▎杨蔚：你们服务了这么多企业，AI最典型的应用是什么？

 

▎温德亮：我们第一个客户是某运营商省分公司的在线客服。最开始做客服，后来延伸到营销、ChatBI数据分析，再到企业员工的个性化教育。

但做客服时很快遇到一个问题，AI“答完就忘”。

比如第一轮问套餐多少钱，到第十轮再问“刚才那个套餐多少钱”，它可能已经忘了。C端用户对这种错误还有一定容忍度，但B端不一样。企业付了钱，希望交付的结果真正有用。

我们尝试过模型压缩、蒸馏、训练、调参，也做过Agent、知识库、提示词工程和上下文优化，后来发现，一个关键问题是模型缺少像人一样连续的记忆。

▎杨蔚：但记忆并不是记得越多越好。到底应该记什么、忘什么？

▎温德亮：我们的思路是尽量让AI像人。

记对的东西，要强化，沉淀成经验、服务或者技能，下一次可以调用；记错的，要反思或者遗忘。

所以我们做了自我反思，也做自我遗忘。比如你买了一部手机，知道它关联着一本说明书就够了，没有必要把说明书每一句都长期记住。真正重要的是与这个人、这个场景相关的内容。

人与人第一次见面也是冷启动。我们通过交互感知一个人，通过对话、情绪、时间、情景、地点逐渐形成认知。

AI也一样，没有互动，就很难产生真正的记忆。

▎杨蔚：你一直在讲“记忆驱动AGI”。为什么记忆这么重要？

▎温德亮：我们对AGI的理解是，给它一个正常人智力水平能够完成的任务，它可以自主理解、自主规划、自主完成，还能够递归学习、自我进化，越用越好。

一个刚毕业的学生进公司，也没有工作经验。但公司给他任务，他会做、会犯错、会总结，最后形成经验。

具身智能也是一样。现在机器人学习开门，需要大量样本去训练。但人看到一扇没见过的门，通常也知道怎么打开，因为人会把过去的经验迁移过来。

所以我们想先做“类人大脑”，再让它驱动机器动作。模型负责推理，但行为是由过去的记忆和经验驱动的。

▎杨蔚：所以这里实际上涉及的不只是记忆科学。

▎温德亮：对。它还涉及认知科学、神经科学、脑科学，以及怎么用计算机和硬件把这些东西表达出来。

但我们并不是先研究出一个理论，再去找场景。我们的路径是先做应用、解决客户问题，再从真实业务场景中反向沉淀技术。

▎杨蔚：以客服为例，AI到底能替代多少人工？

▎温德亮：在固定化、专项化场景里，AI可以解决很多问题，但前提是它能够像人一样流畅沟通，而不是“遇到问题请按1、请按2”。

公众服务还面对非常复杂的人群。不同年龄、不同认知习惯的人，对技术的接受程度完全不同。所以不能粗暴地说“上一个AI就解决了”。

▎杨蔚：这也是我很认同的一点，很多时候应该是技术适应社会，而不是社会适应技术。真正自然的人机交互，应该符合人的使用习惯和多元需求。

除了面向客户，AI怎么真正改变企业内部？

▎温德亮：很多老板其实不喜欢“降本”。只要生意还能增长，他们更关注怎么赚钱、怎么把生意做大。所以我们更关注“增效”。

我们服务过一家制造业上市公司，一个做法是把离职员工过去形成的工作经验沉淀到Agent里。

员工会流动，但他的办公记录、系统操作、OA流程、产品设计思路、代码、会议纪要等，可以形成组织的记忆。之后遇到历史问题，就可以直接调取。

这会降低员工流失对组织的影响，也能够让年轻员工复用过去的经验。

▎杨蔚：企业管理一直有一个难题，知识存在个人脑海里，但竞争优势是组织层面的。AI让个人知识向组织知识的转化，第一次变得更加具象。

▎温德亮：对。过去讲数字资产，大家想到的是文档、材料、数据。但未来真正重要的，可能是能够被AI学习的语料和经验。

现在的AI做了很多“技能”，但还少了一块——经验。经验往往才是独属于个人和企业的数据资产。

▎杨蔚：数字分身进入企业流程以后，责任怎么解决？比如OA审批，最后出了问题怎么办？

▎温德亮：一个方式是，只赋予AI拒绝的权限，不赋予它同意的权限。

