上篇回顾：《数字孪生——看得见和控得住之间，隔着什么？》从系统侧拆解了"从看到控"的三重阻力。这篇是延续和深化——视角从系统扩展到"人+系统"双轨。

60秒内容一览

• 核心判断
  ：人和系统卡在同一个心理关口，都不敢从"展示"走向"闭环"
• 反常识洞察
  ：AI不是解药，是放大镜。内在不稳的团队用AI，不是提效，是加速失控
• 破局路径
  ：不是单点升级，而是双轨同步——系统从展示走向闭环，人从收集走向判断

01

同一个关口，两道相同的题

数字化项目有一个普遍却少有人点破的困境：系统建了一堆，但"控不住"。

上篇我们拆过这组数据——据行业调研，约40%的数字孪生项目停留在可视化监测层面，真正走到自主控制闭环的只有30%。从"看得见"到"控得住"之间，隔着的不是技术鸿沟，而是一道心理关口。

但最近一个发现让我重新审视这个问题：这道关口，不只是系统的，也是人的。

场景一：某城市CIM平台，三维模型建得漂亮，大屏汇报时视觉震撼。但平台的核心功能集中在成果展示和汇报宣传，城市治理的实际决策、实施与运营，平台几乎没参与。这不是个例，行业通病叫"四重四轻"：重展示轻应用、重静态轻动态、重建设轻运营、重技术轻业务。系统停留在"展示"层，不敢往前走一步。

场景二：一个团队追AI追得很紧，收藏了一堆提示词，试了一堆新功能，今天看别人用AI做了个新东西，心里一紧，觉得自己又慢了半拍。继续收藏，继续试，继续焦虑。甚至一家国内知名AI企业的研究人员都说自己"非常焦虑"。工具越来越多，内在却越来越不稳。人停留在"收集"层，也不敢往前走一步。

系统停在展示，人停在收集。表面看是两个问题，实质是同一道题——都不敢从"看得见"走向"控得住"。

系统的"展示"和人的"收集"，本质上是同一种舒适区：看起来在做事，但不需要为结果负责。展示不需要闭环，收集不需要决策。而一旦往前走——系统要做闭环，意味着结果可追溯、责任可归因；人要做判断，意味着选了就要承担选错的后果。

02

系统侧：展示的舒适区

先说系统。

上篇我们给数字孪生项目画过一条演进线——L1数据接入、L2可视化监测、L3智能辅助决策、L4自主控制闭环。行业现实是：大量项目卡在L2，建了大屏、做了三维、接了数据，但就是迈不过从"看到"到"控住"那道坎。

CIM平台的困境最具代表性。一项针对城市更新数字化转型的研究直指当前CIM平台的"四重四轻"结构性偏差：

注意这四条的内在逻辑：每一条的"重"的那一面，都是安全的、可展示的、不需要为结果负责的；每一条"轻"的那一面，都是需要闭环、需要担责、需要持续投入的。

"建成即成功"——这五个字道出了系统侧卡点的本质：把"看得见"当成了终点，而不是起点。

行业里有一条铁律：三分建设，七分运维。城市数字化平台要长效运行，建设只是搭骨架，运维才是让系统真正"活"起来的关键。但现实是，大部分项目的预算、人力、注意力都堆在建设期，运维阶段既没钱也没人，系统自然就"沉睡"了。

那些真正走通了的实践，做法恰恰相反。某领先企业的全域运维体系，核心能力不是建平台，而是三件事：AI前置研判——用大模型和智能体实时汇总设备数据，智能识别潜在异常，自动生成处置工单，隐患识别率超95%，整体运维响应效率提升80%以上；分级闭环值守——远程调度中心全年无休轮值、区域驻场工程师日常巡检、专业应急队伍快速响应，三层架构确保故障即刻启动；全周期服务闭环——从预警派发到快速处置、复核校验、台账归档，所有操作全程留痕可追溯。

03

人侧：收集的舒适区

再说人。

AI时代有一个反直觉的现象：工具越强，人越慌。

很多人每天花大量时间学习和使用AI，但心里越学越不踏实。收藏了一堆提示词，试了一堆新功能，今天看别人用AI做了个新东西，心里一紧，觉得自己又慢了半拍。继续收藏，继续试，继续焦虑。甚至一家国内知名AI企业的研究人员都说自己"非常焦虑"。

按理说，学得越多应该越安心，但事实反过来了。为什么？因为这种"学"不是在搭建内在系统，而是在向外追逐工具迭代。和系统侧的"四重四轻"一样，人侧也有自己的结构性偏差——"三重三轻"：

