企业应把AI投资从规模转向生态集成

过去一段时间，企业谈人工智能投资，常常先问两个问题：模型有多大、预算能做多大。我的看法正在改变——真正决定回报的，可能不是企业买了多少模型，而是能不能把模型接进已有的业务、数据和人的工作流程里。

斯坦福大学《2026年人工智能指数报告》释放了一个很清晰的信号：人工智能的前沿能力仍在加速，而且产业已经生产了超过90%的杰出前沿模型。对企业来说，这意味着基础能力正在越来越多地由产业推动。企业没必要都去重复建设“更大的模型”，更应该思考如何把成熟能力变成自己的业务能力。

生态集成听起来有点抽象，落到实践中其实很具体。文本、图像、视频和推理能力可以进入同一条工作流，但关键不在于“什么都接入”，而在于每个环节由谁负责、数据如何流转、结果怎样被复核。比如银行可以利用人工智能实时检测可疑交易，但最终决策仍需要人类评审。人工智能负责扩大观察范围，人负责处理责任、例外和复杂判断，这种组合往往比完全自动化更可靠。

我尤其警惕一种投资方式：看到某个基准成绩漂亮，就立刻把它当成部署依据。模型在科学、数学和多模态推理上的表现不断提升，并不代表它能直接适配企业的权限体系、隐私要求和业务规则。评估时，除了看能力，还要看能否控制风险，能否与现有系统协同，能否让员工真正用起来。

所以，企业的人工智能预算不妨从“采购多少”改问“连接什么”：连接数据，连接流程，连接不同模型，也连接人类的审核与决策。规模扩张可以买来注意力，生态集成才更可能带来持续价值。只有精品是把人工智能当成孤立产品，才会越投越重；把它放进真实业务里，投资才有机会形成循环。