企业AI落地的正确顺序：先让场景跑通，再让平台生长

企业在推进AI建设时，经常面临一个核心问题：应该先建平台，还是先做场景？支持平台优先的人希望一开始就规划统一的大模型、知识库、Agent和算力平台，为后续各部门复用打好底座；支持场景优先的人则认为，如果连第一个场景都没有跑通，就投入大量预算建平台毫无意义，不如先做几个能落地的场景能用起来再说。这两种声音各有道理，但若将其理解为非此即白的二选一，就容易走向两个极端：平台建得完整却无人使用，或者场景做了一堆但重复投入越来越高。

两种极端的建设陷阱

其实，企业AI既具有“应用创新”的属性，又具有“数字基础设施”的属性。场景决定AI有没有价值，平台决定价值能不能规模化复制。两者不是替代关系，而是先后节奏与投入比例的问题。平台解决“如何复用”，场景解决“为什么要用”。在企业还没有验证“为什么要用”之前，过早讨论大规模复用，往往会把建设顺序搞反。与其争论谁更重要，不如思考：在当前阶段，什么能力应该先建，什么能力应该等场景跑通以后再沉淀。

何时场景先行更明智

有四种情况更适合先从场景开始。第一，企业还处在AI探索期，没有形成稳定的AI用户群，也没有跑通过可复制的业务场景，这时最重要的不是平台完整度，而是尽快找到AI真正能产生价值的地方，先挑1—3个业务痛点明确、数据基础相对成熟、用户愿意配合的方向做验证。第二，预算有限，第一阶段预算只有几十万到一两百万元，如果把大部分投入算力、平台和统一门户，真正留给业务场景的钱反而很少，预算越有限，越应该把钱优先放在可量化的业务闭环上。第三，业务需求还在快速变化，在需求没有稳定之前把平台能力做得太重，容易出现技术方案锁死、业务方向变化的问题。第四，组织协同机制还没有建立，通过真实场景把协同机制跑一遍，比直接建统一平台更务实。

何时平台能力需要前置

同样有四种情况，平台能力应该适当前置。第一，已经确定会同时建设一批AI场景，如果集团明确未来一年会落地十几个甚至几十个AI场景，覆盖多个部门和子公司，重复建设的成本会迅速放大，此时应把模型服务、知识服务、身份权限、工具接入、日志审计等公共能力前置设计。第二，数据与安全边界要求高度统一，央国企、金融、能源、制造等行业对内外网边界、数据分级、模型调用、日志审计、账号权限有统一要求，平台是为了建立统一控制面。第三，多个场景明显共享同一批能力，例如多个部门都需要统一知识库、统一模型网关、统一组织权限，当“重复能力”已经清晰出现时，平台化通常比重复开发更划算。第四，企业有长期运营团队，有专门角色承担模型升级、知识更新、Prompt优化、工具治理和成本监控，平台建设才有组织基础。

可执行的三步建设路径

从多年产业实践经验来看，最稳妥的路径不是“先建一个大而全的平台”，也不是“每个部门各做各的场景”，而是采用三步走策略。第一步，先选1—3个值得做的业务场景，优先选择业务痛点真实、数据能够获取、效果可以衡量的场景，重点关注使用频率、人工成本、业务价值和可复制性四个指标。第二步，只建设“最小公共底座”，包括统一模型接入避免每个场景直接绑定不同模型接口、基础知识与数据接入规范、统一身份与权限、日志与审计、基础评测与运营能力，复杂的多Agent协同、统一开发平台、全量模型训练平台等能力，没有真实需求时完全可以后置。第三步，把被重复使用的能力逐步“长成平台”，当第二个、第三个场景开始出现时，观察哪些能力在重复，把需要模型路由的沉淀为模型网关，都需要知识的建设统一知识服务，都要调用业务系统的建设统一工具目录。

企业AI建设最怕的不是平台不够大，也不是场景不够多，而是每做一个项目都重新发明一套模型、知识、权限、接口和运维体系。真正成熟的做法，是让场景负责证明价值，让平台负责放大价值。平台不是企业AI的起点，而是场景规模化以后自然长出来的基础设施；场景也不是一次性项目，而是平台能力被持续验证和沉淀的入口。最重要的从来不是把平台建得多完整，而是持续把业务价值变成可复用能力。