华创资本： DeepSeek 出来之后，国内企业客户使用 AI 的热情被前所未有的点燃了。在你看来，当前生成式 AI 在企业软件领域的落地进展，是仍处于概念验证阶段，还是已经深入业务场景在发挥价值了呢？

徐平俊：DeepSeek 带来的这一波变化确实非常快，我记得2025年上半年时，客户虽然有很多智能审批、知识库搜索等AI相关的场景需求，但至于审批和公司的制度是否相违背？知识库的搜索准确率是多少？当时很多人并不是太在意。

然而到了下半年，变化开始显现，很多客户开始寻找真实或有价值的场景。比如有律所希望打造“智慧律所”，将法律文案的撰写等环节AI化；电商企业也开始基于自己的数据做选品决策······大家对于AI的落地变得更务实了。

华创资本：据你观察，AI 在企业落地过程中，最容易卡在哪个工程节点？是认知问题还是需求端本身不清晰？

徐平俊：坦率说，现在这些问题都存在。 看起来 AI 似乎什么都能做，但具体能做到什么程度？需要付出多大的代价？还尚未有答案。所以很多企业认为应该+AI，但实际找场景时，却无处下手。

问题主要集中在两个维度：第一，这个场景到底能实现到什么精度？它到底需要多大的代价？这是目前最大的问题，会把企业直接卡在门外。

第二，工程化进度。如果AI 要落地，那和原有数据的整合、工程化流程、数据之间关联的整理，包括和企业系统的集成权限、原始数据的场景结合等等，这些因素一旦叠加，整个AI落地过程会变得极其复杂，具有很大挑战性。

因此，问题的核心还是在于是否有能识别场景的人才，如果明白付出多少代价能达到ROI，问题自然会得到解决。再加上有像奥哲这样能解决环境和数据问题的企业级AI平台，相信能加速AI在企业的落地。

华创资本：这样看来，企业使用 AI 的成本有可能远超自己的想象，这个“成本”具体有哪些？

徐平俊：核心还是一个场景所需要的精度是什么样？同样一个场景，比如最简单的用 RAG做售后，如果一个基础问题的命中率达到百分之六七十，那很容易实现。但要做到95%以上，甚至99%的准确率，就完全不一样了，所以成本的核心在于对场景的识别定位。

此外，这里面还容易出现浪费成本的问题。因为准确率达到99%，成本可能要比95%高出十倍。但其实很多场景，目前并不需要做到99%。

所以我们服务客户时，第一步就是确认对方AI场景所需的价值、目标，再去选择匹配他们的技术方案。

分享到：