注意这三条的内在逻辑——和系统侧一模一样：每一条的"重"的那一面，都是安全的、不需要为结果负责的；每一条"轻"的那一面，都是需要判断、需要担责、需要承受失败的。收集不需要决策，学习不需要落地，追工具不需要定义问题——这和系统侧的"展示"是同一逻辑：看起来在做事，但停留在安全区。

硅谷高管教练乔·哈德森（Joe Hudson）——他在OpenAI内部辅导研究团队，也给山姆·奥特曼等高层做教练——把这种能力的缺失定义为"情绪清晰度"的不足：你能感受到自己正在感受什么，但不被情绪牵着走。用一种形象的转述来说：发火的时候，脑海里还有一个小人在旁观和提醒你，而不是纯粹毫无理智地上头。

这意味着：内在不稳的团队用AI，不是提效，是加速失控。工具越强，混乱被放大的速度越快。

而AI时代人的真正天花板，Anthropic团队的研究给出了更精准的定位：当模型能力达到当前顶级水平后，限制任务完成质量的不再是模型本身的能力上限，而是用户澄清自身需求的能力。瓶颈从"模型能不能做到"转变为"你能不能说清楚你到底要什么"。最致命的盲区是"未知的未知"——你不知道自己不知道什么。模型越强，这个盲区的杀伤力越大，因为模型会忠实地执行你"以为"自己想要的东西，而你真正需要的东西，可能压根没进入你的意识。

04

互锁：两个L2如何锁死

既然人和系统卡在同一个地方，那是不是各修各的就行？系统补闭环能力，人补判断力，各走各路？

不是。两个L2不是并列关系，而是互锁关系——互相锁死，谁也先走不了。

系统不敢做闭环，因为人不敢担责。闭环意味着结果可追溯、责任可归因。一旦系统从"监测异常"升级到"自动处置"，谁来对处置结果负责？系统出了错，追责追到谁？如果人没有做好承担闭环后果的准备，系统做闭环就是给自己找麻烦。于是，"先不急着上闭环，再观察观察"成了最安全的选择。

人不敢担责，因为系统没有闭环能力支撑决策。闭环不是拍脑袋，它需要数据支撑、流程保障、异常兜底。如果系统还停留在"展示"层，人做判断就全凭经验，没有数据佐证、没有流程托底、没有异常预案——出了问题就是"你一个人的判断失误"。在这种情况下，谁敢做判断？于是，"等系统再成熟一点再说"也成了最安全的选择。

系统等人先担责，人等系统先闭环。两个"等一等"，把彼此锁死在L2。

这不是我一个人的观察。半个多世纪前，英国塔维斯托克研究所就提出过一个理论：任何组织都是技术系统和社会系统的复合体，两者"互补纠缠"——技术系统的行为和社会系统的行为互相依赖，任何一方都不能独立定义。换句话说，系统是什么样，取决于人怎么用它；人能做到什么，取决于系统提供什么支撑。两者是同一枚硬币的两面。

最致命的是第四条：都怕出错，都不动，于是永远无法验证。而无法验证就意味着无法学习、无法迭代、无法进化。L2不是过渡态，它是一个稳态——如果你不主动打破的话。

反过来说也成立：当你不给系统自主性，系统就不需要对结果负责；当你不给人判断的空间，人就不需要为判断的后果负责。不负责，自然也就不会出事——但也不会有任何突破。

这就是互锁的代价：安全，但停滞。

但互锁并非无解。死结的症结在于：双方都在等对方先动，而"先动"意味着承担出错的风险。如果有一种方式，能让"出错"的后果小到扛得住呢？小闭环就是那个破局点。所谓小闭环，就是选一个最窄的业务场景，让系统只做一件事：自动识别异常、自动生成建议、人确认后执行。闭环链条极短，试错成本极低——即使判断错了，最多多看一眼；即使执行偏了，影响范围有限。"即使出错也扛得住"——这就绕过了"怕出错所以不动"的死循环。

05

双轨升级：系统走一步，人跟一步

互锁怎么破？

不是"先把系统建好再升级人"，也不是"先修炼自己再上系统"——这两种思路都假设一方可以先行，但互锁的本质恰恰是：谁也先走不了。

真正可行的路径是双轨同步：系统每往前走一步，人的能力边界也要跟上；人每突破一层心理关口，系统也要提供对应的支撑。不是谁等谁，而是互为条件、同步推进。

具体怎么走？建议分三步——

第一步：小闭环，小担责

关键不是闭环有多大，而是让团队第一次体验"系统做判断、人做确认"的工作模式。不要一上来就追求大闭环。先找一个最窄的业务场景，做一个最小的闭环——系统自动识别异常、自动生成建议、人确认后执行、执行结果自动归档。

