亚洲精品国产自产拍在线观看_欧洲亚洲国产日韩综合一区_午夜亚洲精品在线视频免费观看_日韩在线观看欧美尤物_亚洲AV成人无码一二三久久_国产精品无码中出在线_麻豆精品一区二区综合A∨_成年男女免费视频网站慢动作_377p人体大尺度啪啪_另类亚洲欧美偷拍

本文來源：騰訊科技 作者：孫天澍、曉靜

2025年8月，國家正式推出“人工智能+”戰(zhàn)略框架。這是一個重要的頂層設(shè)計：2027年應(yīng)用普及率超過70%，2030年成為推動經(jīng)濟發(fā)展的重要力量，2035年成為經(jīng)濟發(fā)展主導(dǎo)力量。但是在大的頂層設(shè)計之下，也從產(chǎn)業(yè)、企業(yè)、場景、人才等方面留給了“人工智能+”落地很多重要的命題。當(dāng)AI智能體可以參與決策、執(zhí)行任務(wù)，甚至成為業(yè)務(wù)運轉(zhuǎn)的核心時，企業(yè)的價值創(chuàng)造方式將被徹底改寫。其變革影響之深遠，遠超大多數(shù)人的想象。

長江商學(xué)院終身教授孫天澍認為，“AI與人類歷史上所有技術(shù)有一個最本質(zhì)的差異：AI不再是輔助人類的“工具”，而是與人類類似的“智能”本身。”

“我們正在快速進入“AI下半場”——智能不再稀缺，稀缺的是如何在業(yè)務(wù)場景中架構(gòu)智能、創(chuàng)造價值的能力?！叭斯ぶ悄?”產(chǎn)業(yè)落地最缺的是“AI架構(gòu)師”：能融合業(yè)務(wù)場景和智能體能力，用AI架構(gòu)下一代業(yè)務(wù)形態(tài)、組織設(shè)計和商業(yè)模式的人才。”

AI下半場，全球的產(chǎn)業(yè)企業(yè)都站在同一個起跑線上，紅杉資本公布的最新數(shù)據(jù)顯示：面對價值10萬億美元的美國服務(wù)業(yè)市場，目前僅有約200億美元被AI改造，99.8%的經(jīng)濟活動仍在等待智能化重構(gòu)。

基于這些觀察，我們可以看到“人工智能+”從框架到落地，面臨著從”產(chǎn)業(yè)“、”企業(yè)“、”“場景”，到“人”四個層面的關(guān)鍵問題：

從產(chǎn)業(yè)機會的視角看——“人工智能+”與所有產(chǎn)業(yè)都相關(guān)嗎，現(xiàn)在AI對產(chǎn)業(yè)的變革處于什么階段？實現(xiàn)“人工智能+”產(chǎn)業(yè)落地的目標(biāo)，最大的瓶頸和機會在哪里？

從企業(yè)投入視角看——“人工智能+”適合什么樣企業(yè)，從什么樣的場景開始投入？現(xiàn)在是投入“人工智能+”的最佳時機嗎？在短期看不到回報的情況下，企業(yè)該如何決定對AI的投入，又該如何衡量AI投資的投入產(chǎn)出比？什么樣的企業(yè)現(xiàn)在拿到了AI最大的價值？

從AI落地的場景看——企業(yè)AI落地應(yīng)該如何選擇場景？如何用“智能原生”的方式去重構(gòu)業(yè)務(wù)？投入AI但沒有在場景中看到價值的企業(yè)問題出在了哪里？

從企業(yè)AI轉(zhuǎn)型中所需要的人才來看——什么樣的人能主導(dǎo)和牽引企業(yè)和場景的“人工智能+ ”轉(zhuǎn)型？這些人才需要具備哪些核心素質(zhì)？企業(yè)如何培養(yǎng)和獲得這些人才？

為了深入探討這些落地問題，我們與長江商學(xué)院科技與運營終身教授、杰出院長講席教授、數(shù)字化轉(zhuǎn)型中心主任孫天澍進行了長達四個小時的系統(tǒng)對話。孫天澍之前是南加州大學(xué)商學(xué)院與計算機系終身教授，研究跨界結(jié)合AI與商業(yè)，聚焦企業(yè)/產(chǎn)業(yè)的“AI業(yè)務(wù)場景重構(gòu)”，在中美頂尖科技企業(yè)Meta、阿里巴巴等擁有豐富的實踐經(jīng)歷，并擔(dān)任多家大型科技企業(yè)與產(chǎn)業(yè)企業(yè)的董事和資深顧問。

通過這次對話，我們梳理出了"人工智能+"產(chǎn)業(yè)落地的十大關(guān)鍵問題。希望在AI智能重構(gòu)千行百業(yè)的開端，能帶來產(chǎn)業(yè)落地的些許實踐啟發(fā)。

