先说结论

9 月 23 日上午的云栖大会德勤 AI 创新论坛「智领全球，数赋新程」，两个半小时里所有演讲和两场圆桌都在拆同一个差额：德勤中国与香港大学前一天联合发布的报告显示，64.4% 的中国企业已把 AI 用进实际生产运营，但达成既定目标的只有约 4%，真实回报低于 10%，而且约六成企业没有一个评估 AI 价值的框架（德勤官网与凤凰网确证报告口径）。德勤中国轮值副首席执行官孟晓凡在开场把这组数字对上了另一份报告——德勤 Tech Trends 2026 称仅 11% 的受访组织在生产环境部署了智能体系统（经报告 PDF 核验；演讲中将其表述为「进入生产场景并取得回报」，口径略有出入）。**钱和技术都不是瓶颈：模型以周为单位迭代、小模型把 token 成本打到「根本花不完」，卡住企业的是三件更慢的东西——企业语义（agent 懂不懂你的流程黑话）、端到端流程（点状提效能被组织吞吐吸收）、责任机制（AI 不能担责，谁签字）。**论坛上最一致的三个动作信号是：SAP 把知识图谱开放给生态、千问办公发布「企业上下文」，语义层正在成为 ERP 之后的新争夺点；壳牌式的公司公开否定了「找 use case」的方法论，转向端到端业务重构；联想用风险分级治理置换全民创新的速度。以下按官方回放时间轴（0—9280 秒、78 段转写全文覆盖）复盘，口述数字未经第三方核验的均已标注。

一、64.4% 与 4% 之间的距离：钱花了，框架没建

开场定调的不是愿景，是两份报告的对撞。孟晓凡自述在咨询行业三十多年，为了用上最新模型，「在阿里香港和新加坡的服务器上左右手互搏」，但他随即给出的企业端图景相当冷：德勤 2023 年最早一批用 Cursor 这类 AI 编程工具，「个人效率有很大提高，但在企业 P&L 表上没有显现」，内部玩笑是「AI 的主要 KPI 是人均抽烟时长大幅变长」。他点名了去年流行、今年基本没人再提的词——token maxing（资源消费最大化）：公司付钱鼓励员工拼命用 AI，「真金白银投下去，CEO 天天在问，ROI 在哪？」

德勤中国阿里云联盟副主管合伙人黄晓宇（转写误作「黄小雨」，经德勤官网 profile 核正）随后拆解了这份与香港大学人工智能、管理与组织研究中心的联合报告《决策者视角下的企业AI应用》：205 位企业高管作答，IT 负责人、业务领导、高管各占约三分之一；64.4% 的企业 AI 已进入实际生产运营（较去年提升十个百分点以上），首次有超过 10% 的企业以体系化、结构化的方式全面应用；但立项时认可的回报率多在 10%—25% 区间，超过半数企业反馈「未完全达到预期」，约六成企业没有体系化的价值评估方式。黄晓宇把最后这个数字称为「听起来有一点危险」：立项靠拍脑袋，评价靠局部主观判断，等于 AI 投入在财务上不可审计。

报告给的解法有三层，每层都有反方。第一层是数据先行——他转述一位阿里方面领导的建议：「所有 AI 项目前期都先做一个数据整理的项目」，因为「有时候不是 AI 幻觉，是你们家的数据资产质量不过关」。第二层是警惕新技术负债，他举的镜子是 RPA：七八年前各部门百花齐放，今天德勤帮客户升级核心系统时发现，有的企业里积了近千个 RPA——没有管控体系的 AI 会重演这条路，「从效率工具变成新的技术负债」。第三层是投资逻辑转向：降本增效存在边际递减，真正的大机会是用 AI 解决「以前不知道的问题」，比如全量内审内控扫描这类人力做不了全量的事。他还给 CIO 们一个具体抓手——clean core（清洁核心）：把核心应用系统标准化，周边系统用 AI 原生方式重构，「运行效率、代码效率会有大幅提升」。这套判断与 SAP 的「Autonomous Enterprise」（自主企业）愿景在会场形成互文：点状 Agent 整合为更大的 Agent，其上有调度型的 Super Agent——而流程梳理的思路要与十年前做 ERP 时不同，因为「这个流程不只是给人用的，也是给 AI 用的」。

