2026 年 10 月 23 日，上海西岸 WTCC 論壇上，特讚（Tezign）創辦人范凌提出一個法：企業 AI 要真係變產能，缺嘅唔係再強一啲嘅大模型，而係兩個「世界模型」——一個理解客户，一個理解公司自己。
點解要分兩個？范凌解釋：理解客户（「主觀世界模型」）靠嘅係外部用户數據，處理偏好、動機同選擇；理解公司（「企業世界模型」）靠嘅係組織內部長期累積嘅流程、資產、規則同「默會知識」（tacit knowledge，即寫喺人腦入面、冇寫入文檔嘅判斷與經驗）。兩套嘅數據來源、更新節奏、責任歸屬全部唔同，硬合一隻會令兩邊一起變鈍。
佢哋用兩個反例講：只有企業世界模型，agent 知道事點做，卻唔知呢件事值唔值得做，最後高效完成錯誤目標；只有客户世界模型，agent 懂需求，但落唔到組織交付，最後「懂做但做唔出」。
最值錢嘅知識，往往未寫低
特讚喺論壇上將企業知識拆成兩類：顯性知識（能寫入手冊、流程、制度）同默會知識（品味、判斷、邊界感、經驗、人際關係）。呢個解釋咗點解「將文檔全部餵 AI」唔代表「AI 明白咗間公司」。
喺范凌嘅框架入面，agent 需要嘅上下文系統要滿足三個條件：唔係取代原有系統，而係連接已有數據湖、業務系統；唔係畀人讀嘅知識，而係 agent 可調用嘅結構化對象；唔係一次性交付，而係每次判斷後留下覆盤依據，下次唔使從零開始。一句話：agent 調用嘅唔係數據，係上下文。
專家判斷，入訓練數據
文章仲披露：特讚已引入大量不同領域專家，參與真實判斷過程嘅採集與標註，令訓練訊號包含業務語境入面嘅「判斷路徑」（Creative Trajectory）。相關合作機構嘅判斷路徑累積已達萬條量級。范凌形容呢條路最終指向由「租用智能」走向「主權智能」。
呢個係企業 AI 落地最癥結嘅問題：最值錢嘅判斷標準、取捨邏輯、風險敏感度，互聯網上冇，通用模型入面都冇，本來只存在於人、項目同檔案之間。如何將呢啲難以留存嘅判斷過程變成可累積資產，係所有企業採用生成式 AI 都要面對嘅難題。
點評：80 分與 120 分
范凌喺演講講一句：「智能體將工作推到 80 分，人再把它從 80 分帶到 120 分。」呢個數字本身唔重要，重要的是重新定義人同 agent 嘅分工：AI 負責將大量可 Token 化嘅工作往前推，專家真正有價值嘅地方，仍喺最後那段高密度判斷。
佢哋仲提及一個校準方法：喺 Atypica 場景入面，用真人同 AI persona 完成同一經濟學行為實驗，用兩者差異量化校準模擬效果，再反哺模型訓練。文章提到今年 7 月 WAIC 場報到主觀世界模型喺行為模擬上準確率達到 85%，但強調呢類模擬同 benchmark 本質上只係校準工具，唔能取代真人研究。
特讚喺論壇同步發布 Agentic Transformation 共建計劃，將高校、研究機構、企業、模型同技術夥伴、專業實踐者拉埋入嚟。范凌坦言：呢條路未完全被驗證，好多問題冇現成答案，只可以喺開放協作中邊做邊成長。
阿調搞兩下
95% 嘅企業生成式 AI 試點冇帶可衡量嘅損益回報，同時 90% 員工已喺用個人 AI 工具，官方訂閲只有 40%——呢組數字值得每間公司老細睇清楚：你哋嘅 AI 用喺邊？
「兩個世界模型」嘅提法唔算全新，但將「理解客户」同「理解公司」明確分拆，並指出兩者唔可合併嘅結構理由，呢個係好有價值嘅框架。特別係「默會知識」入面嘅判斷路徑——品味、邊界感、取捨邏輯——呢啲嘢通用大模型從來冇，任何想將 AI 真正落地嘅公司都唔可避免要處理。
但要問一句：呢個「主權智能」嘅路線，數據留在邊？判斷路徑標註嘅專家，佢哋嘅知識同貢獻有冇被合理算入？「萬條量級」嘅判斷路徑，質素點樣核對？呢啲問題，比框架本身更值得追問。
阿調｜深度調教
