Beacon 提出 Company World Models 愿景：训练可参与企业战略决策的 AI 模型

Beacon的最终目标是将AI扩散到实体经济中。在我们朝着这一更宏大的事业迈进时，一个衡量成功的具体标志就是：当我们能够证明自己可以与业主经营者一道，主动地管理和培育我们涵盖各类关键业务的广泛投资组合。

我们可以通过两种主要方式来达成这一目标：

1. 数字员工。为我们的投资组合公司配备按需调用的数字员工，将它们派去在企业内执行具体、定义明确的任务。例如，启动一个AI BDR来从现有客户网络中寻找销售线索，或一个AI支持工程师来处理客户工单，又或一个AI会计来打理账簿。这种价值显而易见，且市面上为这些目标服务的agent公司也不在少数。

2. 公司世界模型。除了帮助我们的投资组合公司在现有工作中变得更高效、更有效之外，我们还可以通过更好的战略决策来推动它们成长。虽然调度无限多的数字员工显然是有益的，但一个更宏大、更根本、更有魄力也更令人振奋的技术挑战，是首先要决定数字员工，以及更广泛意义上的业务本身，究竟应当做些什么。我们将能够胜任这一公司层面战略决策的模型称为公司世界模型。这类智能也具有显而易见的价值；然而，着手攻克这一问题的团队显著地更少。

今天，我想就以下几个层面分享我们愿景的更多内容：公司世界模型能做什么、从能力和对齐角度看它们带来了哪些挑战、追求其开发的价值，以及Beacon的公司结构如何为通往公司世界模型的研究提供最快的路径。

作为联合创始人的公司世界模型

从字面意义上讲，公司世界模型（CWM）是这样一类模型，能够

1. 观察业务活动，并主动假设业务可以做出的潜在改进。这些行动的跨度可以很大，从提交安大略省一处新营地的投标，到决定推出一款互补产品以延长一个高度忠诚客户群体的生命周期；

2. 通过调度数字员工来执行所提出的假设，并协调人类员工对中间工作产出进行验证；以及

3. 对假设与执行的最终成效进行衡量——对照最初设定的目标，以及企业的整体健康状况。如果结果不尽人意，CWM应当能够诊断出问题所在，无论问题出在假设阶段还是执行阶段。

虽说是一种轻微（或严重）的术语滥用，但我们用世界模型来描述这种形式的智能。与经典世界模型一样，公司世界模型接收公司的当前状态与一项拟议的干预，然后估计由此产生的状态。因此，假设出最佳的潜在改进，便转变成在所有可能的干预中搜索那个预期能带来最大的、经风险调整后的公司价值提升的方案。

at⋆=arg maxa∈A(st) Est+1∼Mθ(⋅∣st,a)[V(st+1)]

从更通俗的角度来说，我们把 CWM 想象成理想的联合创始人：与你协同合作、展开辩论，能为你的业务激发新的灵感，磨砺你的决策，并充当长期对齐的思维伙伴，陪伴企业成长。

当我们思考在一个 AI 日益充裕的世界中工作会是什么样子时，把 CWM 想象为未来经济的推动力——即一种由精简的创业者团队（或许是独立创业者）将热情项目变为现实、并由 CWM 助其实现商业可持续的经济——这并不疯狂。不过，那是另一篇博文要讨论的话题。

数据与能力的新维度

尽管通用能力令人印象深刻，但当前模型在经营企业方面糟糕得惊人。例如，在经营 Andon Labs 咖啡馆的头两个月里，Gemini 3.1 Pro 花费了 $38,000，而销售额仅有 $9,000。即便剔除租金、工资和其他固定成本，销售额仍比供应商支出少了约 $5,600。它采购了 1,331 件新鲜烘焙食品，却只卖出了 326 件。较新的模型在某些行为上有所改进，但完成业务任务与做出稳健商业判断之间的差距仍然存在。

弥合这一差距需要一种特定的数据：1）以数字形式呈现的企业完整内部上下文与状态，理想情况下由具备时间回溯能力的本体数据平台提供支持；以及 2）来自提议和已执行干预措施的反馈。

请注意，后者并不一定总是需要展开昂贵的真实世界轨迹。Beacon 企业的经营者可以提供判断，这种判断是廉价、高信号的代理，可替代实际业务结果那更为缓慢的反馈。能够为 CWM 训练获取这种丰富的专家信号，是 Beacon 致力于让经营者坐镇我们被投企业驾驶座的众多原因之一。