选场景有一个原则：出错后果可控，但成功感知度高。设备异常检测就比全流程自动化更适合做第一步——检测错了最多多看一眼，检测对了立刻省人力。某企业的做法值得借鉴：AI前置研判先从设备异常检测切入，不追求全自动处置，而是"系统预判→人确认→系统执行→结果归档"。隐患识别率超95%，但决策权始终在人手里。人不是被替代，而是被赋能。

对应的人侧动作：停止收集，开始判断。不再囤提示词、追新功能，而是选一个最紧迫的业务问题，用现有工具把它解决掉。判断力不是学出来的，是练出来的。

第二步：中闭环，中担责

闭环链条越长，越需要系统提供流程编排、人建立协同习惯——两者同步才能撑住链条不断裂。小闭环跑通后，扩大场景范围，从单点异常处置升级到跨系统联动。比如从"设备异常自动告警"升级到"设备异常→影响分析→资源调度→处置执行→效果验证"的完整链条。

这一步的挑战在于：闭环链条越长，涉及的部门越多，责任边界越模糊。系统要提供清晰的流程编排和责任追溯机制，人要建立跨部门协同的决策习惯。

对应的人侧动作：从"我能做什么"转向"问题需要什么"。不再以工具能力为起点，而是以业务问题为牵引。AI建设以业务场景为牵引，而不是以技术概念为牵引——这个原则对人也成立。

第三步：大闭环，大担责

人的核心价值不再是执行速度，而是方向判断、价值选择和风险把控——那些"未知的未知"，正是人不可替代的地方。当团队习惯了"系统判断+人确认"的模式，当跨部门协同有了流程保障，就可以逐步推进更大范围的自主控制——系统在可信场景下自主决策，人从"确认者"升级为"监督者"和"规则制定者"。

这一步不是终点，而是新的起点。因为AI的真正价值从来不是"接一个模型"，而是建立在长期、高质量、结构化的数据资产基础上。没有前两步沉淀的数据和信任，第三步就是空中楼阁。

对应的人侧动作：从"用AI做事"升级到"和AI共事"。不再把自己定位为执行者，而是方向制定者和规则监督者——AI负责执行，人负责判断"执行什么"和"为什么执行"。

每一步，系统走一步，人跟一步。系统提供能力支撑，人提供判断和担责。两者同步，才能从L2真正走向L3、L4。

数字化项目"看得见但控不住"，不是技术问题，是人和系统的双重困境。系统停留在展示，人停留在收集，两个L2互相锁死，谁也先走不了。

AI不是让这个问题变简单的工具。恰恰相反，它同时放大系统的能力和混乱、人的效率和焦虑。内在不稳的团队用AI，不是提效，是加速失控。

但这也意味着：一旦人和系统同步突破，AI这面放大镜才会从放大混乱，变成放大能力。系统走一步，人跟一步——小闭环练胆量，中闭环练协同，大闭环练信任。每一步都让"控得住"的可能性多一分，每一步都让"不敢动"的恐惧少一分。

从"看得见"到"控得住"，隔着的从来不只是技术。人和系统一起走，才走得过去。

名词解释

CIM平台　城市信息模型平台，把城市的建筑、道路、管网等全部数字化，建一个"数字城市"。理想状态是城市治理的"操作系统"，现实往往是汇报用的"展示大屏"。

数字孪生 L1-L4　数字孪生项目的四个成熟度等级。L1数据接入→L2可视化监测→L3智能辅助决策→L4自主控制闭环。大部分项目卡在L2。

四重四轻　CIM/数字孪生行业的结构性通病——重展示轻应用、重静态轻动态、重建设轻运营、重技术轻业务。本质是"做看得见的事，回避需要负责的事"。

情绪清晰度　心理学概念，指人对自己情绪的辨识能力。情绪清晰度高的人，能感受到自己在感受什么，但不被情绪牵着走。AI时代，这种能力比工具使用能力更稀缺。

未知的未知　你不知道自己不知道的东西。AI越强，这个盲区的杀伤力越大——因为模型会忠实地执行你以为自己想要的东西，而你真正需要的可能压根没进入你的意识。

社会技术系统　任何组织都是技术系统（工具、流程、平台）和社会系统（人、文化、关系）的复合体，两者互相纠缠、互相定义。改系统不改人，或改人不改系统，都会失败。

三分建七分营　数字化项目的行业铁律。建设只占三成，运维运营占七成。建成即成功？不，建成只是开始。

整理：宗升科技　2026年7月