在WTCC大会期间，搜狐AI推出企业家系列访谈，对话11位企业家，围绕AI技术演进、产业落地与企业经营展开交流。本场对谈，心舆技术CEO魏国林围绕企业AI化的认知门槛、数据翻译、数字员工与商业闭环，解析企业AI如何实现落地。
从传统企业到AI创业，企业AI化为何迷茫搜狐AI： 欢迎来到WTCC2026和搜狐AI联合直播间。今天第一场先从企业聊起。过去两年，企业里每个岗位可能都用过AI，但真正能把一项工作交付出去的可能并不多。心舆技术要做的正是这件事。接下来有请心舆技术CEO魏国林老师，先跟大家打个招呼。
心舆技术CEO魏国林： 大家好，我是来自心舆技术的魏国林。很高兴今天就AI在企业里的一些应用跟大家做探讨和交流。
搜狐AI： 我们了解到魏总在工业领域有大约25年经验，曾在西门子、惠普这些大型企业担任高管，过去接触过大量数字化转型或AI转型场景。是什么契机让您从传统企业和工业领域转向AI创业？
心舆技术CEO魏国林： 我先说两个字：迷茫。2024年下半年DeepSeek横空出世，2025年上半年大量企业买了一体机。很多客户买进去以后发现，一体机买进来具体能干嘛？跟企业怎么整合、跟业务怎么关联？就找到我们。我们以前在西门子、惠普也做过很多企业信息化、数字化工作，所以很多客户来问：怎样把企业业务或传统系统跟现有AI结合起来，去拥抱AI变化？钱花了、一体机买了很多，具体能干嘛？一开始我们也迷茫。
我们发现，刚开始的大模型很难理解企业里的应用场景、业务系统或企业话术。所以首先要让AI理解企业业务和应用场景。成立上海心舆的初衷，是想做一个AI数据服务商，把企业传统IT语言和当下AI语言结合起来做一个“翻译”。这个翻译来自数据。人类社会经过几十年发展，一开始信息化主要面向人进行管理，通过信息化手段管理企业；后来发展到数字化，把人和设备，特别是运营设备全部打通、做协同。几十年发展以后，形成大量传统系统，比如制造行业有MES、ERP，面向客户有CRM等。但这些系统原来只存在于各自垂直业务领域里，要让AI全面理解是有难度的。所以我们希望通过心舆技术，把这些数据形成AI能理解的高质量数据集或语料，训练面向企业应用场景的特定模型，来理解业务、帮助业务发展。这是初衷。
过程中也不断迭代。刚开始想去做数据，特别是我们自己研发了“数多多”平台，帮助每个企业把原始数据通过平台形成高质量数据集或语料，喂给买来的一体机里的垂类模型或私有化部署模型。但做的过程中发现，光有数据，他们的模型还是用不起来。客户希望我们提供端到端解决方案：我要解决现场一个问题，比如QC质量控制。原来有QC员工，但随着发展员工会流失，QC知识沉淀也会流失。这时怎样用AI解决QC效率问题、知识沉淀问题？所以自然而然发展到有相应智能体、数字员工，包括面向QC领域的垂类模型。心舆技术目前给企业做的是一个total solution：从传统企业IT系统怎么改革、变革或翻译成现在AI系统，怎么去拥抱它。这是我们正在做的事情。
认知是首要门槛，传统IT如何转为AI能力节点搜狐AI： 现在AI能力越来越强，但落到企业真正生产场景中，AI到底能发挥什么能力、交付怎样结果，是大家越来越关心的问题。很多AI在生成文案、分析数据上能力已经有了，但像您提到的QC，真正像人一样协助完成工作，可能还有距离。做这样解决方案的过程中，关键技术和门槛、挑战在哪里？
心舆技术CEO魏国林： 我们跟企业共同成长过程中，刚才讲了一个词“迷茫”，就是不知道怎么干。现在总结下来可以分几个观点。第一，要把AI转化成企业的能力节点，或者能力网络中的一个节点。这里第一个要解决的门槛是认知问题。认知问题来自企业一把手，也来自服务商一把手。每个企业现在或多或少都有很多传统IT系统，AI来了以后，不可能把传统系统全部推翻重建，这不现实。但这些传统IT系统是原来的业务能力，怎样变成AI化？一个重要的认知是，首先要把它智能体化，或者叫MCP化。没有MCP化，第一步要实现什么？企业内部所有员工能够通过AI视角访问这些业务。第二，反过来讲，外部同行、客户或友商是不是也能访问我们的能力？当然这些能力要通过抽象、脱敏。如果能访问，无形之中是不是帮企业解决了开源问题？这是第一个认知问题。