長江商學(xué)院科技與運營終身教授、杰出院長講席教授、數(shù)字化轉(zhuǎn)型中心主任 孫天澍教授

核心觀點：

“人工智能+” 戰(zhàn)略的深層邏輯

1. AI已快速進入下半場：卡點不再是技術(shù)，智能不再稀缺，稀缺的是架構(gòu)智能的能力?！叭斯ぶ悄?”的核心在于如何用AI智能體重構(gòu)千行百業(yè)的場景、組織和商業(yè)模式。

2. 當(dāng)前產(chǎn)業(yè)存在巨大的“AI認知差”：AI的發(fā)展遠遠快于產(chǎn)業(yè)吸收AI的能力，智能體打開的可能性遠遠大于產(chǎn)業(yè)中目前通過架構(gòu)智能獲得的價值。這種AI認知差的根源，在于產(chǎn)業(yè)中企業(yè)家和決策者的"AI架構(gòu)思維"缺失，無法把智能融合進場景。

3. “人工智能+”戰(zhàn)略恰逢其時：產(chǎn)業(yè)需要新的增長引擎，AI需要產(chǎn)業(yè)場景與價值反饋，“人工智能+”是產(chǎn)業(yè)與AI的“雙向奔赴”。產(chǎn)業(yè)應(yīng)用場景的豐富與縱深恰好是中國人工智能進一步發(fā)展最大的比較優(yōu)勢。

“人工智能+”在企業(yè)落地，場景重構(gòu)和業(yè)務(wù)價值是最終衡量標(biāo)準(zhǔn)

4. 測量一個企業(yè)和場景是否適合AI重構(gòu)的的“百萬員工問題”：思考 -- 如果場景突然多出100萬個“博士”智能員工，能否顯著提升業(yè)務(wù)價值？能，則說明企業(yè)或場景適合AI重構(gòu)。

5. 企業(yè)AI落地應(yīng)該選擇“場景”和“價值”作為衡量指標(biāo)：“普及率”指標(biāo)不夠本質(zhì)，AI不是離散的工具，而是融入業(yè)務(wù)場景的“智能”，應(yīng)衡量AI對于 核心場景的閉環(huán)重構(gòu)，和所帶來的業(yè)務(wù)價值，而非應(yīng)用數(shù)量和Token耗用；企業(yè)聚焦核心場景做出價值，比“撒胡椒面”AI落地更重要。

6. 企業(yè)AI轉(zhuǎn)型和AI原生孵化要“兩手抓”：部分企業(yè)的核心資產(chǎn)和核心利益很可能成為AI時代拖累企業(yè)的歷史包袱。擁有“從零開始”、擁抱AI智能體的勇氣和決心，比固守原先的城墻更重要。

企業(yè)AI轉(zhuǎn)型的第一步：選對場景，“先成就AI，再讓AI成就你”

7. AI轉(zhuǎn)型成敗取決于場景選擇和“AI架構(gòu)思維”：目前多數(shù)企業(yè)AI嘗試沒有取得業(yè)務(wù)價值的根本原因不在于技術(shù)缺陷，而是沒能選擇對可以突破創(chuàng)值的場景，沒能在場景中做好智能體的架構(gòu)，缺乏“AI架構(gòu)思維”。

8. 如何找到最適合AI重構(gòu)的場景：“三多一高一復(fù)雜”。員工多/客戶多/費用多的場景，高頻互動的場景，需要復(fù)雜知識與判斷的場景，都是最適合AI發(fā)揮巨大價值的“原生場景”。選對場景比埋頭改造更重要。

9. 智能原生思維 - “先成就AI，再讓AI成就你”：智能原生企業(yè)需要先“成就AI”，即為AI智能體提供知識、數(shù)據(jù)、工具、權(quán)限和協(xié)同工作流，讓它在這個場景中成長起來；然后再讓"AI成就你"，即讓這個智能內(nèi)核驅(qū)動場景的效率、反饋和價值不斷迭代、越跑越快。這個選擇場景和架構(gòu)智能體的過程，比盲目地上馬項目要重要得多。

“智能”是這個時代最大的杠桿

10. 智能體杠桿正在重塑創(chuàng)業(yè)企業(yè)和產(chǎn)業(yè)企業(yè)的機會版圖：大廠短期將壟斷C端，打造超級入口+超級AI，在用戶心智、數(shù)據(jù)、模型上有定義權(quán)。

創(chuàng)業(yè)公司機會在B端產(chǎn)業(yè)重構(gòu)：用AI原生思維與輕資產(chǎn)投入重構(gòu)場景和組織，最大的機會是把領(lǐng)先企業(yè)上個時代獲得的“核心資產(chǎn)”轉(zhuǎn)為AI時代的“核心負債”。

產(chǎn)業(yè)企業(yè)的護城河在于場景+數(shù)據(jù)的積累，若疊加“AI架構(gòu)思維”，有機會成為“超級富二代”。

“人工智能+”呼喚“AI業(yè)務(wù)架構(gòu)師”

11. AI架構(gòu)師是落地的最大瓶頸：企業(yè)需要能融合業(yè)務(wù)場景和智能體能力，架構(gòu)下一代業(yè)務(wù)，“懂智能、懂產(chǎn)業(yè)、懂未來”的復(fù)合型人才，他們不是學(xué)校里培養(yǎng)出來的，而是在真實的AI產(chǎn)業(yè)重構(gòu)的戰(zhàn)場中淬煉出來的。

