大模型虽在知识覆盖、内容生成等方面表现出色，但存在泛化能力有限、因果推理不足等短板，其落地难点在于能力边界与场景需求的错配，2025 年的竞争关键在于找到适配场景并实现有效交付。

在致远互联 AI-COP “让组织智能进化”现场。

复旦大学计算与智能创新学院教授、上海智能信息处理重点实验室副主任张齐，分享了他对“大模型”和“Agent”落地的最新思考。

我坐在台下听完，脑子里就一个念头：

这东西必须赶紧和你说说。因为他讲的，不只是技术细节，而是为什么这么多公司装上了大模型，最后还是用不起来。

首先，他提到一个问题：大模型强在哪？又弱在哪？

大模型确实很厉害。它能一次读几十万字而不忘前忘后，这在过去小模型时代想都不敢想；以前识别人名、情感分析、做分类得用不同的模型，现在一个全能模型全搞定。

它还能把不同语言“翻译”到统一的内部表示，所以用中文训练的能力，换到英文任务上也能用。

更重要的是，它已经不满足于“翻译”了，而是能直接生成内容：从写诗写剧本，到写新闻稿都不在话下。

难怪它在高考化学题上能考到七八十分，这要放在十年前，做梦都不敢想。

可问题来了，同样是这个模型，做一道高考化学满分没问题，换成小学二年级的简单应用题，稍微加一句无关紧要的描述，分数就能从九十多分掉到二十多。

听着是不是有点离谱？原因很简单：它并不是真的“理解”了题意，而是记住了题型和套路。一旦问题稍微出了它的“记忆圈”，它就容易懵。

张齐教授打了个比方：

模型能力像一个个孤立的圆圈：高考题是一个圈，小学应用题是另一个圈，英语拼写、合同生成、编程……都是各自的圈。

人类的学习能跨圈，学会数苹果，就会数梨子；而大模型多数时只能在圈里玩，出了圈就得重新学。

更致命的是推理。

它能通过统计发现“尿布和啤酒销量相关”，但问它“为什么”，它就没法像人一样推导出答案。这也是为什么它在很多常识推理、简单逻辑题上会翻车。

它的强，是见多识广的强；它的弱，是“缺乏真正思考”的弱。

我们会被它的强迷惑，因为它的回答太像人了。表面看，它似乎懂你，其实它只是用模式匹配，预测出最可能的下一个词，并不真的理解你想表达的意思。

所以，大模型强和弱，是一体两面。它强在知识覆盖面大、生成能力强、多任务通用；它弱在泛化能力有限、因果推理不足、跨圈迁移差。

张齐教授说得很直白，大模型不是万能的，它依然是基于统计学习的机器；明白了这一点，也就明白了为什么很多企业把大模型装进系统，最后却发现用不出理想效果。

既然看清了它的强弱，可为什么我们总以为它在理解？

其实，被它的“表现”骗了。

大模型底层逻辑，是在海量数据里学到一种统计规律：当你说了前半句话，它能预测出后面最可能出现的那几个词，然后不断叠加，直到拼成一段看起来很合理的内容。

这个过程非常像我们平时聊天，但本质上，它没有“意识”去琢磨你话背后的真实意图。

张齐教授举了个挺好玩的例子：

问它 “Strawberry 里面有几个 R？”，这种题一般不会出现在训练数据里，所以能不能答对，就看它的泛化能力。

结果一开始，它根本数不清，甚至会在推理过程中卡壳。可当这种题被测试多了，模型公司就把它放进了训练数据，于是它突然就能数得很溜了。

你看，它不是突然开了窍，而是“见过了答案”。

这就是关键，它的所谓“理解”，是“记忆模式”的复用。它像一个见多识广的学生，背过成千上万道题，只要你问的题跟它背过的相似，它就能答得有模有样。

可一旦你的提问跨出了它的“背题库”，它就可能手足无措，甚至答非所问。

更麻烦的是，我们人类特别容易被这种“似懂非懂”的表现迷惑。就像一个人说话特别流利，你会下意识地觉得他很专业，即使他的话里可能漏洞百出。

本质上，它靠概率堆出来的答案，而不是靠真正的推理。它不具备像人一样的因果思维，不会因为“苹果掉下来”联想到“重力”，也不会在看到两个看似无关的事实时，去寻找它们之间的因果链。

所以，它的理解更像幻觉，是我们把自己的思维方式投射到它身上产生的错觉。

它没法像人那样举一反三，只能在已经画好的“圈子”里活动，而每一个圈子，都得靠人类事先用数据帮它画出来。

既然它的“理解”只是记住，那就不难明白，为什么很多公司把大模型搬进业务系统后，热热闹闹做了个 Demo，结果一到真正交付时，就卡壳了？

其实，这背后，藏着大模型落地的根本症结，在现实世界的需求和它的能力边界之间，有着天然的缝隙。

第一个缝隙，是泛化边界太窄。

你让它做一类任务，可以做得很漂亮，一旦问题换个说法、场景稍微变形，它容易掉链子。现实业务里的需求，不可能永远是“干干净净的标准题”，很多时候输入是混乱的、不完整的，这就让模型暴露出短板。

