文 / 巴九灵（微信公众号：吴晓波频道）
AI的难题，早已不在实验室，而在企业内部。
在《Superagency in the workplace: A report for 2025》报告中，麦肯锡给出了一组刺眼的对照：未来三年92%的企业将继续加大对AI的投资，但真正认为自己已经达到“成熟部署”（AI已经融入工作流并带来显著业务结果）的企业，只有1%。
更关键的是，该报告明确指出，阻碍AI规模化的最大障碍，不是员工不会用，而是领导者的决策速度不够快。换句话说，AI落地企业的最大障碍是领导者。
这也解释了今天很多企业出现的现象：模型能力越来越强，AI工具越来越多，但AI带来的业务结果却越来越有限。
因为AI一旦进入企业，它考验的就不只是技术能力，而是战略选择、组织协同、数据与流程、治理与风控等企业内部能力。
正如吴晓波老师在“AI闪耀中国科技人文秀”上所说，不要迷信断崖式创新，必须坚持可持续迭代。
可见，AI的竞争，不再是谁先看见新技术，而是谁能更快重塑企业内部的认知、组织与能力。
正因如此，刚刚结束的激荡书院年终特别场，才会以“科技跃迁与商业未来” 为核心主题，从认知升级与产业落地2个维度，系统拆解AI作为“新变量”，将如何重塑企业在2026年之后的增长逻辑。
我们特别整理了本次活动中几位老师的关键观点，聚焦回答一个更现实的问题：当AI已经成为共识，企业究竟该如何真正“用起来”？
课程日：当AI走进真实组织
沈抖博士
百度集团执行副总裁
百度智能云事业群总裁
智能，生成无限可能
在接下来的2026年，很多人会觉得，是不是模型还会再来一轮大的跃迁？是不是参数还会再翻几倍？从产业的角度看，模型本身的能力，其实已经可以覆盖足够多的应用场景。
真正的瓶颈，不完全在模型，而是在模型能不能被规模化地用起来。所以我更愿意把未来一段时间的机会，拆成两层基础设施来看，第一层，是AI Infra，也就是算力基础设施。
算力依然重要，而且会变得越来越重要。只是和过去不一样的是，这一轮算力的竞争，更多是用“空间换时间”，通过超大规模的集群、超节点的方式，把模型的能力释放出来。
但仅有算力，还远远不够。因为算力解决的是“模型能不能跑”，而不是“模型能不能干活”。这就引出了第二层基础设施：Agent Infra，或者说智能体基础设施。
很多人在讲Agent，更多是在讲能力：它能不能自动做事？能不能调用工具？能不能写代码？但在真实的企业环境里，Agent要真正跑起来，远远不只是能力问题。
它需要有数据作为输入，需要有工具和系统可以调用，需要有一个稳定的运行环境，还需要被纳入到现有的业务流程之中。
从这个角度来看，Agent更像是一种新的生产力单元，而Agent Infra，就是让这些生产力单元能够被创建、被调度、被管理、被复用的一整套系统。
如果没有这样一层基础设施，Agent很容易停留在Demo阶段，很难规模化落地。
所以接下来一段时间，真正重要的，不只是模型公司，也不只是单一的应用，而是围绕AI Infra和Agent Infra所形成的整套产业生态。
谁能把模型、算力、数据、工具和流程真正连接起来，谁才有机会在这一轮浪潮中走得更远。
庄明浩
播客《屠龙之术》主播
前TOP风险投资基金VP
AI也会刷KPI？
大语言模型发展到今天，中国和美国的头部公司都在面临的一大问题，叫做“激励模型”。
就是当你跟DeepSeek聊天时，你会发现它会想“首先、其次、最后”，这就是AI产生的新能力，叫推理能力。这时我们就需要确定：
要不要针对这个思考的过程做激励？它的第一步对不对？第二步对不对？第三步对不对？还是说我们只针对最终结果做激励？
过去这一年，在数学和编程领域，AI发展特别快。原因就在于，数学和编程有非常明确的激励模型，对就是对，错就是错。编程编出来的程序，能跑就是对的，跑不了就是错的。
