7月17日，2026世界人工智能大会在上海正式拉开帷幕。作为36氪连续第三年深度参与waic的核心内容阵地，「氪话未来」直播间也在大会首日同步启动现场连线。曾鸣教授现身waic现场，接受36氪「氪话未来」特别专访，围绕ai驱动下的企业增长跃迁、组织进化路径、智能复利机制、ai原生业务构建及企业落地实践等关键议题，系统阐述了他对人工智能如何重构商业底层逻辑与价值生成范式的前沿洞察。
本届WAIC以“智能伙伴，共创未来”为年度主题。随着AI产业迈入规模化应用深水区，行业焦点正加速从模型参数竞赛、性能突破等技术维度，转向真实场景中的价值兑现能力。相较此前几年聚焦大模型规模、训练效率与算法创新的讨论，2026年的AI产业更迫切追问：AI如何无缝嵌入企业核心业务流？如何显著降低使用门槛？又如何通过可衡量的业务结果持续释放增长动能？
在此背景下，AI带来的变革早已超越传统效率工具的迭代范畴，正在深刻重塑企业的增长范式、组织架构与商业本质。曾鸣教授指出，AI是一场触及根基的技术革命，将引发经济结构、商业规则与组织运行方式的系统性重构。企业亟需思考的，不再仅仅是“如何用AI”，而是“如何让AI扎根于关键业务节点”，依托真实任务执行与闭环反馈机制持续进化，最终构筑自我强化的“智能复利”飞轮。
从“千人千面”的群体画像，迈向“一人千面”的个体深度理解——AI正推动企业对用户需求的认知与服务供给方式发生质变。不同于依赖静态标签与历史行为的传统推荐逻辑，AI可通过高频、多维、持续的交互过程，实现对个体动态偏好与隐性需求的穿透式把握，提供真正意义上随需而变、因人而异的服务体验。对企业而言，具备实际业务穿透力的AI应用，必须跨越Demo演示阶段，走向能独立交付任务、并对结果负全责的成熟形态。
在曾鸣教授看来，AI时代企业竞争的核心分水岭，已不再是单一技术指标的比拼，而是能否构建起AI原生型业务体系——即AI深度融入工作流，并在持续反馈中实现能力自增强的价值闭环。率先完成这一范式迁移的企业，将在新一轮增长周期中占据结构性先机。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
以下为对话实录，经36氪整理编辑：
36kr：您在《智能商业》中提出网络协同与数据智能两大支柱；而在新作《智能》中，探讨已全面进入AI时代的增长逻辑、组织演进与战略重构。您认为过去几年最根本的转变是什么？是技术本身发生了质变，还是企业创造价值的方式发生了范式迁移？
曾鸣教授：我认为AI技术的演进是一次真正的底层重构。业界常将其影响类比工业革命，甚至有观点认为其深远程度可能远超后者。当这样一场颠覆性技术浪潮出现时，它所撬动的绝非局部优化，而是经济运行基础、商业模式内核以及组织存在形态的根本性重置。因此，我写作这本新书，正是试图回归第一性原理，去推演未来商业与组织应有的基本样貌，及其与过往的本质差异。
36kr：近两年大量企业纷纷部署AI，但实际体感差异显著：有的切实感受到效率跃升，有的却仍未看到实质性改变。您近期与众多企业家交流过程中，听到频率最高的困惑集中在哪些方面？
曾鸣教授：最普遍的疑问，是短期内AI投入尚未带来清晰可见的投资回报。企业或许能观测到个别岗位效率提升，但就整体组织而言，AI究竟创造了何种增量价值、带来了多少可量化收益，目前仍缺乏明确答案。
但我想强调，这恰恰是技术演进与应用探索的必经阶段。无论是AI技术本身的成熟度，还是企业驾驭AI的方法论积累，都尚处于早期探索期。因此现阶段尚未显现显著回报，完全符合发展规律。
36kr：如果一家企业决心真正拥抱AI，而非仅做表面尝试，您建议应优先切入哪个具体业务环节？为何不首选最前沿的技术方案或最宏大的顶层战略？
曾鸣教授：不同企业的最优切入点必然各异。但一个关键转向在于：企业需要重新审视自身业务全景，识别出是否存在某个环节——能够被AI完整接管并自主运行？唯有实现这一跃迁，企业才可能收获真正可持续的价值回报。
36kr：您在书中提出的“智能复利”概念，强调系统在真实使用中不断学习、持续进化。落实到企业层面，哪些业务场景最易催生此类正向循环？反过来，哪些看似热闹的应用，实则难以沉淀长期复利？
曾鸣教授：具体适配性仍需结合各家企业实际业务来判断。但在初期探索阶段，选择一个相对轻量、边界清晰的业务模块进行验证，是务实之选。但必须明确的是，所有试点终须回归企业核心业务主航道，将AI深度植入工作流，并依据AI特性反向重构作业流程，方能逐步迈向AI原生业务的成熟形态。
36kr：您提出从“千人千面”升级至“一人千面”。置于当下商业语境中，AI将如何重构企业理解用户、定义产品与交付服务的底层逻辑？
曾鸣教授：这是极具标志性的范式跃迁。即便在推荐系统兴起之初，我在2010年提出“千人千面”，初衷也是通过更精准匹配，提升用户与商品/服务之间的连接效率。但历经十余年发展，当前主流推荐机制仍高度依赖用户标签体系与历史行为轨迹，本质上是对过去偏好的回溯式预测。
而AI的核心优势，在于它能以极低成本实现与个体用户的长期、高频、多模态互动，并具备更强的认知建模能力。这意味着AI有机会实现对个体状态、情境、意图乃至潜在需求的全息式理解，从而支撑真正意义上的动态个性化。毕竟人的需求本就是流动的、情境化的，唯有达成这种深度且持续的个体理解，才能真正实现从“千人千面”到“一人千面”的跨越。
36kr：WAIC现场汇聚了大量早期AI项目与原型应用。您在书中反复强调真实任务承载力与反馈闭环的关键性。那么，一个AI项目要从Demo走向真实业务，最关键的几类验证应聚焦在哪几个维度？
曾鸣教授：最核心的验证，是能否建立稳定有效的反馈闭环。唯有闭环形成，AI才具备自主进化能力。但闭环运转有两个刚性前提：第一，AI是否能端到端独立完成一项完整任务；第二，AI是否能对任务结果承担实质责任。倘若AI无法担责，就必须由人工兜底干预；而一旦人在关键链路中持续介入，AI的学习链条就会被人为打断。
因此，最关键的跃迁点在于——AI能否“独立上岗”。我将这一临界点称为“60分基点”。当AI真正达到可脱离人工监督、独立履职的基本能力门槛后，“智能复利”的飞轮才真正启动。此后，其能力可能迅速从60分跃升至100分、200分乃至更高。但突破这最初的60分，让AI具备真正意义上的独立作业能力，恰恰是最具挑战性的阶段，需要长期试错、持续创新与海量实践沉淀。
