作者｜齐马
编辑｜星奈
媒体｜AI大模型工场
过去两年，AI发生了一个微妙的变化。
模型越来越强，能做的事情越来越多，但“模型强”这件事本身，却越来越难成为一个企业采购AI的充分理由。
原因并不复杂。模型能力在快速扩散，Agent、工具调用、Coding等能力也逐渐成为行业标配。一个几个月前还足以让人惊叹的Demo，很快就可能变成下一代产品的基础能力。
于是，一个更现实的问题摆到了所有AI公司面前：当模型、产品甚至开源代码都越来越“平权”，企业为什么还要为你的AI付费？
在AI大模型工场2026 AI产业生态大会上，商汤科技大模型产品副总裁贾安亚给出的答案是：
企业要的不是Demo，而是真正的交付，是端到端、可衡量的价值。
这句话指向企业AI的“价值实现”机制。从个人端节省时间，到组织层面完成获客、决策、交付和复盘，中间横亘着数据接入、流程重构、精度验收与组织协同等多个环节。任何一环缺位，局部提效都可能停留在纸面，难以沉淀为企业级生产力。
商汤的应对并非简单叠加功能，而是将“工具+交付”视为一体化能力：以通用产品承载模型和智能体能力，再用多年积累的B端及政府侧经验完成场景定义、系统适配与结果验收。其本质，是把一次性的技术演示改造成可复制的交付范式。
据贾安亚现场介绍，小浣熊已积累2000万个人用户，并服务超过8000家企业用户。用户规模提供了产品迭代基础，但真正决定企业侧可用性的，仍是垂直场景中的精度、稳定性以及端到端闭环能力。
演讲还将视角延伸至OPC（一人公司）：行业专家、历史爱好者和视障开发者如何借助AI，把经验、兴趣与实际需求转化为产品。由此形成的判断是，AI的产业价值不能止于“能不能做”，还要落实为可验收、可复用、可规模化的业务结果。
核心观点梳理
模型平权了，产品和开源代码也平权了。此时的价值点，在于把AI技术与智能体能力带入真实场景，让个人和企业获得增量价值。
企业提效和个人提效不是等号。对企业来说，获客与增长排在降本增效之前。
所有付费逻辑都是一样的：只有给到个人与企业情绪价值、商业价值或社会价值，用户才会为AI付费。
AI最本质改变的是供需关系。过去ROI测算不出来的价值，现在可以通过极低的成本去实现。
企业要的不是Demo，而是真正的交付。企业级交付无法靠个人工具或SaaS产品完成，需要“工具+交付能力”。
商汤把To B交付服务标准化，用标准化的方式交付个性化的产品。
企业场景对精度要求极高，80%-90%不可用，需在关键场景优化到95分以上。
企业用AI有三种方式：个人使用、团队协同、面向业务的端到端闭环。商汤把更多精力压在第三种。
AI最重要的是让人类过得更好，而不是替代人类。企业外增加值大于内增价值。
以下为贾安亚演讲全文：
商汤科技自2014年起持续布局人工智能，早期聚焦计算机视觉，近年来进一步拓展至大模型与算力，并始终推进企业级AI落地。围绕如何以AI能力更有效地服务企业与用户，我们进行了长期探索。接下来，我想结合过去三年的实践，分享一些阶段性思考。
过去两年，AI从知识问答逐步走向复杂任务执行，但模型在基准测试中的表现，并不等同于真实业务流程中的任务完成能力。企业应用不仅需要模型理解问题、形成分析思路，还需要接入数据、调用工具、处理执行反馈并校验结果。对于办公和数据分析任务，关键在于模型与文件、数据库、浏览器及业务系统之间形成可靠的执行链路。
回顾小浣熊的产品路径，我们从一开始就重视代码生成、工具调用与任务执行，而不只关注模型能否回答问题。代码能力使模型能够生成可执行的分析步骤，工具调用与执行反馈则把这些步骤转化为实际结果。在商汤的系统级AI能力支撑下，小浣熊通过模型层、Token工厂与智能体管控系统的协同，兼顾基础能力、规模化调用成本与任务交付稳定性。
当模型与工具的可获得性不断提高，产品价值更取决于能否进入真实场景，并产生可衡量的结果。以这次演讲的PPT为例，小浣熊能够在确认大纲后，通过多轮交互完成制作。但生成一份PPT只是起点。对于个人，更重要的是拓展专业能力、改善工作体验，或形成可持续的收入机会；对于企业，则要进一步验证这些能力是否改善决策、交付与经营表现。
从个人提效走向业务增长与经营改善
对企业而言，AI的价值不应仅停留在节省工时，还应体现在获客增长、交付能力和经营质量的改善。ERP、CRM等信息化系统构成了企业管理的重要基础，AI则需要在此基础上，进一步连接业务数据与执行流程。我们更关注的是：应用能否在可控的部署与使用成本下，缩短从需求识别到业务行动的周期，并带来可持续、可衡量的收益。
