企业AI为何陷入“高覆盖、低增益”困局：从工具提效到经营跃迁的跨越之路

AI在企业中的普及早已是既定事实，但一个反直觉的现象正在蔓延：部署覆盖面越来越广，真正兑现经营价值的案例却凤毛麟角。麦肯锡2025年全球AI现状调研揭示了这一困局的全貌——88%的企业已在至少一个职能中常态化使用AI，但真正进入规模化阶段的企业仅约三分之一，完成全面部署的更是低至7%；即便已在使用AI的受访者中，也只有39%认为AI对经营利润产生了实质影响。这组数据将一个根本性问题摆到台面：AI确实进入了企业，但它进入的是企业经营系统，还是仅仅嵌入了局部提效环节？当技术喧嚣逐渐平息，真正值得追问的是：模型接进去了，工具也铺开了，为什么企业迟迟没有等来预期中的经营跃迁？

系统缺的不是模型能力，而是贴近经营的认知结构

当下企业AI卡住的地方，不在模型可用性，而在系统缺少足够贴近真实经营过程的认知结构。通用大模型在总结、生成、改写、分析等大量任务上已表现出色，对个人用户而言，这些能力足以构成高频工具。但企业经营从来不是一系列离散问答，而是一整套持续运转的复杂系统——外部有客户、渠道、市场和竞争信号，内部有流程、资产、角色分工、权限体系以及历史决策逻辑。模型如果无法进入这套系统并理解其运转规律，即便局部能力再强，也很难稳定映射到经营结果。企业真正缺少的，不是“会做事”的AI，而是“知道为什么做、该不该做、做完之后如何继续做”的AI。这才是多数企业尽管处处用AI，却始终感觉没有真正融进业务的根本原因——AI还没有获得足够贴近现实决策的结构。

从“更快生成”到“理解为什么值得做”

在企业经营中，很多关键问题都不是流程问题，而是偏好、判断、动机和情境问题。用户为什么停留、为什么转化、为什么流失；同样一段内容、一个产品表达、一种沟通方式，为什么对一类人有效而对另一类人无效——这些问题决定的是经营动作的方向，而不仅仅是动作执行的效率。如果企业AI只是在“更快地生成内容”这一层进步，那么它带来的大多仍然只是提效，而不是经营系统的升级。范凌提出的“两个世界模型”为这一困境提供了关键解法：一个是主观世界模型，由外而内，理解用户是谁、想要什么、为什么这么做；另一个是企业世界模型，由内而外，理解企业自己是谁、有什么能力、积累了什么认知。主观世界模型真正重要的地方，不在于为用户贴了更多标签，而在于它试图逼近一个更难的问题——人在具体情境中如何形成判断，又会在什么条件下改变判断。如果说传统生成式AI解决的是“能不能做出来”，那么主观世界模型所指向的，是“为什么值得做”。

长程智能体：企业AI从生成器走向场景系统的关键一跃

理解用户并不等于进入企业。主观世界模型之所以重要，不只是因为它更懂客户，而是因为它让企业AI开始真正进入场景。真实的经营场景中，问题几乎从来不是“一轮输出”就能解决的。任何业务动作都伴随着连续判断：这个方向值不值得推进，这种表达是否适配当前用户，这个动作进入市场后会引发怎样的反馈，如果反馈不及预期，后续又该如何调整。当下很多AI产品更像Copilot，擅长局部提效，但默认前提仍然是人持续主导全过程，系统只在局部节点提供支持。可经营活动本身不是一串孤立节点，而是一个跨时间、跨角色、跨系统的连续过程。只要系统无法在这个过程中保留目标、调用上下文、接收反馈并修正动作，它就更像高级工具，而不是企业真正需要的智能体。长程智能体（Long-Horizon Agent）的价值正在于此——它不是完成一次回答，而是在执行中保留状态，在反馈中修正判断，在多系统之间调度资源，并在关键节点把结果交还给人完成更高密度的决策。它代表企业AI从“被动回答”走向“持续运行”的关键一跃。

判断沉淀为系统资产：企业级AI的真正竞争点

企业不会因为拥有长上下文模型就自动获得长程智能体，中间还隔着企业自身的场景积累、判断积累和系统积累。系统要真正进入经营，不可能只靠基础模型，还需要逐步吸收企业自己的内容资产、品牌边界、流程规则、渠道反馈、历史经验，以及最关键的那部分专家判断。真实经营中最值钱的知识，很多并不写在文档里，而存在于资深从业者的取舍逻辑里：什么值得做、什么不该做、什么表达虽然流畅却偏离品牌、什么反馈只是噪音、什么变化必须立即响应。这些对应着“两个世界模型”中的另一半——企业世界模型：由内而外地理解自己是谁、有什么能力、积累了哪些认知。只有当企业自己的场景理解、判断逻辑和任务链路持续沉淀进系统，主观世界模型所理解的用户才能真正落到企业自身的经营动作上。如果这些判断无法逐步沉淀为系统资产，企业AI很容易停留在“通用聪明”，却很难长成“业务可靠”。某种程度上，这也是企业级AI最终的竞争点所在——真正值得比拼的不会只是模型能力本身，而是谁更早把自己的场景理解、专家判断和任务逻辑，沉淀成一种可调用、可校准、可复用的系统能力。

当AI从单点工具演化为具备长程运行能力的场景系统，当企业的专家判断逐步沉淀为可复用的系统资产，AI在企业中的位置才会发生质变——它不再只是一个加速器，而开始成为经营判断的前置系统。企业AI的成败，不在模型的参数规模里、不在单次输出的质量里，而在企业自身判断能否持续进入系统并驱动业务运转的每一个执行节点里。