作者：木羽 | 水夕 AI 商学院
4 月 24 日，杭州。
我和北大 EMBA 的同学，一起来到阿里。
40 多位创始人、CEO，围坐一起。通义千问实验室和悟空团队，连讲两场。
40 多位创始人、CEO 在阿里通义千问实验室现场学习
两个小时，我没记一句口号。
笔记本上，只写了一句话——
"模型已经不是瓶颈，组织才是。"
回深圳的飞机上，我把笔记翻来覆去看了三遍。
4 件事，是真正决定企业 AI 转型成败的关键。
看懂了，你跑得起来。看不懂，2026 这扇门关上的时候，你还站在门外。
前天，我写过一篇文章——《参访阿里后我才明白：95% 的企业 AI 转型，都在假装发生。》
很多老板看完，私信我说"很扎心"。
但这一次坐下来听完，我想给那篇文章打一个补丁。
那 5% 跑通的——其实，也只跑通了第一关。
真正决定 3-5 年代际差距的，不是工具。
是这 4 个关键。
01
第一个关键：模型已经不是瓶颈，组织才是
先讲一个判断。
很多老板，包括我之前服务过的一些董事长，第一个问题永远是——
"老师，我应该买阿里的，还是 ChatGPT 的？"
这次去阿里，对方甩出三组数据，让我重新理解了这个问题。
- 千问 3.6 在 30B 模型上，已经达到上一代 600B 级别——参数压缩了 20 倍。
- 国内 TOKEN 成本，仅为国外的 1/5。
- 中国 AI 基础设施市场，阿里占比 33%。
什么意思？
不是说通义千问和 ChatGPT、Claude、Gemini 之间没有差距——实际测试中，差距一直都在。
但做企业里大部分基本功能，已经都够用了。
更重要的是——无论用国内还是国外的模型，成本都已经降到了一个企业可以接受的范围。
我自己每个月花 200 美金用 Claude Code，就能干掉过去一个小团队的活。国内的千问、豆包，价格更低，也都能跑。
不同模型也各有强项——
- Claude 的推理能力，写复杂逻辑、做深度分析特别稳。
- Gemini 的多模态能力，处理图像、视频、长文档很强。
- 千问在中文场景、企业内网部署、生态对接上，更适合中国公司。
各取所长就好，不必再死磕"该用哪家"。
阿里 AI 团队总结了一句话：
"对成本敏感的中小企业，2026 年是中国模型的'甜蜜点'。"
技术本身已经不再是瓶颈。
把一家公司真正卡死在原地的，从来都不是模型。
是组织。
那天 PPT 上，有一句话我一直记得——
"技术本身不会淘汰企业。但会用 AI 的同行，会。"
再叠加 BCG 那个一直被引用的研究结论：
- 70% 是人员与流程
- 20% 是技术
- 10% 是算法
技术加算法，加起来才占 30%。
但 90% 的老板，依然把 70% 的精力，用来选模型、买 Token、谈部署。
剩下 30% 的精力，象征性地做几场培训、发几个口号。
然后，等着看效果。
然后，就没有然后了。
第一个关键：换个角度选战场。
选哪家模型、用哪个组合——已经不是核心问题。
真正的差距，不在"用哪家"。
在你的组织，跟不跟得上。
02
第二个关键：找切口的 5 个标准——选对了事半功倍，选错了烧掉半年
老板最常问我的一个问题是——
"我该从哪里下手？"
这次去阿里，我拿到了一个到目前为止最清晰的答案。
阿里讲企业 AI 落地，提了一套"五步法"。第二步就是——找切口。
并且，给了 5 个标准，我当场抄下来：
- 有痛点。 这件事不做，每天都在烧钱、掉客户、丢效率。
- 高频率。 员工每天、每周都在做。
- 规则明。 有清楚的步骤、有判断标准。
- 有数据。 过去做过的有记录、有样本。
- 小范围。 一个部门内能跑通，不需要全公司协调。
5 条全占的场景——先做。
3-4 条占的——可以做。
不到 3 条的——别碰，会拖死你。
我用这 5 条标准，重新看我服务过的那 20 多家企业。
90% 的失败项目，都是切口选错了。
举两个对比鲜明的例子。
反例： 某省会城市的一家家居企业。年营收 12 亿。
老板第一个想做的 AI 项目，是"AI 战略复盘报告"——给高管层用，每个季度自动生成。
听起来很高级。
但用 5 个标准对一下：
- 痛点？高管自己写一份就行，不写也不会死。弱。
