AI谁会赢 · 3
要我看，中国赢：AI 的本事，要在使用中长出来
找客服的时候，人通常顾不上关心对方用了哪个大模型。东西没收到，退款没着落，能不能先弄明白我在说什么？
2024 年初，淘宝做过一场为期四周的随机实验：近六千名入职不足一年的客服，一部分获得 AI 助手。助手在对话开场提供问题诊断和处理建议，客服可以采用、修改，也可以不用。研究估计，提供工具使识别问题的时间平均减少 8.2%，整段聊天时间减少 1.1%。
听起来不够惊天动地。没有谁的工作一夜之间被消灭，也没有生产率翻十倍。可它发生在真正有人等着处理问题的地方。
上一轮我们看电怎样送进机房，又看技术怎样改变能源这道题。算力交付之后，事情还没完：它究竟用来做什么，用过一遍之后，又留下了什么？
这一回，我站在中国一边。我押的具体事情是：从现在到 2030 年，中国能把已有的数字业务变成不断改进 AI 的场所，在应用这一端积累自己的服务能力和收益。模型的榜首即使换来换去，这些做事的本钱也不会自动跟着搬走。
这篇说的赢，先落在应用这一端：企业留下值得继续经营的收益，使用者真正办成事。要让这张票成立，已有的本事得进入更多业务，收益也经得住后续开销。中国有很大的数字商业，这份家底能变成多少本事，要往里面看。
小本事，要放回大生意里看
按照国家统计局的数据，2025 年中国实物商品网上零售额约为 13.09 万亿元，占社会消费品零售总额的 26.1%。
这当然不是 AI 创造的产值，更不能拿它乘上刚才的实验增幅，得出一个壮观的“中国 AI 红利”。它说明的是，模型到来之前，这里已经有很大的生意，有订单、商家、顾客，也有必须天天处理的麻烦。
一场售后服务，既要听懂人的话，又要核对订单，理解规则，找到可行的处理办法。把一个通用模型放在旁边，它未必知道这笔订单出了什么问题；把相关资料、工具和流程接进去，才有机会让它少说空话，多办一点事。数据能否取得、有没有权使用，仍要具体解决，不能因为用户多就视作企业的随手之物。
这些连接做起来并不潇洒。退款条件变了要更新，建议出错了得追查，模型很有把握地答错，还得有人兜住。但它们会影响一项服务到底可不可用。模型的本领相近，接上不同的业务，交到人手里的结果也可能不同。
所以，我愿意认真看待淘宝实验中的那点改善。少花一点时间识别问题，若能在大量重复任务里可靠地保留下来，就可能有实际分量。至于这点节约最终剩下多少，要连同新增复核一起算。
中国的机会正在这些已经存在的生意里。要找下一次应用，不必每回都从一个尚不存在的需求开始。不过，客户多，最多意味着有更多事情可以做；会不会越做越好，还隔着另一道工夫。
用过以后，什么留下来了
“AI 用得越多，就越聪明”，这句话说得太省事。
一次对话结束，记录存进硬盘，并不会自动使模型长出新的本事。要改进，得先知道哪里出了错，错在信息、规则还是回答方式，再决定怎样处理。否则，积累的也可能只是一大堆旧毛病。
美团在 WOWService 技术报告中披露了一套具体做法：收集服务中的错误案例，经筛选、标注，形成训练材料，再训练模型；之后用人工和自动测试检查新版，最后上线，进入下一轮。这是企业披露的工程流程，还不是多年收益的独立审计，却让“反馈”这个词有了实际动作。
报告里有一个很眼熟的毛病：用户已经提供了信息，模型却反复询问。在企业列出的这类错误样本测试中，新一轮训练前后，修复比例从约 74% 提高到约 79%。这是特定错误样本的结果，不是线上所有对话的解决率，也未解决全部问题；但它至少让我们看到，改进可以落在“别再问一遍刚刚说过的事”这样的地方。
这里长本事的，也不只是一颗抽象的“大脑”。人可以学会处理问题，流程可以少绕弯，领域模型也可以经过再训练而改进。淘宝的短期实验和美团的迭代报告，展示的是不同部分，不能把它们拼成一个模型多年不断成长的故事。
然而，这两部分连在一起，确实让中国一侧有了具体的立足点：已有业务可供使用，已有办法检查局部结果，也有企业把错误带回下一次训练。它们不保证成功，却说明这条路已经有人在走。
站在这个位置看，AI 竞争就不只有“谁先做出了更厉害的模型”。还包括谁能把模型带进实际工作，让用过之后留下的经验，成为下一次做事的本钱。
我押的是应用这一端
