先说结论

云栖大会第二天上午的「智启新程：AI驱动创新企业」分论坛，两个小时里几乎没人在谈模型本身。阿里云公共云事业部副总裁、AI原生业务总经理张亮在开场就把话挑明：只把一个API丢给客户，客户用不好——很多公司没有足够好的开发人员，系统还是多年前的信息孤岛。接下来登台的四家企业分别给出了同一个问题的四种解法：内容公司怎么把AI变成生产系统，跨境电商怎么让生意自己跑，传统IT服务商怎么先革自己的命，以及最朴素的——企业买了账号之后，怎么走到真产能。论坛末尾的八组AI全栈合作签约和二十七家Qoder企业级落地实践伙伴授牌，则把答案的另一半摆上台面：这门生意阿里云不打算独吞，也独吞不了。贯穿全场的真正矛盾不是「AI够不够强」，而是经验在哪里沉淀、谁来验收、钱按什么口径付。本文按回放时间轴（0—7235秒）完整复盘，数字均为讲者口述（标注「嘉宾称」，未经第三方核验）；讲者身份与所属机构经外部核验属实。

一、九万人报名的会，卡住的是「谁来落地」

张亮的开场致辞与其说是致辞，不如说是一份生态分工宣言。他先给了背景：今年云栖大会报名九万人（嘉宾称），来的不再只是开发者，而是各行业的CEO、COO、运营和财务人员——阿里云的客户群「由开发者走向了普罗大众」。而中国有六千三百万家企业、四亿多在企业里上班的人（嘉宾称，口算口径），单靠阿里云自己服务不过来。

这背后的机制判断值得展开：AI落地到企业的过程中，最难的不是模型，而是「把企业自己的内容变成上下文输入给AI」。张亮的原话是，企业可能擅长自己的专业，但不擅长营销、不擅长实施，就像电商早期人人都想开店、想做内容号，最后养活了一批TP服务商。现在同样的事正在AI上重演——过去一年FDE（Forward Deployed Engineer，前沿部署工程师）成了热词，无论美国的AI公司还是中国的创业公司，都需要一批驻场工程师去教企业把AI用好。这不是论坛的自说自话：OpenAI、Anthropic、Palantir、Databricks目前都在公开招聘FDE岗位，Databricks把这支团队定义为「帮客户把首创AI应用推向生产」的专职力量。

由此推出一整条伙伴分层逻辑：只会商务拓客的伙伴，竞争力会越来越弱——你没有价格优势，客户凭什么选你；能派出实施人力的伙伴更好一些，但人工很贵，一对一、一对五地投人成本巨大；真正有长期护城河的，是有产品技术能力、卡在平台层和客户层中间、拿着行业know-how的那一层。张亮还顺手埋了两个商业信号：收费模式会从按产品销售演变成按token用量收服务费；而企业办公的基座正在换——钉钉的伙伴体系与阿里云的伙伴体系已经整合，钉钉的产品与千问办公也在做整合。他做了一个现场调研：工作场景里公司给付费token的观众，举手的大约只有一半——「自费自带干粮」。

这个「一半人自带干粮」的细节比任何市场规模数字都有说服力。张亮用2008年的iPhone时刻作类比：从大家3G流量用不完，到所有人每月花大钱订阅移动流量，只用了很短时间；企业token消费也会走同样的路，「当你周围的人都是AI武装过的人，不用AI的公司效率就会被落下」。他透露阿里巴巴现在给员工的token基本不设上限，写清用途就能批，内部token用量「非常惊人」（嘉宾称，未给具体数字）。而他在结尾转述主论坛口径——从百分之三的机器智能到一千倍机器智能中间还有三万倍空间，二十吉瓦机房背后需要两到两个半三峡的电力（嘉宾称）——把这扇门推得更大。至于阿里云自己的位置，他说得很直白：做好技术中立方，把数据中心、芯片、云和模型做好，「所有行业的落地，市场交给伙伴和客户来做」。

