9 月 16 日，三亚，2026 ITValue Summit 数字价值年会的主论坛开了一整天，上午谈蒸馏，下午谈泛化。会前的议程解读里写着 " 答案未定 "。一天过完，答案依然未定。
这场办到第 18 届的年会，并不指望一天给出结论，但时间并没有白花。台上，近二十位嘉宾把各自的判断、踩过的坑和跑出结果的场景摆了一整天，都亮在台面上；台下，几百位 CXO 密集交流，彼此真金白银砸出来的经验，就像 token 一样在彼此之间流动。
一、门口
在当天的一场圆桌对话中，智识神工创始人楚庆说：AI 还在生产力的门口，还没进来。这句话不仅仅是参会者的焦虑，也是整场讨论的底色。
模型不再神秘，训练的时代已经过去，Token 用量暴涨，但 AI 给企业带来的真实生产力还没有被验证。一天下来，台上反复讨论的其实是同一件事：门在哪儿？怎么进去？进去之前要先解决什么？
在楚庆看来，模型的训练时代已经结束，没有哪家企业的模型是别人学不会的，而且所有的模型最终将趋同。真正难的部分转移到了生产环节。他提醒：AI 带来的便利是让企业可以突进不同的方向，而不是在一个方向上把规模越做越大；速度快和降本幅度大都不是生产力本身，一项技术必须经过生产力的验证，看生产力要看利润。他还补了一句：AI 挑战的不是社会，是人自己。在 AI 出现之前，人类社会的劳动价值创造全部源自人本身，现在来了新的劳动者。
超聚变 CEO 刘宏云把这场变迁落在了 " 智企 "。 首先，他将企业分为数字世界和物理世界，指出数字世界正被 AI 快速重构，具体体现在三方面：研发环节 95% 以上 AI 处理已无需人工介入；创作协作占员工约 30% 时间，提升 30% 效率意味着多 10% 产出；生产经营管理过程（ERP、IPD 等）正被 AI 快速重构。而物理世界狭窄空间的精密操作还需 6-10 年。 针对企业普遍的 AI 焦虑（存量系统价值存疑、投入回报不确定、token 开销巨大等），他提出五大判断：企业架构将在 5-10 年出现代际跃迁，从 CPU+ 高代码企业软件转向 GPU+ 大模型；企业将出现处理 " 不确定性负载 " 的新一类软件；所有企业都将成为 " 制造企业 "，需要匹配业务特点的 token 供应；未来 3-5 年将拉开 15% 差距，重大变化被压缩在前 10 年；中国企业管理软件已具备替代和出海的基本面。
他提出" 智企 " 愿景：一为高效安全生产承载核心的 token 工厂，二为 AI 重构的企业生产经营活动。超聚变用三年时间边做边重构企业架构（1.0 业务重构），2025-2027 年开展基于 AI 的技术重构（2.0），包括将变革管理委员会改为 BDE、梳理近 8 千个基础动作、用 AI 做硬件电路板设计（准确率 90% 以上，验证从 3 个月缩短至三天）等。公司每天 token 消耗约 300 多亿，预计全年使用量 7 万亿到 10 万亿，三年开支或达 29 亿。智企落地分四个阶段：活动级、流程级、企业级、生态级。超聚变定位 AI 和数据时代水平全栈解决方案提供者，凭借完整业务重构经验、千亿当量实验场和软硬件协同三大优势，打造企业 AI 原生大脑。
此外，京博控股集团 CAIO 兼 CIO 李洋表示，当前行业第一曲线基本上已经看到头了，无论成本控制、利润提升还是创新新的商业模式，都没有很好的增长点了，能不能通过数字化转型和 AI 寻求新的突围，是各大企业经营班子当前迫在眉睫需要通盘考虑的事。
至于怎么验证 AI 到底有没有生产力，StartLux 联合创始人兼 CTO 郭权玮出了个主意：别急着信结论，自己建三五个真实任务的替换池，让人记下每次任务成与败的原因，去感受这件事到底对不对。
