AI兑现第一年：谁在赚钱，谁在陪跑

研究员 | 梁秀杰 审校 | 张旭 责编 | 韩玮烨

摘要：当AI让知识不再稀缺，服务业靠什么重新定价？当AI打破行业边界、加速周期转换，企业和个人又该去哪里寻找新方向？

10月13日，由AI圈知名社群云团队与睿和智库共同举办的睿和沙龙第48期，以“AI or SI？梦想照进现实的冷思考”为题，在北京金隅钰珵大厦举行。来自管理咨询、企业软件、算力、医疗AI、网络安全、律所、零售与投资一线的二十余位嘉宾，不做产品路演，只谈各自的真问题。

本期沙龙把焦点对准中国企业的真实现场：AI究竟如何落地？新的商机在哪里？又该如何打破认知固化与行业边界，通过跨界整合，在周期转换中为企业与个人找到新方向？

一天的碰撞并未停留在“AI将改变一切”的口号上，而是落到了具体场景：头部企业在做本地化部署与岗位智能体，末端大量民企还在用AI写报告、做表格；中间那截“腰”，前线部署工程师（FDE）所代表的现场交付能力，恰恰是最难标准化、也最可能沉淀壁垒的地带。这种冷热不均的落地图谱，正是本期沙龙试图碰撞的落点。

北京金隅钰珵大厦

以下为本期沙龙精选的25条核心观点。

01

底层安全：中文代码与信创底座

应用层越热闹，越要问底层安不安全。现场判断是：如果架构层面的安全没有解决，应用层面的安全就像在沙滩上盖楼。

1、中文代码汉语编程不是“汉化”，而是从底层重构信创知识体系。今天操作系统里显示的是汉字，但编译器、函数库、编程语言乃至指令集仍属英文生态；中文代码覆盖的，正是从编译器、编程语言到操作系统这一整层。

2、中文代码汉语编程的产业化路径是“先兼容，再逐步替换”。现场明确，中文代码可兼容C++、Java等英文生态并支持混编，不是另起一套封闭体系。

3、更关键的一步，是与大模型对接。现场的判断是：一旦中文代码与大模型的能力打通，信息安全里最底层的那块短板就有了补齐的可能。理由很直接——架构层面的安全没有解决，应用层面的安全就像在沙滩上盖楼。这件事目前仍在推进中，尚未到下结论的时候。

4、中文代码汉语编程要从教育抓起，形成母语编程生态。相关试点已进入中小学、高职和大学场景，思路是从娃娃抓起，让青少年先习惯母语编程，再逐步向高校和行业端延伸。

5、安全短板不只在代码层，也在工业软件与智能体通讯层。现场提出，工业软件不能只在别人的黑盒里做内部追赶，要从工艺和隐性知识反向突破；智能体之间要真正通讯，也需要泛在网络和可控的连接体系支撑。否则，应用层再热闹，底层仍可能受制于人。

02

钱的流向：AI的第一批现金流

过去一年，AI的收益并不均匀。现场的一个基本共识是：钱最先落在了离“交付”最近的环节，比如算力、内容生产，以及被AI重塑的培训。

6、代码生成与影视内容生产，是现场嘉宾重点提到的两个规模化应用方向。

7、算力是这一轮最先兑现的生意。有服务商从去年起做算力分销，并延伸至私有化算力与智能体的本地部署，客户既有央企，也有要求数据不出域的中小机构。

8、影视行业的成本结构最先被改写。剧本、分镜、配音、道具等中间环节被大幅压缩，原有的工种分工只存在于少数头部IP上。

9、培训是另一个明确的现金流来源。一家专注企业内训的平台介绍，今年其AI与数字化类订单已接近千单，占全部课程的三分之二以上；从管理层到基层，各有一套对应课程；相比之下，缺少“AI”字样的培训预算，审批通过率明显下降。