二、麦芽传媒：把几千个导演「蒸馏」进系统，一次回车一部剧

第二位登台的徐亚男（转写作「徐亚楠」，按议程校正）来自麦芽传媒——外部信源可查的全国头部MCN机构与微短剧头部厂牌，总部重庆，在册员工两千余人，累计创作微短剧超千部。她在台上自报家门时给的是另一个口径：五千多人、MCN与短剧两大板块、近期MCN排名「都是第一名」、全抖音AIGC播放量和点赞量的第一和第三都是其产出（均为嘉宾称）。两个口径的差异大概率来自用工形态统计，不影响她要讲的核心：一家真正的内容生产公司，是怎么用Wan3.0（转写「One三点零」，即通义万相视频生成模型新版本，阿里开源视频生成系列已迭代至2.x以上，3.0发布口径以大会为准）重构生产流程的。

徐亚男最直白的一句判断是：「AI就是放大一个人一百倍的聪明，同时放大一个人一百倍的蠢。」这句话决定了麦芽的全部做法——AI不管控流程，蠢也会被等比例放大。她讲了一个算账方式的迁移：一开始大家算「一秒钟多少钱」，后来发现这只是最简单的账，真正的账要算整个成片花了多少钱、综合投入是什么（审核、修改、讨论、重复沟通），以及人物一致性能不能保证、这部短剧的资产能不能被复用。「我们今天生产完一条片子，这条片子能不能值得被复用」——从单条镜头的成本核算，转向生产系统的资产核算，这是整场分享里最值得其他行业借鉴的思路。

跳跃视界（转写「跳跃世界」，议程作「跳跃视界」）这个内部平台的做法因此清晰了：先把内部用到百分之百的使用率，再对外开放。而它内部化的方式是「把我们几千个导演给蒸馏了，把他们的思路先放进跳跃视界」（嘉宾称）。落到功能上是三层：创意agent，一句话成篇，帮零分的人快速到三十分、把七十分的人的水位线抬高；二八定律——百分之八十的重复性操作交给agent，人只做百分之二十的判断，「到现在，判断是最重要的」；短剧的「一键流」，上传脚本自动出人物、场景、道具资产，自动出提示词，「一次回车一部剧」，内置几万套资产可供调用（嘉宾称）。

论坛放的一段宣传片把行业痛点说得比讲者更狠：无数创作者怀揣精彩故事、手握顶尖生成模型，却困在写剧本、划分镜、找素材、生成镜头、后期拼接、协同改稿、反复切换工具的碎片化工作流里——单镜头足够惊艳，很难高效产出完整剧集。徐亚男的回应是把Wan3.0的长时长、多模态、高复用性、性价比接进这套流水线，再把「转会」（一条成片自动做数十个国家语言的版本）和剧本库、剧本广场陆续上线。她的案例都有具体数字：旧梦留声机账号今年Q2才建，现在是第一（嘉宾称），价值点在人物一致性、资产复用、不用来回切工具；「早安奶奶」爆款的提示词已经开源放进工具里；一个人一天生产一部剧，其中一条在抖音播放量破二点五万、充值破百万（嘉宾称，单条口径）；十二星座系列搓了三档节目×十二个星座共三十六个建模，还都要差异化——「我就是想看帅哥美女演戏，不想看丑丑的男孩女孩」，观众的需求倒逼建模质量与一致性成为硬约束。生态端她也留了个钩子：麦芽的skill已经上线千问办公的专家套件；最近一场赛事的第一名被MCN当场签约，两小时变现四单六位数商单（嘉宾称）。她给这场分享起的题目是「从消耗到生长」——一次交付不是终点，资产能持续生长才是。

三、赛维时代：让生意自己跑起来的「经营大脑」

如果麦芽解决的是内容产能，赛维时代副总裁欧越（转写「欧月」，按议程校正）讲的就是更激进的版本：让AI围绕经营目标直接推动生意。赛维时代是创业板上市公司（301381.SZ），技术驱动的跨境电商品牌出海企业，2025年营收118.17亿元——这是可查的公开数据；欧越在台上说的是「我们从做一个亿到现在一百多个亿，我们的ERP怎么成长起来的，我们一清二楚」。这家公司IT系统全部自研，十多年沉淀了真实的跨境场景和数据，AI子公司智创星云就诞生在这个底座上。

