企业有了AI，为什么增长还是没发生？CarryGo想把经营接起来

文/窦文雪

编辑/李乐

过去两年，企业AI的竞赛大多发生在单项工作任务层面。

写方案、做表格、查资料、跑流程，一件原来需要几小时的工作，现在可能只要几分钟。但当效率工具成为标配，企业之间的差距并不会消失，只会从谁先用上AI工具，转向谁能把AI真正系统性的放进经营。

世界模型近期的升温，正是这一转向的信号。李飞飞创办的World Labs发布空间世界模型Atlas后，行业的注意力进一步从生成内容转向理解环境。

世界模型关心的不只是眼前出现了什么，还包括环境如何变化，一次行动会带来什么结果，下一步应该往哪里走。

对企业而言，这种思路同样成立：客户、产品、库存、供应链、现金流和市场需求彼此牵动，如何统一组织朝同一个目标经营，如何因一个变化去调整整体规划，都是面临的难题。

近期在AI圈引发讨论的CarryGo（中文名凯瑞狗），正是从这一痛点切入。作为别有洞天科技推出的世界模型，它希望围绕企业目标持续理解经营状态，把分散的信息组织成判断，把判断变成可以推进的行动，再向外连接客户与资源，并让成交、交付和市场反馈回到下一轮经营之中。

图片来源于社交媒体平台“X”

值得注意的是，这也是世界模型首次进入组织经营场景。

如果只把CarryGo看成一个能力更完整的企业Agent，便容易低估它的真正意图。Agent解决的是一项工作怎样完成，而世界模型试图回答的是，一家企业能否在现实不断变化时仍然围绕目标向前走，并把走过的路留在组织里。

未来企业AI真正的分水岭，可能不是谁一次把事情做得更快，而是谁能让一家企业因为做过一次，而更有能力做好下一次。

这正是CarryGo试图验证的命题：让企业今天做过的每一件事，不只停留在今天，而是成为明天经营增长、进化的依据。

1、企业不缺会干活的AI，缺的是一套不会失忆的经营系统

公司还小时，老板的大脑就是最早的经营模型。谁是重要客户，哪个供应商更可靠，产品研发的方向要往哪儿走，这些信息在一个人脑中迅速碰头，判断就能做出来。

但随着企业规模扩大，老板极有可能发现自己手机上置顶了三十七个业务群，每天花四个小时爬楼找信息。他拥有的信息比创业时多了一百倍，但想清晰统筹所有部门朝同一个目标执行，反而更难了。

近两年的办公Agent进一步提升了个人效率，研究、写作、制表、分析都在加速。但这些工具大多围绕岗位或任务展开，给每个员工和部门都配上更快的AI，未必会自动得到一家反应更快的企业。

以直播电商企业为例，直播转化下降，可能与流量、脚本、库存、商品组合和履约同时有关；一个大客户进入漏斗，也可能立刻碰到产能、账期和毛利边界。若不同部门和员工的AI只优化各自拿到的任务，组织甚至可能更高效地走向彼此冲突的局部最优。

企业主需要的不是再多一个会干活的助手，而是一套统筹组织科学运转、持续进化的系统。

CarryGo所切入的商业世界，首先要补的就是这层缺失。

据官方介绍，CarryGo企业初始化会把产品、客户、订单、库存、合同、财务指标、人员与AI能力、组织关系、制度、会议和历史项目放进同一套动态模型。

信息不只是一批等待检索的文档，还要带上关系、时间、来源、可信度和权限，形成一张会随着业务变化而更新的经营地图。

目标在这张地图里是坐标。

世界模型的意义，是把企业想去哪里与此刻站在哪里放在一起，看出一个变化会碰到哪些约束，接下来还有哪些路可走。

对于企业而言，CarryGo便是基于有来源和置信度的当前信息，比较候选路径的收益、成本与风险，再由规划和执行系统组织行动。

从这个角度看，世界模型首次落地在组织经营的第一层商业意义，是在复杂变化的企业面前，也能随时掌握全景。

2、从目标到行动，CarryGo重写企业运行方式

世界模型能不能走进经营，不能只看它懂了多少资料，还要看它能否把目标推到结果。

连线Insight注意到，CarryGo官网展示的产品能力中，企业可以从一句话开始创建项目、主动诊断、动态改道，再延伸到外部商机。

在这套设计链路里，Butler像一个管家，负责理解目标和当前状态，Worker则是具体干活的专家，根据已配置的能力承担具体工作，Nexus像是一个监督员，连接岗位、任务和事件，权限与数据门禁由系统治理机制共同约束。

这套机制的核心是分清哪些事可以自动推进，哪些事必须回到人的手里。明确且处于授权范围内的工作继续执行，涉及价格、关键承诺、重大风险或方向取舍的事项进入人工确认节点。

