对智能时代的判断 - 人工智能是对人类能力边界突破最大的一次飞跃，其意义远超蒸汽机和工业革命 [11] - 大模型的智力上限会继续拉高，应用将彻底改变行业格局，带来巨大的市场空间和无限可能性 [12] - AI创造的价值将远超互联网时代，互联网核心是信息流通，而智能体(Agent)封装的是智能，交付的是结果 [13][14] - 企业可以只有一个官网，但一定会有大量Agents，一个岗位或场景未来可能对应几个甚至几十个Agents [15] - 当价值创造方式被重构，产业链将进化，AI进入超级周期，目前正站在这个超级周期的起点 [15] 对AI产业落地的判断 - 所有技术突破最终都要落到客户价值上，需要深入产业才能挖掘真正价值 [16] - 大模型在TOB领域是逐步渗透过程，会润物细无声地改变整个生产流程和研产供销服环节 [17] - 大模型应用不再是简单的模型API调用，而是需要对接各种组件、工具并进行精细编排 [19] - RAG(检索增强生成)仍然是控制幻觉、提高准确性的有效且经济的手段 [20] - 实际业务中问题可拆解为多个子任务，通过不同Agents协作完成，例如科研场景下的方案调研、实验设计、报告撰写等 [20] - Agent要成为"真正有用的AI"，必须服务稳定、安全、可控，考验企业级全栈AI能力 [20] - 应用落地本质是系统构建过程，系统价值在于让企业拥有创造能力，成为AI生态发展的源动力 [21][22] AI基础设施与开发范式 - 企业需要系统化的AI开发基础设施，既要易用、强大，又能支撑Agent开发范式的持续创新 [23] - 通过MCP等开放协议，互联网时代沉淀的大量数据和工具可以一键继承到智能时代 [24] - 企业的AI云将从成本中心转变为新型利润中心，需要全新的智能计算操作系统 [25] - 新一代AI云建设应以智能为核心，提升智能天花板、扩大智能渗透面，核心要素是算力、模型、数据和工程能力 [26][28] - 计算领域Scaling Laws持续发挥作用，极致计算效率是模型能力上限提升的核心驱动力 [29] - 2025年明显趋势是强化学习的scaling，激发模型更深层次逻辑推理能力，带来重要AI计算范式变革 [30] 模型应用与数据策略 - 判断模型好坏的标准是企业是否真正用起来、客户是否觉得有价值 [31] - 通用大模型在效果和性价比上难满足需求，需要定制专精模型 [32] - RFT(强化学习微调)通过评估标准让模型自我优化，适用于目标清晰、评价标准明确的场景如代码生成、客服问答 [34] - 数据成为比算力更重要的核心要素，工程师50%到80%的时间花在数据治理上 [35][36] - 中国作为AI技术策源地，需在AI云上持续创新，每一代基础设施的使命是激发新产业、创造新增长 [37][38] 对组织变革的判断 - 技术和业务变革最终会落到组织变革上，未来组织形态可能从金字塔变为"手工章"形状，中间层变薄 [36] - 企业AI战略必须自上而下，需做好重构产品和服务的准备，包括基础设施、思维方式、组织方式层面 [37][38] - 企业应在组织内部构建AI原生思维，重新思考产品、服务与用户的关系 [39] - AI的真正价值不是替代谁，而是创造新场景、激发和满足新需求，从而催生新产业和繁荣 [41] - 应聚焦如何用AI赋能员工拥抱新技术、创造新价值，而非简单替代人员 [42] - 未被标准化、工业化的行业(如艺术)中，人类很难被替代 [43] 活动与资源信息 - 混沌2025AI应用成果大课将于10月31日至11月2日在江苏无锡飞马水城举办，预计有2000多位AI创新者参与 [44][48] - 活动将分享AI商业化机会点、标杆企业AI布局逻辑、实战复盘方法，并发布包含200+优秀AI案例的行动指南 [59][60] - 提供AI实战专家面对面诊断机会，可节省百万咨询费，并有项目路演环节对接AI产业链上下游资源 [62][66] - 包含海澜之家深度探秘游学活动(限量200位)，零距离了解百亿级服装帝国供应链、零售与品牌秘籍 [67][68]