欧越把赛维的演进讲成了三个字：自动化。从最早用规则不断降价调价试流量，到成立自动化研究部，到大模型出现后AI能理解上下文、推理判断，再到Agent出现后能调用接口执行任务。中间有个组织细节很能说明这家公司的风格：过年期间某个Agent产品（现场口语昵称「小龙虾」）出来，董事长陈文平花了三个通宵研究，第四天就召开全体高管大会，要求每一位高管亲自动手做Agent（嘉宾称）。到现在，内容素材、AI Coding、营销、广告、产品、HR、物流各个业务门都落地了Agent。

真正的新东西是他们称之为「新一代跨境电商AI经营体系」的构想：AI围绕销售增长、利润增长、品牌影响力、新品成功这些经营目标，七乘二十四小时持续感知市场变化、商品状态、库存数据，进行分析判断决策，然后不停留在报告里，而是直接调用业务系统执行——比如做供需平衡时发现真的需要补货，就自动建采购单——再用回流的销售数据反馈优化，循环往复。他们先拿了一个店铺做试验田：一个以经营目标为中心的「经营大脑」，加上模拟赛维真实岗位的多个专家Agent，落到产品开发、视觉文案、商品刊登、物流发货的每一段运营流程。欧越特意提到阿里云在这中间扮演的角色：除了计算、存储和千问大模型，他们做VOC（客户声音）分析做不准时，阿里云专门派了算法工程师来帮落地。

演示场景很具体：老板提出明年销售涨百分之五十，AI结合历史销售数据拆解该做哪些动作，小范围试一遍跑通了再立项；全年计划拆成RoadMap，大目标拆到每月，七位专家轮流盯着，「人只需要看结果」；新品开发时AI评估能不能达成百万美金目标，利润跟合规「两条红线」做风控；立项后AI直接进ERP创建产品资料、自动生成listing上传平台。做完自用，欧越引用「推己及人，成己成人」宣布了商业化：智创星云把这套体系标准化，一大脑（星云Cloud）加四大件（星云ERP、星云广告、星云Studio、星云GEO）。几个产品各有来历：星云ERP的底气是IPO时经过普华和立信两家IT审计（嘉宾称），AI时代把商品、订单、库存、采购统一成Business Context供Agent调用；星云广告只做亚马逊，走过规则（「很笨」）、大模型判断（「不稳定」）两代，最后用强化学习学优秀投手的投放经验——为此挖过做自动驾驶的车企人员——让AI自己做预算、关键词、竞价决策；星云GEO做AI时代的品牌可见性，他们用RPA去各大AI平台自问自测效果，真实跑出来的数据是：品牌Coolandy提及率提升约百分之四十、站点引用率提升三点二倍、ChatGPT提及率和引用率提升超百分之一百三十、核心品类套装引用率最高提升二十一点八倍（均为嘉宾称，A/B口径）。欧越的收束句把野心说尽了：AI真正的价值，是把过去靠人和流程和系统的经营模式，转化成人和AI来执行的经营模式——「让你的生意自己跑起来」。

四、赛意信息：先拿自己开刀，六千人的经验为AI重新积累

前两家是AI的重度受益者，第三家广州赛意信息科技股份有限公司（创业板上市公司300687，企业数智化与工业软件服务商，服务华为等三千二百多家企业——外部官网口径）的处境微妙得多：它是传统To B的IT服务商，而这波浪潮里「很多甲方IT自己就能完成大部分事情」的判断，一度让公司内部相当悲观。CTO袁海岗（转写「袁海港」，按议程校正）没有回避这段心路：2023年开始很多领导和同事认为AI对这类企业冲击太大，但2023、2024、2025三年跑完再看，真正复杂的To B交付并没有那么容易被取代——项目从立项到系统下线周期很长，涉及角色、部门、错综复杂的应用系统，「不是一个简单的给到一个工具就可以完成的事情」。

但「不被取代」不等于「不变」。袁海岗列了三个必须变的理由：乙方产品同质化严重，AI加进来的第一目的不是取代人，而是让交付更快——用户早上提需求，下午最迟明早就能用起来；知识复用——赛意六千多人（嘉宾称，官网口径为五千多名顾问）的架构师、产品经理、方案顾问、开发测试，每个人每个领域都有独到的东西，但从未汇总成一个人能掌握的体系，AI可以帮着把这些散在各人电脑里的经验「蒸馏」回来；采纳率——「你问他所有东西他都答得出来，但要采纳回答的内容，采纳率多高，这是一个极大的问号」。他引用项目管理协会2023到2025年发布的数据说采纳率有一倍多增长（嘉宾转述，未经独立核验），并给出一个转折判断：原来我们积累的东西是为人去积累的，从现在开始，更多是为AI去积累。

