图灵汇官网

2025 年的商业环境正在经历重大变化。在新的发展趋势和科技快速发展的背景下，WISE2025 商业之王大会以“风景这边独好”为主题，试图在不确定中寻找中国商业未来的确定方向。这场活动汇聚了众多观点，展现出在变化中持续前进的声音。

11 月 27 日至 28 日，36 氪 WISE2025 商业之王大会在北京 798 艺术区举行，被业内视为年度科技与商业的重要风向标。

今年的 WISE 不再是传统的行业会议，而是一次结合“科技爽文短剧”形式的沉浸式体验。从 AI 在硬件上的突破，到具身智能进入现实世界；从品牌出海的进展，到传统行业的数字化转型——这些内容不仅展示了趋势，也提炼了多年商业实践中的经验。

接下来的内容将深入分析这些“短剧”的背后逻辑，带大家了解 2025 年商业的亮点。

AI 的应用模式在过去两年有了明显变化。从 2023 年的“智能涌现”到 2025 年的加速落地，技术正在逐步融入实际业务中。

商汤科技的贾安亚指出，国家正在推动“人工智能 +”战略，但现实中真正实现 AI 价值的企业仍然不多。她认为，企业要成功应用 AI，需要在两个方面进行转变：一是由 IT 部门主导转向业务部门驱动，让一线员工成为技术决策者；二是选择适合的场景，避开对精度要求极高的领域，优先考虑供应链、人事、运营等容易产生增量价值的环节。

随着多模态技术和软硬结合的优化，AI 正在从单一工具发展为能够深度整合企业数据流程的系统化方案。企业在推进 AI 时，不再只是需要一个模型，而是需要能解决实际问题的整体方案。

贾安亚分享了她最近的一些体验，包括使用 Nano Banana 和 Gemini3 等新技术。她发现，AI 技术的进步大大降低了应用开发的门槛，让很多原本复杂的任务变得更简单。

她提到，很多人认为未来的技术壁垒可能不再是技术本身，而是创意。过去她对此有所怀疑，但现在看到 AI 在前端开发、游戏设计等方面的应用，确实节省了很多时间，也让人更愿意尝试。

她表示，AI 在企业中的应用比个人应用更加严肃和复杂。政策支持是推动企业 AI 落地的重要因素。国家提出的“人工智能 +”战略目标是到 2027 年实现智能终端和智能体覆盖率超过 70%，这与十年前“互联网 +”带来的影响类似。

从大模型的发展来看，应用方式也在不断变化。早期主要集中在预训练和微调，后来转向强化学习和智能体，现在更多关注多智能体协作。虽然技术进步迅速，但在企业中落地仍面临挑战，比如部署周期短、与企业现有流程融合难等问题。

有数据显示，只有少数企业在使用大模型后能在财务报表中体现实际收益，但贾安亚认为这个数字可能低估了真实情况。她指出，很多企业内部已经自发使用 AI 工具，说明实际应用范围比报告中显示的更大。

她还提到，目前市场上很多所谓的“智能体”其实并不是真正的智能体，而是低代码、RPA 或简单的封装。关键不是概念，而是如何满足企业需求，提升效率。

她总结说，企业对 AI 的需求尚未完全满足，同时供给侧的能力还有待提高，这为未来几年 AI 在企业中的发展提供了机会。

在合作过程中，他们发现与头部企业合作后，产品逐渐标准化，越来越多的中小企业、学校和医院也开始使用这些解决方案。

他们观察到，AI 应用与传统信息化建设有很大不同。过去是由 IT 部门主导，现在更多是业务部门先使用，之后才被引入企业。这种方式有效弥补了 IT 和业务之间的理解差距。

她强调，场景选择至关重要。比如在金融行业，财务部门对精度要求极高，不适合作为第一个试点场景。相反，供应链、人事、运营等部门更适合，因为它们有大量数据但缺乏专业分析人员，AI 可以带来明显提升。

她还提到，AI 在企业的落地不只是买几个产品，而是系统化的工程。特别是对大型企业来说，需要从多个层面创造价值。

AI 对个人的帮助比较直接，比如写文案、写代码、数据分析。但对企业整体而言，更重要的是提升团队协作效率和管理能力。这也符合 AI 进化理论中关于企业级智能的观点。

她指出，很多企业开始部署开源模型，但遇到的问题是如何将这些模型与自身数据和流程结合。模型本身可能多样，但对企业业务的理解才是关键。

多模态技术的重要性日益凸显。他们在训练中加入更多多模态协同，提升模型在处理复杂任务时的准确性。

企业对精度的要求更高，因为任何错误都可能影响最终结果。企业数据种类繁多，包括文本、图片、数据库等，AI 必须具备处理多种数据的能力。

他们推出的办公小浣熊，就是一款面向企业和个人的 AI 办公工具。它从最初的单点功能逐步升级为全面的 AI 办公系统，帮助企业实现从文件处理到任务导向的转变。

这款产品在数据分析任务中达到了很高的准确率，甚至在一些垂直领域可以达到 100%。这是企业真正可用的标准。

另一个重要功能是任务规划 Agent，帮助用户在面对复杂问题时明确目标，找到解决方案。

他们的目标是通过 AI 工具，最终实现 AI 生产力。

最后，她提到近期体验了一些新硬件，如英伟达的 DGX Spark，发现成本控制越来越重要。随着技术进步，企业可以找到更多性价比高的硬件方案。

未来，AI 不仅会从软件层面解决问题，还会通过软硬结合的方式降低成本，满足更多需求。