这些天我一直在回想我们最近这一年交流过的一些企业，想想他们的技术发展经历和那些负责人。翻过来调过去的想，又琢磨一下过去的那些年，突然发现：企业不论是搞信息化、数字化还是现在搞智能化，其实一直都在用同一套剧本，先狂热，接着撞南墙，最后醒悟补课。 这些，用一条Gartner技术成熟度曲线就能把话说透了。

（文中图片均来自网络）

一、 不断重演的剧本

搞大数据那会儿，大家拼命往Hadoop里倒数据，以为建了湖就有了一切，结果挖湖挖挖着挖着发现给自己挖了一片沼泽，很多时候想要看个报表连个准数据都取不出来，最后还得老老实实补数据治理的课。

各大公司集体上云初期，很多业务部门自己刷信用卡买资源，爽了没几天，账单爆了，安全事故频发，企业这才明白“管云”比“上云”重要。

企业搞移动化，拿PC网页套个壳就叫App，高并发一来直接崩盘，用户体验极差，最后还得是重头再搞微服务和CI/CD。

每次都是业务冲在前头狂欢，然后让基建在后头收尸？人家说三军未动，粮草先行。咱们这粮草怎么永远都得等饿死一批了之后才知道发货呢？

（押粮官何在？借个东西一用…）

二、 为什么总是要等到撞墙

我深深的思考，大企业里面都是人才济济，一定有人早就看到了可能要撞墙，难道就不能提前把路线规划好吗？后来我意识到，这真不行，不是因为所有企业都短视，这是企业业务和技术融合时的底层逻辑决定的。

当一个新技术出现了，假使我们的科技部门要推动这项技术落地的基建工作。我们要面临的首先是算账问题。

业务和财务盯着预算问：“这套东西能带来多少收入？”在跑通核心场景前，没人答得上来。不是你说这个东西有价值就是有价值，方向没错，但还需要能量化。但新技术往往缺乏的就是可量化的参考。而且话说回来，真的有人能拍着胸脯打着包票说这套新新技术的基建就一定怎么怎么样吗？

其次是认知问题，实践才出真知，板子没打身上怎么知道痛？

没被大模型幻觉坑过企业不会知道RAG调优有多要命；以前没泄露过数据，安全部门就觉得API网关没必要；没在生产上啃过硬骨头，企业就不知道自己的真实力。没经历过痛，就开不出药方。预算，从来都是靠业务疼出来的，从来不是规划出来的。

三、 AI落地的场景狂热与撞墙

把话题转到当下，AI落地，拆开来看就是四样东西：模型、算力、数据、场景。

模型有大厂去卷，大多数企业没必要也没能力自己炼；算力成了新生产力的基础设施，标准化的方案或租或买，没啥技术含量，按需选用即可。至于数据吗？咱们内部不是有的是吗？

于是大家一窝蜂跑去狂热找场景，调公有云API写报告、上智能客服，觉得AI落地真简单。熟悉的一幕又在上演。

当时间走过一两年甚至仅仅走过几个月，撞墙时刻就再度到来，这往往是企业试图把AI塞进核心业务时。

企业先撞上成本墙，Token调用费随规模指数级爆涨，很多企业发现单笔交易的成本逐渐失控，场景虽好但已经用不起了，或者说不值了；

撞的更硬的墙是数据墙，大模型读不懂也用不好企业的内部数据：这让审批Agent总是被上当受骗，系统把辣条推给糖尿病患者，客服机器人乱说话，似乎所有想象中美好的场景最后都没法落地。

究其原因，买了API只是买了别人的大脑，而企业自己的数据与业务知识是这个大脑的血液与神经,脑袋再好也需要有数据来激活。没有这些，API最终只是空中楼阁。

不过，我也惊喜的发现，现在第一批的企业已经开始像过去回过头补多云管理、建DevOps，做主数据一样，开始为AI补上基于数据本体的数据清洗管道、补上大模型评估与监控体系、RAG知识库，补上面向生成式AI的安全架构… 现在的速度，比之前快得多得多。

四、 结语：拥抱规律，水到渠成

除了科技大厂和强合规的行业，大多数企业在AI落地时撞墙是组织运行机制下产生一种必然现象，企业组织的运转模式不是某个人用一个PPT就能扭转过来的。所以，大家没必要害怕撞墙或是因此自责，这是规律，我们躲不过。

但认识到了规律，我们可以有节奏有策略的调节，时候一到，赶紧把基建补上。我相信企业把底座打扎实的那天，就是智能化转型真正开始的那天。

私以为，信息化时代的一切场景都可以是AI应用的场景。我们不需要想破脑袋，科技管理人员更应该思考的是如何把AI的技术底座真正建构起来。当底层数据干净了、数据语义通畅了、工程管道稳定了，技术完备了，场景自然水到渠成。