落到执行上，赛意今年上半年与阿里做了两个维度的合作。其一是全员统一用Qoder（转写多处作「Coder」，阿里2025年8月全球发布的Agentic Coding平台）做编码：工具统一后，好的skill能快速贡献、全员共享；同一项目组的文档数据统一归集，AI分门别类呈现，需求到设计全链路可追溯，bug能回溯到引发它的那个需求。其二是在自家谷神ECP技术平台上叠加Qoder的Cloud Agent做「数字人」：把PMO岗位需要用到的技能蒸馏出来，端到端动作形成SOP，把ERP、PMS、报工、开票系统的数据交互闭环成MCP交给数字人。现在的状态是「人在辅助数字人工作」——数字人每天巡检挂载的项目、进展和风险，新售前项目快速识别概算风险，真正有风险的项目会自动把商务、交付和上级主管全部拉进一封正式邮件，写清楚问题与行动策略，而且它做的每件事都有记录，基于记录自进化（嘉宾称）。

对外输出也已经有了样板：今年上半年给一家冰箱制造商做验货场景——原流程七个环节、三个部门参与，客户提供的图片样本格式各异，出了问题（比如货到日本）要回系统里一个个查，几天才能查清。赛意用视觉模型把非规整单据结构化解析，对照验货模板自动生成完整报告，批次、订单、PR单、PO单打包成交付物。袁海岗特别强调价值点：对客户最大的节省不是减人，而是出了问题所有环节能快速追溯还原，「客户问的任何一个问题，都可以完整还原出当时的情况」。这个Agent正和阿里Qoder团队推进产品化，目标是同类制造业客户的验收场景标品。他还有一个反共识的观察值得一提：都说AI出来低代码要死，赛意三年多看下来低代码的价值还在——低代码构建的系统，新需求可以回到定义端结合AI再生成，它反而成了AI改造的加速器。

五、云巴巴：账号到产能的最后一公里，FDE的三条铁律

前四家讲「为什么值得做」，最后一位讲者、北京云巴巴首席AI架构师倪江伟讲的是「为什么做不成」。云巴巴原先是企业数字化选型平台（官网可查：合作五千多个厂商、两万多个解决方案），服务过一万多家企业（嘉宾称）。他们看到的现象足够扎心：很多企业「账号买了，培训做了，大家很热闹，但是回到九十天之后又没有人用了」；AI的生产力已经很强，但没有沉淀出企业资产。「选型只解决零到一的问题，落地才是一到一百。」

他们的答案是自建FDE团队——懂业务的顾问加懂交付的工程师，围绕千问办公这个通用智能体基座（阿里巴巴的一站式AI办公智能体平台，已深度接入钉钉生态）构建企业级落地服务能力。倪江伟给FDE的定义是「把通用智能体变成企业数字员工的最后一公里工程师」，并强调FDE不是新词（如前所述，OpenAI、Anthropic、Databricks都在设这个岗）。他的方法论里最可迁移的是场景选择三原则：离数据最近、重复劳动最密集、效果最易量化——第一刀切在哪里，决定钱是不是白花；「选错场景，AI会死在第一个月」。配套机制还有三条：企业内部要有一个AI先行官来推动和管理者验收；要有量化机制（一周一个月产生了多少效果、沉淀了多少资产）；要用真实数据说话——拿客户真实的表、真实的单据、真实的流程跑给客户看，再进生产环境。

