方躍/文

2025年，AI技術(shù)進展幾乎以“日”為單位刷新著人們的認知。大模型、智能體、算力、數(shù)據(jù)中心、應用生態(tài)——每一個環(huán)節(jié)都在加速迭代與拓展。從全球范圍來看，OpenAI在企業(yè)市場暫時處于領(lǐng)跑地位，但Anthropic和Google等企業(yè)正在快速逼近。2026年，AI領(lǐng)域的競爭將不再僅僅是模型能力的排名變化，更是認知方向、落地路徑與組織能力的全方位比拼。

2025年的“祛魅”讓市場認識到：熱潮并不等同于價值，試點也不意味著能夠規(guī)�；瘧茫Ｐ湍芰Ω荒艿韧诮M織能力。回顧過去一年的落地經(jīng)驗，生成式AI的應用并未在所有企業(yè)中轉(zhuǎn)化為更高的員工創(chuàng)造力。

進入2026年，真正的分水嶺不在于“又推出了哪個更強的模型”，而在于AI能否真正開啟“向人”與“向?qū)崱钡倪M化。這里的“向”，既是方向，也是路徑：能力向更高階遷移、分工向更合理重排、組織向新形態(tài)躍遷。但它們有著共同的底線——最終仍要以人為本，為人類服務。AI越強大，越需要將人置于中心位置。

這一輪AI變革與過去的技術(shù)浪潮最大的不同在于，它不只是生產(chǎn)工具的迭代。生產(chǎn)力的提升不再僅僅是“讓舊流程跑得更快、更高效”，而是徹底打破了生產(chǎn)力三要素（勞動力、生產(chǎn)工具和生產(chǎn)資料）的邊界。當AI具備了生產(chǎn)力所有三要素的屬性，一個更高階的組織形態(tài)將自然浮現(xiàn)——我在即將出版的新書中將其稱為“超級智體”。

“超級智體”并非單一技術(shù)產(chǎn)品，而是AI時代企業(yè)進化的方向：企業(yè)擁有智慧大腦（核心），能夠像一個持續(xù)學習的系統(tǒng)那樣運轉(zhuǎn)，并在反饋中持續(xù)迭代自身的規(guī)則與能力。它主要由三部分構(gòu)成：機器、人與組織。AI的“向人”與“向?qū)崱苯沂玖似髽I(yè)向“超級智體”進化路徑的核心邏輯。

AI“向人”

AI“向人”有三層含義：機器“向人”（能力閉環(huán)化），人“向人”（價值回歸），組織“向人”（組織形態(tài)向超級智體進化）。機器與人的“向人”推動了組織的“向人”，本質(zhì)是“向人立心”。

2026年，AI的角色正在發(fā)生質(zhì)變。它不再只是被動響應指令的工具，而是在許多場景中進化為具備自主意圖、能夠規(guī)劃并執(zhí)行復雜任務的代理，甚至開始被期待成為可協(xié)作的伙伴。技術(shù)發(fā)展也從單純的預訓練知識積累，轉(zhuǎn)向具備邏輯推理與“慢思考”能力的后訓練階段。例如，OpenClaw的Agent系統(tǒng)和企業(yè)側(cè)的千問等，不僅回答“怎么做”，還開始嘗試把“事情做完”。

但機器真正“上崗”帶來的并非單純的效率紅利，同時也帶來了一道更高的門檻：風險從“輸出錯誤信息”升級為“執(zhí)行錯誤操作”。當AI擁有決策和行動權(quán)，錯誤不再是寫錯一句話，而可能是下錯一筆訂單、觸發(fā)錯誤的退款、將不該發(fā)送的數(shù)據(jù)發(fā)送出去。

這就是為什么2026年“治理”會成為關(guān)鍵詞：權(quán)限邊界如何設(shè)定？哪些動作必須由人類復核？如何防止智能體在組織中制造“工作垃圾”（自動生成大量低價值任務、無意義通知、重復工單）？

監(jiān)管與企業(yè)治理在今年將進入拉鋸狀態(tài)：一方面企業(yè)渴望實現(xiàn)更深度的自動化，另一方面必須明確主體性AI的邊界與責任。機器“向人”的速度越快，治理就越成為決定性能力。