那对应的问题是，那些无法验证结果的行业怎么办？比如法律问题、金融问题、人生问题，什么是好？什么是不好？什么是对？什么是错？谁来判定？怎么判定？
如果我们只考虑最终结果，而不关心中间过程，那么AI模型就会像人类员工一样，可能会采取一些你不希望的方式来达成目标，这被称为“reward hacking”。比如你给它设定一个KPI，它为了达成这个KPI，可能会用一些你不希望的手段来实现。
这其实和我们在现实世界中管理员工、设定激励机制时遇到的问题一模一样。
卢文胜
福建点石网络科技有限公司创始人
AI落地的三要素：
企业知识库×数字员工×工作流
企业落地AI其实只要做三件事：
第一，搭建自己的企业知识库。把企业内部所有的制度、流程、文档、经验，全部沉淀下来，变成AI可以调用的东西。这个知识库不是给外部的人用，而是给自己的员工和数字员工用。
第二，要求每个员工根据自己的岗位和心智地图，创造出7、8个数字员工。也就是把原来这个岗位要做的事，拆解出来，变成数字员工可以执行的任务。这样做的目的，是为了把优秀员工的能力复制下来，让普通员工也能借助数字员工，干出优秀员工水平的活。
第三，优化现有的工作流程，把所有数字员工串联起来，形成新的工作流。数字员工获取数据的能力更快，可以实时响应OA、ERP，这会让整个工作流的效率发生本质变化。
做完这三件事，你会发现企业的工作方式将会被彻底重塑。
杨攀
硅基流动联合创始人
把AI当成协作者，而不是工具
在真正使用大模型前，我建议你先回答一个问题：你把它当成什么？工具、员工、老板，还是协作伙伴？
这个问题非常重要，因为你对它的认知和定位，会决定你后面所有的使用方式。
大模型自己是怎么理解自己的？我们问了所有主流大模型，他们所有回答中的共同部分是：它更愿意把自己看成是一个协作者，而不是一个完全替代人类的存在。
这个定位其实非常关键，大模型并不是传统意义上的程序，它更像人，它既有程序的优势，也有人的优势：能够高速并行工作，具备人类的泛化能力，我们应该认真研究如何用好大模型的优势，而不是去吐槽它的劣势。
理解这一点，你才能真正用好它，而不是被它的幻觉吓到，或者被它的能力迷惑。
参访日：当AI走进真实业务
▶▷美图参访：增长不是加法，而是在一个核心能力上做乘法
在美图，我们看到的并不是一家公司做了多少产品，而是一种极其克制的增长逻辑。
从表面看，美图的业务横跨影像处理、电商、美肤等多个方向，但其底层始终围绕着两个高度清晰的锚点展开：一项核心技术，即图像与视觉处理能力；一个核心场景，即高频、刚需的影像使用场景。
所有产品形态的扩展，并不是盲目加法，而是围绕同一技术能力，向不同应用场景做乘法延展。类似的企业还有大疆，它也是在围绕“稳定器”这一核心能力，在不断延展新的产品形态和应用场景。
所以，企业增长的关键，并不在于能不能多做几件事，而在于是否想清楚，自己究竟拥有什么不可替代的核心能力。
从这个意义上看，美图更像是一家把AI能力持续压缩进业务系统的公司，而不是一家追逐技术浪潮的公司。也正因为视觉模型与营销、电商场景天然耦合，中国企业在这一领域反而展现出了全球领先的优势。
▶▷云知声参访：从“百模大战”到“可用率”：企业如何用好AI？
当前虽然处在“百模大战”的阶段，但通用大模型在工业和企业场景中，其实很难直接使用。原因并不是模型能力不够强，而是它在企业工作流中的可靠性不足。
大模型的训练数据主要来自互联网，而这些数据并没有经过严格的人工校验，这就导致模型在输出时，可能会出现“一本正经胡说八道”的情况。
在ToC场景中，这种问题往往还能被容忍，但在工业和企业场景里，很多流程对正确率和稳定性要求极高，一次错误就可能造成严重后果，因此通用大模型很难被直接引入核心工作流。
在这样的现实约束下，行业正在从“通用大模型”转向“智能体”。在云知声的实践中，AI不再试图成为一个万能大脑，而是被拆解为一个个嵌入具体业务环节的“数字同事”：
