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)、科技浪潮席卷的當下，WISE2025 商業(yè)之王大會以 " 風景這邊獨好 " 為基調(diào)，試圖在不確定中錨定中國商業(yè)的確定性的未來。我們在此記錄這場思想盛宴的開篇，捕捉那些在變局中依然堅定前行的聲音。

11 月 27-28 日，被譽為 " 年度科技與商業(yè)風向標 " 的 36 氪 WISE2025 商業(yè)之王大會，在北京 798 藝術區(qū)傳導空間落地。

今年的 WISE 不再是一場傳統(tǒng)意義上的行業(yè)峰會，而是一次以 " 科技爽文短劇 " 為載體的沉浸式體驗。從 AI 重塑硬件邊界，到具身智能叩響真實世界的大門；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，更是提煉無數(shù)次商業(yè)實踐中磨煉出的真知。

我們將在接下來的內(nèi)容中，逐幀拆解這些 " 爽劇 " 背后的真實邏輯，一起看盡 2025 年商業(yè)的 " 風景獨好 "。

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，當下國家政策大力推動 " 人工智能 +" 戰(zhàn)略，與此同時現(xiàn)實中僅有極少數(shù)企業(yè)真正兌現(xiàn)了 AI 的價值。

她認為，企業(yè) AI 落地的關鍵突破點在于兩個維度的轉(zhuǎn)變：一是從傳統(tǒng) IT 部門主導轉(zhuǎn)向業(yè)務層驅(qū)動的應用模式，讓真正的一線使用者成為技術引入的決策者；二是精準的場景選擇策略——避開對容錯率極低的財務等領域，聚焦于供應鏈、人事、運營等具備容錯空間且能產(chǎn)生顯著增量價值的業(yè)務環(huán)節(jié)。

隨著多模態(tài)技術的成熟和軟硬結(jié)合帶來的成本優(yōu)化，AI 將從單純的生產(chǎn)力工具進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)換過程中，企業(yè)需要的不再是一個孤立的模型，而是能夠端到端解決實際業(yè)務問題的完整方案。

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，我是來自商湯科技的賈安亞，主要負責各種生產(chǎn)力相關的 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 技術涌現(xiàn)帶來的激動人心的變化。

我自己體驗了很多新功能，包括使用 NotebookLM，基于 Nano Banana 生成 PPT，也在小紅書上看到許多用戶用來開發(fā)游戲應用等。

我做了很多復刻實驗，確實非常有趣，也深刻感受到技術進步為個人應用帶來的可能性，它確實大幅降低了應用使用和設計的門檻。

我看到很多人說，未來的壁壘可能不是技術壁壘，而是創(chuàng)意壁壘。去年，我對這句話還有很多疑問，畢竟我們做軟件研發(fā)，門檻確實很高。

但現(xiàn)在真正看到基于 AI 做前端應用、游戲開發(fā)、小程序開發(fā)時，發(fā)現(xiàn)它確實能夠節(jié)省大量時間，包括前端語言學習等環(huán)節(jié)。所以推薦大家去嘗試，包括很多國內(nèi)優(yōu)秀的模型，我們自己的模型也有很多類似的應用場景。

今天我主要聚焦于 AI 在國內(nèi)企業(yè)側(cè)的應用。相比個人側(cè)的陪伴類應用和創(chuàng)意類應用，企業(yè)應用是一個更加嚴肅、更加嚴苛的話題。

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

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

2023 年，很多人還在做預訓練、增量訓練、微調(diào)等工作，今年上半年開始談論強化學習，后來是智能體，現(xiàn)在是多智能體。我們看到 AI 落地應用對算力的消耗越來越小，但對場景和實際落地價值的關聯(lián)度越來越高。

當然，雖然整體趨勢在變化，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)布的報告，對美國大量企業(yè)的大模型落地情況進行了調(diào)研，發(fā)現(xiàn)只有 5% 的企業(yè)在落地大模型后，最終在財務報表上看到了實際價值。

當然，我認為這個 5% 的標準相對苛刻，因為要在財務報告中看到具體量化價值確實不容易，實際有效應用應該超過這個數(shù)字。

但這也確實說明，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)展過快導致部署能力可能在 3 個月后就被顛覆，需要重新部署；以及這些技術如何與企業(yè)自身數(shù)據(jù)和流程打通等問題。

但也有一些讓我們 AI 從業(yè)者比較開心的發(fā)現(xiàn)，比如企業(yè)內(nèi)部自主進行的 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)的實際應用，超過了報告所展示的數(shù)據(jù)。

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

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

從我們的觀點來看，智能體這個概念并不重要，重要的是如何結(jié)合企業(yè)需求、結(jié)合各類技術和應用，幫助企業(yè)實現(xiàn)業(yè)務目標。

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，這為未來幾年 AI 在企業(yè)側(cè)落地帶來了巨大的商業(yè)機會。

在過去兩年中，我們也與很多企業(yè)進行了探索。令我們比較開心的是，2023 年我們更多與頭部企業(yè)合作落地，現(xiàn)在形成標準化產(chǎn)品和解決方案后，有更多中小企業(yè)、學校、醫(yī)院等機構(gòu)基于我們的通用方案進行應用。

基于我們的觀察，有幾個重要發(fā)現(xiàn)。首先，AI 應用落地與傳統(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 部門主導建設，建設完成后交給業(yè)務部門使用。但我們現(xiàn)在看到，真正對企業(yè)有可衡量價值的 AI 應用落地，實際上是通過業(yè)務層驅(qū)動的——業(yè)務層優(yōu)先使用我們的工具，認為好用后，再通過企業(yè)引入的方式進行落地。這種模式很好地彌補了過去 IT 部門和業(yè)務部門之間在需求理解和實施方面的 gap。