飞渡科技董事长兼 CEO 何文武在上午的对谈里补的是另一层。目前，AI 发展仍以大语言模型驱动为主，在何文武看来，语言模型扩展的是 AI 处理符号信息的能力，但永远无法让 AI 习得物理直觉。而空间智能，扩展的正是 AI 理解和驾驭物理世界的能力。换句话说，语言模型让 AI 理解知识，空间智能让 AI 理解它所在的世界。他所在的行业做了十年，只做一件事：让物理世界可计算、可推演、可决策。他的经验之谈也印证了台上的共识，客户买单从来不是一个模型，买的是一个更早、更准确的业务决定。
二、推不动的地方
AI 是否能真正迈过生产门槛，不仅有技术问题，让企业停在原地的是另一类问题：管理者的意愿、十年二十年没打好的底座、还有组织桎梏。这些不变，技术再好，也事倍功半。
百丽时尚集团副总裁兼科技中心总经理季燕利分享了 " 企业逆向 AI 落地法：先基建，再模型 "。百丽旗下 20 个品牌，在 300 多个城市开有 8000 家直营店。所谓 " 逆向 "，是先铺地基、模型最后进来：2014 年自建 ERP 撑住零售主业，跑了 12 年；2020 年起建数仓，从结构化到非结构化，去年开始探索 " 本体 " 数仓；2021 年起建协同体系，把 ERP 的系统界面拆成接口、数据汇入统一数仓，建组织中台与权限中台并打通，人变、权变、操作跟着变；再建消息中台，把群结构化为组织群、项目群、工作流群，消息、操作、审批、数据都在群里。群由此成了人与人、人与 AI 互动的场域，业务运营的全过程都在群里跑，运营过程拆成一个个节点在群里连起来，策略 AI 和执行 AI 就建在节点上。
今年百丽又开始建企业工作台，IT 工作台把需求、研发、测试到上线的软件研发全链路搬了进去，变成人与 AI 协同的产线。业务工作台还在探索，要把业务工作流放进去，让 AI 参与业务运营。下一步要探索的是全局任务中心，由知识库、任务库、Skill 库组成：群里每件业务用了什么任务、知识、Skill，都沉淀在群里，从中萃取知识和任务、建成知识库和任务库，就是 AI 的业务应用。季燕利的方法论是：信息化是采集，数字化是治理，智能化是应用；信息化由技术部门主导，数字化是 CEO 的事，要统一的是数字和语言的标准，智能化则要回到业务。站在信息化还是业务的角度想智能化，思路不同，路径和效果也就不同。
组织本身的改法，现场也有两个样本。在主题为 " 逼近 AI 原生企业 " 的 CEO 圆桌对话环节中，G7 易流创始人翟学魂提出一个观察：想知道公司哪个板块真有核心竞争力，就看那个板块 AI 化推得顺不顺，特别顺说明那里强，特别费劲说明原来那里就弱。G7 易流做物流数据十几年，产研和营销两个板块推得最顺，产研过程基本不应该再有人写代码。他自己一千多人的公司，管理层级压到两层半，少部分三层。他的另一个转变是不再迷信组织能力：AI 把每个高管的覆盖面撑大了，低频但重要的决策直接收到 CXO 层面拍板，比假装建立一套机制有效得多。
品胜董事长赵国成的办法是画特区。两千多人的消费电子公司不可能整体推翻重来，那就成立一个 AI 产品中心，AI 硬件从概念、研发到面市独立运作，岗位分工接近 AI 原生，同时肩负全公司的 AI 提效。他说，招人最看重对 AI 的热爱，团队里大部分是 00 后，已经挑起了大梁。品胜提出硬件版的 Vibe Coding，称之为 Vibe Engineering：用 AI 来造 AI 硬件。从定义产品、出方案，到打样测试、专利申请、量产准备，AI 做、AI 审、人拍板。撑起这套流程的，是 AI 产品中心自研的 AI 硬件研发平台，以及品胜 20 多年硬件研产销积累下来的经验和数据。他的原话是：不敢说已经是 AI 原生企业，但正在逼近。
三、绕不过的三件事
组织之外，还有三件事是绕不过去的。
