几个关于 AI 的问答

昨天参加 NUS 新全球企业家新加坡论坛，在第三场圆桌对话里，主持人问了几个问题，把我的想法记录一下。

Q1：企业如何选择模型？开源还是闭源？通用还是行业模型？

企业应该基于哪些原则做选择？

一个原则，两个例外。

原则是：默认用最聪明的模型。用最聪明的模型设计规则、生成样本、抽检产出……聪明模型当主管，小模型当流水线工人。

• 例外 1：数据不能出门（合规、安全）→ 自部署开源。 例子：财务数据不接大模型，买几张卡放在财务办公室，跑合适的开源模型。
• 例外 2：单位经济算不过来（海量、重复、简单）→ 小模型。 例子：内容分类打标签，每天大量处理，用小模型性价比才算得过来。

此外，不绑定任何模型，自建路由层。

Q2：当模型能力逐渐趋同，下一代公司的核心竞争力是什么？

如果只能选一个，你会选哪个：Data（数据）、Workflow（工作流）、Ecosystem（生态）、Brand & Trust（品牌与信任）、Distribution（渠道）、Judgement（创始团队判断力）？

我选 Data。但我说的 Data 可能和很多人说的不一样。

公开数据模型都学完了，静态数据集构不成壁垒。大多数公司并不具备“独有数据集”的护城河。我选 Data 的原因是：大多数公司内的数据可能还停留在“尚未电子化”阶段，或者是“已经电子化，但是是给人看的”阶段，其实还没办法让 AI 接入业务与工作流。那当然得先从数据开始。

从数据开始还有一层含义：仅仅是“数据给 AI 看”还不够，需要带着权限，需要在 A2A——AI Agent 相互对话的时候，不会泄露敏感信息。数据工作做好，才能安全地把企业上下文交给 AI。

人类组织靠架构管权限，每人只看到自己那块。一个拥有全公司上下文的 agent 是安全噩梦，一次 prompt injection 就会是全量泄漏。

Q3：AI 时代，CEO 最重要的能力将发生什么变化？

CEO 不能仅仅授权，还得真的自己对 AI 的能力有体感。授权适用于稳定的技术，AI 能力边界每个月在变，授权的反馈回路太慢。

有体感最简单直接的方式就是：买一个 200 美金最聪明模型的账号，用它解决尽可能多的业务问题，每个月都把这个账号的额度用光。

AI 是历史上对 CEO 最友好的一次技术革命。AI 的接口/界面是自然语言，CEO 们提问与验收的判断力可以充分发挥。

FDE 这个词最近很流行，有个接地气的翻译叫“AI 落地官”。我对外部咨询顾问式的 FDE 并不看好，但我认为 CEO 可以是企业真正的 AI 落地官：懂业务，有判断力，有全局信息，能调配资源。

Q4：什么是真正的 AI Native Company？未来企业应该按照什么来组织？

先看上下文（context）的演化史——从这个角度看，我认为是围绕数据组织的。

• Chatbot 时期，上下文靠人手动贴；
• Claude Code / Cowork 时期，上下文是文件系统；
• 企业时代的上下文，需要跨人、跨部门、带权限——今天还没有最佳实践。

先不谈大道理，先让更多业务和 AI 发生关系。AI 不是某个人、某个部门的事，是所有人的事。

落地的关键是让业务有增量，不是降本。目前看到很多公司以 AI 为借口裁员，那不对。提效的正确指标不是省了多少人，而是同样的人做了多少以前不敢做的事，让业务、利润有了多大增量。

所以，判断一家公司是不是 AI Native：

• 看数据在哪里——在人脑子里，还是分散在各个业务系统里，还是在 Agent 可读的地方；
• 看人和 Agent 的分工界面；
• 看 AI 在业务增量里占多大比重。