第二個重要觀察是場景選擇的關鍵性。

我們曾與頭部金融機構(gòu)合作，他們希望第一個應用場景是財務部門。我們有一個拳頭產(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。

當時，我和客戶建議不要選擇財務部門作為首發(fā)場景。為什么？原因是財務部門對數(shù)據(jù)精度要求極高，數(shù)據(jù)復雜度也非常高。

我們實踐下來發(fā)現(xiàn)，比較好的 AI 企業(yè)落地場景需要具備兩個特點：第一是有容錯率，第二是對用戶有很高的增量價值。財務人員本身數(shù)據(jù)處理能力很強，而且報表不能出錯，但 AI 目前無法保證 100% 準確，這就不是最佳場景。

相反，企業(yè)供應鏈、進銷存、人事和運營等領域，雖然擁有大量數(shù)據(jù)要素，但缺乏足夠的數(shù)據(jù)科學家進行業(yè)務分析，這反而是企業(yè)落地的絕佳場景，能夠立竿見影地看到增量效果。

有了這樣的優(yōu)質(zhì)場景進行落地后，才能更快推動企業(yè)進一步擴大 AI 建設。

另一個重要觀點是，AI 在企業(yè)的落地不僅僅是購買一兩個產(chǎn)品，而是一個系統(tǒng)化工程，特別是對大型企業(yè)而言，需要從多個層面為企業(yè)創(chuàng)造深入價值。

我們可以將 AI 在企業(yè)里的價值簡單分為三類：一是個人價值，這相對明確，主要是個人提效，無論是寫文案、寫代碼還是數(shù)據(jù)分析。但在企業(yè)內(nèi)部，整體運營效率不僅取決于個人效率，更取決于整體企業(yè)管理效率，以及團隊間和團隊內(nèi)的協(xié)作效率。

因此我們希望 AI 長期不僅實現(xiàn)個人提效，還能提升團隊溝通效率，降低協(xié)作門檻，在整體管理層面提升效率。當然這需要隨著 AI 發(fā)展來驗證可能性，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 五層進化理論，等到了第四、第五層時，會出現(xiàn)真正的企業(yè)級智能。

我們可以看到，越偏向個人應用，越容易有相對標準的產(chǎn)品和解決方案；面向企業(yè)管理層時，則更加個性化，更需要針對行業(yè)和企業(yè)個體的定制化。

今年上半年，國內(nèi)開源模型非?；馃幔芏嗥髽I(yè)開始自主部署開源模型，但大家遇到一個問題：購買了英偉達或國產(chǎn)化芯片，部署了各類大模型，為什么用不起來？因為對企業(yè)來說，需要的是能夠端到端解決業(yè)務問題的解決方案，而不是單純的模型。

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

在技術層面，我們越來越意識到多模態(tài)的重要性。商湯科技在模型訓練階段，通過引入更多的多模態(tài)協(xié)同訓練方式，在強化學習階段引入沙盒、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)務時的準確性。這非常重要。

為什么說企業(yè)落地比個人落地更加嚴苛？因為個人對精度感知沒那么強，而企業(yè) AI 與企業(yè)最終成果直接關聯(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、各類結(jié)構(gòu)化和非結(jié)構(gòu)化數(shù)據(jù)。在企業(yè)應用時，需要考慮如何結(jié)合模型多模態(tài)能力，實現(xiàn)復雜輸入、融合分析和結(jié)果輸出。

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

過去我們有 Windows、Office 套件，主要基于信息化基礎，面向文檔的工具化應用，后來有了移動互聯(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)槊嫦蛉蝿盏纳a(chǎn)力范式。通過處理不同文件和背景信息，面向用戶任務更主動地端到端解決實際問題，這是生產(chǎn)力工具向生產(chǎn)力助手的轉(zhuǎn)化過程。

這也是辦公小浣熊的演進路線。2024 年 1 月發(fā)布時，我們是國內(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，實際上，小浣熊是一個全新升級的 AI 辦公系統(tǒng)，與傳統(tǒng)辦公系統(tǒng)有很大區(qū)別。

關于具體功能，由于精度非常重要，我們?yōu)槭裁匆鲋袊谝粋€數(shù)據(jù)分析智能體？是因為通過模型訓練和強化學習，在數(shù)據(jù)分析任務上，我們的企業(yè)實際落地精度會超過 95%，在許多垂直數(shù)據(jù)分析任務上甚至可以達到 100%，這是企業(yè)側(cè)真正可用的精度。

如果精度只有 80%-90%，大量用戶使用時會產(chǎn)生很多錯誤信息，所以保證模型在應用場景中的精度至關重要。

第二個重要功能是任務規(guī)劃 Agent。我們發(fā)現(xiàn)，如果明確知道目標，問題相對好解決；但面對復雜問題時，往往缺乏足夠的信息輸入和明確目標，需要通過 AI 引導方式，幫助用戶更好地理解目標，進行深度調(diào)研，給出解決問題的思路。

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

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

最后補充一點，我最近體驗了很多新硬件形態(tài)，包括昨天拿到的英偉達 DGX Spark（AI 超級計算機），非常有趣。

在企業(yè)落地時，成本是重要因素。過去大家認為算力成本很高，但現(xiàn)在隨著技術發(fā)展，無論是推理加速、模型架構(gòu)優(yōu)化還是硬件優(yōu)化，我們在實際企業(yè)落地中有很多優(yōu)秀的低成本硬件選擇。

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

來源：36氪