医疗辅助诊疗、智慧客服、营销智能体、工厂流程管理……它们解决的不是想象中的问题，而是企业每天真实存在的痛点。
更具启发意义的是，云知声并没有把AI落地的关键，寄托在“稀缺的算法天才”身上。
相反，其一系列实践不断指向同一个结论：企业真正需要的，不是高不可攀的AI专家，而是能够管理数据、运营智能体的组织能力。
通过数据制备、智能体生成平台以及系统化培训，AI被逐步纳入企业自身的能力体系之中，而不是停留在外包或展示层面。
▶▷厦门时代、厦钨新能：AI对于产业变革的底层重构
在本次参访日中，我们特别规划了两条实地路线：一条聚焦AI企业的落地实践，另一条则深入新能源新材料领域，观察AI如何赋能实体产业的变革。在厦钨新能与厦门时代，我们看到AI正以不同的形态，融入产业的核心环节。
在厦钨新能，AI扮演着“研发加速器”的角色。通过构建材料数据库与模拟计算，它将传统依赖试错的研发过程，转变为数据驱动的精准预测，让科研人员能更专注于创新突破。
在厦门时代，AI则化身为“产线优化师”。通过实时监测与分析生产数据，系统能够提前预警质量波动、自动调节工艺参数，推动制造流程从被动检测迈向主动调控与持续自优化。
这两家企业的实践共同揭示：AI在实体产业的真正价值，不在于技术本身的展示，而在于其对生产与研发环节中“不确定性”的消除，以及对“效率与质量”的深层重构。
无论技术迭代得多快，AI最终都会落到同一件事上：企业能不能把它变成组织能力。
从数据到流程，从协作到决策，从一线员工到管理层共识，任何一环薄弱，AI都只能停留在“能用”的层面，而不是“能产出结果”的系统。
这也是本次激荡书院年终特别场最重要的共识：AI的难题，已经不在模型参数里，而在企业内部。它考验的不是跟不跟热点，而是能否建立一套AI落地企业的体系，把试点变成流程，把工具变成机制。
好消息是，越来越多的企业已经意识到：AI转型的关键，不是买工具、堆系统，更不是把技术外包给某个团队，而是先把组织的认知拉齐、把能力框架搭起来，先有人能理解它、管理它、运营它，才谈得上真正落地。
也正因如此，激荡书院把这场年终特别场设计成2天闭环：第一天搭建理解AI的系统框架，第二天走进美图、云知声、厦门时代、厦钨新能等产业一线，把框架放进真实业务里验证。
接下来，激荡书院将围绕“把技术变成组织能力”，继续向前推进，进一步沉淀可复用的学习与实践体系。
2月8日，在苏州的吴晓波思享课《2026：经济改革的逻辑与走向》上，我们讨论的不是某一项技术，而是更底层的问题：在新一轮改革与全球变局中，中国经济的长期逻辑正在如何重组。
从1949年以来的改革脉络，到2026年前后的关键走向，这堂课试图回答的是：哪些变化是阶段性的？哪些是决定企业未来10年的结构性力量？以及，在企业出海、人工智能成为必选项的今天，管理者该如何作出方向性的判断？
而当方向逐渐清晰，问题也随之落回到现实：这些判断，如何在企业内部真正发生作用？
3月28日，激荡书院将走进上海金山的双鹿电池智慧工厂。这家始创于1954年的企业，用71年的时间，完成了一次并不激进、却极为扎实的转型：把工业机器人、物联网和数据系统，真正嵌入到生产流程与组织体系中。它提供的不是“AI应该怎么做”的答案，而是“组织如何承载技术”的现实样本。
从宏观改革逻辑，到一家工厂的具体运转；从时代方向的判断，到组织能力的落地路径，这正是我们反复强调的那条主线：技术决定上限，组织决定结果。
世界在加速，企业也不会停在原地。而在这场加速中，真正拉开差距的，往往不是谁更早拥抱技术，而是谁更早把能力沉淀进组织。
现在，正是企业把AI变成增长逻辑、把技术变成组织生产力的最好时机。
《走进标杆工厂｜内容白皮书》汇集11家标杆工厂精彩内容，带你一起云逛工厂。
热门跟贴