当然，美国企业也懂这个道理。
在一项面向美国客户的跨国客服研究中，研究者发现 AI 助手能够提高每小时解决问题的数量，并有帮助员工学习的迹象。客服多数位于菲律宾。发明、使用与收益的归属，本来就不整整齐齐地待在一面国旗下面。
所以，我不能把应用和反馈登记为中国的专利。美国也能走这条路，现有几个案例没有测出谁铺开得更快。我的下注，还在于对另一件事的判断：已有业务中的经验和改进，会使一部分 AI 价值留在经营这些服务的人手里，而不会全随通用模型的名次重新分配。
中国让我愿意下这张票，是因为要办的事、实际服务和调整系统的人，已经在本土业务里接上了。淘宝已经做过接入后的现场实验，美团已有把服务错误带回模型的工程流程。它们面对的是自己的订单、规则和使用者，业务可以不断提出下一批需要解决的问题，做完之后又有结果可查。通用模型即使从别处取得，这部分工作仍要贴着实际业务来做；中国已经有企业在积累它。
更何况，模型的来源并不能包办收益的去向。企业即使购买外部模型，也可能通过改进业务留下收益；供应商收取的费用、服务中保留的经验、用户省下的时间，要分别看。反过来，用了国产模型，也不能把每一笔支出都算成自家人的共同胜利。钱付给谁，麻烦落到谁头上，仍须一项一项算。
我押中国能沿着这些本土业务继续积累，让应用这一端长出自己的本事。美国也会这样做；如果它在可比较任务中更早、更稳定地兑现了收益，中国的相对胜出理由当然会减弱。那要继续比，不能拿一句“我们人多”搪塞。
中国这条路的分量，不靠把美国写成一个只会做模型、不会用模型的国家来维持。
先别急着替顾客结案
回到开头的淘宝实验，还有一项结果值得放慢一点看：顾客评分有所改善，但同一问题三天内重访的比例，没有显著变化。
体验变好，自有价值。能更顺畅地说清一件事，少受一点气，并不是假的收获。但评分好看了，并不等于原来的问题一定解决得更彻底。重访也只是一个观察窗口，不能单靠它给整个服务判生死。
这便把我们带到另一个问题：谁来决定，这件事已经办好了？
如果顾客认为问题还在，系统却已经把工单标成“已解决”，那么下一轮反馈究竟以哪一个为准？除了满意度，还核验什么？人能否对那个结案判断提出异议，还是只剩下重新排队、再说一遍？这些是我想追问的设计选择，并不是上述实验已经揭露了某种操纵。
AI 越会理解人，这个问题越躲不过去。理解可以用来减少误会，也可以用来安排话术、控制节奏，让人更容易接受一个既定结果。后一种能力，对使用它的组织未必没有价值；只是它与人的问题真正得到解决，并非总是一回事。
若有一天，一个系统越来越擅长让人不再争辩，而我们就把它叫作“更智能”，我恐怕高兴不起来。我承认这可能是一门本事，却不愿替被管理的人一同庆功。
政治信息的限制，也是中国这一侧必须面对的负面。Pan、Xu 的研究对 2023 年、2025 年相应模型的测试发现，在特定政治题目上，中国来源模型更常拒答，也出现关键事实遗漏或不准确。它记录的是历史版本、特定题集的表现，不能直接推成中国 AI 在所有任务上的能力判断；但凡用户的工作需要这些事实，信息缺损就会妨碍使用，不能装作没有这回事。
这没有抹去前面那些业务改进，却限制了“多用就会补齐一切”的想象。如果某些事实始终不能进入答案，增加对话次数并不会自动替用户把它找回来。研究没有直接测量长期训练因此损失了多少能力，这一层不能冒充已有结论。美国一侧能从这里提出多强的反驳，下一篇再展开；此刻替中国下注，也得把这项代价留在账上。
这门本事，得一直验下去
到 2030 年，我希望用持续的任务结果来验这一票：中国企业是否把眼前的应用本事带进了更多业务，使用者是否因此少走弯路，经营者是否也留下了继续改进的收益。这便是本篇替中国争的一种赢法。
不过，使用次数不是验收单。若后续只剩下更多访问、更长对话和更漂亮的演示，任务并没有变好；若新增复核和维护吞掉了收益；若使用者所需要的事实始终被排除，这些都不能靠“规模大”三个字交差。
我希望看到的，是同样的麻烦再来一次时，人真的少绕一点弯，系统真的少犯一次错。至于这份本事究竟长在模型里、流程里，还是使用它的人身上，可以继续分辨；只盯着模型榜单，容易漏掉这一整片正在发生的工作。
等顾客下一次打开那个窗口，我们最好还记得问一句：上回的事，究竟办好了没有？