二、Agent 入企是一道「新员工入职」题：身份、语义、责任

如果说上午的主旨演讲在诊断，午餐前的生态圆桌「四维聚力：从应用到智能体的跃迁」则在给出病理切片。主持人黄晓宇把三位供给侧嘉宾放进同一个问题域：千问办公副总裁、产研负责人束骏亮（转写误作「束俊亮」，经界面新闻核正）、阿里云 ATH 事业群 MaaS 业务线全球战略伙伴负责人张科、SAP 大中华区 AI 创新团队负责人韩宇。

束骏亮先给出一个速度坐标：千问办公从诞生到服务大量客户「也就一个半月、两个月不到」（经核验，该产品 8 月 3 日才开启公测），功能迭代从过去半年一年的共创周期压缩到两周甚至一周，前一天专场一口气发布了七八个功能。但他的重点是企业级的三重门槛：当一千人、一万人都要用 agent 时，「agent 进入企业的身份是什么？是跟引入它的人一样，还是跟部门一样？它能访问哪些数据？数据边界怎么隔离？权限怎么健全？这在以前都是空白。」其次是与存量系统的整合——企业里跑了十年的 SAP、Salesforce 沉淀了海量流程与数据，「不是拿一个 MCP 打通这么简单」。最后是高安全需求客户的本地化部署，agent 产品重、背后是庞大算力。

SAP 的韩宇把第二重门槛讲成了全场最有信息量的一段机制分析。他观察到客户提问的演进：去年问「上什么模型、能不能从海外整模型回来」，今年上半年问「什么叫 AI infra、怎么一次性搞定」，最近问的是「agent 怎么理解我企业的知识、语义、流程」。他的框架是：prompt→context→memory 是 agent 理解世界的方式——「就像昨天 keynote 讲的，随便用一用就把 context 用满了」——但企业的「黑话」靠这三者搞不定：新员工入职要被告知公司有几个部门、什么流程、什么审批权限、能买什么办公用品。补这一层需要两个词：ontology（本体）和语义。「memory 是记住过去发生的事，ontology 是一个世界模型，告诉你字段与字段之间的关联关系」——他还点名 Palantir（转写误作「普兰迪尔腰鼓」）一直在强调这件事。落地路径上，SAP 的三加一架构（Joule 智能体、云 ERP、LoB 应用层，底座 BTP 与统一的 SAP Business AI Platform——后者经 SAP 官方新闻核验为 2026 年 5 月 Sapphire 发布）正在把三层内容抽象成语义层，开放 SAP Knowledge Graph 与面向生态的 Custom Knowledge Graph 两个层次，并明确希望与千问办公前一天刚发布的「企业上下文」（Enterprise Context，经新华网核验）深度融合。

韩宇还带来一个 SAP 与德勤共同客户的现场观察（公司名转写作「慕原肉食」，音译未核验）：那位客户的观点相当反共识——「别去找什么本体了，当年 ERP 实施的时候，德勤顾问和我们一百五十个人一起梳理出来的那些流程，就是一个非常好的本体；现在要想的是怎么把它结构化，注入到新的 agent 当中。」这句话的分量在于：企业为 ERP 付过钱的那笔流程资产，正在语义层时代被重新定价。韩宇自己的个人实践是同一逻辑的微缩版：他付费了国内外几乎所有的 agent harness，最大的困扰是「每次都要跟所有 agent 重新讲一遍我是谁」，于是自己在 Obsidian 里搭了个人的语义层，并期待把它抽象进千问办公的企业上下文里。