- 高频？一个季度一次。低。
- 规则？战略复盘没有标准格式。模糊。
- 数据？历史复盘资料零散。不全。
- 小范围？涉及全公司业务部门。大。
5 条全废。
果不其然，3 个月，30 万，项目流产，老板从此对 AI 失去信心。
正例： 某 300 亿 IT 硬件头部企业。
我让他们把那个"高大上"的项目放下，先做一件听起来很土的事——AI 会议管理。
5 个标准对一下：
- 痛点？纪要慢、决议追不上、董事长开会看不到执行情况。强。
- 高频？每周固定开会。高。
- 规则？有标准纪要格式。清楚。
- 数据？历史会议录音、纪要文档完整。齐全。
- 小范围？先在一个事业部跑。可控。
5 条全占。
3 个月落地。我们做的事，听起来很朴素——
- AI 直接生成会议纪要，从会议结束到纪要成稿，效率倍增。
- 纪要里的每一项决议，自动进入任务管理库。谁负责、什么时候交、卡在哪一步——清清楚楚。
- 红黄绿灯实时跟踪——绿灯按时推进、黄灯有风险、红灯逾期。董事长一打开后台，全公司任务状态一目了然。
最大的变化不是纪要快了，而是——
会上说过的每一件事，都有人管、有节点、有结果。
老板尝到甜头，第二期立即扩展到 AI 合同评审、AI 战略解码、AI 招聘助手。
一个切口打通了——公司的"装甲"才有信心继续焊下去。
一个切口选错了——老板会从此对 AI 关上心门。
这 5 个标准，请你也记下来。
下次再有人跟你推一个"AI 项目"——先用这 5 条过一遍，再决定要不要立项。
03
第三个关键：从"动嘴"到"动手"——AI 真的开始干活了
很多老板对 AI 的理解，还停留在 ChatGPT 那年。
"AI 嘛，能写文案、能改邮件、做做 PPT，挺好的。"
但这次去阿里，我看到了一个完全不同的版本。
现场参观阿里 AI 应用展区
阿里讲了一个新框架，叫——
"龙虾"。
听起来像个段子。但讲的是一件正经事。
龙虾（OpenLaw）= AI Agent 中的非 AI 部分。
听不懂？翻译一下：
过去你用 AI，是动嘴——你问一句，它答一句。
现在的 AI Agent，是动手——你说一句"帮我把这件事跑完"，它真的去跑。
但 AI 自己不会"动手"。
让 AI 能动手的，不是模型本身。
是模型外面那一层"任务执行框架"。
这一层，阿里叫它"龙虾"。
它由 4 件东西组成——
- 开源部署——底层模型可控、可迁移（不被某一家锁死）
- 角色定义（系统提示词）——告诉 AI 它是谁、能干什么、不能干什么
- 技能包（Skills）——把岗位经验沉淀为可复用的模块
- 触角（MCP / API / 函数调用）——连接外部世界，让 AI 真的能"动起来"
四样齐了，AI 就从"聊天机器人"——
变成"能跑流程的同事"。
阿里现场讲了一个真实案例：
猎豹移动的 CEO，亲手养了一只"三问"龙虾。14 天，把内容创作-审校-发布全流程跑通，涨粉 5000+。
一个 CEO，14 天。
不是技术团队几个月，是 CEO 自己 14 天。
为什么他能做到？
因为他想清楚了一件事——
"AI Agent 的终极价值，不是更聪明的对话。是更可靠的执行。"
当 AI 不再只是你电脑里的一个软件、一个对话框——
而是你公司里能跑流程的一个"硅基员工"——
装甲，才焊上了真正的第一片。
04
第四个关键：2026 是关键赛点——早 6 个月，领先 5 年
讲完这三件事，我问了阿里讲师一个问题：
"留给企业用传统方式做决策的时间，还有多久？"
对方回答得很干脆——
现场提问交流环节
"3 到 6 个月。"
我又问："为什么？"
他在白板上写下一句话——
"早启用 3-6 个月，可能形成 3-5 年的代际差距。"
你可能会问——3-6 个月，怎么会变成 3-5 年的差距？
因为 AI 有一个特性，叫"飞轮"。
- 你用得越多，沉淀的私有数据越多。
- 私有数据越多，AI 越懂你的业务。
- AI 越懂你，你越愿意用。
- 你越用，又沉淀出更多数据。
一圈转下来——差距是在复利里的。
但这有个前提——
你得先转起来。
阿里那天还甩了一组数据：
"目前 70% 的中国企业已经在用 AI 工具。但只有 5% 真正跑通。"
