在受访的企业中，有 95% 的企业生成式AI试点没有带来可衡量的损益回报；与此同时，超过 90% 企业中的员工已经在用个人AI工具干活，真正购买官方企业订阅的公司却只有40%。

“世界模型”这个词，说简单点，就是一个系统能不能回答： 如果我这么做，接下来会发生什么 。

一个向外，理解客户。 客户为什么会偏好某个选择，什么会让他们改变主意，什么样的表达和产品更容易被接受。这一层，特赞在论坛上的说法是“客户世界模型”，也就是后来材料里更常出现的“ 主观世界模型 ”。

一个向内，理解公司。 一项决策进入企业内部之后，会经过什么流程，受哪些资源、规则和协作关系影响，最后能不能真正落地。这个部分更接近“ 企业世界模型 ”。

“理解公司”的企业世界模型，处理的是流程、资产、规则和默会知识，靠的是组织内部长期积累的上下文。

也正因为这两套东西的数据来源、更新节奏、责任归属都不一样，它们很难被粗暴合并成一个大模型。

如果说客户世界模型更接近外部感知，那 企业世界模型最难的地方，其实在内部知识的识别、组织和利用 。

如果说企业世界模型解决的是内部上下文，那另一个正在发生的变化，是 专家判断开始进入训练数据 。

据论坛和相关技术资料披露，特赞已经引入了大量不同领域的专家，参与真实判断过程的采集和标注，让训练信号不再只依赖通用数据，而是开始包含业务语境里的判断路径（Creative Trajectory）。与此同时，一些合作机构也在沿着类似方向推进研究，相关判断路径的积累已达 万条量级 。

因为企业里最值钱的知识，如判断标准、取舍逻辑、风险敏感度，互联网上没有，通用模型里也没有。

一家公司的品牌边界、一家团队的选品逻辑、一个管理者对风险的容忍区间，这些都不在公开评测集里，也不在通用模型的默认价值观里。

所以业务垂直benchmark真正有价值的地方，不在于给模型打一个分，而在于它把组织的判断标准变成了一个能持续回归、持续比较、持续修正的测试集。

一旦这个东西存在，模型升级、流程调整、团队变化到底带来了什么能力变化，就不必再靠“感觉变好了”来判断。

在Atypica的场景中，通过让真人和AI persona去完成同样的经济学行为实验，再用两者之间的差异来量化校准模拟效果，从而反哺到模型训练和优化中。

量子位今年7月在WAIC现场报道时提到过一个结果：主观世界模型在行为模拟上的准确率达到85%。

当然，这种模拟和benchmark本质上还是校准工具，它们能让研究和验证更早发生，但不能替代真人研究本身。

论坛上给出的说法是，企业智能体真正要跑起来，得转动一个完整闭环： Signal、Plan、Create、Evals 。

但企业真正需要的智能体不是这样。它是长程的，可以持续运行，得进入工作流，得跨时间保留目标、状态和反馈，而不是每次都从零开始。

这句话重要的地方，不是“80分”和“120分”这两个数字，而是它重新定义了人和智能体的分工。

两者不是替代关系，而是错位分工：AI负责把大量可Token化的工作往前推，专家真正有价值的地方，仍然在最后那段高密度判断里。

把这些线索放在一起看，企业级AI进入了一个新的阶段，“两个世界模型”给出的，其实就是这套能力在企业架构里的表达：

值得一提的是，特赞在WTCC论坛上同步发布了 Agentic Transformation共建计划 ，把高校、研究机构、企业、模型与技术伙伴、专业实践者都拉进来，原因也很简单：这条路还没有被完全验证，很多问题没有现成答案，只能在开放协作中边做边成长。

量子位 QbitAI 版权所有©北京极客伙伴科技有限公司 京ICP备17005886号-1