过去几年的实践让我们看到，能够进入真实工作流程、持续解决具体问题的AI应用，更容易建立长期使用与付费关系。对个人而言，价值可以是更好的工作体验、更强的专业能力或新的创作机会；对企业而言，则需要体现为业务效果、可靠性和合理的投入产出。只有在具体场景中验证这些价值，才具备进一步复制与推广的基础。
互联网通过连接改善信息流动和供需匹配，AI则进一步改变了知识处理、专业服务和任务交付的成本结构。一些过去受专业人才、成本或交付周期限制而难以满足的需求，因此获得了新的实现路径。原有投入与预期收益可能并不匹配；AI是否改善投入产出，还需要综合评估模型调用、数据治理、系统集成、运行维护和人工复核等成本，而不能只比较单次生成价格。
我们希望帮助用户识别可产生增量价值的场景，并完成从需求定义到结果验收的交付。对于复杂企业场景，单一工具功能并不足够，还需要数据接入、权限管理、系统集成和工作流适配，具体部署形态则应根据客户需要选择。商汤小浣熊依托长期积累的行业理解及售前、交付、售后能力，通过FDE等贴近业务现场的交付方式，将模糊需求转化为明确任务，并把交付经验沉淀为可复用的产品能力。
小浣熊以代码研发和自然语言数据分析两个强交付场景为起点。2024年初上线的办公小浣熊，重点是让用户通过自然语言提出分析需求，借助模型的代码生成与工具使用能力完成数据处理和分析。对于经营优化、供应链管理与增长决策而言，数据分析始终是核心能力；我们的目标是降低业务人员使用专业分析工具的门槛，支持数据驱动的决策，而不是以AI完全替代专业分析师。
办公小浣熊早期采用的是“代码解释器（Code Interpreter）”的智能体方案：模型理解需求、规划步骤并生成代码，在沙盒环境中通过代码解释器执行，再依据运行结果与错误反馈调整后续步骤，交付分析结论、图表和报告。ReAct组织推理与行动的交替过程，代码解释器提供代码执行能力。与以自然语言问数和查询结果展示为主的典型ChatBI形态相比，小浣熊从起点上就强调代码驱动的多步骤数据处理与分析，而不只是为既有BI增加对话入口。在此基础上，我们持续扩展工具调用、复杂任务规划和多端协同，逐步演进为面向任务交付的AI原生办公智能体平台。
企业需求具有行业和组织差异，但这并不意味着每个项目都应从头开发。我们的做法是以共用底座承载模型调用、数据连接、权限管理、任务运行与运维，把业务规则、流程模板、校验方法和验收指标沉淀为场景产品包，再通过必要的配置、集成和定制适配客户。交付过程中形成的有效能力，还应进一步沉淀为标准化技能、产品模块和行业版本。标准化的是交付底座与可复用方法，而不是要求企业放弃个性化需求。
我们坚持开放连接客户已有的工具、数据库与业务应用，而不是要求客户替换现有系统。具体接入需通过系统接口、连接器与权限机制实现。小浣熊以个人端的高频使用验证需求与打磨产品，将成熟能力沉淀为标准化技能，面向中小企业形成低门槛方案，并通过FDE与私有化部署等方式满足大型企业和行业客户的深度集成需求。这是一条C-to-B的需求验证与能力沉淀路径，企业方向始终未变。
在具体产品设计上，我们区分开发者与业务人员的使用需求。面向运营、市场、财务、采购等业务岗位，小浣熊通过自然语言交互降低数据分析和任务规划的使用门槛，减少业务与技术团队之间的重复沟通。业务人员仍需对指标口径、分析目标和关键决策负责，AI则承担可工具化执行的工作，使业务需求能够更快转化为可验证的结果。
从2024年开始，用户逐步将小浣熊用于数据分析与业务调研。AI能够协助完成资料整理、数据处理和报告生成，缩短从发现问题到形成分析结论的过程。但效率提升的意义并不只是完成更多任务，而是让分析结果更及时地进入业务规划、供应链优化及公域、私域营销决策，为进一步验证增长机会提供支持。
这条路径的核心，是将个人端验证过的任务能力沉淀为产品和场景资产，再通过行业交付进入企业真实流程。
端云协同，
企业落地需要可验证的可靠性
智能体产品的发展，使AI更直接地进入文件处理、浏览器操作与业务系统执行等工作环节。小浣熊从早期数据分析延伸到桌面端，延续了以代码与工具调用为基础、面向真实任务交付的既定路线。企业的数据和流程既可能位于本地电脑，也可能分布于企业数据库、私有云或其他业务系统，因此需要按场景组织端云协同。桌面端在授权范围内处理本地任务，企业侧则根据数据权限与业务需要连接相关系统，并结合SaaS、私有化部署或软硬一体化等方式实施。
