企业如何用好大模型

360集团创始人 周鸿祎

各位应该都见证了DeepSeek在春节期间一周内用户破亿，也让中国从AI技术上比肩美国。很多企业部署了DeepSeek，希望能给业务带来提升，但是最近不少企业家朋友跟我说，DeepSeek虽然部署上了，却没能真正发挥效果，只能当成聊天机器人来用，完全不知道怎么和业务挂钩。所以今天我想分享关于企业如何用好AI的几点看法。

AI能为企业带来什么？我想，大家最看重的主要是这几点：推动降本增效、提升产品和服务的能力、优化现有业务布局，以及开拓新业务等等。

那么AI在这些业务上该如何落地？我们对此提出了企业AI转型的“一三四二”四阶段方法。

第一阶段，是确立“一个指导思想”。当前是AI高速发展的时代，不要低估大模型的潜力，也不要高估大模型的能力。在探索阶段，企业不需要制定复杂的AI战略，不要追求一个大模型解决企业所有问题，而是挑选场景，一个模型解决一个问题。

第二阶段，是打好“三个基础”。

一是人员与文化准备。AI需要全员参与，在企业中形成“AI文化”，从上到下要“人人都会用AI ”，建立企业使用AI的群众基础。同时一定要坚持业务主导，只有业务人员懂AI，才能决定AI在企业里如何应用。尤其要鼓励一线员工熟练使用AI，发现各种机会，探索各种可能性。通过自下而上的探索，才能诞生真正有价值的创意和方案。

但是使用AI并不是人类的天性，所以有时候用AI的习惯是需要强迫养成的。比如可以设立一些考核指标，提高企业在日常办公中的“含AI量”。

企业员工使用AI可以分为五个能力层级，从入门仅偶尔与大模型聊天，到高阶能打造个人知识库与智能体，反映出员工对AI的掌握与使用情况。现场朋友可评估自家员工所处层级，也可以自测。我觉得提升个人AI能力最好办法是“用中学”“干中学”，欢迎大家使用“纳米AI”个人版APP。

二是技术准备。企业引入AI时选择基座大模型很关键。Chat-GPT这类闭源云端通用模型不能私有化部署、缺乏企业知识、无法定制、成本高，还存在数据泄密风险，不适合一般企业。企业应当首选可私有化部署的开源模型，防泄密、响应快，可以定制，还能对接企业知识库，而且近乎免费。比如可以选DeepSeek-R1，中小企业与个人可以考虑360蒸馏的7B、14B小参数模型，用普通电脑配3060、3090显卡就能运行，体积只有满血版的1-2%，能力却可以达到七成以上。

还需要强调的是，组织中可以有多个基座大模型存在，包括文字、推理、编码、视觉、声音处理等大模型都可以做基座模型，分别提供不同的能力。

基座模型选好后，需要规划算力。企业里会有多个模型组合工作，所以一定是分布式算力。大型企业可以自建算力中心，一般企业可以购买一体机，中小企业可以在电脑上部署蒸馏模型。同时企业一开始不需要配备训练算力，主要是使用为主的推理算力，可以快速投入应用。

三是业务准备。业务准备首先面向四个方向将流程拆解为垂直场景：对上服务领导；对下助力员工；对内面向内部管理和业务；对外聚焦客户产品和服务。然后，找出流程中的堵点、卡点、痛点，先判断AI能否解决，然后寻求最大收益，实现“四个十倍”，即提高十倍效率、提升十倍体验、降低十倍成本，减少十倍人力。

这是AI能够参与企业应用的九个关键环节，这些环节涵盖了企业日常运行中最为典型的业务场景。

第三阶段，是建设“四大支柱”。

一是打造知识库。知识是企业竞争力的核心。企业里积累了很多知识，但没有大模型，知识不能融会贯通，只能作为数据库和云盘存储；而没有知识库，大模型给出的答案只能是千篇一律。有了企业知识库，大模型才能理解企业情况，深入业务，针对不同场景打造垂直大模型；才能回答个性化问题，写出个性化建议，支持推理和决策。

二是打造垂直大模型。有了基座大模型，对接相关的知识库，就可以打造财务、营销等垂直大模型。企业使用初期不推荐自己训练模型，成本高的同时，如果没有做好知识整理训不出效果，甚至可能越训能力越差。所以很多企业选择外挂知识库的形式解决这一问题。

三是构建智能体。大模型的短板在于无法融入生产业务流程直接干活。智能体相当于大模型有了“手”和“脚”，会用工具，能执行具体任务。例如Manus就实现了任务自动规划和分解、按需编程、调用浏览器等工具的能力。但Manus想要打造通用智能体难度很大，企业更应该打造针对垂直场景的专业智能体。

四是打造企业专用能力和工具。企业除了各种AI标准工具外，还要为智能体参与业务准备业务和IT工具。业务工具的能力要先实现API化，才能为后续智能体实现工具调用做好准备。

第四阶段，是实现“两个统一”。

一是AI统一客户端。将来在企业内部，会有多个大模型、知识库、智能体在工作，还有分布式算力网络需要统筹，这需要一个统一的AI客户端把它们管起来、用起来。这可以理解为是一个AI统一工作空间。

二是AI安全统一管控。大模型本身可能会被提示注入攻击、产生“幻觉”，大模型和知识库连接后会泄露信息。智能体能操作各种工具，一旦出错会导致严重后果。传统的安全手段无法解决这些问题，为此，360提出“以模制模”，用安全大模型解决大模型安全问题。

前面讲到的“一三四二”四阶段实践，可以打造成转型AI的“五层两翼”顶层设计。

推荐大家使用纳米AI企业版，整合算力网络、知识中枢、基座模型和智能体四大管理模块，构建覆盖数据、算力、模型、应用及安全的一体化智能框架。

总地来说，企业落地AI不要追求宏大叙事，不追求一个大模型解决所有问题，要敏捷迭代，小步快跑，争取单点突破。先建立群众基础，再解决卡点、堵点、痛点，从小处入手，积小胜于大胜。