曾鸣提的「60 分基点」,为什么是 AI 进企业的生死线？

曾鸣教授在 2026 世界人工智能大会现场接受 36 氪专访的时候，提出一个判断：AI 进入企业业务流程这件事，关键不在于模型能力，不在于参数规模，而在于能不能跨过「60 分基点」——也就是 AI 能不能独立上岗。

这个判断的背景是过去两年大量企业上 AI，但 ROI 普遍模糊。曾鸣认为这是非常自然的阶段——技术还在早期，企业用法也还在早期。但问题在于，绝大多数企业停在「AI 帮我做点事」这一层，没有跨过让 AI 独立完成任务的门槛。「60 分基点」的意思是：AI 必须能够端到端完成一项任务，并且对结果负责。如果 AI 还做不到对结果负责，中间就需要人兜底；人一旦介入，AI 的学习过程就被打断。AI 还在 Demo 阶段，就是飞轮转不起来的状态；一旦跨过 60 分，从 60 分到 100 分、200 分、500 分的提升才有可能。

具体到不同岗位，落点不同：HR 是从一两千候选里压缩到 30 人，财务是从几百笔账里找出可能错的那几笔，销售是把几千条线索排好优先级。这些场景都已经在发生，但能否跨过 60 分，关键在于使用 AI 的企业——企业愿不愿意真正把一项业务交给 AI，而不是随时准备接管。

反馈闭环有两个硬条件。一个是 AI 必须能端到端完成任务，而不是只解决某个环节。比如只帮 HR 筛简历、只帮客服回答一句话，这是工作流，不是闭环。闭环是 AI 接到一个目标，自己拆任务、找人、筛人、沟通、汇报，最后交付一个完整结果。另一个是 AI 必须能对结果负责，至少能在不需要人频繁介入的情况下完成一个有意义的单元。如果中间每一步都要人来决策，AI 的学习信号就传不回去。

对企业来说，「60 分基点」是个具体的工程目标——不是问模型能考多少分，而是问 AI 能不能独立上岗某一项具体业务。这把过去几年围绕模型本身的争论，从 benchmark 和价格曲线拉回到了组织准备度这条更慢但更关键的轴线上。能不能选出某个业务环节，让 AI 独立上岗三个月，是这一波 AI 落地最深的一道坎。

创业找资源，上乌鸦部落。