江蘇
昨天和一位在外企工作的朋友聊天，我越來越強烈地感覺到，在這一輪AI浪潮里，最尷尬的，可能是外企在中國的這批團隊。
為什么這么說？
因為民企推進AI，最大的阻力往往是值不值得投；國企推進AI，最大的門檻往往是安不安全、能不能私有化；但外企在中國推進AI，面對的卻是另一種更復雜的局面: 它不是只有一道門檻，而是同時站在兩套體系之間。
中國本地的大模型，海外總部未必認可。海外的大模型，在中國區又未必能順暢使用。你看起來兩邊都有路，實際上兩邊都不通。
這就是外企在中國做AI最尷尬的地方。
表面上，它像是一個模型選型的問題；但如果你往下再看一層，你會發現，它本質上并不是技術問題，而是治理問題。
很多人會以為，AI落地慢，是因為模型不夠成熟，或者業務場景不夠清晰。但這恰恰不是很多外企中國區今天最核心的難題。真正的難題是: 業務想往前走，治理體系卻不敢放；本地團隊想解決效率問題，總部體系卻先追問風險邊界。
你如果要用中國的大模型，首先就會遇到總部的顧慮。
數據能不能進入中國本地模型？哪怕是本地化部署，總部會不會擔心底層架構、模型訓練邏輯、數據邊界、后續審計問題？這些問題一旦進入全球合規、信息安全和法務鏈條，審批周期往往就會被拉得很長。不是項目沒有價值，而是沒有人敢簽字。
但反過來，如果你說，那我就用海外成熟的大模型，是不是就能解決問題？
也不一定。
因為中國區的網絡環境、數據合規要求、訪問穩定性、員工使用便利性，都可能讓這件事情變得非常別扭。理論上可用，不代表組織里每個人都能真正順暢地用；個別人能用，也不等于業務流程能夠大規模接進去。
這也是為什么我越來越覺得，在AI這波浪潮里，決定一家公司使用AI的速度和深度的，越來越不是規模，也不是行業，而是你的資本背景，準確地說，是你的治理結構和決策結構。
同樣都是企業，民企更多受結果和投入產出驅動，國企更多受安全和治理邊界約束，外企則往往同時面對本地業務需求和全球合規體系的雙重約束。
相比之下，外企的狀態往往更復雜一些。
外企的復雜，不只是合規要求高，而是它的責任結構天然分散。
中國區業務負責人要對增長負責，要對效率負責，要對利潤負責；但全球總部的信息安全、法務、采購、技術治理部門，更多是對風險負責、對標準負責、對全球一致性負責。
說白了，想推動AI落地的人，未必有最終拍板權；真正有拍板權的人，離具體業務場景又未必足夠近。
所以回過頭來看，外企在中國應用AI的這份尷尬，并不主要體現在技術本身，而更多體現在技術之外。大家討論最多的是模型、部署和工具，但真正進入組織內部之后，影響AI推進節奏的，往往是審批鏈條、責任結構和治理方式。
這也是為什么，同樣面對這一輪AI浪潮，不同類型的企業，呈現出來的狀態會很不一樣。
而外企中國區，把這種差異表現得更突出。
人效數字化，就來找蓋雅
特別聲明：以上內容(如有圖片或視頻亦包括在內)為自媒體平臺“網易號”用戶上傳并發布，本平臺僅提供信息存儲服務。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
