當(dāng)AI已成為共識(shí)，企業(yè)究竟該如何真正“用起來”？

文 / 巴九靈（微信公眾號(hào)：吳曉波頻道）

AI的難題，早已不在實(shí)驗(yàn)室，而在企業(yè)內(nèi)部。

在《Superagency in the workplace: A report for 2025》報(bào)告中，麥肯錫給出了一組刺眼的對(duì)照：未來三年92%的企業(yè)將繼續(xù)加大對(duì)AI的投資，但真正認(rèn)為自己已經(jīng)達(dá)到“成熟部署”（AI已經(jīng)融入工作流并帶來顯著業(yè)務(wù)結(jié)果）的企業(yè)，只有1%。

更關(guān)鍵的是，該報(bào)告明確指出，阻礙AI規(guī)?；淖畲笳系K，不是員工不會(huì)用，而是領(lǐng)導(dǎo)者的決策速度不夠快。換句話說，AI落地企業(yè)的最大障礙是領(lǐng)導(dǎo)者。

這也解釋了今天很多企業(yè)出現(xiàn)的現(xiàn)象：模型能力越來越強(qiáng)，AI工具越來越多，但AI帶來的業(yè)務(wù)結(jié)果卻越來越有限。

因?yàn)锳I一旦進(jìn)入企業(yè)，它考驗(yàn)的就不只是技術(shù)能力，而是戰(zhàn)略選擇、組織協(xié)同、數(shù)據(jù)與流程、治理與風(fēng)控等企業(yè)內(nèi)部能力。

正如吳曉波老師在“AI閃耀中國科技人文秀”上所說，不要迷信斷崖式創(chuàng)新，必須堅(jiān)持可持續(xù)迭代。

可見，AI的競爭，不再是誰先看見新技術(shù)，而是誰能更快重塑企業(yè)內(nèi)部的認(rèn)知、組織與能力。

正因如此，剛剛結(jié)束的激蕩書院年終特別場，才會(huì)以“科技躍遷與商業(yè)未來” 為核心主題，從認(rèn)知升級(jí)與產(chǎn)業(yè)落地2個(gè)維度，系統(tǒng)拆解AI作為“新變量”，將如何重塑企業(yè)在2026年之后的增長邏輯。

我們特別整理了本次活動(dòng)中幾位老師的關(guān)鍵觀點(diǎn)，聚焦回答一個(gè)更現(xiàn)實(shí)的問題：當(dāng)AI已經(jīng)成為共識(shí)，企業(yè)究竟該如何真正“用起來”？

課程日：當(dāng)AI走進(jìn)真實(shí)組織

沈抖博士

百度集團(tuán)執(zhí)行副總裁

百度智能云事業(yè)群總裁

智能，生成無限可能

在接下來的2026年，很多人會(huì)覺得，是不是模型還會(huì)再來一輪大的躍遷？是不是參數(shù)還會(huì)再翻幾倍？從產(chǎn)業(yè)的角度看，模型本身的能力，其實(shí)已經(jīng)可以覆蓋足夠多的應(yīng)用場景。

真正的瓶頸，不完全在模型，而是在模型能不能被規(guī)模化地用起來。所以我更愿意把未來一段時(shí)間的機(jī)會(huì)，拆成兩層基礎(chǔ)設(shè)施來看，第一層，是AI Infra，也就是算力基礎(chǔ)設(shè)施。

算力依然重要，而且會(huì)變得越來越重要。只是和過去不一樣的是，這一輪算力的競爭，更多是用“空間換時(shí)間”，通過超大規(guī)模的集群、超節(jié)點(diǎn)的方式，把模型的能力釋放出來。

但僅有算力，還遠(yuǎn)遠(yuǎn)不夠。因?yàn)樗懔鉀Q的是“模型能不能跑”，而不是“模型能不能干活”。這就引出了第二層基礎(chǔ)設(shè)施：Agent Infra，或者說智能體基礎(chǔ)設(shè)施。