责任问题在圆桌一已经被壳牌中国战略与能源转型总经理杨钊说透：「AI 达不到百分之百的准确率，就会被组织挑剔，反向形成非常大的阻力。但你人能达到百分之百吗？核心的点在于谁承担责任——AI 没有办法承担责任，人必须要承担责任。」他给出的渐进模型是：先赋能单点员工，等「心理认同它达到跟我一样高的水平」后授权自动化、人仍担责；自动化多了，多个智能体合并成一个；再进入流程内化；最终从 human in the loop 走向 human on the loop，只在关键控制节点控结果。他甚至给了一个第一性解释：过去之所以有流程，是因为人的智力和精力不够、需要分工；当企业有了 corporate memory、本体和工具集成，「很多流程可以被内化」——但不是从第一天开始。

三、单点提效的组织黑洞：抽烟变长、决策等待与 3 倍效能拿 1/3 工资

为什么个人提效不等于企业提效？这个论坛至少给了四个相互印证的切片。德勤中国咨询人工智能与数据合伙人张为峰（转写先后误作「张维峰」「张卫峰」，按议程核正）拿德勤自己开刀：德勤在重庆有两千多名开发工程师，转型初期全员做 AI coding 测试，他右手边一位年轻同事快速成长为类 FDE 的专家，「效能是资深同事的三倍，但工资只有三分之一」——人才定价与 AI 产能已经错配；没多久大家下楼买咖啡发现「九楼打游戏、抽烟的同事变多了」，因为 coding 环节只占软件开发全生命周期的 20%—30%，单点提速被需求澄清、架构设计、变更拉通这些环节吸收了。他的结论是岗位分化：传统的前端工程师在本轮「非常受伤」，产品经理转型 FDE 的成功案例不少，后端因为架构与数据能力强而受益。德勤自己的应对是把咨询项目立项的 Go/No Go 决策——过去靠资深合伙人开会拍板——改成本体论驱动：把散落在五个以上系统里的八万多条历史数据梳理成十五个实体类型、十五个关系类型的知识图谱。「整个变化的速度取决于组织的推进速度，而非技术的发展速度」是他对全场的收束判断。

周大福数字化负责人胡志军（据现场报幕，人名未独立核验）从零售侧给出同构的观察：「企业真实的成本不是执行慢，而是决策需要等待很长时间。」周大福正在做的供应链决策重塑，是把销售预测→货品布局→门店铺货这条极长的决策链从月度决策压缩到周、甚至执行团队按天调整，用 AI 做 What-if 推演，让决策会议「看的不是数据准不准，而是这些方案里我们如何选择」。他同时守住反方立场：「技术永远只是工具，人才是最核心的部分」，最终决策仍由人快速做出。

联想全球 IT 战略负责人张彬彬（人名未独立核验）提供了大组织第四年的操作细节。联想 2023 年定内部 AI 元年，推全民 AI（citizen AI）战略，她的三个改变里最有借鉴价值的是治理与度量：全民创新场景下不可能让每个 skill、每个 agent 都走 IT 人工审批，「否则 IT 本身就变成创新的瓶颈」，于是按个人级、部门级、核心系统专业开发做风险分级，把安全测试和红线内置到平台里前移管控。度量上，除了 SDLC 端到端效率这类结果性指标，还要看 AI 生成代码比率、代码接受率这类过程性指标——「它们没有直接反馈到交付周期的降低，但体现出 AI 影响组织的深度和广度」。制造业一侧，三花智控实业运营中心副总监何义雄把落地卡点收敛为三条：怎么干（围绕业务场景重新定义人、AI、系统的分工）、在哪干（刚需、高频、解痛点之外，还要看数据知识储备是否到位、价值能否被识别和测试出来）、谁来干（既懂业务又能推动 AI 的复合型人才最稀缺——纯技术做会炫技，纯业务做不知道怎么把经验落进 skill、知识库、语义模型）。三花控股 2025 年 1 月的经营大会上提出全面 all in AI（经公司官网与港股年报核验，2025 年被定义为三花「AI 应用元年」），下半年的打法是聚焦销售、研发、供应链三个领域，项目从技术探索转成业务项目，「由业务提问题、为结果负责，技术提供方法和工具」，并不走大基建逻辑。