第二个认知问题：现在AI能力太多、Agent太多，怎样第一时间找到哪一个能力或Agent适合我的业务场景？这很关键。原来传统行业有电信黄页，我们叫index，把它落下来。业务场景提出来、有这样一个intent、要去解决问题，首先看黄页，哪些Agent、哪些能力比较匹配我，而不是一个一个去调、去试，那样影响效率、浪费资源。
第三个是适合的问题。AI发展太快，企业业务发展从某种意义上来讲肯定赶不上AI技术平台、Agent的迭代发展。适合最重要：哪些能力适合我企业当下的要求？不是把GitHub上所有Agent拿下来，也不是把OpenAI所有skills、Agent全部下载下来，包括上半年比较流行的OpenClaw里那些能力全部下载下来，这个没用。首先要筛选哪些适合当下业务发展，然后随着企业发展，AI能力能够同步增长。
第四个是技术层面。企业要实现AI化，跨越门槛一定要全员参与。首先要对业务场景进行梳理，哪些是高频、可标准化的应用或流程，能不能把它能力化，变成skill、Agent或plugin。原来传统云端很多服务，比如Salesforce、Cloud等，通过接口打通，能不能直接封装成MCP Server，允许企业所有人员调用，这非常关键。从组织架构上讲，要求企业每一个员工，当然大老板是总设计师，下面每一个员工都是AI调教师。你怎样把它调教成适合自己企业的应用场景、企业文化、工作流程，这对以后企业AI发挥最大效能非常关键。这是极大的门槛。AI不是花钱就可以，有时需要静下心来，从思维、战略、认知方面先觉醒，讲明白要干什么，然后再行动，可能会比较好。
数据需要翻译，分散数据如何形成飞轮搜狐AI： 上一个阶段很多企业已经经历数字化转型，有很多系统，也沉淀了大量数据。但这些数据可能分散在不同系统、不同部门，甚至不同员工脑子里。落地过程中如何解决这个难题？
心舆技术CEO魏国林： 心舆技术刚成立时也面临这样的挑战。数据层面稍微展开说，其实经历了几个阶段。第一个阶段是烟囱式，每个业务系统的数据存在各自业务系统里。后来觉得不行，要把数据打通，就搞数据中台。数据中台要解决的问题是把数据搞在一起，进行聚类、场景化或聚类化，每一类数据放在一个盒子里或包里，便于应用中心程序调用。但现在这些原始数据在AI语境下，AI是不明白的。因为现在大模型入口不像以前用关键词搜索引擎出一堆网页，现在入口变成意图层intent layer。你想干什么，意图进去以后，大模型进行语义分析判断，理解你以后给你一堆回答。大模型本质是一个函数，调用各种参数，然后告诉你结果。但面向企业来讲，只是告诉我，活还是我干，没有解决我的问题。我希望你不仅告诉我，而且活也帮我干了，这才是提高效率。活怎么干？就要调用各种Agent。调用各种Agent时又回到第一个问题：哪个Agent适合你，怎样第一时间找到它？这需要Router、OS路由等来解决。
数据分散在很多层面，从我们角度，原有系统尽量不要改变。我们自己开发了数多多平台，可以通过API、Web service、账号密码等方式把数据调过来，并同步更新。数据拿过来以后，去重、降噪、切片、向量化，包括合成等，通过一系列技术形成企业需要的高质量数据集放在那里，给知识库调用，给企业大模型调用。但这些知识东西仅仅局限在内网，是我们自己的数据资产。比如你是做零售行业的，零售行业有大量公域数据，我们会去甄别、筛选，把它拿过来变成自己开源的数据部分。但开源数据也不是外面有什么就拿什么，而是通过甄别筛选，适合企业场景的才放进来，这是数据基础底座。另外，有些东西只存在于结构化或非结构化数据形式下。比如QC老师傅马上要退休，我们希望把他的知识蒸馏出来，补全到语料库或高质量数据集里。在QC领域，我们基本上可能已经超越90%的人，有机器人、数字员工能够执行QC工作。通过这样的方式解决企业数据变成AI能看懂的数据语言问题。
