大公司，想養(yǎng)“龍蝦”也不容易 | 海斌訪談

　　作者：彭海斌

　　“龍蝦”，其實不好養(yǎng)。

　　揮舞著雙鉗的“龍蝦”智能體(OpenClaw)風(fēng)靡全球，它已經(jīng)具備自主調(diào)用工具、分析數(shù)據(jù)，并完成特定任務(wù)的能力。英偉達GTC 2026大會上，英偉達創(chuàng)始人黃仁勛將OpenClaw類比為AI智能體時代的操作系統(tǒng)。

　　近日，第一財經(jīng)采訪獲悉，在AI實際的落地過程中，一些非科技類的大型企業(yè)，比如醫(yī)療器械企業(yè)、銀行等并沒有準(zhǔn)備好。這些公司可能體量龐大，但既缺乏掌握大模型微調(diào)技術(shù)的核心人才，內(nèi)部數(shù)據(jù)也無法直接使用，單是整理和清洗數(shù)據(jù)就會占用一半的工作量。

　　圈養(yǎng)，才安全

　　“我就是希望它每天幫我分析一下AI熱點，提示每天發(fā)生的重大事件，然后幫我做成PPT。這樣我自己有一個快速學(xué)習(xí)的過程�！睆埡茖Φ谝回斀�(jīng)記者說。他的核心工作之一是協(xié)助客戶部署AI能力。

　　在龍蝦的底層模型方面，張浩選擇了一款國內(nèi)大模型�！八�的模型相對于其他模型而言，它更安全，更合規(guī)�！�

　　他既不在個人電腦安裝，也沒有在公司配發(fā)的電腦上安裝龍蝦。因為本地部署的話，龍蝦有泄露個人信息或者客戶資料的可能，所以他把龍蝦做了隔離，把它放養(yǎng)在云端。即便是在云端，他也進一步將龍蝦限制在“沙箱”里運行。

　　一些對風(fēng)險管理嚴(yán)格的大型企業(yè)，對待人工智能及智能體等新技術(shù)更加謹(jǐn)慎。一些機構(gòu)在審慎評估是否需要引入龍蝦這類智能體，以及它可能在哪些場景發(fā)揮作用，而又不至于闖禍。

　　這些機構(gòu)即便部署龍蝦等智能體，也是在內(nèi)部的服務(wù)器，而不是在公有云上。他們嘗試的應(yīng)用場景，可能包括撰寫盡調(diào)報告、風(fēng)險巡視和預(yù)警等。

　　以龍蝦為代表的智能體，既展現(xiàn)了技術(shù)突破的銳度，也展示出不可控的危險。一段惡意的提示詞，就可能被龍蝦解讀為可執(zhí)行的命令，從而暴露用戶的隱私、危及用戶的財務(wù)安全。

　　這也是為什么工信部下場，提醒智能體的使用者，要嚴(yán)格控制互聯(lián)網(wǎng)暴露面，根據(jù)業(yè)務(wù)需要授予完成任務(wù)必需的最小權(quán)限，對刪除文件、發(fā)送數(shù)據(jù)、修改系統(tǒng)配置等重要操作進行二次確認(rèn)或人工審批。優(yōu)先考慮在容器或虛擬機中隔離運行，形成獨立的權(quán)限區(qū)域。

　　英偉達在本屆GTC上推出了NemoClaw，在開源版本之上疊加了英偉達的“安全護欄。騰訊云、科大訊飛等企業(yè)近期都針對智能體推出了相應(yīng)的“沙箱”服務(wù)，使智能體在受控環(huán)境中運行。

　　銀行和保險等是風(fēng)險管理機構(gòu)，比制造業(yè)等產(chǎn)業(yè)在接入人工智能方面要慢一些。對風(fēng)險的防范，只是人工智能難以快速滲透的原因之一。

　　2025年10月至2026年1月期間，普華永道對中國內(nèi)地及香港銀行、保險及資管行業(yè)201名金融服務(wù)專業(yè)人士進行調(diào)研及20次深度訪談。調(diào)研結(jié)果顯示，61%的金融機構(gòu)AI投入占科技預(yù)算的比例不足10%，雖然這些機構(gòu)希望把這一比例提高到50%。

　　當(dāng)下市場環(huán)境下，銀行息差收窄，一些大型機構(gòu)的利潤也出現(xiàn)了下滑。它們在科技投入的總盤子增加的可能性并不大。大型金融機構(gòu)原有的技術(shù)體系還需要維護，現(xiàn)在沒辦法把大筆錢花在AI上面。

　　大型企業(yè)養(yǎng)龍蝦，并為之打造運行的基礎(chǔ)設(shè)施底座，所需要的成本不低。

　　智能體是AI技術(shù)發(fā)展，以及未來落地于公司的一個重要方式。但它在執(zhí)行任務(wù)過程中，需要調(diào)用不同的工具，頻繁與大模型交互。智能體對算力的消耗巨大，企業(yè)對算力的部署，也是一大筆費用。

