作者：奇点智能创始人兼CEO 行在
最近，一个叫Jev的模型在海外火了，它几乎不会聊天，只做判断，上线24小时就成了Vercel网关史上采纳最快的模型，每百万输入token只要0.042美元，做出它的公司叫TypeSafe，创始人迪Diogo Almeida之前在OpenAI做研究，也是InstructGPT论文的作者之一。上线当天，他问出一句话：聊天模型早已超越人类，AGI为何迟迟没有到来？
Jev为TypeSafe公司9月推出的系统一模型
这个问题值得做AI的人停下来想一想。过去两年，行业最热闹的讨论几乎都围绕谁会先做出AGI展开。有人押更强的通用大模型，只要模型继续变大、推理继续增强、成本继续下降，AGI会自然到来。有人押Agent，模型不只回答问题，还能调用工具、拆解任务、连续行动。也有人押终端，未来每个人都有一个懂自己的AI助理，随时陪伴。
这些判断都有道理，但都只说中了一部分。Jev的提问其实指向了另一种可能，通向AGI的路未必是一个超级大脑包打天下。把视角拉远，我更倾向于认为，未来，AI生态会更可能形成三个相互连接、边界清晰的层次：公共智能、企业智能与个人智能。
公共智能，全社会共享的通用基础设施
Public Intelligence
第一个智能，公共智能。它是全社会共享的通用智能基础设施。GPT、Claude、Gemini、DeepSeek、通义千问，以及未来会不断出现的新⼀代基础模型，本质上都在建设这⼀层能⼒。公共智能像早期的大型机，也像今天的云计算中心，能力强、成本高、集中部署、持续升级，服务大量用户和组织。
这层智能极其重要，没有它，后面的一切都无从谈起。但它有一个天然边界：它懂世界，却不懂你。它能理解供应链、财务、营销与风控，却不知道你公司的真实库存；能解释GMV与复购率，却不知道你们内部的口径定义；能给出看似完整的经营建议，却无法对预算、渠道、权限与风险负责。
公共智能越强，越会变成一种公共品。今天你能调用的模型，明天竞争对手也能调用。它让人人都更强，却很难成为任何一家企业独有的优势。它是电力，是高速公路，是云上的大型机，它不自动让某一家企业变得独特。
这一点在海外已有数据印证。硅谷知名风投a16z在对100位企业CIO的调研中发现，37%的企业已经在同时使用五种以上大模型，81%使用三种以上模型家族。模型正在快速商品化，企业之间的差异并不落在这一层。这也意味着，看智能生态不能只盯着公共这一层，还要看它如何落到个人，如何落到组织。
据a16z预计，企业AI支出将持续跑赢预期，2026年仍将加码
个人智能，属于每个人的生产力工具
Personal Intelligence
第二种智能：个人智能。如果说公共智能像⼤型机，那么个⼈智能就像PC、智能⼿机，或者未来每个⼈身边的AI Agent。它更靠近个人，理解你的表达习惯，知道你的日程、文件、邮件与联系人，记得你的偏好，替你完成越来越多私人任务。
它的价值，在于把AI从需要打开的软件，变成始终理解你的伙伴。
个人智能会极大提升个体效率，未来每个知识工作者都会像今天拥有电脑和手机一样，有自己的AI助理。但它有边界，它理解个人，却无法代替企业。企业的数据资产、业务流程、组织权限与合规责任，都超出一个员工助手的边界。企业真正的智能化，不可能靠人手一个聪明助手来完成。
个人工具解决的是个体生产力，企业智能解决的是组织生产力。未来，个⼈智能会成为每个⼈的⼊⼝。但企业要⻓出⾃⼰的⼤脑，还需要另⼀种智能。
企业智能，属于企业自己的经营系统
Enterprise Intelligence
第三种智能，我认为是未来最关键、也最容易被低估的一层，企业智能。它运行在企业自己的信任边界内，可以是私有化部署，也可以是专有云或混合云。关键在于归属关系，物理位置反而次要。公共智能属于全社会，个人智能属于个人，企业智能属于企业。
企业智能的核心，在于把企业自己的数据、知识、流程、规则、权限与执行系统，组织成一套可以持续学习、持续协同、持续决策的系统。它必须懂这家企业的业务语言，知道动销率在这家公司到底怎么算，知道高价值会员在不同品牌线的定义差异。它必须能连接企业的真实系统，调用数据、生成方案、触发流程、协同多个 Agent，并在权限与审计边界内完成闭环。它必须能对结果负责，回答库存周转能否更快、营销ROI能否更高、风险能否提前发现这些经营问题。
