现在，越来越多知识工作，开始被AI重新拆解。AI公司要触达的市场不是一个技术的市场，也不是软件的市场，而是所有知识工作的市场。
这个市场有多大？10万亿。
但同时另一个现实也越来越清楚。员工用AI写文章、剪视频、做方案等所有工作的速度都变快了，企业的整体效率、收入与创新能力却没有同步增长。
历史上，这种“看得见技术、看不见生产率”的时刻并不陌生。从电动机进入工厂到计算机进入办公室，真正的生产力跃迁，都依赖流程、管理、训练与组织方式的同步重构。
今天，企业也正站在从“AI赋能”迈向“AI原生”的鸿沟前。
本期混沌在线课程，特赞科技创始人及CEO，同济大学教授、博士生导师、设计人工智能实验室主任范凌老师把“商业成为智能体”拆成了三个问题：企业如何成为一个可以持续感知和行动的系统？在这个系统里，谁拥有智能的主权？当AI接手越来越多基础工作，组织会改变？
人的价值会如何迁移？人，还创造什么？
（以下是课程内容的精编笔记，仅占1/8，可通过文末图片扫码进入混沌APP学习完整版。）
不是用AI去加快人、替代人，而是模拟人、理解人
过去这三四年，越来越多人意识到AI跟以前不一样了，甚至每年都不一样。但从更大的角度来看，AI的几个阶段其实就四个。
第一个是AI探索阶段。这个时候我们鼓励每个人开始用AI。第二个是AI赋能阶段，很多人都装了“龙虾”Agent，AI开始做工作。第三个是AI原生阶段。第四个是我们开始创造的新东西之后的阶段，可以称之为AI觉醒阶段。
我们现在可能正处于第二到第三个阶段的转变，但这个转变需要跨越一个鸿沟。我们要从AI提高每个人的效率，跨越到，AI赋能一个组织、一类生意、一种生产关系。所以对象发生了变化。第二个阶段的对象是我们每个人已有的工作，第三个阶段的对象是新的生意、新的生产关系。这应该怎么做？
我想从一句话讲起——企业的目的只有一个：创造顾客。现代管理学之父德鲁克的这句话，现在来看还是商业里最重要的一个目标。只是我们有时会忘记了，所以想要更高效的商业执行力。
创造顾客，是商业最重要的起点。企业的本质就是去找到顾客没有被满足的东西，创造新的产品、服务来解决问题。所以当我们回到这个起点，就会发现对工作进行AI自动化是远远不够的。
AI不仅是帮我们提高工作效率，还能不能帮我们更好去理解顾客？理解人？我们从去年开始尝试做自己的后训练模型，做人的模拟，做用户的模拟。
其中主要分为两个部分。一是需要大量积累群体的数据，为人的共性建模。二是让共性再加上个性，也就是某一个人具体的上下文数据，从而能够模拟这个人。
为什么AI可以做到？因为语言是一个人表达自己的工具和边界。过去语言不可读、不可计算，但现在大语言模型可以。所以我们可以用大语言模型建模，去接近一个人是怎么思考的、怎么做决定的。
通过建模，我们就可以把这些人的模型，放到不同的场景里进行模拟测试，通过提问题、推理答案，从而知道人做行为、判断的原因。这样一个“模拟人、理解人”的模型，我们称之为“主观世界模型”。
它不是一个检索模型，而是一个推理模型。问题的答案来自于对已知语料，也就是基于这个人的性格、上下文，做合理的推演。所以我们做了大量的人类学观察、真实的深度访谈。因为有了这些基础数据，才有机会做“主观世界模型”的训练，模拟用户做AI数字孪生。
而这个模型最重要的一个应用场景，是消费行业的用户调研。我曾接待过一个著名奢侈品公司客户，当我介绍“主观世界模型”时，他说奢侈品行业做用户研究简直是一种侮辱。奢侈品从来不需要用户研究，他们是靠设计、靠感觉、靠主观猜想来做产品的。但是他还说，这个模型可以用在产品上线之后，感知用户的喜好做回归测试，了解一下自己的判断为什么对了或错了。
所以我们会觉得，这个理解用户的模型智能体，并不表示我们做产品必须都要问用户意见才做，只是可以很大地帮助每一个人更好理解你所面对的用户，更好理解行业的需求。