2026年，隨著智能體越來越“向人”，企業(yè)必須意識到“每個模型都有自己的視角與性格”——同樣的數(shù)據(jù)與指令，不同模型可能強調(diào)不同的風險與優(yōu)先級。因此，企業(yè)要做的不是將某個模型視為唯一大腦，而是搭建能夠駕馭多種視角的組織智慧系統(tǒng)：把模型當作可替換的認知模塊，用統(tǒng)一的目標、規(guī)則與權(quán)限邊界將它們編排起來。

當機器越來越“向人”，人必須更“向人”。機械性的事務被剝離后，人類的核心價值將回歸到AI難以替代的領(lǐng)域——腦資本：愿景、判斷、創(chuàng)造、同理、韌性，以及在復雜系統(tǒng)中協(xié)調(diào)沖突、承擔責任的能力。

我們認為，AI時代人類真正稀缺的三項能力包括抱負（設(shè)定愿景）、判斷力（倫理與價值選擇）、創(chuàng)造力（非線性突破）。世界經(jīng)濟論壇也強調(diào)，需要投資“腦技能”：適應力、同理心、復雜問題解決能力與心理彈性。

人“向人”的核心在于人從過去的執(zhí)行者轉(zhuǎn)變?yōu)橹笓]者、責任的判斷和價值管理者，將人的價值從“流程中跑得快”遷移到“不確定里選得對”。人能否更“向人”，決定了人類能否駕馭AI，而不是被AI的“看似正確”所左右。

生成式AI從最初降低內(nèi)容與知識工作成本的效率工具，迭代為以智能體為核心、重構(gòu)企業(yè)流程與價值創(chuàng)造的核心力量。小團隊搭配AI能夠大幅壓縮溝通成本、強化執(zhí)行效率，形成對傳統(tǒng)大型組織的競爭優(yōu)勢，推動企業(yè)向更扁平、更具學習力的超級智體演進，其核心是以人為本的人機協(xié)同，而非單純的去人化。

組織“向人”是一場AI驅(qū)動的組織變革，其瓶頸不在于技術(shù)，而在于組織自身。固守科層制、傳統(tǒng)KPI與部門壁壘的企業(yè)，不僅會陷入效率幻覺與管理失控的困境，還會催生AI工作垃圾泛濫、裁員快于增效的錯配，以及員工認知能力被長期透支等問題。組織文化、績效體系與人才管理的滯后，將直接抵消技術(shù)帶來的效率紅利。

2026年，企業(yè)真正用好AI的關(guān)鍵，是以治理為基石、以端到端流程再造為核心，搭建適配人機協(xié)同的新組織形態(tài)。唯有打破舊管理邏輯，建立可持續(xù)學習的組織系統(tǒng)，才能將AI轉(zhuǎn)化為實實在在的生產(chǎn)力，穿越技術(shù)熱潮與落地陣痛。

“向?qū)崱保篈I落地應用、模型形態(tài)擴展、基建投入加碼

如果說“向人”的核心是“向人立心”，那么“向?qū)崱钡暮诵氖恰跋驅(qū)嵙⒚�，針對的是更樸素也更關(guān)鍵的問題：技術(shù)到底能否轉(zhuǎn)化為生產(chǎn)力，能否在實體產(chǎn)業(yè)中創(chuàng)造真金白銀的價值。

2025年的“祛魅”讓這一點更加清晰：僅靠演示與試點，AI很容易重復互聯(lián)網(wǎng)泡沫的路徑——故事越講越大，導致投入越來越大，但價值遲遲無法體現(xiàn)在經(jīng)營結(jié)果上。

2026年，“向?qū)崱睂⒊蔀轵炞C這輪技術(shù)變革歷史地位的主戰(zhàn)場�！跋�?qū)崱毙枰プ∪龑又骶�：應用層的規(guī)�；涞亍⒛Ｐ蛯拥男螒B(tài)逐步擴展、以及基建層的全棧部署和有效投入。

“向?qū)崱笔紫纫馕吨耙?guī)模化”。許多企業(yè)在前兩年已經(jīng)證明AI“可用”，但尚未證明“可規(guī)模、可復制、可進化”。2026年真正的分水嶺，是AI能否從“試點熱鬧”走向“經(jīng)營兌現(xiàn)”：進入高頻工作流、產(chǎn)生可量化結(jié)果、形成可復制和進化機制。