第一件是路线。
百望股份 CTO 王志伟认为，垂类模型不是通用模型的缩小版，而是通用模型进入产业实景之后长出来的一套工作系统。过去三年模型比的是参数规模和榜单分数，未来三年比的是能不能进入真实业务、能不能让数据持续回流、能不能让业务来验收。
百望的底气是十年攒下的 260 亿张交易凭证，背后连着 9000 万家企业的税号，这些数据互联网上爬不到，靠生成也生不出来。以一次付款审核为例，系统同时读取发票、供应商、订单、合同，多个工种智能体协同给出主体核验、空壳公司校验和风险传导分析，AI 负责准备事实，人保留授权和责任。用他的话说，财税大模型要从被动答疑走向主动交付业务结果，可追溯、可核验、可审计。
要不要垂类模型是一个问题，用几个模型是另一个问题。StartLux 联合创始人兼 CTO 郭权玮提醒两件事：模型能力不能只看榜单，同一个模型换个 Agent 框架，分数能涨 5 分以上，涨分幅度有时比重新训练模型还大；企业也不必事事调用最强模型，把任务定义清楚、训一个意图识别模型做动态路由，简单的活交给小模型，只损失一点精度，成本能显著降下来。另外一个值得高度关注的问题是，云端大模型数据泄露事件频发，本地部署和多模型组合会是企业常态，未来很少有一家企业能靠单一模型撑住全部业务。
第二件是底线。
何东川结合自身在保险金融行业的 AI 探索，分享了金融 AI 基础设施焕新的路径。他认为，金融是强监管行业，合规是创新不可逾越的生死线。金融 AI 下半场比拼的早已不只是模型，而是数据底座与合规底座的深度与稳定性。模型终会趋同，真正拉开差距的，是谁能把可信的高质量数据沉淀成能力、把监管红线内化成架构。
在此底线之上，用 " 架构解耦 " 破解早期 " 烟囱式绑定 " 痛点：把算力、模型、应用拆成三层，以标准接口对接，让各层独立演进、互不影响；并以智算云应对显存与通信瓶颈，使算力利用率提升约 30%；以可信高质量数据底座支撑训练。不同业务对算力与模型要求迥异：客服辅助要低延时、案件推理要高精度、审计要强安全，解耦架构正为此而生。人保已覆盖百余场景，搭建从基础设施到应用的四层体系，并推动 " 业技融合 " 让业务与 IT 共组团队，探索高质量发展新路径。
第三件是度量。开源中国董事长马越分享，去年一家头部运营商跟他们采购了 6000 万元的纯软件产品，没有一分钱硬件，全部是软件授权，一共 10.5 万个，马越说历史上没出现过一家央企愿意为研发效能工具掏这么多钱。截至目前，开源中国旗下平台注册用户已达 2000 万，代码仓库超过 4000 万个，企业用户超过 45 万家，成为名副其实的 " 中国的 GitHub"。但焦虑也在一线：开发者是全社会用 AI 最密集的人群，企业研发的形态正在被改写，过去开发者的一念起是跟软件交互，CPU 开始转；现在一念起，GPU 开始转，GPU 转起来，就意味着 Token 的持续消耗，软件工程平台必须升级成 AI 工程平台。
具体到 Token 治理，他的建议是给企业建一块实时看板，盯四件事：质量，买的 Token 是不是被中转站偷偷换了模型；用量，每个团队、每条产品线各烧了多少；效率，谁是 Token 使用的高手；安全，额度有没有被挪作他用，敏感信息有没有顺着调用泄出去。他的结论是，AI 投入要可计量、可归因、可治理、可提升。这套理念的落地依托于开源中国完整的产品矩阵。正如马越在演讲中所概括的："Gitee 知道代码怎么交付，Moark 知道 Token 怎么消耗，Moark AI Lens 把两边对上账—— AI 是成本还是产能，第一次有了答案。"