四、从找 use case 到建基座：一场方法论的自我否定

圆桌一里最锋利的一段是杨钊的自我否定。壳牌（转写误作「桥牌」「俏牌」）今年年初把 AI 第一次摆到最高管理层界面，第一个动作非常标准：花三个月、四十一场访谈、调研出一百个 use case。结果他「又兴奋又觉得做错了」——「AI 这种变革不需要去找 use case，就像电器时代来了，你不需要去找电的 use case。任何地方都是 use case，应该把它带到企业基座能力的建设当中去，而不是让每个垂直场景插烟囱」——插烟囱的成本不可控，也演化不成组织能力。管理层随后用四个选项完成定位辩论：做 AI native 公司？不是，壳牌是实业公司，核心竞争力是品牌、供应链、客户体验；当办公软件的 follower？那是所有公司都有的基建；逐场景赋能？成本太高、迭代太快；最终选择第四种——企业端到端的业务重构，把 AI 嵌入业务流程。这与张为峰的观察完全咬合：他见过企业做了一万多个智能体，「真正产生价值的比例非常低」，国际头部机构因此提出「组织注册级智能体」——进注册级的极少，且必须具备组织可复用资产的特征；他建议的灯塔场景是「相对长、相对复杂、边界相对清晰、跨部门」，反对「花白菜价造原子弹」的小快灵，也反对抄作业——「如果有一家机构说你可以直接抄它的智能体，你这公司离消亡也不远了」。

行业样本来自德勤中国消费行业全国主管合伙人敖方（转写误作「敖芳」）的农牧实践。他给的行业底色是：今年 1—8 月社零增速约 1.1%（演讲口径），食品终端上半年约 7.3%，但农牧上游企业营收增速普遍低于社零——行业在存量里拼全产业链成本。他反复强调的一个机制点是「AI 识别是问题导向，结果没有带入业务闭环就没有价值」：发现一只猪行为异常之后，饲喂方案调不调？防疫干预做不做？有没有落地、监控、反馈？否则 AI 只是发起点。信息化、数字化、AI 三个时代「不是替代，是迭代演进，没有补的课要补」，他更愿意说「加速超车」而不是「弯道超车」。落地的智牧平台用阿里全栈技术：DataWorks 与 MaxCompute 做数据整合、百炼做模型层、千问做协作层——三方各就各位：德勤出场景与行业规则，阿里出数据算力与运行治理，企业出数据和业务逻辑决策。论坛现场，德勤与阿里云还联合发布了农牧 AI 白皮书。

这套「基座优先」的方法论有明确的边界条件。孟晓凡开场就画了分层：多数企业的 agent 集中在流程 L5/L6 层，「更像用 AI 实现的高级 RPA」，真正产生效益要在 L2/L3 层做整体 AI 集群；德勤中国咨询战略与业务设计合伙人张中杰（转写误作「张忠杰」，经澎湃新闻核正）的全球化分享甚至被现场观众直接质疑「主题不是 AI」——他讲的其实是 AI 落地的前置条件：出海企业的业务先于管理落地，「总部职能追着业务跑」，数字化与合规必须走在业务深入之前，且要同时满足总部看得清与属地适配（税务、语言、流程、响应速度）；德勤团队在做的欧洲「运营实质化」项目显示，财务法务的手能不能伸到海外、系统数据能不能独立运作、本地人才稀缺，是三道绕不开的坎。黄晓宇补的地缘注脚是「技术主权」：越来越多外企在华不再继承总部云策略而选用中国技术平台，日本与东南亚的德勤同事则对中国技术先进性表现出兴趣——「AI 时代的技术主导多由美资公司完成，当他们需要另一个选择时，就是中国的技术公司。」