這意味著評價標準要改變：不再看上線了多少AI項目，而看是否能把AI打造成一套“智能工作流系統(tǒng)”，讓它在真實業(yè)務中長期運行、持續(xù)迭代，并穩(wěn)定改善成本、效率、質(zhì)量與風險曲線。

真正“向?qū)崱钡腁I，并非堆疊工具，而是讓組織獲得復利：每多運行一次流程，就多沉淀一份經(jīng)驗；每多一次反饋，就多一分可復制能力。

“向?qū)崱钡牡诙䦟邮悄Ｐ妥陨淼男螒B(tài)演進帶來“更多能算賬的場景”。2026年，我們談論的不再局限于語言模型（LLM），有可能擴展到更適合端側(cè)設(shè)備的“液體基礎(chǔ)模型”（LFMs）等高效架構(gòu)形態(tài)，以及能夠理解物理規(guī)律、承載預測與控制的“世界模型”。

這意味著AI將越來越多地從“生成內(nèi)容”走向“改變現(xiàn)實”：制造檢測、設(shè)備運維、醫(yī)療輔助、自動駕駛與機器人等場景，都會因為模型更懂多模態(tài)信號、推理更可靠、更接近物理世界約束而被重新打開。因此，“向?qū)崱辈恢皇巧虡I(yè)壓力的要求，也是技術(shù)演化的方向。

“向?qū)崱钡牡谌龑邮腔A(chǔ)設(shè)施的全棧部署和有效投入。AI基礎(chǔ)設(shè)施的市場規(guī)模巨大，且仍在以超出預期的速度增長。以多家科技巨頭披露或市場匯總的2026年資本開支預測為例：亞馬遜約為2000億美元、谷歌約為1800億美元、Meta約為1250億美元、微軟約為1175億美元，同比增幅分別達到60%、97%、73%、41%。

重資產(chǎn)的持續(xù)投入表明，AI的競爭不僅發(fā)生在應用和模型層，更發(fā)生在算力、數(shù)據(jù)中心、電力、網(wǎng)絡(luò)與系統(tǒng)軟件等基礎(chǔ)設(shè)施層。智能體一旦開始遞歸拆解任務、毫秒級并發(fā)調(diào)用系統(tǒng)，企業(yè)面對的就不再是“頁面打開慢一點”的體驗問題，而是系統(tǒng)能否穩(wěn)定承載機器流量、能否可觀測等工程問題。

因此，2026年更多的資金將流向看似笨重的部分：機房、電力、運維治理等。因為當AI真正進入生產(chǎn)系統(tǒng)，穩(wěn)定性與安全性不是附加項，而是門檻。

互聯(lián)網(wǎng)的成功建立在開放標準之上，實現(xiàn)了全民可用、共建完善。如今，人工智能正走上同一條道路：基礎(chǔ)模型讓企業(yè)與開發(fā)者無需從零搭建，就能根據(jù)自身需求定制 AI能力。目前，HuggingFace等平臺已提供超百萬個模型。一個深刻的變革正在發(fā)生：初創(chuàng)小企業(yè)如今能與世界 500強企業(yè)共享同等頂尖的 AI技術(shù)，尖端技術(shù)的使用門檻被徹底拉平。

進入2026年，即便市場對泡沫和投資回報證明仍心存疑慮，全球頭部企業(yè)的數(shù)字化領(lǐng)導者仍普遍將AI列為首要任務，繼續(xù)加碼并努力獲得可量化價值。

期待之外，我們還需要冷靜：越“向人”，越要加強治理；越“向?qū)崱保揭鲎阌补Ψ�。要讓技術(shù)投資真正轉(zhuǎn)化為一線生產(chǎn)率提升，必須在大規(guī)模部署AI的同時，投資提升人的能力與技能，并推動組織與生產(chǎn)關(guān)系的變革。

（作者系中歐國際工商學院億緯鋰能經(jīng)濟學與決策科學教席教授、中歐AI與管理創(chuàng)新研究中心主任）

免責聲明：本文觀點僅代表作者本人，供參考、交流，不構(gòu)成任何建議。