企业该在 AI 技术栈中拥有什么？AlphaSense 产品 SVP 谈智能体时代的自建与采购边界

AI转型的下一阶段将关乎企业能从其做出的每一个决策中学到什么，以及谁拥有这些学习成果

围绕AI的讨论一直聚焦于一个核心问题：这些模型能做什么？它们被基准测试、试点应用、令人惊叹，而这对于实验阶段而言是正确的提问。然而，对于我们今天的处境而言，这已不是正确的提问。

如今，AI正在实际执行工作、监测变化、准备交付成果，并参与关键决策——在下一阶段，即智能体企业阶段——推动业务向前发展，而不仅仅是回答问题。这一转变正在加速：IBM的2026年CEO研究显示，CEO们预计到2030年，由AI做出的运营决策占比将几乎翻倍，达到48%。一旦AI是在做工作而非仅仅描述工作，战略性问题就从“这个模型能做什么？”转变为“我的公司每做一次决策能学到什么，以及谁拥有这些学习成果？”

如果企业价值是一次次决策累积而成的，那么企业在AI时代最重要的资产，就是那个让组织能从每一次决策中学习的闭环，具体而言，就是决策背后的背景、促成决策的证据、决策带来的结果，以及将这一切联系起来的模式。拥有这个闭环，每一次决策都会让下一次决策更精准。错失它，你就是在自动化活动，却没有积累优势。

仅仅通过重新审视这一框架，一家严肃的企业在架构其AI时几乎一切都会改变。

通常的本能是整合——选择一家领先的模型提供商，以其为标准，并在其上构建一切。然而，我认为这是个错误，尽管原因并非人们通常所说的那样。

通常的反对意见是锁定和定价杠杆。这些确实存在，但它们是次要的。更深层的问题在于激励机制以及你的学习成果流向何处。模型提供商的业务是打造世界上最好的通用模型，而他们实现这一目标的方式就是从使用中学习。当你把公司的专有决策、数据和工作流都交给单一提供商时，你就是在把你最具差异化的材料——你的公司如何思考的记录——交给一个其激励动机是将其通用化的供应商。你的优势变成了竞争对手也能买到的商品的输入。

前沿也在快速变化，无法押注任何一个模型能长期保持最佳。正确的架构应当允许企业将任务路由给最适合该任务的模型或专用智能体，同时拥有智能体运行框架和学习闭环，以捕捉业务的运作方式和决策方式。模型可以更换；那个专有基础始终属于你，并随时间推移变得更有价值。

这个专有基础还可能具有可衡量的战略价值。IBM的研究还发现，将专有数据和知识产权融入定制AI模型和智能体的CEO们预计，到2030年，他们13%以上的收入将来自他们今天尚未提供的产品和服务。

拥有你的运行框架、闭环和路由，并不意味着要构建运行在其上的每一个智能体。主导企业智能体——那个理解你的组织、你的优先事项、你的专有数据的智能体——是你该构建、该拥有的。但业务工作横跨任何单一团队都无法精通的领域：销售、人力资源、法务、财务、市场情报等等。每一个领域都将由在该领域表现出色的专用智能体来最好地服务。

没有哪家企业会在内部为每个职能构建一流的智能体。这不是一场你能赢的资源竞赛。制胜的模式是一个强大的主导智能体，编排一组专用子智能体，每一个都可按你公司的需求定制，每一个都通过清晰的接口接入你的运行框架。然而，企业在构建这类架构方面仍处于早期，2026年德勤的一项调查发现，只有15%的组织已规模化部署了编排式、跨职能的多智能体应用。

因此，企业领导者真正的工作是双重的：构建北极星式的主导智能体及其所喂养的闭环，然后识别专用智能体中的赢家并将它们整合起来。在能产生复利的地方拥有；在不能的地方合作。

专用智能体必须带来企业难以轻易复制的东西。持久的优势是专有数据加上为检索和推理而专门构建的运行框架。一个智能体的能力取决于它能找到什么，以及它对所找到内容的理解程度。

这就是企业领导者在决定何处自建、何处合作时应采用的标准。如果一项能力依赖于独特的内容、领域专业知识和多年专门构建的基础设施，那么在内部重建它不太可能创造优势。相反，应将这些资源集中在独属于你的专有数据、决策闭环和编排层上。

赢家将会理解什么

在智能体时代获胜的公司，将是那些围绕如何让自己随时间推移独特地变得更聪明来构建架构的公司。它们将拥有让自己从每一次决策中学习的闭环，同时用最好的专用智能体环绕它，而不是试图独自构建一切。

目标不是拥有AI技术栈的每一部分。而是拥有你的优势能产生复利的部分，其余部分则通过合作获得。互联并不等同于智能。在智能体企业中，智能意味着拥有能产生复利的部分，其余部分则通过合作获得。