这就是我在之前的篇章⾥讲的逻辑：第⼀阶段，是AI之笔，AI替你写。第⼆阶段，是AI之⼿，AI 替你做。第三阶段，是AI之脑，AI替你想。从替企业写，到替企业做，再到替企业想，企业智能会沿着这条路径逐步成熟。
数据底座，企业智能真正的地基
Data foundation
既然公共智能越来越强，企业是否只要调用最强的模型，再接几个内部系统，就能完成智能化？答案是否定的。企业智能的难点，从来不只是模型够不够强，而是企业能否把自己的数据、知识、流程与权限，以模型能够理解和执行的方式组织起来。
SAP CEO在《企业AI竞赛押错了赛道》一文中提出，让企业真正运转起来的是执行。通用能力可以讨论、可以演示，企业级智能必须落到流程、权限与系统里，才能产生经营结果，这也正是企业智能与通用模型的分野所在。
通用模型知道库存是什么，却不知道你的库存存在哪张表；懂利润，却不懂你们的成本分摊规则；会写SQL，却分不清哪些字段不能出域。企业智能真正的底座，落在面向模型的数据基座上。过去十年，企业的数据平台面向人，把数据整理成报表、看板与报告；到了智能时代，数据要面向模型重新组织，让模型按业务口径安全调用，让知识沉淀为长期记忆，让决策连接真实执行。
有了这层底座，公共智能才能真正被企业吸收，转化为这家企业自己的能力。
这也是我对第三代DT的定位——让企业迈向AGI，数据开始理解业务、参与决策、驱动执行，最终形成一个企业自己的智能操作系统。参数、算力、多模态与生态是基础模型公司的战场，个人入口、端侧体验与消费级场景是终端公司的战场，奇点智能要坚持做的智能是企业智能，帮企业把数据、知识、流程与场景沉淀成一套可持续进化的智能系统，能连接数据、理解业务、协同 Agent、驱动执行，并把既有的业务、运维、营销与供应链系统重新组织，让它们从系统林立走向智能协同。这就是企业智能的价值。
三层并行，各归其位
Three layers, each in its own place
未来的AI生态不会只有一个中心。公共智能继续进化，成为全社会共享的智能能源。企业智能在企业内部生长，成为组织经营的大脑。个人智能贴近每个人，成为个体的智能伙伴。三者是协作关系，各自服务不同的问题，并不互相替代。
用计算机发展史来类比，公共智能是云端的大型机，企业智能是组织侧的智能小型机，个人智能是每个人手里的AI PC。它们没有消失，共同构成了完整的计算生态。
对企业来说，真正重要的问题只有一个，能否把AI变成自己的能力。当企业把自己的数据、知识、流程与场景沉淀进一套企业智能系统，它才真正开始拥有属于自己的智能。这套智能不一定长得像科幻电影里的机器人，它更可能先出现在数据开发、系统运维、商品运营、供应链调度、财务风控、门店经营这些具体环节，先替企业写得更快，再替企业做得更多，最终帮企业想得更深、跑得更快、经营得更准。
这条路不会一蹴而就，但它正在发生。 在中间这层最难、也最有长期价值的企业智能上，奇点智能将长期投入，帮每一家企业构建自己的企业智能，让每一家企业都长出属于自己的AGI。
关于奇点智能
Enterprise AGI
杭州比智科技有限公司（奇点智能），成立于2016年，旗下有“BaiXiao”、“StartDT”、“GrowingIO”三大品牌。
其中，BaiXiao聚焦企业级AGI智能中枢产品，以“本体+数据+模型+Agent”为核心，帮助企业构建自有的智能系统，从数据驱动走向自主智能驱动；StartDT以自研的数据云平台DataSimba为核心，全面支撑客户构建自有的数据生产力；GrowingIO致力于为客户提供「智能分析+智能运营」的一站式分析云产品与服务，全域全场景赋能企业高效商业决策、驱动业务增长。
奇点智能是国家级专精特新“小巨人”企业、国家高新技术企业。至今已服务零售、制造、金融、政企等多行业的1500+客户，囊括105家中国500强及世界500强企业，陪伴客户从数据驱动走向自主智能驱动，构建面向AGI时代的竞争力。
更多资料下载
Enterprise AGI
热门跟贴