在对话操盘手环节，围绕 AI 如何转化为真实生产力这一议题，超聚变副总经理、CIO 蓝文广与钛媒体联合创始人、联席 CEO、ITvalue 发起理事刘湘明展开交流。刘湘明提出疑问：超聚变实现 50% 的自动代码生成率，如何验证该指标的实际价值，以及代码生成带来的返工成本究竟如何衡量。
面对这一问题，蓝文广并未纠结于指标本身的论证，而是将讨论回归到度量体系本身。他提出，衡量 AI 价值应当从业务最终价值结果出发，向下拆解到各个业务环节，不能仅仅聚焦于 Token 采购成本。
他进一步阐述了落地的优先级思路：现阶段优先将确定性负载，也就是传统业务流程完成智能体改造；后续再攻坚非确定性负载，借助 AI 补齐过往难以落地的业务能力。同时他也谈及行业普遍存在的认知误区：前些年不少企业将 AI 落地聚焦于数字人、集团知识问答这类场景，形式上热闹，但并未深入业务核心，难以创造实质业务价值。
四、不同的路
问题绕不过，但在分享里，企业蹚出的路已经不止一条。跑出结果的，多数是在自己最熟的场景里做深。
第一条路通向物理世界。
在对话掌舵人环节的 " 空间大模型的产业跃迁 " 主题对话中，飞渡科技董事长兼 CEO 何文武在台上回答了一个外界非常直接的质疑：数字孪生讲了很多年，是不是用一个更宏大的概念给旧业务续命？他给的三个判断标准是：有没有真实数据，能不能理解对象关系，能不能计算推演。一场暴雨来了，系统要能预测两个小时后下游哪里被淹、救灾怎么排布，可视化只是数字孪生的子系统。针对真机数据和仿真数据之争，他说英伟达披露的机器人预训练数据大约 85% 来自仿真，问题不在真假，而在仿真的质量，真机路线和仿真路线不是对手，是上下游。
针对会不会被基础模型吞掉，他拿 Palantir 举例：模型能力可以采购，行业数据和业务闭环沉淀出来的决策回路买不来。何文武判断空间智能的上半场是生成，下半场是理解、推演和决策；语言大模型让 AI 会说话、会推演，空间大模型让 AI 会行动，飞渡要做的是让 AI 在物理世界里想清楚、能执行的基础设施。
在行业里继续做深是另一个方向。
易鑫首席 AI 科学家、高级副总裁张磊讲汽车金融全链路的 Agent 智能革命，把数字摊得很细。汽车金融是一条长链路生意，一个用户要流过材料提交、审批决策、方案匹配、交付签约、资产管理五个大环节，仅审批决策就有 15 个组织节点，路径组合上万种。传统 Agent 做流程自动化撑不住这种业务，易鑫的做法是给 AI 赋予新的范式，首次提出 Human-Centric Long Horizon Agent，即以人为中心的长程智能体，重新定义汽车金融 AI。Agent 不止是要完成一件事，更要加上懂人的能力，持续预测这个人接下来会怎样。目前 45 个 Agent 在线运行，日均处理任务 23 万次，日均消耗 Token3.6 亿，自主交付率达 90%，AI 可以独立跟进同一个用户超过 20 天，单次对话超过 81 轮。合规熔断和重大权益场景保留人工，这套框架预计年底开源。
平安科技总经理助理曹峰给出的是平台级的数字。平安的底子是一个四要素飞轮：三万亿文本语料、百亿级金融行为、超 14 亿问诊记录、万卡规模算力集群，Token ( 词元 ) 消耗量从 2025 年 12 月的日均 300 亿跃升至 2026 年 6 月日均超 1,200 亿。落在服务上，今年 4 月推出的统一入口 " 快捷服务 " 整合了 300 多项服务，交易、融资、理赔、救急，90% 能端到端解决。代理人端，每个客户经理配一个 AI 团队，触访量至少提升 10%，转化提升 5%。医疗端，AI 多学科会诊把重症患者的病例先过一遍分析再给就医建议，乳腺癌等病种的判断已经达到三甲医生水平。曹峰的定位很清楚：平安就是要在金融和医疗的主业场景里做深。
