特赞创始人范凌在上海西岸WTCC论坛上称，企业智能体要补的是理解客户的“主观世界模型”和理解公司内部流程的“企业世界模型”；特赞同步发布Agentic Transformation共建计划，具体效果尚未公开披露。
AI解读：特赞把企业AI的问题拆成两层：理解客户的“主观世界模型”依赖外部用户数据，理解公司的“企业世界模型”依赖组织内部的流程、资产、规则和默会知识。范凌在论坛上称，两者数据来源、更新节奏、责任归属不同，难以合并成一个模型。
按特赞在论坛上给出的说法，缺少企业世界模型，智能体可能高效完成一个错误目标；缺少客户世界模型，智能体会懂需求但落不到组织交付上。这一判断针对企业智能体的架构分工，并非对具体产品效果的验证。
特赞引入不同领域专家参与真实判断过程的采集和标注，形成“判断路径”（Creative Trajectory）；相关技术资料称合作机构沿类似方向积累的判断路径已达万条量级。量子位此前报道提到，主观世界模型在行为模拟上的准确率达到85%，该数字仍是校准工具层面的结果，不能替代真人研究。
特赞在论坛上描述企业智能体闭环为Signal、Plan、Create、Evals：Signal和Evals更依赖客户世界模型，Plan和Create更依赖企业世界模型。范凌称智能体把工作推到80分，人再把它从80分带到120分，这一说法是他对人与智能体分工的主张。
10月23日，在上海西岸WTCC论坛上，特赞创始人范凌提出企业AI需要“两个世界模型”：向外理解客户的“主观世界模型”，向内理解公司的“企业世界模型”。特赞当天同步发布Agentic Transformation共建计划，邀请高校、研究机构、企业、模型与技术伙伴及专业实践者参与。
范凌在演讲中称，企业要补的是两套不同模型，而非一套更强的模型。特赞方面将两者分别对应外部用户数据与组织内部长期积累的上下文。
两个世界模型分别处理什么
特赞在论坛上的表述中，客户世界模型（材料中也称“主观世界模型”）处理主观偏好、动机和选择，依赖外部用户数据；企业世界模型处理流程、资产、规则和默会知识，依赖组织内部积累的上下文。
特赞称，两者数据来源、更新节奏和责任归属不同，很难合并成一个大模型。只有企业世界模型，智能体知道事该怎么做，却不知道值不值得做；只有客户世界模型，智能体能理解需求，却落不到组织交付上。这是特赞方面的架构主张，来源未给出对应的产品实测数据。
企业知识与专家判断的采集
特赞在论坛上把企业知识分为显性知识和默会知识：前者可写入手册、流程、制度，后者包括品味、判断、边界感、经验和关系。特赞称企业需要的上下文系统应连接已有数据湖、业务系统和资产系统，输出可被智能体调用的结构化对象和关系，并能留下复盘依据。
据论坛和相关技术资料披露，特赞已引入大量不同领域的专家，参与真实判断过程的采集和标注，训练信号开始包含业务语境中的判断路径（Creative Trajectory）；一些合作机构沿类似方向推进研究，相关判断路径的积累已达万条量级。
评测与智能体闭环
特赞团队提到一种校准方法：在Atypica场景中，让真人和AI persona完成同样的经济学行为实验，用两者差异量化校准模拟效果，再反哺模型训练和优化。量子位今年7月在WAIC现场报道时提到，主观世界模型在行为模拟上的准确率达到85%。特赞方面同时表示，模拟和benchmark是校准工具，不能替代真人研究。
论坛上给出的企业智能体闭环包括Signal、Plan、Create、Evals：Signal和Evals更依赖客户世界模型，回答用户在意什么、客户是否买账；Plan和Create更依赖企业世界模型，回答组织里能不能做、资源流程约束下该怎么推进。范凌称，智能体把工作推到80分，人再把它从80分带到120分。
特赞发布Agentic Transformation共建计划时称，这条路还没有被完全验证，许多问题没有现成答案。来源未披露该计划的具体参与机构名单、投入规模或可衡量的落地结果。