同时要解决增量问题，因为数据每天都在产生。我们会有一个机制，对增量数据进行同步转换。所以企业长期来讲，用得越多，数据量越大；数据量越大，模型或知识库就越准确，形成数据飞轮效应。企业为什么要用AI？无非几个目的：第一开源，帮我找到更多客户；第二节流，花更少的人做更多的事，或者同样的人做更多的事，把企业服务外延无限扩大。AI可以很好解决这些问题。这个数据底座相当于每个企业的核心资产。现实世界是非常分工、非常专业化的世界，如果每个企业都用通用大模型、通用数据，所有东西可能大同小异，也不准确、没有专业性。企业用AI希望两个目的：第一开源节流；第二，每个企业都有核心竞争力，我能不能通过AI平台和工具把核心竞争力放大，把护城河拓宽加深，在细分市场上有更多话语权。你的专属数据底座就是保护这个能力的。目前大家可能都在做这个事情。
搜狐AI： 刚才提到很多关键词，比如迷茫、蒸馏。迷茫的不只是企业怎么用AI；AI用到企业以后，除了技术、数据问题，真正落到组织里也面对大量组织问题，需要人去配合把经验分享出来。组织层面有没有遇到类似难题？AI能力要让每个员工都用起来，难免产生阻力，觉得AI要来替代我，你们遇到过这种情况吗？
心舆技术CEO魏国林： 从本质上讲，我不希望AI引入企业以后，企业里原来的员工失业，这是我们不希望看到的。我们希望企业里的员工100%能够自己转型、拥抱AI。假如你转型不了、不能拥抱AI变化或世界发展，那这个人就不适合再留在企业里。从组织架构角度讲，企业一把手、大boss肯定是整个企业AI化的总设计师，要解决哪些场景AI化、Agent化、MCP化；第二，决定哪些能力能够开放成能力节点，可以开放给友商和客户共享使用。对一线员工来讲，我们希望AI能够帮你分担日常重复性、琐碎的工作，让你更加聚焦创新、变革的事情。所以在组织架构设计上，企业内部会设置一个企业大脑，叫企业大模型，专门适合这个企业的业务场景、业态、过去的方法论、工作方式、文化，是专属的企业大脑和大模型。第二，给每一个员工配若干个数字员工。像我自己也有数字员工，从工作角度，第一帮我日常整理报告、写邮件发邮件，处理文书方面工作；第二，我们有很多客户会议，根据客户会议形成摘要、形成解决方案、形成报价，相当于商务助理这样的数字员工；当然还可以做生活、金融投资分析等等。什么意思？要把个人能力，因为人是全方面的，能力也是很多方面的，都交给AI分身，把你的东西蒸馏给它，一开始90%，接下来95%，甚至98%、99%。很多工作由它给你完成，你最终只要check、确认是不是OK。但你考虑的是怎样调教这些AI能力，让它更符合我的个人方法论、工作方式，把我的标签、核心竞争力、个人竞争力放大。这样相当于你原来一个人干活，现在变成1加6甚至1加10帮你干活，可以放大很多。原来一天只能拜访两三个客户，现在一天可以拜访二三十个客户，有很多数字员工帮你接待处理。这非常关键。
随着发展下去，企业每个组织会分成两个层面：第一，企业AI化总设计师，是大老板；第二，一线员工，每个人是AI能力调教师。不一定是AI员工或数字分身，而是一种AI能力、节点能力，是他的调教师。中层会消失，因为不需要管理下面的人了。以后企业组织架构会越来越扁平化，这是我们目前看到的发展趋势。
协同依赖路由，复杂任务如何可控可追溯搜狐AI： 现在可能给每个员工配数字分身或AI能力。现实工作中，完成一项比较复杂的工作需要跨部门、不同人协作。加入AI能力之后，如何调动这些Agent、让它们协作起来共同完成复杂任务？
心舆技术CEO魏国林： 这涉及技术问题。现在面向企业的大模型分几个层面。第一是数据层面，刚才讲过。第二是企业大模型，专属企业大模型肯定要结合外面通用大模型。中间还有一层叫OS Router，作用是：你的意图进来以后，我应该调用什么大模型、什么多模态最适合，应该调用什么智能体。这个智能体可能是外部拿进来但经过我改造的，放在企业能力场StarHub里，适合我企业使用。比如做一个PPT，WorkBuddy或很多工具都可以做，它是通用型的，但我企业有自己的风格，你是不是可以把WorkBuddy的能力变成Agent，装到我的StarHub里面去？这是通过OS Router去选什么大模型、选什么智能体，非常关键。