小浣熊累计服务用户已达2000万量级，服务企业超过8000家。企业落地的难点不只是连接数据库，更在于统一业务语义与指标口径，使结果在具体流程中可验证、可追溯。数据分析应由模型规划任务，调用Python、SQL、Excel等工具完成确定性计算，再对数据类型、缺失值、异常值、公式与前后口径进行检查和复算。精度不能用一个统一百分比概括所有任务；是否达到可用标准，应由具体任务、评测集和业务风险共同决定，并结合必要的人工复核。与此同时，还需要明确适用场景和使用角色，配合培训与持续运营，让能力真正进入日常业务流程。
OPC实践：将个体能力转化为
可复用的社会与产业价值
在杭州举办的OPC能力挑战赛中，我们看到了三类具有代表性的实践：专业经验产品化、兴趣驱动的创新，以及面向无障碍需求的应用开发。
第一类是行业专家。长期积累的专业经验，过去往往依赖个人服务或师徒传承，规模化复用存在一定门槛。借助AI，这些经验可以逐步转化为工具、技能模板和专业应用。例如，景观审图项目借助小浣熊将行业经验转化为应用，探索面向企业的商业化落地。它的价值不仅是完成一个项目，更在于把专业方法沉淀下来，并在更多真实需求中验证和复用。
第二类是兴趣驱动的创新。一位历史爱好者开发了“故事地图”，通过地图与交互方式呈现历史人物的经历。这类实践说明，AI能够降低将创意转化为应用的门槛，使个人兴趣获得更直观的表达形式，并有机会触达具有相似需求的用户。
第三类是面向无障碍需求的应用开发。一位视障参赛者借助语音交互与小浣熊开展开发，搭建了服务视障群体的学习系统。这一案例的意义，在于降低交互与开发门槛，让具有真实需求的人能够参与产品创造，推动技术能力更普惠地服务不同群体。
这些实践体现了AI在能力普及与社会价值创造方面的潜力。对于小浣熊而言，个人创新也是发现真实需求的重要入口；通过专业经验沉淀、标准化技能和生态协作，有价值的实践才能进一步形成面向团队、企业和行业的可复用能力。
对企业来说，AI的价值最终要通过可靠交付和业务结果体现。应用评价不仅要看内容是否生成、任务是否完成，更要看订单增长、交付能力、质量稳定性、库存周转、风险损失和服务满意度等指标是否改善，并将相关收益与部署、使用和持续运营成本相对应。增收、提效与合理降本，共同构成企业评估AI投资回报的基础。
对个人而言，AI正在拓展完成任务的能力边界。工作不再只能围绕既有岗位工具展开，个人可以将专业判断、经验和创造力，与数据分析、研究、开发和内容交付等能力结合。我们鼓励用户从真实需求出发，在使用中验证AI的适用范围与结果质量，逐步形成能够服务个人、团队乃至更广泛群体的能力。
AI的价值，
在于放大个人与企业的核心竞争力
商汤的优势，在于长期产业实践中积累的行业理解、系统集成与交付能力。小浣熊将这些经验沉淀为可复用的底座、技能、场景产品包和行业版本，并通过企业、高校、开发者与社区协作，推动需求发现、能力验证、产品沉淀和规模化交付形成循环。OPC与FDE连接的是个人创新与企业真实场景，目标不是让每个项目重新开发，而是持续提高交付质量与复制效率。
从产业与场景布局看，小浣熊以“1＋N＋X”组织通用能力与行业应用：“1”是以AI原生数据分析能力为核心的产品底座，“N”是经营分析、市场营销、财务审计等通用职能场景，“X”是结合行业数据与业务经验形成的深度应用。通用场景追求可复用，行业场景则需要结合业务规则、数据权限、系统连接与安全要求进一步适配；教育、金融、政数等专业版本，是这一方向的具体体现。
AI并不替代个人与企业原有的核心竞争力，而是帮助其获得更有效的应用与更大范围的复用。对于个人，关键是把专业经验和创造力转化为可交付能力；对于企业，关键是将这些能力连接到真实流程，以持续可验证的业务结果衡量价值。小浣熊将坚持以任务交付为核心、以数据分析为技术长板、以专业经验沉淀和生态协作为支撑，服务个人、企业及OPC实践，让技术能力转化为可持续的个人成长与产业价值。
■ 商汤日日新、腾讯，昆仑万维 ▍ 金融大模型案例
■ 盘古大模型，中国电信，医联 ▍医疗大模型案例
■阅文大模型，腾讯音乐大模型 ▍ 文娱大模型案例
■知乎，360大模型，火山引擎 ▍ 教育大模型案例
■ 网易，金山办公大模型 ▍ 更多行业大模型案例
上次介绍央国企如何让AI真正用起来？从会议室这个高频场景说起
本文由大模型领域垂直媒体「AI大模型工场」
原创出品，未经许可，请勿转载。
/
欢迎提供新的大模型商业化落地思