我相信，没有一个企业会说自己不是以用户为中心的。但过去的方式是花很长的时间周期做用户问卷、数据分析，但是数据准还是不准呢？所以用户理解只会越来越重要，也越来越细分和精准。不是再用做项目的方式去理解用户，而是用AI把理解用户变成企业7×24小时运转的能力。
那么“主观世界模型”怎么理解人呢？我们会把底层的训练数据总结成四个层次：表达层，一个人说了什么；叙事层，他为什么这么说。认知层，他这么说的逻辑选择是什么。行为层，他到底做没做、买没买。
比如一个人在表达上会说自己是很理性的消费者，但是在行动上，一提到孩子教育就会冲动消费了。所以我们通过这四个层次，建模人的复杂性和矛盾性，从而能够更好地更准确地模拟用户的行为、判断和想法。
模拟人之后具体干什么，怎么干？有一个常春藤的教授做过一个研究为什么中国的年轻家庭不生孩子的项目，但是他让学生去做的调研质量是有限的，只能是让人填表做选择回答问题，是结构化的调研，最终把这些真实人群变成统计学口径的答案。
我当时介绍他用AI做调研，给每个人发一个链接，打开后是一个AI研究员来问问题，如果同时发给2万个人，就能拿到2万个对话数据。那么他的每个研究样本是6个人，就是一组家庭里的年轻夫妻和各自的父母，所以最后2万个样本就是12万个人。
他做完AI采访后就积累了大量的访谈数据，最后选择了几千个有代表性的语料做成了数字孪生人。然后把一家六口的数字孪生人放到一个虚拟的群里去讨论话题，从而可以观察到大量的讨论书。然后他还抽出所有的男方父母分别拉到群里，讨论“政府补贴应该给家里的谁会对生育率的影响最大”。
这才是这个模型的工具性，这种利用AI的方法，可以扩展我们对用户的理解。为了让这个模型更容易被调用，我们现在也做了Agentic Research Studio（代理研究工作室）。企业可以在Atypica这个智能体研究平台上去调用“主观世界模型”。
举一个例子，一个汽车品牌。以前一辆新款车从研发到上市，可能需要五六年，甚至七年。但是，七年前定义的这群用户，在上市时肯定变了。现在，车企研发的效率比手机还快， 六个月就出一台新车。所以，也就可以用这套“主观世界模型”来定义汽车用户。
第一步，界定一个非常细分的人群，比如有两个以上孩子的年轻家庭。然后就用模型去结合大量的用户画像，捏成用户的数字孪生。在用户数字孪生的初期，组织产品共创群模拟消费决策。比如可以增加家庭里妈妈和孩子的视角，这比以前只拥有爸爸这个开车的人的数据更容易发现新需求，可以从各种维度讨论，快速高效地跑产品测试。
测试跑完以后，也会给研发团队很多启发，研发做完后又可以把产品放到模拟用户里去做校验。用户喜不喜欢？要不要？有什么可以改进？校验完了以后就进入到产品的最终确认，安排上市。上市的时候，还能够在模拟用户群里问关于营销的问题，训练销售的话术和技巧。在现实中成功卖出去的数据也能够放回到模拟用户的数据中。
这是一种可以和消费者代表进行模拟互动的平台。随着使用场景越多，每一个企业对用户的理解越深，就越能沉淀出更真实准确的用户模拟能力，效果也会变得越好。
所以我们这个Agentic Research Studio（代理研究工作室），其中一个很重要的价值功能，就是把原来连续的工作过程，拆成了每一段都可以让人介入，不把所有东西都自动化，而是人机互动，在过程中给出反馈、持续进步。
用两个世界模型，让企业找到新任务与新价值
那么除此之外，还有第二个角度，就是只有外部的输入和理解是还不够的。我们还需要第二个模型，一个去理解企业怎么运作的模型。
推特的创始人Jack Dorsey 有一个假设。我们之所以需要现在这样的层级，都是为了能够传递上下文，但多层的等级就会牺牲企业的敏捷性。所以他提出，能不能让企业从一个等级的组织变成一个智能的组织？不是大家传来传去，而是大家去同一个地方获取智能。
过去，智能都在人的脑子里，是因为人是对很多东西的理解最好、最强，但是现在AI的理解能力变强了。举一个例子，现在每次开会可能都会录音，让AI直接生成会议纪要，我们不用人去听录音整理文档了。所以这些录音，以前没法处理的数据，现在可以成为重要的上下文。