重要行动可以设置预算、审批和人工确认，也可以随时暂停、接管或撤销，每一步都留下依据、过程和结果。

我们在朵薇品牌某新品的研发上市过程中，不难看出CarryGo的核心能力。

朵薇负责人定下十月上新的排期，要求产品、供应链和营销按期就位。这个目标涉及配方确认、生产排期、供应商交期、成本测算、内容制作、直播排期和履约准备，环环相扣。

传统做法是开项目启动会，把任务分给各部门，建一个项目群，负责人每天在群里问进度。计划表做得很完整，但项目一跑起来，因为信息隔离、损耗、各部门执行失焦等多重原因，现实很容易偏离计划，即便是老板花100%的精力，可能也难以达到预期。

而CarryGo接到这一任务后，它的做法是从目标直接拆出任务链。系统读取朵薇当前的产品资料、供应商报价、库存状态和毛利目标，把上新目标分解成有先后依赖的工作节点，每个节点有负责人、期限和验收条件。

日常推进中，定价策略、预算变化和超出权限的承诺，系统会停下来把依据和选项交给人；明确在授权范围内的动作则自动往下走。

拆任务本身并不新鲜。项目软件能画流程（DAG），各类Work AI也能生成一份看上去完整的计划。

真正的分野出现在变化发生时。

例如官方演示的那样，朵薇品牌新品宣发推进到一半，平台资源位临时提前十二小时开放。传统组织的反应通常是：负责人先发现变化，分别联系供应链、内容和直播团队确认能不能跟上，再拉一个临时会议重新排优先级，等方案出来可能已经过去半天。

而CarryGo，则迅速把新事件直接放进原有的目标网络里，判断原计划无法满足新时间窗口，于是在原项目里长出一条应对分支——增加跨仓调拨、调整组合装、校验商品卡、更新直播话术。

两种做法的差异不在AI的能力，而在组织是靠人盯着，还是靠系统盯着。

传统项目管理里，人是信息汇聚点和任务推动器，计划变了要重新协调，协调完要催办，催办完要确认。CarryGo的逻辑则是在授权范围内让系统成为持续推进的那只手，实时维护一份经营状态，变化来了直接在状态模型里计算影响范围，生成对应行动，只有超出边界的部分和决策才交回给人。

重要行动可以设置预算、审批和人工确认，也可以随时暂停、接管或撤销，每一步都留下依据、过程和结果。

同样的逻辑也体现在日常运营中。某场直播转化率下降，传统做法是内容团队复盘脚本，投放团队看流量数据，供应链看库存，然后开一个会把结论拼起来。

而CarryGo则可以每天上午九点读取前一日数据，把流量构成、商品点击、可售库存、退款、履约、价格和可比场次放在一起看，给出自己的诊断。系统认为，转化率下降不一定是脚本的问题，可能是低匹配流量占比过高，同时主力产品库存不够，部分需求正在被转移到一个毛利更低的替代品上。这个判断直接改变了动作方向，团队可以调整投放策略和补货节奏，而不是盲目行动。

这时候，AI不再只是分析工具，它开始成为经营过程中的组织系统。

3、把一次结果留在组织里，生意才有复利

但如果事情到这里就结束，CarryGo依然只是一套更顺畅的企业协作系统。

真正更大的变化，还在下一步，事情完成之后，系统有没有因为这次行动，而比之前更懂这门生意。传统AI用一次和用一百次没有本质差别。它不会因为你上个月做了一场成功的促销，这个月就自动变得更会选品；也不会因为上次供应链断货造成损失，下次就提前预警。它的能力在模型出厂时就定好了，企业的数据喂进去，出来的还是同样逻辑的回答。

而CarryGo把知识、记忆和学习机制放进同一套系统，希望让销售结果、成本变化、客户反馈、项目偏差和人工修正回到经营模型。

用朵薇的场景来说更直观。系统在多次运营中积累了对直播转化真正影响因素的判断——它发现脚本质量的影响没有想象中那么大，流量匹配度、可售库存和商品组合才是更关键的变量。

到了下次大促前，CarryGo可以基于这些持续进化的认知，提前预测不同流量规模下的备货需求，建议哪些品类应该提前锁定产能，哪些组合装毛利更高、更值得主推。选品和备货不再靠人凭经验拍脑袋，而是系统根据这家公司过去走过的每一步给出的判断。

对企业主而言，这项能力比自动多做几个任务更接近长期价值。人员会流动，项目会结束，但对客户、产品和交付的理解不必跟着归零，并且CarryGo会将个人和组织的经验一起沉淀下来，不因失去人而减弱能力。