10、但同一场沙龙里也有提醒：需求是真实的，付费却取决于两件事——企业有没有预算，以及有没有人对结果负责。

向右滑动查看更多

03

知识不再稀缺：服务业被重新定价

AI正在瓦解传统咨询赖以生存的知识落差，也倒逼这个行业重新定义自己的价值。当客户借助AI就能生成一份像样的报告，靠卖知识、堆方法论的咨询模式越来越难以为继；能被验证的洞察、资源导入与结果责任，才是新的定价依据。

11、咨询行业过去赖以生存的“知识落差”正在消失。一位从业者把本土咨询的发展划成三段：从卖知识，到按客户需求定制方案，再到今天客户只问效果。

12、客户其实分三类：知识短缺型、结果寻求型、过程服务型。不同需求，对应不同的交付与收费方式。

13、应对方式，是把个体能力变成组织能力。将资深顾问的判断框架、行业知识库沉淀为智能体，让一般顾问承接原先只有高级顾问才能交付的部分，以此压低综合成本、保住毛利。这既是对AI冲击的防御，也是把“人的经验”沉淀为“组织资产”的机会。

14、AI抹平了知识获取的差距，却放大了落地能力的差距。企业在听完一轮AI课程后，最缺的仍是能把工具装进流程、拿出结果的人。

15、一个更根本的判断来自现场：AI替代的是知识搬运，替代不了洞察。那种一眼看清行业五年、十年后格局的能力，仍然是稀缺品。

向右滑动查看更多

04

落到现场：医疗、零售、安全

如果说服务业还在重新找位置，医疗与零售已经跑出了可核对的数字。它们的共同点是：问题足够具体，责任足够清晰。

16、医疗是目前落地最实的场景之一。一家做了近三十年医疗信息化的企业介绍，其行业解决方案已覆盖四千多家医院，并在医保、影像等环节自研了十余类模型。

17、挂号是最早被改写的一环。患者自行挂号选对科室的概率，平均只有40%；有医院接入智能问诊模型后，挂号准确率被提升至98%。

18、医疗场景对AI的约束也最严。所有输出必须可溯源到教材、指南与论文，模型不能自行作出诊疗决策；最终签字与责任由医生承担，有医院明确规定低年资医生不得直接使用AI辅助判断。

19、诊室里的流程也在被重排。智能预问诊让患者在候诊时先回答系统提问，医生接手前已拿到结构化信息，问诊时间被压缩，问题的针对性反而更强。

20、一个反直觉的判断是：在行业场景里，把数据集梳理好，往往比换成更大的模型更有效，成本也更低。模型可以随时更换，行业知识工程却不能外包。

21、零售是另一个跑通的方向，逻辑与医疗相反：模型不必最强，动作却要能被最末端的员工复制。方案设计的着力点，是把最优动作拆解到不需要思考。

22、具体工具已经成型：热力图叠加门店POI（门店定位点）锁定周边客群，数字人承接直播与客服，货架探针记录停留与动线。一个箱包门店的案例显示，“5分钟黄金法则”把转化率提升了23%。

23、成本判断也出乎意料——最简单的门店硬件只要几元，部分基础改造的门槛已经降低。真正的门槛是认知：老板是否相信这件事值得做。

24、普遍的顾虑是数据。有从业者直言，不敢把核心思路交给公开模型，“说完就等于交出去了”。对于这些要求数据不出域的机构，私 有化部署成为必选项。

25、无论落在哪个场景，现场反复出现同一句话：AI是工具，最后的判断与责任，留在人身上。

这场沙龙没有描绘AI的乌托邦，留下的是一线从业者在真实场景里的摸索与冷思考： 工具的应用水平决定下限，逻辑思维与行业理解决定上限；企业真正需要的，是把AI嵌进工作流程，用陪跑、共创和结果验证的方式往前推。

（本文根据10月13日“AI or SI？梦想照进现实的冷思考——睿和沙龙第48期”嘉宾现场发言及讨论整理而成）

特别鸣谢

云团队社群、金隅钰珵大厦对本期睿和沙龙给予的帮助与支持。