组织里的知识都可以被称为组织的上下文。只是原来的数据绝大多数都是结构化的，可以在Excel表格里进行计算的数据，但其实真正有价值的非结构化数据，图、文、视频、声音、 3D 模型，里面有很多隐性知识。这些隐性知识以前没有办法被系统化地表达，甚至只能意会不能言传，但现在AI能够去读懂这些非结构化数据了。
当然，这些隐性知识还是难以被归纳总结，但是我们持续积累正例、反例，不停地调整。积累越多，你的Agent就能越好。所以企业内部对知识、技能、判断、决策这些上下文的积累，越来越有价值。
我们以前也在积累，我们会做知识库、写各种文档，只是文档一多就没法维护，写完后甚至找不到。但是现在AI可以自动去跑，在做的过程中接入AI，让AI不停地积累。
所以第二个模型“企业世界模型”，最底层是各种企业内部的数据，中间是积累上下文的方法和规则，再上层就是形成的分别给人和Agent 用的东西。
有了这两个基础的世界模型，我们可以在中间干很多事情，这些事情都称之为 Enterprise Agent Layer（企业级智能体）。
中间可以有一堆不同场景的Agent ，包括前台、中台、后台。在不同场景中，这些Agent的行动方式也有差异。
简单来说，一种是人来用的Agent，必须要人驱动打开，需要人写提示词。比如豆包、Workbody 、GPT，都是探索式的开放式的对话。另一种是AI用人的Agent，7×24小时驻留在后台，它会自动感知变化，比如到时间点就会去搜一搜、看一看。任何一个企业和组织里，都会并存这两种Agent。
比如我们给一个消费品品牌做过一个产品创新Agent，7×24小时主动地、长程地感知信号。最近市场销售情况怎么样？竞品情况怎么样？我的用户最近有没有吐槽什么？
收集信号后，Agent自动做规划，要不要做一个新的产品概念？还是迭代一个旧产品？或者是去发掘一新IP合作？它会给主管发一个邮件，如果24小时内得不到回复，它就继续干下去，做一些demo出来。如果这时候还没有反馈，它就会去找主观世界模型里的模拟用户，想想怎么做营销、上架、包装等等。
这个Agent我们大概做了一年多。第一个阶段是做了两个copilot（智能助手），一个是帮助做新品研发的信号Agent，一个是帮助做包装设计的创造Agent。第二个阶段才开始做工作流。 这个区别在于，copilot是已经定好的工种，是用Agent提高工种效率，工作流是跨职能的。有了工作流，原来要5个不同工种Agent做的事情可以自动跑通。
所以我们开始试着用人做“信号-规划-创造”，然后是人机交互做“信号-规划-创造”，最后到Agent自动做“信号-规划-创造”。第三种自动Agent最后能达到70分、80分，与另外两种的水平基准差不多。
建立什么可用、什么符合市场与品牌要求的benchmark（评价基准）之后，我们就把用户和企业的模型合进来了，形成一个完全可以自我运转的Agent 。结果不只是原来的东西被提效了，原来的成本降低了，而且还创造了一些新的东西。这个项目的负责人说，他们今年比去年的新品开发大概多了10倍。
他把这个Agent叫认知脚手架（Cognitive Scaffolding）。因为原来的讨论从0分到70分都是人，要在最开始就带着主观认知花很多精力做跨部门讨论。现在在聚到一起讨论之前，就已经先有20个新产品想法了，讨论话题变得很集中很聚焦。人可以把时间放到更高维的创造过程当中去。AI把工作从0分做到70分，人是从70分做到100分，甚至是150 分。
2024年诺贝尔经济学奖得主阿西莫格鲁讨论自动化时，一直强调另一个方向：技术不仅替代任务，也应该创造新任务、新岗位和新的劳动需求。如果只强调自动化，人的工作和收入减少，消费也会受到影响，最终可能形成负循环。