京博控股集团 CAIO 兼 CIO、广东省 CIO 联盟会长李洋博士用流程制造业的细节说话。京博联合生态构建了流程制造业的人工智能工厂，通过算力云端结合，既保低延时又控成本还能兼顾安全，已经在人工智能工厂导入实践的场景包括新材料研发、生产装置监控及运维、园区安全少人化、经营研判等。以大型生产装置预测性维护为例，假设通常一套石化装置正常服役 20 年，通过 AI 诊断和维护能延长到 25 甚至是 30 年，多出来的服役周期按照成本节约结算非常可观，至少就是几个亿甚至是十几个亿。他也承认也踩过坑，算力和 Token 的浪费占了一些企业 AI 投入的 50% 到 60%，这部分本来可以避免，应用层面的试错则躲不掉。他的建议是，CAIO 和 CIO 要融进企业经营班子，有经营思维和格局，主动用经营的账对话和引导转型，和经营班子一起围绕业务战略建 AI 原生组织及其能力。
还有的把数字世界的地基再垫一层。
深圳数据交易所总经理古亮讲的是数据产权登记，他把数据确权类比 1978 年的家庭联产承包责任制：土地还是那块土地，确权之后，土地经济才转得起来。数据确权涉及持有权、使用权、经营权，三个维度可以任意组合；确权之后，数据可以流通交易、可以融资授信等，司法纠纷里也能作为举证依据。深圳数交所在 2024 年开始的试点阶段已经发出近 200 张数据产权登记证书，还完成了国家气象数据的合规入场。对台下不少 CFO 来说，这是 CIO 手里沉默的数据有了合规确权入表的路径。
还有人从补信息化和数字化基础，从提升组织能力本身下手。广东省首席信息官协会会长陈东锋，分享他在一家烘焙面粉企业任职董事长顾问时的经验，他进场后发现这家几十亿规模的企业研发项目管理、配方库、流程体系都没建起来，这种情况只会给 AI 拖后腿。于是，他建议先补基础，再上 AI：跟钉钉合作建立社交媒体和电商 VOC 知识库，开发 AI 烘焙市场大脑，抓取社交平台舆情反推研发方向；正在让 AI 学习配方库，直接生成配料方案；正在实施在线 AI 产品品质检测技术；集装箱智能无人装车把发货环节的人力省了下来。公司还招聘了 100 多个管培生，做小智能体有奖励，为全面推进 AI+ 准备人才。董事长的态度是他反复强调的一句话：AI in ALL，让 AI 进入所有业务领域。
在主论坛的闭幕对话里，钛媒体联合创始人、ITvalue 发起理事万宁说美的这两年 AI 策略在大型企业里算是走得比较 " 激进 " 的。美的集团副总裁兼 CDO 张小懿回应说，美的十几年数字化积累下来的判断、数据逻辑和规则都在那里，AI 的不确定性被框在边界里，出不了乱子，这是整个 Agent 工程的底座，因为有了这个基础，才敢 " 激进 "。
据张小懿透露，美的官方口径数字是 272 个智能体，由集团组织变革沉淀而来；此外，员工在自己岗位上手搓了 1.9 万个智能体也在系统里跑，他为此建了统一的智能体开放平台，统一的知识管理、统一的数据管理，信息安全兜底，让大家敞开来试，怎么试都不出乱子，还把手搓智能体做出成绩的人晋升成智能体专家。但他还有烦恼：有些领域跑得不够快，有些账也没有算得那么清楚。买 Token 买卡的钱回来了，但人和业务投进去的时间，还没有回来。
闭幕对话的结束，也是这一天的尾声。万宁总结这一天像一个小剧场：从早上讲管理者的素养，到之后每一家企业分享为跨越 AI 应用的门槛所做的实践，拼出来的是一张较为立体的路线图景。他说，针对企业 AI 应用，我们没有标准答案，每一个都是带着问题来的，也是带着问题走的。
一天下来，门还开着，路已经不止一条。
（本文首发于钛媒体 APP）
更多精彩内容点击直播回放
2026 ITValue summit 数字价值年会（上午）
2026 ITValue summit 数字价值年会（下午）
