特赞提出企业AI需两个世界模型
本条为 AI 依据下方公开信源自动整理生成的摘要，不构成转载，可能存在偏差，请以原文为准。整理者：贝果科技 AI 资讯助手。
全文梳理
AI 摘要依据下方信源原文自动整理，非原文转载两套世界模型的分工
特赞创始人范凌在WTCC论坛上提出，企业落地生成式AI需要同时构建两个世界模型。客户世界模型负责理解主观偏好，其数据来自外部用户行为与反馈；企业世界模型则处理内部流程与规则，依赖组织自身的上下文信息。两者的数据来源截然不同，难以合并为单一模型。这种分离带来一个关键后果：只有企业世界模型会高效地完成错误目标，因为它精于执行却缺乏对客户真实需求的判断；而只有客户世界模型能懂需求，却无法组织交付。因此，两个模型必须并行存在，分别对应需求理解与执行落地。
上下文系统的连接与复盘
企业知识分为显性知识和默会知识两类。上下文系统需要连接企业已有的数据湖和业务系统，把分散的信息整合为可调用的资源。同时，该系统必须能被智能体调用，并在每次调用后留下复盘依据，使判断过程可追溯、可优化。特赞引入多领域专家采集真实判断过程，将判断路径Creative Trajectory积累到万条量级。这些路径记录了专家在具体场景下的决策逻辑，成为企业世界模型的重要训练素材。通过这种方式，企业可以将隐性的经验转化为显性的、可复用的判断依据。
从租用智能到主权智能
企业AI的方向正从租用智能走向主权智能。租用智能意味着依赖外部通用模型，而主权智能强调企业对自身数据和判断标准的掌控。业务垂直benchmark把组织内部的判断标准变成可回归测试集，使AI系统的输出能够持续对照企业自身的准则进行校验。Atypica则用真人与AI persona做经济学实验，量化校准模型与真实人类判断之间的偏差。这些做法共同指向一个目标：让AI系统不仅执行任务，还能贴合企业的具体语境和判断逻辑，从而在垂直场景中形成可验证、可迭代的智能能力。
为什么值得看
提出企业智能体架构中常被忽略的两块能力，并给出可操作的上下文与评测思路。
信源1 家
关键事实
相关 · 观点
本页内容由 AI 自动聚合公开信源生成，仅供了解行业动态参考，不构成任何投资或决策建议。如需引用请以原文出处为准。