五、语义层争夺战与「买结果」的生态生意

把两场圆桌叠起来看，供给侧的竞争焦点已经从模型移到了语义层，而需求侧的采购逻辑正在从产品移到结果。张科转述了韩宇教育他的「黄金流程」论：一个企业跑起来有一千多个流程，但真正决定核心业务运行的是有限几条黄金流程，「让黄金流程被 agent 支撑、自主高效执行」需要客户、企业应用厂商、咨询伙伴三方配合，再给 agent 上 skill、上 MCP，才能端到端。他自己举的谈判案例更生动：与一家外企谈中国区最后一轮 deal size，总部觉得「中国市场性价比应该更高、应该更便宜」，他要求按中国营收占全球营收的比例定价——「那一刻我就想，如果有个智能体能实时告诉我这家公司在中国的门店数、营收规模、增长率、客户画像，谈判就完全被数据支撑了。这是 agent 时代真正能帮到企业的。」他还点出管理界面的迁移趋势：有了 AI，大家越来越倾向于用自然语言管理公司，钉钉、千问办公这类入口正在替代传统 UI 成为企业管理运营的新界面。

三位嘉宾最后各给一个关键词，恰好构成一条路线图。束骏亮给「拥抱变化」：企业买的不是某个具体产品，而是一个能持续给到最 SOTA 方案的合作伙伴，「行业变得非常快，但不会变的是组织的能力、体系的能力」；他讲的两个客户故事说明自下而上的第一推动力有多强——一家广汽客户的管理者用千问办公管理全公司各部门的席位申请（各部门想到想不到的职能部门都在用），国家天文台的研究员则用千问办公连接望远镜做巡天编排，嘉宾称已借此发现八个潜在超新星（口述，天文台在大模型与望远镜结合方向的布局经官网旁证，该数字未独立核验）。他还给出了成本侧的关键变化：平台九成任务由千问 3.8-Flash 这类小尺寸模型完成（演讲称「100B」，经核验该模型 8 月 26 日发布、125B 参数、每 token 激活约 6B），「credits 根本花不完」——技术进步正在消解企业对消耗的顾虑。张科给「贯通」：数据贯通（散落系统的数据与用户画像统一化）、流程贯通（CRM 到 ERP 的线索—商机—关单—交付可自动化）、生态贯通（三方服务商数据接入），三者做到才有自主运营。韩宇给「合作」，并给出了 SAP 视角的时代判断：SAP 曾带着中国 ERP 从业者做过三十年的繁荣生态，未来对账、初始化这类重活可以由人和 AI 协同完成，合作方式从「上 ERP」变成「上 AI」、从 ABAP 二次开发变成在商业 AI 平台和千问办公里 build——「怎么把语义层、本体这一层知识图谱构建出来，可能是 SAP、德勤、阿里一起再创造的下一个生态。」

主持人黄晓宇的收束把供给侧的关键词翻译回了需求侧：三位都「带了自家的货」，但共同指向一件事——「客户买的并不是一个产品、一个项目或一个服务，他希望买的是一个结果；生态的力量就是把大家串接起来，给一个整合的服务。」对读者而言，这场论坛的可迁移判断有三条。其一，语义层是下一个企业级 AI 的必争之地，而它的原材料很可能不是新造的知识，而是 ERP 时代已经付过钱的流程资产、数据字典和业务规则——先盘点存量，再谈 agent。其二，个体效率不会自动变成组织效率：在点状场景继续加码的边际回报正在递减，价值兑现发生在端到端流程与 L2/L3 层的集群设计上，度量体系要先于规模化投入建好——六成企业缺评估框架，意味着谁先把 ROI 变成可审计的数字，谁就先拿到下一轮预算。其三，责任留在人、授权渐进给机器，是已经被壳牌、联想、三花独立验证过的同一条路径；指望第一天就流程内化，只会撞上组织阻力。至于不确定性，论坛同样没有回避：束骏亮直言没有任何两个人能对「三个月后什么爆火」达成一致；张为峰口述的短剧行业剧变（每天超一千部、头部玩家半年积累清零）是单一朋友样本；德勤自报的重庆交付中心数据也属自证。把结论建在这些口述之上时，值得多留一分审慎——这本身就是这场论坛反复示范的态度。

（本文基于云栖大会官方回放转写全文整理，覆盖 0—9280 秒共 78 个时间块；人名、头衔与关键产品经外部核验，18 处 ASR 误识别已在成文前修正，口述数字未经第三方核验处均已标注。）