比如重复报销、同一个付款科目提交两次、预算超支、招标文件有错别字、流程重复，这些其实不值得领导花大量精力检查，可以先让AI发现并退回。

但“同意”代表责任和判断，最终由人来做。

▎杨蔚：也就是说，让AI帮助组织少犯错，而不是把所有决策都交给AI。

▎温德亮：对。企业很多流程必须存在，因为要审计、追溯、合规，但管理者不可能每天对一百多条流程始终保持高度专注。AI很适合先承担检查和复核工作。

▎杨蔚：你服务这么多企业，成功的企业有没有共性？

▎温德亮：事情本身几乎每家都不一样，但人的特性有共性。

大型企业更强调程序正义，可以牺牲一些效率；中型企业更追求效率；小企业最关注快速转化。所以产品形态天然不同，中小企业更适合标准化订阅，大企业往往需要本地化和定制。

但真正影响转型的，还是决策者和团队。

有一种失败案例是，领导层非常喜欢新事物，什么都想试，但组织人员的能力跟不上。员工每天既要解决实际工作，又要追着领导的新想法跑，最后疲于奔命，什么都没做成。

所以数字化转型也好，AI转型也好，核心命题是：组织要接受。

▎杨蔚：所以不是简单的“一把手工程”。

▎温德亮：一把手决定了，下面的人不同意，一样推不下去。

我们现在做项目，上来不是先说服老板，而是先解决组织内部的共识。大家达成共识，再开工；如果没有共识，推动力一定会有问题。

共识本质上也是一种文化熏陶。

▎杨蔚：企业有了共识以后，另一个经典问题是，AI能力到底应该自己建，还是找外部服务商？

▎温德亮：核心就看一件事，AI是这家企业转型的主要推动力，还是辅助推动力。

如果AI是组织变革的核心能力，是“主要矛盾”，那企业就应该自建能力。

如果企业原来的核心竞争力已经很清楚，AI只是帮助它加速组织进化，那就可以采购。

所以不是所有企业都必须做一个宏大的“AI转型”。真正重要的是，AI能不能解决你的具体需求，能不能提升效率。可以从小场景开始，积小胜为大胜。

▎杨蔚：现在很多大模型公司投入巨大，AI行业未来的利润到底在哪里？

▎温德亮：AI公司是可以盈利的，我们公司就是盈利的。

但很多创业公司的路径是，先有一个技术想法，投入研发，做出产品，再去找商业化场景。这个路径很长。

我们的思路正好相反：先基于现有模型做应用，解决客户问题，先赚钱。等业务跑起来以后，再看底层模型能不能满足需求，不能满足再自研、再替换。

对初创企业来说，不一定上来就做基模，可以先做应用。

▎杨蔚：但模型一直变化，下游应用也要不断适应。

▎温德亮：变化不是AI行业独有的。任何产业都会变化。企业真正需要构建的是持续盈利和持续进化的能力，把对市场变化的适应转化成组织能力，再从组织能力里沉淀核心技术。

我们的记忆技术也是从客户场景里反向沉淀出来的，所以它天然就有应用场景。

▎杨蔚：很多企业家和管理者听到越多AI信息，反而越焦虑。怎么解决？

▎温德亮：我觉得很多焦虑并不完全源于AI，而是社会经济结构变化带来的压力，只不过映射到了AI上。

真正的问题是，很多人不知道自己处在什么位置，不知道自己的博弈点在哪里。

所以我建议先想清楚，自己到底处在什么位置，在做什么事情。

▎杨蔚：换句话说，就是回到个人和企业的竞争优势。什么是我的竞争优势？它跟AI到底有多大关系？

最后展望一下，未来三年，你最期待AI发生什么变化？

▎温德亮：我觉得未来的AI会真的越来越像一个人，但它是服务人的，不是为了取代人。

未来可能进入一个更智能的社会，机器人进入家庭，教育机器人参与教学，各种智能系统进入工作和生活。

但我觉得人类最大的价值还是“启发”——不断启发，不断探索。

▎杨蔚：AI真正带来的，可能不是把人的价值压缩掉，而是让每个人能力和创造力的边界被进一步拓展。未来也可能出现更多新的组织形式和新的工作。

▎温德亮：对。所以大家不用过度焦虑。AI是用来更好地服务人的。