奇点智能创始人行在：一条路径、一种终局、一道壁垒，看懂企业级AGI

作者：奇点智能创始人兼CEO 行在

过去两年，大模型以一种近乎席卷的方式进入了每一家企业。客服对话、营销文案、会议纪要，AI嵌入的速度远超上一轮数字化浪潮。很多管理者由此产生了一种判断：企业的智能化转型，已经完成了。

但细看会发现，这些场景全在企业价值链的外围。一封AI写的推广邮件和人工写的，对经营利润的影响没有差异，AI替代的是产出动作，而企业的核心利润从不由这个动作创造。

全球商业数据机构Dun&Bradstreet今年5月调研一万家企业，97%已有活跃AI项目，自认数据基础设施足以支撑规模化的只有5%。普华永道在达沃斯论坛公布的一份调研显示，4454名CEO中，56%承认过去12个月AI没有带来显著财务回报。两组数据指向同一个判断：AI渗透的快与扎根的浅，正在同时发生。

在企业端，回报的图景正在变得模糊。今年5月，高盛高层Jim Covello在报告中下了一个判断：模型能力已不是企业AI落地的瓶颈，数据结构化与工作流编排才是解锁企业级AI的关键变量。一个月后，Databricks在自家峰会三万人的场子里，CEO Ali Ghodsi给出了同一个判断的另一面：AI缺的不是智力，是上下文。模型已经足够聪明，但再聪明的模型，读不懂一家企业的数据、口径与业务规则，就走不进它的日常经营。

聚光灯下的报告和演讲和我十年一线的工程实践之间，得出的结论一致：基础大模型终将像电力一样，成为人人可得的公共脑力。企业沉淀多年的数据与经验，才是任何对手都无法复制的专属记忆。沿着这条主线看过去，企业AI的进化可以清晰地划出三个阶段。

一、企业迈向AGI的三大阶段

如果用一个简单的模型来理解企业迈向AGI的进化路径，就是笔、手、脑。

第一阶段，AI是一支更聪明的笔。它进入低风险、低门槛的辅助场景：写文案、做摘要、翻资料、整纪要，一个公有大模型加一段提示词就能跑起来。它省了时间，但天花板清晰：提升的是个体效率，不是组织效能。一个人写得更快，不等于企业赚得更多。所有企业接入同一个模型，输出趋同，这支笔成不了任何人的护城河。

第二阶段，AI长出手，进入创造利润的核心地带。铺货、产能、预算，每个决策都牵动收入成本，优化几个百分点的绝对值，远超文档场景省下的全部时间。但通用模型在这一层走不动，场景智能取决于模型能否用上企业自己的数据。这个阶段的核心公式并非更大的模型，而是模型加数据：模型负责推理，数据负责真相，两者缺一，智能就进不了高价值场景。

第三阶段，AI长出脑，企业围绕它重新构建经营流程。在这个阶段，企业不再是用AI辅助某个环节，而是围绕AI重新构建整个经营流程。数据不再只是被存储、被查看，数据开始理解业务、参与决策、驱动执行，企业第一次拥有一颗真正意义上的经营大脑。

笔改变的是写的速度，手改变的是干的效率，脑改变的是做生意的方式。今天绝大多数企业还停在第一层，把入门当终点，这是当前最大的认知误区。

二、世界不需要一个统一的大AI

如今，行业共识正在朝一个方向收敛：把模型做得更大、更强、更通用。这条路径的终局仿佛已经写好，一个无所不知的超级大脑，所有企业接入，所有决策由它定夺。

而我认为：这个世界不需要一个统一的大AI。

统一的大AI，本质是在全人类公开知识上训练出的平均最优解，擅长回答常规情况下的标准答案。但企业能活下来、能盈利，靠的是差异化的供应链、独到的客户洞察、只属于这支团队的经营直觉。两家同品类品牌去问同一个大AI，会得到趋同的选品、定价与营销策略，一起陷入同质化竞争。统一的大AI把所有企业拉向平均值，而平均值是竞争优势的终点。

