型，而是進入客戶組織、解決真實問題、形成產品抽象的能力。

對于垂直軟件公司和行業技術服務商來說，AI既是挑戰，也是機會。界面可能被繞過，流程可能被平臺吸收，但行業語義、客戶信任、合規經驗和流程控制權，仍然是非常重要的資產。

AI時代真正的企業價值，不會只來自一個更強的大模型，而會來自模型、數據、流程、動作和治理的深度結合。誰能把這些能力組織起來，誰就能在AI落地的下一階段獲得真正的商業價值。

（本文為作者在金仕達智能化創新大會上的演講，文章根據演講速記用AI整理出來，經過審核校對。 ）