　　利潤下滑的大型企業(yè)，當(dāng)下受到預(yù)算硬約束，增加AI開支，就需要“騰籠換鳥”。但這種技術(shù)投資的調(diào)整，進程必然是緩慢的，因為牽扯到技術(shù)員工和組織結(jié)構(gòu)的轉(zhuǎn)變。

　　落地，缺什么

　　大型制藥和醫(yī)療器械公司，對引入人工智能持開放態(tài)度，但也遭遇明顯瓶頸。

　　一家大型跨國器械企業(yè)的技術(shù)負(fù)責(zé)人，此前告訴第一財經(jīng)記者，公司內(nèi)部雖然也已經(jīng)采用人工智能，但還是上一代的AI技術(shù)，而沒有接入大模型的能力。

　　這家器械公司采用AI技術(shù)幫助臨床醫(yī)生實現(xiàn)腔內(nèi)的智能讀圖分析，評估冠狀動脈內(nèi)部阻塞和狹窄的嚴(yán)重程度，為精準(zhǔn)治療提供決策依據(jù)。但是公司內(nèi)部開發(fā)相應(yīng)技術(shù)的AI人才并不多，而且醫(yī)療機構(gòu)能夠給高級人才提供的薪資也沒辦法與谷歌、OpenAI等公司相提并論，難以從這些大型科技公司里搶到人才。

　　核心AI人才的稀缺，是所有非科技公司繞不過的門檻。

　　普華永道方面認(rèn)為，AI的大規(guī)模推廣面臨多重制約因素。人才短缺與僵化的組織結(jié)構(gòu)是阻礙企業(yè)AI規(guī)�；�部署的核心障礙，其影響程度遠(yuǎn)超預(yù)算或技術(shù)層面的問題。

　　新一代AI技術(shù)，興起不過數(shù)年時間。那些掌握前沿AI技術(shù)的人才都還集中在谷歌、阿里巴巴等科技公司，他們還沒有大量向制造業(yè)、醫(yī)療和金融業(yè)等產(chǎn)業(yè)擴散。

　　這些非科技大型企業(yè)的IT部門都沉淀了一些人才，他們可能對上一代技術(shù)有所了解，但那是小參數(shù)模型的時代了。在大模型時代，能夠?qū)Υ竽Ｐ瓦M行微調(diào)或者做強化學(xué)習(xí)的人才稀缺。而且這些核心的人才，難以從傳統(tǒng)公司的內(nèi)部產(chǎn)生，它們需要跟谷歌或者字節(jié)跳動爭奪人才。

　　如果不涉及大模型的微調(diào)或強化學(xué)習(xí)，而只是面向應(yīng)用層面的開發(fā)，那這些大企業(yè)的技術(shù)人員還能完成過渡。

　　“比如原來100個人都是做傳統(tǒng)java語言開發(fā)，現(xiàn)在需要把50個人變成智能體開發(fā)。在不增加人手的情況下，產(chǎn)能就有了�！睆埡普f。

　　數(shù)據(jù)是另外一大掣肘。

　　“AI一定是我們的方向，但真的有點漫長。特別在醫(yī)藥行業(yè)，我們在做數(shù)據(jù)投喂的時候，這是最大的挑戰(zhàn)：沒有太多真實的數(shù)據(jù)來源�！币患抑扑幑�司的技術(shù)負(fù)責(zé)人此前表示。

　　企業(yè)開發(fā)藥物和器械的臨床數(shù)據(jù)、注冊數(shù)據(jù)的質(zhì)量都非常高，也是AI最好的燃料。不過單家企業(yè)的數(shù)據(jù)十分有限�？紤]到中國制藥和器械企業(yè)在最近十年才慢慢發(fā)展起來，它們累積的可用數(shù)據(jù)相比跨國公司更加有限。

　　數(shù)據(jù)安全與隱私保護問題更是被金融機構(gòu)列為數(shù)據(jù)管理的重大挑戰(zhàn)，這導(dǎo)致一些企業(yè)只能依賴內(nèi)部專有數(shù)據(jù)來支持其AI應(yīng)用場景。

　　大型機構(gòu)內(nèi)部對于很多的知識，很多的規(guī)則都沒有統(tǒng)一。比如辦公室的制度文檔厚厚一疊都已經(jīng)積灰了,而業(yè)務(wù)部門可能自己又搞了一套制度，數(shù)據(jù)標(biāo)準(zhǔn)都沒有統(tǒng)一。而這些數(shù)據(jù)的清理加工就需要太多時間，有時候甚至占據(jù)AI落地項目一半以上的時間。

　　人工智能是經(jīng)濟發(fā)展中確定不移的趨勢。但是一些傳統(tǒng)企業(yè)并沒有為迎接AI的到來做好充分準(zhǔn)備，這會是一個漫長的過程。

　　(張浩系化名）