很多人在講Agent，更多是在講能力：它能不能自動(dòng)做事？能不能調(diào)用工具？能不能寫代碼？但在真實(shí)的企業(yè)環(huán)境里，Agent要真正跑起來，遠(yuǎn)遠(yuǎn)不只是能力問題。

它需要有數(shù)據(jù)作為輸入，需要有工具和系統(tǒng)可以調(diào)用，需要有一個(gè)穩(wěn)定的運(yùn)行環(huán)境，還需要被納入到現(xiàn)有的業(yè)務(wù)流程之中。

從這個(gè)角度來看，Agent更像是一種新的生產(chǎn)力單元，而Agent Infra，就是讓這些生產(chǎn)力單元能夠被創(chuàng)建、被調(diào)度、被管理、被復(fù)用的一整套系統(tǒng)。

如果沒有這樣一層基礎(chǔ)設(shè)施，Agent很容易停留在Demo階段，很難規(guī)?；涞?。

所以接下來一段時(shí)間，真正重要的，不只是模型公司，也不只是單一的應(yīng)用，而是圍繞AI Infra和Agent Infra所形成的整套產(chǎn)業(yè)生態(tài)。

誰能把模型、算力、數(shù)據(jù)、工具和流程真正連接起來，誰才有機(jī)會(huì)在這一輪浪潮中走得更遠(yuǎn)。

莊明浩

播客《屠龍之術(shù)》主播

前TOP風(fēng)險(xiǎn)投資基金VP

AI也會(huì)刷KPI？

大語言模型發(fā)展到今天，中國和美國的頭部公司都在面臨的一大問題，叫做“激勵(lì)模型”。

就是當(dāng)你跟DeepSeek聊天時(shí)，你會(huì)發(fā)現(xiàn)它會(huì)想“首先、其次、最后”，這就是AI產(chǎn)生的新能力，叫推理能力。這時(shí)我們就需要確定：

要不要針對(duì)這個(gè)思考的過程做激勵(lì)？它的第一步對(duì)不對(duì)？第二步對(duì)不對(duì)？第三步對(duì)不對(duì)？還是說我們只針對(duì)最終結(jié)果做激勵(lì)？

過去這一年，在數(shù)學(xué)和編程領(lǐng)域，AI發(fā)展特別快。原因就在于，數(shù)學(xué)和編程有非常明確的激勵(lì)模型，對(duì)就是對(duì)，錯(cuò)就是錯(cuò)。編程編出來的程序，能跑就是對(duì)的，跑不了就是錯(cuò)的。

那對(duì)應(yīng)的問題是，那些無法驗(yàn)證結(jié)果的行業(yè)怎么辦？比如法律問題、金融問題、人生問題，什么是好？什么是不好？什么是對(duì)？什么是錯(cuò)？誰來判定？怎么判定？

如果我們只考慮最終結(jié)果，而不關(guān)心中間過程，那么AI模型就會(huì)像人類員工一樣，可能會(huì)采取一些你不希望的方式來達(dá)成目標(biāo)，這被稱為“reward hacking”。比如你給它設(shè)定一個(gè)KPI，它為了達(dá)成這個(gè)KPI，可能會(huì)用一些你不希望的手段來實(shí)現(xiàn)。

這其實(shí)和我們?cè)诂F(xiàn)實(shí)世界中管理員工、設(shè)定激勵(lì)機(jī)制時(shí)遇到的問題一模一樣。

盧文勝

福建點(diǎn)石網(wǎng)絡(luò)科技有限公司創(chuàng)始人

AI落地的三要素：

企業(yè)知識(shí)庫×數(shù)字員工×工作流

企業(yè)落地AI其實(shí)只要做三件事：

第一，搭建自己的企業(yè)知識(shí)庫。把企業(yè)內(nèi)部所有的制度、流程、文檔、經(jīng)驗(yàn)，全部沉淀下來，變成AI可以調(diào)用的東西。這個(gè)知識(shí)庫不是給外部的人用，而是給自己的員工和數(shù)字員工用。