所以我想说，自动化其实就是内卷，是故事的前半部分；自动化以后产生的新角色、新产品和新价值，才是故事的后半部分。商业成为智能体，就是希望把企业变成能够持续理解用户、持续理解自己，AI 主动行动、人持续进步的一个系统。
企业如何自己拥有智能主权？在模型上做可迁移容器
当企业逐渐变成这样一个智能系统，下一步的问题就是，谁会拥有智能的主权？
是底层模型公司、云平台、服务商，还是企业自己？企业每天都在使用AI，但是有没有积累自己的智能？
AI能力越强，这个问题越不能回避。企业一定要拥有智能主权，要能够拥有不停增长、不停成长、不停变聪明的智能的认知的主权。
拥有智能主权并不代表所有东西都要私有部署和自建研发，关键在于，当通用模型变成企业自己的能力时，企业能不能控制、治理、校正和带走它。
我们在通用模型上用一些提示词就能做一个Agent，但这不叫拥有智能。在模型之上，企业需要逐渐形成自己的智能容器：针对特定场景的后训练，持续维护的上下文，约束智能体行动的边界，以及持续学习机制。
通过这四层设计，随着技术的发展，企业自己拥有的智能容器，会变得越来越丰富。但其中还有一个原则很重要，我叫模型中立。企业应该有权力切换底层模型，切换时能够把包含这四层的智能容器都带走。否则，一旦某个模型不可用，企业积累的智能也会一起消失。
我觉得企业或者用AI的人，更需要做的是基于场景的定制化Agent，下面的运行环境可以买。就像我们买房，你会找专业人士去盖、去装修，但产权是你的。你拥有，并不代表你要自己建。所以你一定要拥有主权AI的六大权力，但你也要区分哪些是构建，哪些是购买，哪些是你的核心的能力。
我希望每个公司能够拥有主权AI，给生意带来复利。而不是一旦某个模型不可用，企业积累的智能也一起消失了。
AI像土壤，永远需要人的浇灌和创造
我一直在想，我们作为产品创建者，总想要做标准化的产品，放之四海而皆准，但我觉得这在AI时代不再奏效了。
AI时代没有所谓的标准产品， 更像是做三个阶段。第一个阶段是我们先去寻找用例，把平台搭建起来。第二个阶段，平台建完后要移交客户，所以我们要培训对方的开发人员、移交技术文档，让企业在平台上自建应用。第三个阶段，我们成为一个旁观者，只确保下面这套平台基座可以合理有效地运行，上面的用例都交给企业自己搭建。
每个阶段各有侧重，但最终我们都要想怎么样把主权让渡给客户。所以我们不再是做一个标准产品安装给用户，同时给用户一个使用地图，更像是给一片土壤，从“我替你浇灌”到“你自己浇灌”。
这也是人在这个智能体系统里的重要性。当商业成为一个整体，谁来浇灌？谁在创造？是人。
我每年都会问公司团队的朋友们：AI 转型中遇到的最大瓶颈是什么？到2026年，我们内部形成了一个“1:2:7”的观察，10% 的瓶颈在模型，20%基建；70% 在人和流程，因为流程越大、人越多，挑战越大。
但这70%也是每个企业的差异点。模型本身不构成竞争力，如果这70%的人的变化做得好，就是机会，做得差才是瓶颈。
科学家巴克敏斯特·富勒说过，你永远无法通过对抗现实来改变现实，你只能创造出新模式，让旧模式自行过时，才能真正改变现实。比如我今天要让一个人过河，最傻的办法是教他游泳，最好的办法是做一座桥。用桥过河如此之容易，以至于其他人也都选择走桥过河了。
所以我觉得一个企业里，总要先有一些人去尝试新的方式，改变原来的价值链。虽然我们认为AI是一次新的工业革命，但事实上对人的机会恰恰相反。
工业革命是千行百业，每个人是高度细分的分工。但是AI可以帮你从0分快速做到70分，哪怕你本身并不会做这件事情。所以人的价值链更完整了，一个人的专业能力，和其他通用能力会有更好的平衡。
我们重新返回到了文艺复兴时期的人，是作为一个更全能的人，更好地为结果负责，而不是为自己的职能负责。
所以我觉得也会有一个结构的重组。原来是等级制的，现在是智能体和人协作，从一个三角形变成一个正方形。我们人会成为倒三角形，越往上越有价值。专业的判断、知识和手感，尤为珍贵。
————推荐阅读————