第二是协同。StarHub里部署很多skills、Agent或plugin，plugin可能封装了某个应用场景的一些能力组合package。调用完以后，比如我是采购部、业务部，做业务可能涉及市场部、采购部、财务部，原来的工作流照样正常走，workflow也把它MCP化，直接调用。可以认为大脑是电脑主机，MCP是接口，比如Type-C、USB接口，其他是插件，比如会议本、手机，这些都相当于AI智能体或能力，调用它组成协同。首先要找到它。用完以后，因为企业执行非常严谨，不像个人查信息查错了重新来一遍；企业执行错了可能下错单、付错钱、设备宕机，所以audit policy、审计策略非常重要。每一步要做到可校验、可追溯、可验证。协同也一样，AI帮你自动化执行完以后，结果是直接拿来可交付的，交付给内部或外部客户、某一些部门，所以Audit policy非常重要。第二步、第三步，信任体系建立非常关键。企业都有边界，比如银行不可能把客户系统API直接暴露给通义千问、DeepSeek，可能吗？不可能。所以信任边界Boundary在哪里非常关键，协同一定要有边界化。为什么引入能力节点？能力节点就是你的信任边界，所有东西到这里为止，外部都通过这个边界去调用，相当于从层面做了一些能力、业务数据隔离。这个事情非常重要，要不然企业安全没有保障。
搜狐AI： 无论把AI用到企业还是其他技术用到企业，企业最终还是要一个稳定的交付经营结果。我们刚才提到几个点帮助企业拿到相对稳定的交付结果。过程中如何判断audit policy应该是怎样、节点边界应该是怎样？哪部分让AI解决，哪部分还需要人把控？因为不可能最终交付一个不可控甚至错误的结果。
心舆技术CEO魏国林： 目前主要两个依据。第一，高频使用的场景或流程可以被AI化。第二，高度复杂的场景。高度复杂意味着需要很多人、一个团队协同，简单一个人处理完了，可能效率上比AI还快；但高度复杂场景需要团队协同，会产生协同成本，这时AI化反而更好。因为第一它是高度规律化的，你告诉它什么规则，它就按规则处理；第二它没有疲惫的时候，7×24小时基本按照机制去校验、验证，犯错概率可能比人团队协同还小。所以这两个场景可以优先考虑AI能力化。
怎样评价做得好不好？我们发明了一个专用说法：所有任务可交付、可执行、可验收、可计费。可计费就是把它账单化，比如这个任务交给数字人或AI能力，根据消耗的Token来算，任务花了多少Token，就把它账单化。有了这个以后，可以跟人团队协同做比较，大概省多少钱一目了然。这非常关键，因为可验证、可校验，还有账单化。接下来还有可评价：人肯定要去check或验证做得怎么样，一线调教师认为做得有欠缺或还有提升空间，就继续调教它，下次让它做得更好，相当于一个回归。这样模型会越来越准确，执行效率越来越高。每个企业应用场景不一样，但方法论一样、架构一样，只是话术、业务场景和对业务的理解不一样。AI能力去理解这些方面，底层其实就是高质量数据集不一样，相当于喂给AI能力的粮食，或者汽车的油。
软硬一体落地，企业AI如何评估商业价值搜狐AI： 听下来，AI能力或数字员工平台的产品形态应该是软硬件结合的。现在很多AI产品偏软件，你们在产品形态上是怎样考量的？
心舆技术CEO魏国林： 如果把AI能力只从软件和硬件方面区分，就把它理解狭隘了。如果只做硬件，国内市场、国际市场做硬件的人大有人在，联想、浪潮，国外戴尔、惠普等等，从成本、供应角度肯定比我们强。从软件层面，国内几个大模型，豆包、通义、DeepSeek、文心一言等，能力上比我们更强，用户基数更大。那我们为什么还深耕这个领域、还有一些机会？我刚才强调“千业百态”。现实社会是高度专业化分工的社会，每个企业存在都有道理，都有核心竞争力或价值。但每个企业不希望所有东西做出来千篇一律、都差不多，都要有自己的标签化或差异化。这时我们就有机会。
