先讲一个钢铁行业的故事。

1969年，纽柯（Nucor）在美国南卡罗来纳建起自己的第一座电弧炉小钢厂：用废钢炼钢，从钢筋这类低端产品做起，再往上做棒材和板材。

克里斯坦森在1997年的《创新者的窘境》里用小型钢厂说明过一个规律：大钢厂每次退出低毛利产品，看起来都合理；可市场就这样一层一层让了出去。让到最后，按粗钢产量，纽柯今天是美国最大的钢铁企业（据世界钢铁协会《World Steel in Figures 2025》公布的2024年数据）。

先把答案放桌上：大公司做AI，难在"转身"；小公司做AI，难在"底子"——而转身比底子难。中小企业是最"转得动"的一方，前提是老板自己动。小不是问题，边才是问题：AI转型要从离钱最近的地方切一个小口。纽柯的低端产品是市场切入口，不是边缘试点。

大公司难在转身：那些药方，小公司天生自带一半
翻开李开复2026年出版的新书《AI未来已来》，大公司转型要抓的药方是这些：设首席AI官（CAIO）、选出DRI（直接责任人）、把组织压扁。

为什么需要这些药方？因为大公司层级多、部门墙厚：老板离一线隔着好几层，一件事横跨五六个部门，每个人都只对流程的一小段负责。药方有一半，治的是"大"这个病本身。

回头看小公司：老板就在一线，天然就是一号位；组织本来就扁，不用压；员工本来就一人多岗，报价的懂生产、跟单的管客户——天然就是端到端的负责人。这些药方想要的终点——信息链短、责任到人、老板贴着一线——小公司开业第一天就有了大半。

李开复在2026年8月人民日报撰文写道：“新兴创业团队，核心成员可能70%—80%为DRI，无冗余中层架构；大型传统企业则需分步过渡”。

第46篇讲过一个判断：传统公司的组织，本质是一张人肉信息中继网——管理层级的主要工作，是把信息往上搬、把指令往下传。公司越大，这张网越长，信息损耗越重；公司小，网天然就短。

小不是劣势，位置才是问题：再看一眼纽柯
回到开头的故事。纽柯起步时很小，但它切进去的位置不"边"：钢筋是建筑市场里天天有真金白银成交的走量产品，需求真实、回款清楚。它不是从市场的边上切进去的，而是从巨头看不上、却离钱很近的地方切进去的。

这就是"小"和"边"的区别：小是范围，边是位置。纽柯的低端产品是市场切入口，不是边缘试点。

中小企业做AI是同一个道理。从报价、客服、比价这种离钱最近的环节切一个小口，叫"小而核心"；从内部问答、写周报这种不碰钱的地方试点，才叫"边缘"。错的从来不是小，是又小又边。怎么判断一个切入口是"金角"还是"草肚皮"，第91篇用围棋的道理专门讲过。

小公司难在底子：真正缺的是三样，各自有解法
转身容易，不等于没有难处。小公司难在底子，主要是三样：

第一样，数据底子薄。大公司愁数据太多太乱，小公司愁数据太少太散——关键信息还在老师傅的脑子里、聊天记录里。解法不是一次性补历史课，而是从一个场景开始攒：报价单、客诉记录先电子化，边用边攒。书里第6章有一节就叫"唤醒沉睡的数据"——沉睡不要紧，先让它为一个场景醒过来。怎么让AI真正读懂你的公司，是本系列第三卷要系统讲的事。

第二样，懂AI的人少。养不起专职团队，可以借外脑：第92篇讲过的配置——老板兼任AI的第一责任人，外部参谋帮着看方案、避坑。外脑的价值在方案和避坑，不在拍板：哪个场景先做、改成什么样算成功，这两个决定必须老板自己下。拍板不外包，参谋和施工可以请人。

第三样，试错的钱有限。大公司可以同时押十个项目，小公司一个失败就伤元气。所以更不能一把梭：先验证最痛的一个点，跑通了再扩，大项目分期落地，风险锁在每期几万。分期还有个隐藏的好处：每一期都是一次验收——行就扩、不行就停，损失锁在已经花掉的那一期里，不会一口气全押上去。

书里讲的是大公司的版本，中小企业这样做
樊军刚AI把书里第5章到第8章的做法，翻译成了中小企业版：

书里/大公司的做法 中小企业的做法
设直属CEO的首席AI官 老板兼任，加一位外部参谋
通过小事选出第一批DRI 一个场景一个负责人，从最痛的场景开始
让组织像积雪被压实一样慢慢变扁平 本来就扁——要防的是别把它重新做厚
大型传统企业分步过渡 单点切入，2-4周先看到一个数的变化
这也是AI工程师樊军刚帮企业落地的标准做法：单点场景3万起、2-4周上线；多场景组合与长期合作另有分期方案——先验证最痛的一个点，再逐步扩展到更多场景。不管企业多大，AI落地的核心是解决具体问题：大公司的转身难和小公司的底子薄，药方不同，但起点都是离钱最近的一个点。

今天就能做的一件事
拿一张纸，中间画一条线。左边列"自带的一半"：老板在不在一线？组织够不够扁？员工是不是一人多岗？右边列"还缺的三样"：哪个场景的数据最现成？谁能当第一个负责人？第一笔试错预算的上限是多少？

写完你会发现：左边多半已经打勾，右边的每一项都有具体动作。中小企业是最"转得动"的一方，前提是老板自己动。

老板最常问的两句
问：底子薄，是不是先把数据整理好再上AI？

不用。数据是边用边攒的，不是攒够了才用。很多公司的数据整理之所以永远"还没准备好"，就是因为它没有一个要服务的场景。先选一个场景跑起来，跑的过程会告诉你到底缺哪类数据——那时候补，每一分都花在刀刃上。

问：大公司也在做AI，小公司会不会被碾压？

模型大家都买得到，大公司买到的和你买到的是同一档智能。拉开差距的是各自的数据、组织和判断——你的客户、你的做法、你的响应速度，这些买不到。纽柯当年面对的巨头，每一个都比它大得多。

一句话总结：中小企业做AI，难在底子，容易在转身——大公司的难恰好反过来。纽柯用五十多年证明，从低端产品切入不是边缘试点，是市场切入口。把自带的一半用起来，把缺的三样补上，先从一个离钱最近的点开始。

关于樊军刚AI

樊军刚，AI工程师，专注企业AI落地方案。CS科班出身，2021年起深耕AI，强化学习(RLHF/DPO)方向，累计AI实战投入超$40,000（Cursor+Claude深度使用1年+），自研AI军团Harness协作体系，AI安全研究成果获MITRE国际CVE编号收录。已为制造业企业交付AI智能系统，深耕非标报价、采购比价、来料质检等场景，方法论可迁移到贸易、批发、供应链等有同类痛点的行业。2026年起延伸至物理AI（AI操作硬件）：系统解读Anthropic MHS标准，亲手在ESP32上跑通AI读传感器、控设备、看摄像头的闭环，为企业提供设备AI可接入性评估与试点设计。

我的服务方式：先诊断、先算账，省不了钱不接。按帮你省下来的价值收费，你永远是赚的那个。

想知道你公司"自带的一半"和"还缺的三样"？把你公司的规模、主营和最发愁的环节发我，免费帮你盘一遍"小公司自带的一半"和"还缺的三样"——这件事免费。

关注「樊军刚AI」，获取更多企业AI落地干货。

下一篇预告：“买了最聪明的AI，为什么它还是不懂我们公司？“AI决策中枢”要搭哪四块”