第二个缝隙，是推理依赖高。

很多B端场景，比如：合同生成、技术审图，背后其实需要大量的判断、对比、归纳。

模型可以把文字拼出来，可它未必能理解条款的法律含义，或者在图纸上判断一条参数是否符合特定规范。它缺乏因果链条，所以，容易给出看似合理但逻辑错误的答案。

第三个缝隙，是成本和可控性。

大模型很大，推一次成本高，延迟长，而且结果有概率性——同样的问题，不同时间问，答案可能不一样。

对于需要稳定交付的业务，这种不可控性就是隐患。你不能指望一个法律文书生成系统，每次都碰运气。

第四个缝隙，是场景差异巨大。

模型在一个行业的定制优化，未必能迁移到另一个行业。比如：船厂审图，听上去是完美匹配大模型能力的任务：有几十万页规范文档，有固定格式的图纸，还有大量历史标注数据。

但即便如此，它也只能做到95%的准确率。问题是，这5%的错误没有人敢直接放行，所以，人工依然要全量复审。

这几个缝隙叠加起来，就解释了一个现象，大模型在实验室里是“985学霸”，到了企业场景却成了“见习生”，能干活，但干不好全活。

它是还没到那种“一上阵就能包办一切”的程度。

张齐教授的观点很务实：大模型落地的难，是能力边界和场景需求之间的错配。技术在一条轨道上飞，业务在另一条轨道上跑，中间没有做好衔接，就会出现“上不了线”或者“上线效果不佳”的情况。

所以，真正的难点在于怎么让它和具体场景贴合，让它的强项用在刀刃上，把弱项用其他方式补上。

那么，到底什么样的场景才适合用大模型和Agent？

张齐教授给了一个智远觉得特别好用的判断标准，两个条件：一，它能替代大量人工。二，它产出的结果，人类能快速判定对错。

听起来很朴素，但越想越对。

你会发现，最先被AI攻下的领域，是因为这两个条件都满足了；反过来，有些看似很适合AI的场景，其实并不符合条件。

比如：合同生成。如果是给完全不懂法律的人写，那产出的合同里有一堆术语，用户看不懂，也没法判断对错，结果只能求助别人。

如果是给律师写，律师当然看得懂，但他也有自己熟悉的合同模板，不会全盘用AI生成的新版本，这时，模型反而显得“多此一举”。

真正适配的场景，往往是那种数据量大、人工消耗高、判断门槛低的工作。

类似有医疗报告结构化，医生每天会产出大量非结构化的病历、化验结果，模型可以自动把里面的关键信息提取成表格，医生一扫就知道对不对。

再比如跨语言客服，对于出海企业来说，不可能每种语言都配齐客服人员，而模型可以把常见问题快速翻译、生成答案，只要达到九成准确率，就能直接节省大量人力成本。

还有一个很重要的经验，“场景越小、数据越多、效果越好”。

把“写作”当成一个大场景，要把它做好很难，但如果把它拆成“小学三年级作文”“四年级作文”这样的小块，分别用对应的数据训练，就能很快达到交付要求。

在线上教育领域，这种“年级+题型”的精细化训练已经很常见了。

所以，挑场景时，不要想着一口吃成胖子，而是要找那种模型能一锤子砸到钉子上的地方，让它的强项充分释放，同时结果又容易被人类快速验收。

这时，AI 是来帮人把最费时、最机械的那部分工作先干掉。

当然，这也意味着企业需要非常清楚自己的业务流程，知道哪里是真正的瓶颈。否则就会陷入一个误区，看模型的能力很炫，就随便找个地方塞进去，结果费了钱，场景和能力不匹配，最后不了了之。

等你接受了这个判断标准，你就会发现，找到合适的场景只是第一步，真正的挑战是：在今年这样的关键窗口期，怎么把它做成可交付、能赚钱的产品。

所以，在 2025 年，企业该怎么突围？听张齐教授讲到最后，我脑子里冒出来的第一个词：窗口期。

第一，不要指望端到端一口气全自动完成。

模型再大，也不是万金油。很多时候，人机协同反而更高效，让模型先处理掉 70% 的重复性工作，再由人做最后 30% 的审核和决策。

这不光能提高准确率，还能让业务部门更容易接受。

第二，尽量减少对复杂推理的依赖。

高考数学能考高分，是因为有人在数据里塞了上亿道原题，几乎覆盖了所有题型。但大部分行业场景做不到这种数据密度，所以，如果一个任务需要大量的逻辑链条推演，模型可能就会掉链子。

要优先啃那些“低垂的果子”，能用模式识别、信息提取快速搞定的事。

三，该用小模型的时候就用小模型。

小模型虽然能力单一，却在特定场景更稳定、更可控，成本也低。很多时候，小模型就是更优解。

然后，必须盯着商业价值，做 AI是为了赚钱。要么节省大量成本，要么创造新的收入渠道，否则就算技术再酷，也会因为 ROI 不够被砍掉。

要用“工作模拟法”，细化到每个岗位、每 15 分钟在干什么，从中找出可以标准化、规模化的部分，用模型替代。

最后，不要忽略组织层面的改造，AI 不只是换一个工具，它会改变工作流，甚至会影响团队的结构和分工。如果企业的流程、考核、管理方式都还是老一套，AI 落地的效果往往会大打折扣。

所以，这一年是机会年，但机会只留给两种企业：

一种，能找到刀刃场景，把模型打磨到 90 分交付水准的；

另一种，能在组织内部迅速适应 AI 工作方式变化的。

如果说过去两年，大模型的故事更多是技术人的狂欢，那 2025 年，就是商业人的战争。谁能在这个窗口期精准落子，谁就能在市场里抢到先手。

至于还在等技术“完美再上”的公司，等它完美时，牌桌上可能早就没了你的座位。