为什么软硬件一体化？我们现在做的是AI能力节点，一个企业就是一个能力节点。所有节点组成一张网以后，就变成AI能力网络，这个网络非常有意思。我们现在所在的位置是在做基础设施。怎样把企业原来传统legacy IT变成Agentic IT或MCP IT？需要一套基础设施去翻译。第二，有那么多能力、Agent、skills，企业凭什么第一个找到你？这讲到OS Router，要有一套评价体系，让企业选择适合的Agent。比如订酒店为什么选择携程不选择Booking？可以把它认为是个Agent，这就是基础设施。第三，这些东西搞完以后，怎样建立信任体系？原来传统时代搜索引擎，国外用谷歌，国内百度用得多，谁投的钱多谁就搜到你排第一位。现在不是这样，Agent没人可以给你做传统搜索引擎广告，这个付钱市场消失了。现在问一个问题，比如明天想去白雪岛滑雪，背后可能没有打开传统方式输入关键词搜出一堆网页；而是大模型帮你调用百度搜索API，帮你读懂、理解、按一定格式翻译好、总结好给你结果。Agent、能力也一样，怎样把这个东西评价给你、建立信任体系、建立权限、建立可调用等等，有很多计算、很多维度，我们会去评价。搞完以后还有评估体系。所以接下来要做的是信任体系问题。我们现在做的是基础设施。
为什么软硬一体化？从初级层面讲，为什么把硬件放到企业内部？它不是一个盒子，它是一个信任网关，我们叫AI Gateway，或者AI防火墙。它是一个网关，包括能力节点，要起几个作用：第一，把原来传统IT翻译成AI的IT；第二，进行协议转换；第三，形成能力节点，让外部千千万万AI能够发现你。它处在这样一个角色里。大厂能做得到吗？很难，因为每个企业都不一样，他们不会去干这个事情，他们最好是一统江湖、垄断，然后大家copy复用，这是他们想干的。我们恰恰瞄准这个市场，所以还有些机会。
搜狐AI： AI能力落到企业里，也算企业生产要素。企业评估配备多少AI能力、多少数字员工时，还是要看投入产出比。可验证、可计费能让企业看到花多少钱、消耗多少Token，AI能力、数字员工产出多少。整套系统落到企业之后，从你们和企业角度，如何评估或衡量整体产生的价值或收益？
心舆技术CEO魏国林： 分两个层面：经济层面和安全性层面。有些客户安全性是第一位的，比如银行，会把所有东西暴露给外面通用大模型吗？不可能，肯定会私有化。私有化以后再考量经济账。简单例子，客服这块，现在打进去或人家打给你，很多是AI机器人帮你处理，这块成本实打实省下来了。打通以后，本来是售后的事情，售后打完会对用户进行画像，反过来反哺前端市场部：哪些客户画像已经很精确，可能再买理财产品等，提供一系列数据给前端，形成前后端联动机制。
第二，很多民企，现在经济环境下大家开源无望、出海很难，可能更多考虑怎么节流。举个案例，某大型国有石化企业用SAP系统，全球大概十几万人都在用，很多人以前用不好或用不来，出现问题不知道怎么办，要么耽搁效率，要么问很多人，资源消耗蛮大。我们从这点入手，给他搞了一个SAP知识大模型。填单子时SAP系统突然报错，不知道为什么、哪里填错了、流程是不是有问题，我就截屏、截图扔到大模型里，它就会告诉你什么原因引起、应该怎么解决，告诉你ABC。原来人工按方法告诉你再去操作，现在更进一步，直接用AI能力、Agent或数字员工帮你填。你只要告诉它意图：明天要采购5000万吨原油，帮我全球比较一下哪里价格便宜、哪里有现货，AI帮你去处理，然后直接通过SAP系统下订单。这样组织资源效率提高了，业务流程变快捷了，全球供应链这块可以带来现实cost down，确确实实给企业带来金钱收益，这种他们是喜欢的。但很多大型企业全面AI化是比较漫长的过程，首先认知要改变，一些年纪大的领导可能一下子没法转变。所以国内很多场景算的不是经济账，可能是安全账；民营企业会算经济账。从两个维度来看。
搜狐AI： 非常感谢魏老师的精彩分享。我们刚才主要交流了AI能力、数字员工如何进入企业工作流，包括技术层面、组织层面，以及企业最终能拿到的经营结果等维度，魏老师都给出了非常干货、非常详实的回答。
