瑞泊创始人: All in AI, 首先要了解自己的能力边界

“瑞泊在长期服务企业客户的过程中观察发现：普通民众对于 AI 存在不切实际的乐观，而从业者却过分悲观，因为从业者看到的都是发展过程中的问题。广大民众由于受各种非专业媒体影响，对 AI 产生了诸多不切实际的想象。比如，有的企业家认为在业务或企业发展中，只要投入资金、招揽团队、部署 AI 技术，就能解决各种问题，这显然是不切实际的。今天我讲话中有一句很重要的内容：大模型和人工智能在企业里部署的原则之一，就是——打造超脑的过程如绣花，全是绣花功夫；治大模型如烹小鲜。不要认为可以一蹴而就，一定是一个长期渐进的过程。这跟方跃教授讲的一个观点一致，即一定要把人工智能拟人化看待，当作人去培养。想想我们培养一个孩子或者培养一个员工，要付出怎样的艰辛和努力？这个观点我非常认可。在过去两三年中，我们已经看到很多企业浪费了大量资金。其实部署人工智能和大模型，最大的风险在于用人， 一是企业家自身，二是选择什么样的人去管理这项工作。我们要知道，部署人工智能和大模型，难道仅仅是部署一个产品、一项技术吗？不是的，部署人工智能和大模型会涉及到整个业务流程的重塑，是战略级的工作。如果企业家自身和所任用的人，没有秉承开放的态度、学习的态度，就像杯子里的水是满的，什么东西都装不进去，甚至没有耐心听别人把话讲完，那事情根本无法推进。在用人方面其实有一点很关键：管理这项工作的领导，要有能力边界的概念，包括自己的能力边界以及企业的能力边界。换句话说，不要试图什么都自己干，不可能一个企业把所有事情都做完。比如说电信运营商，核心是运营电信业务，不能说连交换机、基站、光纤网络传输设备都要自己制造，这是不切实际的。这也是我们在近期看到的常见误区。过去两三年，大模型兴起，很多企业觉得自身实力强、资金充裕，就去挖掘人才、自己训练模型，结果两三年投入大量资金后发现，很多投入都打了水漂，比如：模型训练本身，对于那些曾不切实际自行训练模型的企业，如今 DeepSeek 等大量先进、世界一流的大模型开源免费使用，他们过去的投资该如何挽回？所以，不管是个人还是企业，都要清楚自己的能力边界 。”