第二，要求每個(gè)員工根據(jù)自己的崗位和心智地圖，創(chuàng)造出7、8個(gè)數(shù)字員工。也就是把原來這個(gè)崗位要做的事，拆解出來，變成數(shù)字員工可以執(zhí)行的任務(wù)。這樣做的目的，是為了把優(yōu)秀員工的能力復(fù)制下來，讓普通員工也能借助數(shù)字員工，干出優(yōu)秀員工水平的活。

第三，優(yōu)化現(xiàn)有的工作流程，把所有數(shù)字員工串聯(lián)起來，形成新的工作流。數(shù)字員工獲取數(shù)據(jù)的能力更快，可以實(shí)時(shí)響應(yīng)OA、ERP，這會(huì)讓整個(gè)工作流的效率發(fā)生本質(zhì)變化。

做完這三件事，你會(huì)發(fā)現(xiàn)企業(yè)的工作方式將會(huì)被徹底重塑。

楊攀

硅基流動(dòng)聯(lián)合創(chuàng)始人

把AI當(dāng)成協(xié)作者，而不是工具

在真正使用大模型前，我建議你先回答一個(gè)問題：你把它當(dāng)成什么？工具、員工、老板，還是協(xié)作伙伴？

這個(gè)問題非常重要，因?yàn)槟銓?duì)它的認(rèn)知和定位，會(huì)決定你后面所有的使用方式。

大模型自己是怎么理解自己的？我們問了所有主流大模型，他們所有回答中的共同部分是：它更愿意把自己看成是一個(gè)協(xié)作者，而不是一個(gè)完全替代人類的存在。

這個(gè)定位其實(shí)非常關(guān)鍵，大模型并不是傳統(tǒng)意義上的程序，它更像人，它既有程序的優(yōu)勢(shì)，也有人的優(yōu)勢(shì)：能夠高速并行工作，具備人類的泛化能力，我們應(yīng)該認(rèn)真研究如何用好大模型的優(yōu)勢(shì)，而不是去吐槽它的劣勢(shì)。

理解這一點(diǎn)，你才能真正用好它，而不是被它的幻覺嚇到，或者被它的能力迷惑。

參訪日：當(dāng)AI走進(jìn)真實(shí)業(yè)務(wù)

??美圖參訪：增長不是加法，而是在一個(gè)核心能力上做乘法

在美圖，我們看到的并不是一家公司做了多少產(chǎn)品，而是一種極其克制的增長邏輯。

從表面看，美圖的業(yè)務(wù)橫跨影像處理、電商、美膚等多個(gè)方向，但其底層始終圍繞著兩個(gè)高度清晰的錨點(diǎn)展開：一項(xiàng)核心技術(shù)，即圖像與視覺處理能力；一個(gè)核心場景，即高頻、剛需的影像使用場景。

所有產(chǎn)品形態(tài)的擴(kuò)展，并不是盲目加法，而是圍繞同一技術(shù)能力，向不同應(yīng)用場景做乘法延展。類似的企業(yè)還有大疆，它也是在圍繞“穩(wěn)定器”這一核心能力，在不斷延展新的產(chǎn)品形態(tài)和應(yīng)用場景。

所以，企業(yè)增長的關(guān)鍵，并不在于能不能多做幾件事，而在于是否想清楚，自己究竟擁有什么不可替代的核心能力。

從這個(gè)意義上看，美圖更像是一家把AI能力持續(xù)壓縮進(jìn)業(yè)務(wù)系統(tǒng)的公司，而不是一家追逐技術(shù)浪潮的公司。也正因?yàn)橐曈X模型與營銷、電商場景天然耦合，中國企業(yè)在這一領(lǐng)域反而展現(xiàn)出了全球領(lǐng)先的優(yōu)勢(shì)。

??云知聲參訪：從“百模大戰(zhàn)”到“可用率”：企業(yè)如何用好AI？

當(dāng)前雖然處在“百模大戰(zhàn)”的階段，但通用大模型在工業(yè)和企業(yè)場景中，其實(shí)很難直接使用。原因并不是模型能力不夠強(qiáng)，而是它在企業(yè)工作流中的可靠性不足。