70% 的企业里，绝大多数还卡在"找切口"那一关。
而 5% 跑通的——已经在转飞轮了。
每多转一圈，差距就大一截。
- 6 个月后——行业排名开始洗牌
- 18 个月后——跟不上的，进入"信息不对称"区——你甚至不知道自己已经被甩了几个身位
- 3 年后——那扇门，关上
阿里这次笔记里有一句话，我用红笔画了重点——
"2026 年是关键赛点。"
不是"关键之一"。
是"关键"。
回深圳的路上，我反复想一件事。
很多老板还在等。
等什么？
等 AI 再成熟一点。等同行先趟一遍坑。等总部出一个标准。等下一个季度有预算。
我特别理解这种心态。
但这次从阿里出来，我必须说一句不太好听的话——
等的成本，比你以为的高得多。
那些已经在转飞轮的 5%——
他们不是更聪明，不是更有钱，不是更有 IT 团队。
他们只是——早决定了 6 个月。
而这 6 个月，决定 3-5 年后，你和他们站在哪条赛道上。
这件事，已经不是"要不要做 AI"的问题。
是"今年做"还是"3 年后再做"的问题。
3 年后再做，不是慢一步——
是站在了完全不同的赛道上。
最后的话
那天从阿里出来，40 多位同学在阿里云计算中心门口拍了合影。
北大光华 EMBA 150 同学会 · 阿里云计算中心
第二天我们去采茶活动的路上，我一直在想一个问题——
为什么同样是老板，有人早已开始行动，有人还是按兵不动？
不是钱的问题。不是人的问题。也不是工具的问题。
是认知有没有真正落地的问题。
模型已经不是瓶颈，组织才是——这句话不难听懂。难的是回去之后，敢不敢从"选模型"的会议室里走出来，把 70% 的精力压到组织和流程上。
找切口的 5 个标准——抄下来不难。难的是下一个推到你面前的"AI 项目"，你舍不舍得用这 5 条把它否掉。
AI 已经从动嘴变成动手——理解不难。难的是你愿不愿意亲手去养一只属于你公司的"龙虾"。
2026 是关键赛点——听到不难。难的是这个月就开始动。
认知，从来不是听懂了就算到位。
认知到位的标志，是行动。
PS：
5 月 9-10 日，深圳。
我会在那里组织 AI 商业实战训练营第二期。
为什么叫"实战"？
因为这两天，我会带你做 4 件事——
- 把这次去阿里看到的"五步法"和"龙虾框架"——手把手带你跑一遍。 不是讲概念，是当场出成果。
- 把企业 AI 落地的"4 层架构"讲透——战略层 / 业务层 / 组织层 / 员工层。 每一层该怎么打、有哪些坑，一次性讲清楚。
- 带你亲手搭一个属于你公司的知识库，封装 1-2 个属于你业务的 Skill。 你会带着可落地的产出离开，不是带回去一堆 PPT。
- 拆解 AI 会议纪要系统、AI 合同评审系统的开发路径。 我用真实甲方案例，告诉你企业级 AI 应用是怎么从 0 到 1 跑出来的。
我对第二期学员的承诺只有一句：
回去之后，你应该能在自己的岗位上跑出至少 10 倍效率提升。
这不是口号。
讲一个第一期学员的故事——
学员小桥，零编码基础，一周做出一套完整的培训运营系统。
她是个标准的技术小白，过去完全没碰过代码。
从训练营回去之后，她按照我们教的方法，自己搭了一套完整的培训系统——
- 讲师管理后台：创建培训场次、AI 自动出题、课程模块管理
- 学员现场互动：实时积分、知识点掌握情况实时显示
- 结果可视化：单位排名 TOP 5、个人排名 TOP 10、培训时长统计
- 讲师收尾总结：自动汇总当场表现，一键生成结课报告
全部她一个人做出来，一周时间，并且已经成功部署到服务器。
昨晚 23:50，她给我发来这条消息——
"我来啦……
现在还有点问题正在调，但当它成功部署到服务器那一刻（虽然过程有些波折），我感觉成就感爆棚。
是一个很好可以和团队展示我想法的工具，真的能够落地～
调试差不多我们就可以在下次培训中牛刀小试啦～
看看对培训效果和感受能有啥影响～
感谢张老师的教授哈哈哈哈"
——训练营学员 · 小桥（化名）
小桥发来的真实截图（已隐去个人信息）
一周时间。一个零编码基础的人。
把"想法"，跑成了真正部署到服务器、能在团队里用起来的系统。
这就是我说的——在自己的岗位上跑出 10 倍效率提升，不是口号。
观点 / 木羽 主笔 / 木羽