更尖锐的问题在数据主权。十年二十年攒下的客户画像、成本结构、产品线盈亏与区域趋势，交给统一的大AI替你做决策，等于把最深的秘密和最重的判断交给不受控制的第三方，而这个大AI同时在服务你的对手。没人会聘请给对手当军师的人做首席谋士。

如果成千上万家企业的关键决策都依赖同一个超级大脑，它就会变成单点故障源。这个大脑一旦判断偏移、被污染或被攻击，所有企业会同时、同向地犯同一个错误。自然界给过警示，单一品种的农田看起来高产，一种病害就足以全军覆没；金融界也给过教训，2008年所有机构用相似的模型给风险定价，风险没有消失，只是在同一天集中爆发。

真正有韧性的系统靠的不是一个最强中心，靠的是多样性、分布式与相互独立。共享的大脑只能提供服务，专属的大脑才能提供立场。一个专属于你、长在你数据之上、只在你业务里进化的AGI，它存在的全部意义就是让你这一家企业赢。忠诚从来租不到，只能长出来。

公允地讲，统一的大AI是一项了不起的公共基础设施。它像电网和自来水，提供通识、语言、推理这些公共能力，让每家企业都能低成本用上通用智能。但基础设施是底座，不是壁垒。

三、真正的壁垒在数据

如果通用模型是公共脑力，那什么才是企业独有的壁垒？

先看基模的走向。我有四个判断：基模会变成通用基础设施，人人能接、人人用得起；头部基模之间的技术差距长期看会持续收敛；基模能力会过剩，常规场景必然走向价格战；真正能产生溢价的是绑定场景的专有模型。四个判断连起来，结论清晰：基模是公共的脑力，脑力会越来越强、越来越便宜、也越来越趋同。所有人都买得到的东西，构不成任何人的护城河。

基模提供公共脑力，数据提供只属于你的记忆。脑力可以买到，记忆无法复制。两颗算力相同、参数相同的脑，一旦灌入不同的记忆，不同的客户、不同的踩坑经验、不同的经营直觉，会长成两个完全不同的智能，决定一个智能身份的，是它装着谁的记忆，跟它有多少脑力无关。

这份记忆不可替代，有四个底层原因。第一，数据是唯一复制不了的壁垒，模型可以买，算力可以租，方法可以学，唯独一家企业一笔一笔沉淀下来的业务数据别人买不到、租不来。第二，绝大多数企业AI项目失败，根源不在模型，在数据没就绪，花大价钱买了脑力，却忘了喂它记忆。第三，在Agentic AI时代，数据已从静态资产变成战略资产，谁先把数据治理好、激活好，谁就先建成一道别人拿不走的优势。第四，能被智能体消费的记忆必须是高质量的，把杂乱的原始数据整理成智能体能稳定理解、随时调用的记忆，本身就是一道工程门槛。

我认为，企业AGI的公式拆解应该是这样的：

企业独特的AGI = 公共基模（脑力）+ 专属数据（记忆）+ 专有模型（专业）+ 企业知识（上下文）

把这条逻辑落到工程层面，就是奇点智能过去十年持续在做的事。公共基模越来越像水电，我们不押注那一层，押注的是把专属数据、专有模型、企业知识这三层做成可交付的体系。承载这套体系的，是奇点智能的企业级AGI基础设施BaiXiao，旗下AI产品矩阵DataAGI、DeciAGI、OpsAGI覆盖数据研发、经营决策、智能运维三大场景，从数据到决策到执行全链路闭环，底层由自研DataSimba数据云与GrowingIO分析云支撑，已深耕企业数据服务十年，服务全球头部客户，从品牌零售到智能制造，在高复杂度场景中反复淬炼，如今正转化为企业AGI生长的土壤。

基础大模型终将成为人人可得的公共脑力。企业沉淀多年的数据与经验，才是任何对手都无法复制的专属记忆。脑力终将平价，记忆永远专属。我也坚信，未来不是一个中心化智能向外蔓延，而是分布式智能各自深耕。未来，每一家企业都应该运行在自己的AGI之上，这套AGI在持续学习、持续进化中累积起不可替代的竞争纵深，根植于企业自身的业务土壤。