大模型的訓(xùn)練數(shù)據(jù)主要來自互聯(lián)網(wǎng)，而這些數(shù)據(jù)并沒有經(jīng)過嚴(yán)格的人工校驗(yàn)，這就導(dǎo)致模型在輸出時(shí)，可能會(huì)出現(xiàn)“一本正經(jīng)胡說八道”的情況。

在ToC場景中，這種問題往往還能被容忍，但在工業(yè)和企業(yè)場景里，很多流程對(duì)正確率和穩(wěn)定性要求極高，一次錯(cuò)誤就可能造成嚴(yán)重后果，因此通用大模型很難被直接引入核心工作流。

在這樣的現(xiàn)實(shí)約束下，行業(yè)正在從“通用大模型”轉(zhuǎn)向“智能體”。在云知聲的實(shí)踐中，AI不再試圖成為一個(gè)萬能大腦，而是被拆解為一個(gè)個(gè)嵌入具體業(yè)務(wù)環(huán)節(jié)的“數(shù)字同事”：

醫(yī)療輔助診療、智慧客服、營銷智能體、工廠流程管理……它們解決的不是想象中的問題，而是企業(yè)每天真實(shí)存在的痛點(diǎn)。

更具啟發(fā)意義的是，云知聲并沒有把AI落地的關(guān)鍵，寄托在“稀缺的算法天才”身上。

相反，其一系列實(shí)踐不斷指向同一個(gè)結(jié)論：企業(yè)真正需要的，不是高不可攀的AI專家，而是能夠管理數(shù)據(jù)、運(yùn)營智能體的組織能力。

通過數(shù)據(jù)制備、智能體生成平臺(tái)以及系統(tǒng)化培訓(xùn)，AI被逐步納入企業(yè)自身的能力體系之中，而不是停留在外包或展示層面。

??廈門時(shí)代、廈鎢新能：AI對(duì)于產(chǎn)業(yè)變革的底層重構(gòu)

在本次參訪日中，我們特別規(guī)劃了兩條實(shí)地路線：一條聚焦AI企業(yè)的落地實(shí)踐，另一條則深入新能源新材料領(lǐng)域，觀察AI如何賦能實(shí)體產(chǎn)業(yè)的變革。在廈鎢新能與廈門時(shí)代，我們看到AI正以不同的形態(tài)，融入產(chǎn)業(yè)的核心環(huán)節(jié)。

在廈鎢新能，AI扮演著“研發(fā)加速器”的角色。通過構(gòu)建材料數(shù)據(jù)庫與模擬計(jì)算，它將傳統(tǒng)依賴試錯(cuò)的研發(fā)過程，轉(zhuǎn)變?yōu)閿?shù)據(jù)驅(qū)動(dòng)的精準(zhǔn)預(yù)測，讓科研人員能更專注于創(chuàng)新突破。

在廈門時(shí)代，AI則化身為“產(chǎn)線優(yōu)化師”。通過實(shí)時(shí)監(jiān)測與分析生產(chǎn)數(shù)據(jù)，系統(tǒng)能夠提前預(yù)警質(zhì)量波動(dòng)、自動(dòng)調(diào)節(jié)工藝參數(shù)，推動(dòng)制造流程從被動(dòng)檢測邁向主動(dòng)調(diào)控與持續(xù)自優(yōu)化。

這兩家企業(yè)的實(shí)踐共同揭示：AI在實(shí)體產(chǎn)業(yè)的真正價(jià)值，不在于技術(shù)本身的展示，而在于其對(duì)生產(chǎn)與研發(fā)環(huán)節(jié)中“不確定性”的消除，以及對(duì)“效率與質(zhì)量”的深層重構(gòu)。