穿越"银发浪潮"的延续

"银发浪潮"——即临近退休年龄的企业主浪潮——使我们的工作从公共利益的角度看尤为及时。对于没有明确继承人的企业主而言，挑战不止于找到买家。谁将继承数十年经营企业所积累的直觉、人脉以及那些未成文的实践智慧？

我们的初衷是帮助保留这些企业以及它们所支撑的生计。在企业主仍积极参与时，Company World Models 可以从他们的决策与纠偏中学习，使其理解能够为继续推动企业前进的员工和继任者所用。这要求在经营者的知识仍能被引出、检验和澄清时，与他们并肩工作。

这些系统最终是否会接手企业主的许多职责？当然有可能。但我们不必先解决自主 AI 的边界问题，就能看到眼前的机遇：帮助企业在其所有者选择退休后继续蓬勃发展。

我们也不该期望对齐工作在退休时便告完成。客户会变化，新的义务会出现，昨日的明智决策可能变成明日的失误。继任者必须能够修订模型，并决定保留哪些承袭的做法。即便机器在决策方面愈发能干，对企业负责的人仍应保有对其目标和权衡的最终决定权。

机会在于让业主积累的专业知识在其任期之后仍然发挥价值,同时为下一代提供空间和工具来在此基础上继续建设。

作为对齐中观环境的公司世界模型

在 AI 革命中审慎地过渡实体经济,本身就是我们这个时代值得关注的负责任 AI 问题。企业主、员工和客户的生计攸关其中;而确保这些人能够从 AI 中受益,应是我们所说的负责任 AI 的核心。

Beacon 投资组合中的这些实体经济企业以及我们所服务的客户,拥有前沿实验室的对齐方案目前未能或未能充分捕捉的知识、需求和价值观。公司世界模型必须考虑这些本地化的偏好,才能胜任地服务于它们所运营的企业。这样做自然会把这个庞大的、服务不足的经济领域直接带入对齐过程,否则这些偏好可能永远都不会进入模型开发环节。

"赚钱",例如对企业而言,显然是一个人们会指示其 AI 去追求的目标。但它呈现不完全合约的特征:所陈述的目标留下了许多关于其追求可接受或不可接受的条件未予明确。AI 可能会欺骗董事会、剥削客户或无差别地裁员,以在追求其最终目标的过程中美化数字。

对我们来说幸运的是,Beacon 的业主经营者仍然掌握主导权。他们具备识别失败的知识、进行干预的强烈动机,以及在执行前审查和否决重大提案的权限。他们的纠正确保了"赚钱"这一目标原本隐含的条件和例外变得明确,供机器学习。

s^t⏟business context → proposeMt at⏟intervention → approve / reviseht a~t⏟executed action → business ot+1⏟observed outcome Mt+1=Update(Mt,(s^t,at,ht)⏟operator feedback,(s^t,a~t,ot+1)⏟intervention feedback)

这里,Mt是公司世界模型,s^t是其推断出的业务状态,ht是经营者的反馈。企业提供后果;经营者提供判断;模型从两者中学习。

这正是我此前一直主张的那种对齐中观环境环境:一个 AI 目标不完整、人类有动机纠正 AI 的不当行为,且 AI 行动范围受到约束的环境。

这使我们能够在植根于现实的具体情境中研究对齐,同时沿着一个新颖、有用且具有商业激励的维度推进模型能力。我们希望维持其业务的人们成为了塑造安全智能的积极参与者,这种智能将最好地服务于他们,并最好地保存他们的遗产。

为新模型类型设立的新机构

在 Haize 期间，我们已经在"公司世界模型"的一个必要组成部分上取得了实质性进展：把人类判断转化为引导机器改进的信号。我们构建了让非技术专家能够表达并把"良好行为是什么样"转化为量化指标、奖励模型和评判器的技术。但作为外部供应商，我们缺乏业务的完整内部背景，也缺乏与最了解业务的人持续学习所需的组织对齐。

Beacon 是研究者的乐园，因为它使我们能够从内部向外入手处理这个问题。长期的所有权让我们能够深入企业，理解其具体情况，并将 AI 与企业运营者的需求和价值观直接对齐。对企业持续成功的共同关切，创造了挖掘知识、纠正错误以及衡量技术是否真正有帮助的激励。它也赋予了我们根据所学采取行动的职责。

由此产生的数据与这些关系密不可分。生成这些数据需要持续接触真实业务、允许介入的权限，以及既有专业知识又有动机来纠正机器的人。因此，构建"公司世界模型"既是制度创新的项目，也是技术创新的项目。Beacon 将这两者结合在一起。

构建了实体经济的人们应当、也必将参与到塑造其未来的人工智能的建设之中。