五个案例覆盖了五种企业形态，共同点是把「老师的经验」变成「企业的skill」：阀门外贸制造商，多语言询盘响应慢、报价靠老师傅翻资料，做成从询盘到报价的流水线——多语言邮件自动提取需求要素、产品匹配、BOM展开、报价单结构化输出，AI标注出处和确认源，认证到期自动预警合规风险，「老师傅人走了，方法留下来了」；电梯维保企业，把托管报价讲不清变成「三笔账」——故障率账、停机损失账、维保成本账，表格丢给千问办公自动生成对比分析和价值报告，从数据到报告、从报告到订单；家电制造企业，MES日报和ERP成本数据散落各处，千问办公做系统数据导入导出后的最后一公里，智能供应商比价把价格、账期、交付、质量的加权口径变成全公司可复用的skill——「最高分的不一定是报价最低的，但你选择的是最值得长期合作的」；工业软件厂商，自己有技术部门，仍把财务的报表凭证和经营分析交给千问办公，「软件公司不需要从头搭一个智能体系统」；建材科技企业，没有专职IT、数字化基础薄弱，从安装培训开始，从数据密集的高频办公场景逐步沉淀知识库。

倪江伟的五条心得几乎可以原样抄进任何企业的AI立项书：第一刀贴在哪里决定钱是不是白花；通用智能体不缺能力，缺的是懂业务的伙伴；效果需要量化验收，谁验收、什么口径要写清，「写不清的AI采购会成为沉没成本」；AI会自信地犯错，人的判断必须兜底——发布指令时要求引用源、高级复核、交叉验证；沉淀比提效更值钱。他给的组织路径是「三级火箭」：个人提效、沉淀部门资产、组织能力提升与变革——先装千问办公确实能提效，但只有把部门的知识经验沉淀成skill，才有资格谈生产组织关系的重构。他的收束金句是全场最好记的一句：「把重复交给AI，把经验留给组织，把时间还给经营。」

六、签约与授牌：生态把「落地」变成一门生意

分享之后的两个仪式把上午的逻辑闭环了。八组AI全栈合作签约依次上台：福建奇想无线网络、超讯科技、杭州猫山王科技（天工画境）、厦门海尼天驰软件、杭州盼趣文化传媒、浙江明星文化传媒、图灵集团、深圳吉视万象科技，分别与阿里云AI生态的程传科、吴晓东、冯代军、霍鑫、张静等签约（以上人名与公司名以现场转写为准，未逐一经外部核验）。随后的Qoder企业级AI落地实践伙伴授牌覆盖二十七家企业（主持人口径），包括神州数码、四川长虹嘉华、万国数据、广州佳杰科技等，授牌嘉宾除阿里云AI生态解决方案资深总监李虹（转写「李红」，按议程校正）外，还有Qoder产品解决方案负责人宁晓明、AI生态技术服务总监张黎明。仪式的表述值得记下：这批伙伴「不只是使用者，更是共建者，在真实业务场景中验证能力、反馈问题、推动产品迭代」。

把这四段实践和一场签约放在一起看，链条其实很完整：模型厂商把token和智能体基座造出来（张亮说的技术中立方），中间层伙伴拿着行业know-how和FDE人力把落地做完（云巴巴的最后一公里、麦芽的skill上架千问办公、赛意的数字人产品化），而赛维时代这样的企业则示范了终局形态——自用验证、再反手做成产品卖给同行。主持人在结尾的总结恰好是全场唯一的「元评论」：这四个案例都不是从「我要用AI」开始的，而是从「我有一个问题」开始的；AI是手段，不是目的。

对读者而言，这场论坛真正能带走的是三个可操作的判断。第一，算账口径决定成败：内容公司别按秒算成本，要按整片加资产复用算（徐亚男）；企业别按账号数量采购，要按验收口径采购（倪江伟）——两者的共同点是把「一次性的消耗」换成「可累积的资产」。第二，AI落地的瓶颈已经从模型转移到组织：蒸馏老师傅的经验、给数字人定SOP和红线、设AI先行官和量化验收，这些活模型干不了，只能靠人来设计，而这正是未来两三年里中间层伙伴和FDE岗位的生意空间。第三，观察指标比结论重要：接下来盯三件事就够了——千问办公与钉钉整合后企业付费token的渗透率（张亮的「iPhone时刻」是否兑现）、Qoder伙伴体系里长出多少行业标品（签约授牌能不能变成收入）、以及赛维智创星云式的「自用转外销」路径会不会被更多垂直龙头复制。这三条任意一条跑通，「从账号到产能」就不再是一句口号；一条都没跑通，再多的大会也只是热闹九十天。