無論技術(shù)迭代得多快，AI最終都會(huì)落到同一件事上：企業(yè)能不能把它變成組織能力。

從數(shù)據(jù)到流程，從協(xié)作到?jīng)Q策，從一線員工到管理層共識(shí)，任何一環(huán)薄弱，AI都只能停留在“能用”的層面，而不是“能產(chǎn)出結(jié)果”的系統(tǒng)。

這也是本次激蕩書院年終特別場最重要的共識(shí)：AI的難題，已經(jīng)不在模型參數(shù)里，而在企業(yè)內(nèi)部。它考驗(yàn)的不是跟不跟熱點(diǎn)，而是能否建立一套AI落地企業(yè)的體系，把試點(diǎn)變成流程，把工具變成機(jī)制。

好消息是，越來越多的企業(yè)已經(jīng)意識(shí)到：AI轉(zhuǎn)型的關(guān)鍵，不是買工具、堆系統(tǒng)，更不是把技術(shù)外包給某個(gè)團(tuán)隊(duì)，而是先把組織的認(rèn)知拉齊、把能力框架搭起來，先有人能理解它、管理它、運(yùn)營它，才談得上真正落地。

也正因如此，激蕩書院把這場年終特別場設(shè)計(jì)成2天閉環(huán)：第一天搭建理解AI的系統(tǒng)框架，第二天走進(jìn)美圖、云知聲、廈門時(shí)代、廈鎢新能等產(chǎn)業(yè)一線，把框架放進(jìn)真實(shí)業(yè)務(wù)里驗(yàn)證。

接下來，激蕩書院將圍繞“把技術(shù)變成組織能力”，繼續(xù)向前推進(jìn)，進(jìn)一步沉淀可復(fù)用的學(xué)習(xí)與實(shí)踐體系。

2月8日，在蘇州的吳曉波思享課《2026：經(jīng)濟(jì)改革的邏輯與走向》上，我們討論的不是某一項(xiàng)技術(shù)，而是更底層的問題：在新一輪改革與全球變局中，中國經(jīng)濟(jì)的長期邏輯正在如何重組。

從1949年以來的改革脈絡(luò)，到2026年前后的關(guān)鍵走向，這堂課試圖回答的是：哪些變化是階段性的？哪些是決定企業(yè)未來10年的結(jié)構(gòu)性力量？以及，在企業(yè)出海、人工智能成為必選項(xiàng)的今天，管理者該如何作出方向性的判斷？

而當(dāng)方向逐漸清晰，問題也隨之落回到現(xiàn)實(shí)：這些判斷，如何在企業(yè)內(nèi)部真正發(fā)生作用？

3月28日，激蕩書院將走進(jìn)上海金山的雙鹿電池智慧工廠。這家始創(chuàng)于1954年的企業(yè)，用71年的時(shí)間，完成了一次并不激進(jìn)、卻極為扎實(shí)的轉(zhuǎn)型：把工業(yè)機(jī)器人、物聯(lián)網(wǎng)和數(shù)據(jù)系統(tǒng)，真正嵌入到生產(chǎn)流程與組織體系中。它提供的不是“AI應(yīng)該怎么做”的答案，而是“組織如何承載技術(shù)”的現(xiàn)實(shí)樣本。

從宏觀改革邏輯，到一家工廠的具體運(yùn)轉(zhuǎn)；從時(shí)代方向的判斷，到組織能力的落地路徑，這正是我們反復(fù)強(qiáng)調(diào)的那條主線：技術(shù)決定上限，組織決定結(jié)果。

世界在加速，企業(yè)也不會(huì)停在原地。而在這場加速中，真正拉開差距的，往往不是誰更早擁抱技術(shù)，而是誰更早把能力沉淀進(jìn)組織。

現(xiàn)在，正是企業(yè)把AI變成增長邏輯、把技術(shù)變成組織生產(chǎn)力的最好時(shí)機(jī)。

《走進(jìn)標(biāo)桿工廠｜內(nèi)容白皮書》匯集11家標(biāo)桿工廠精彩內(nèi)容，帶你一起云逛工廠。