12. “產(chǎn)業(yè)”和“AI”的體系性人才錯配亟待解決：“人工智能+”相比“互聯(lián)網(wǎng)+”的一個核心挑戰(zhàn)是人才的錯配。產(chǎn)業(yè)企業(yè)有場景與數(shù)據(jù)，但缺AI架構(gòu)能力；而有AI架構(gòu)能力的人才，缺少產(chǎn)業(yè)場景和數(shù)據(jù)。解決之道是企業(yè)家具備“AI架構(gòu)思維”，敢于開放場景與激勵機制，讓內(nèi)部和外部人才真正在場景的戰(zhàn)略鍛煉。

以下為孫天澍對談實錄：

問題一、在當(dāng)前時間點，國家推出“人工智能+”戰(zhàn)略的必然性和深層考量是什么？“人工智能+”與所有企業(yè)都相關(guān)嗎？

孫天澍：我認為在2025年8月這個時間點推出“人工智能+”，是非常及時和準(zhǔn)確的，我覺得與所有企業(yè)都相關(guān)，至少有三個層面的關(guān)系。

第一，AI本質(zhì)是一次“智能革命”，我們正處在“AI下半場”的開端，智能開始重構(gòu)千行百業(yè)。這個階段最顯著的特征是，隨著模型的開源、智能體的爆發(fā)以及成本的快速下降，智能本身已經(jīng)不再是稀缺資源。

真正的卡點，從技術(shù)本身轉(zhuǎn)向了產(chǎn)業(yè)場景，轉(zhuǎn)向了如何利用無處不在的AI智能去重構(gòu)場景，在千行百業(yè)創(chuàng)造真實的業(yè)務(wù)價值。所以，政策的推出恰好匹配了人工智能技術(shù)發(fā)展的內(nèi)在節(jié)奏，引導(dǎo)社會關(guān)注的重心從“數(shù)字產(chǎn)業(yè)化”， 包括基礎(chǔ)模型、算力、芯片，向“產(chǎn)業(yè)數(shù)字化”，即千行百業(yè)的垂直場景應(yīng)用轉(zhuǎn)移。?

第二，“人工智能+”是一個產(chǎn)業(yè)與AI“雙向奔赴”的必然過程。從產(chǎn)業(yè)端看，傳統(tǒng)行業(yè)迫切需要新的增長引擎和新質(zhì)生產(chǎn)力，而人工智能是目前看來最有機會擔(dān)當(dāng)此任的核心驅(qū)動力。從AI技術(shù)端看，技術(shù)的發(fā)展不能是無源之水，它需要有持續(xù)的價值源頭和資源注入。

千行百業(yè)的豐富場景、復(fù)雜的商業(yè)問題，恰恰為AI的迭代和可持續(xù)發(fā)展提供了最肥沃的土壤。如果沒有產(chǎn)業(yè)價值的創(chuàng)造，企業(yè)很難持續(xù)投入AI，AI技術(shù)本身也很難快速迭代和持續(xù)進步。尤其在中國，我們無法像美國那樣單純依靠巨額資本投入來驅(qū)動AI發(fā)展，我們最大的比較優(yōu)勢就是龐大的產(chǎn)業(yè)基礎(chǔ)。只有將千行百業(yè)的場景需求拉動起來，技術(shù)才能在應(yīng)用中創(chuàng)造價值，形成AI投入產(chǎn)出的正向循環(huán)。

第三，自上而下的政策推動具有重要的“教育”和“牽引”作用。我最近在產(chǎn)業(yè)中做了大量調(diào)研，一個很深的感受是，大多數(shù)企業(yè)家還沒有深刻意識到這次AI革命的本質(zhì)和“智能”對產(chǎn)業(yè)重構(gòu)的深度和廣度。

今天我觀察到大多數(shù)企業(yè)的最大問題是只在低頭解決今天的事兒，沒有人在架構(gòu)明天的場景，更沒有人去想象后天的業(yè)務(wù)。很多人仍在用產(chǎn)業(yè)慣性的思維或“互聯(lián)網(wǎng)+”模式來理解“人工智能+”，或者還在追求規(guī)模小、短平快的功能應(yīng)用，沒有從AI原生的思維方式去設(shè)計業(yè)務(wù)場景、商業(yè)模式和組織架構(gòu)。

因此，需要一個自上而下的政策推手，甚至像KPI一樣，來“牽引”企業(yè)進行更深層次的思考和規(guī)劃。這波變革與“互聯(lián)網(wǎng)+”有本質(zhì)不同，后者更多是渠道和鏈接的改變，相對直觀、企業(yè)容易理解并建立獨立團隊發(fā)展；而“人工智能+”是內(nèi)核與架構(gòu)的變革，更加抽象，企業(yè)需要重新用AI架構(gòu)自身的發(fā)展模式，思考用智能體創(chuàng)造價值的根本方式。雖然企業(yè)的感知開始不一定像互聯(lián)網(wǎng)渠道崛起時那么明顯，但企業(yè)的業(yè)務(wù)場景、商業(yè)模式、組織流程、生態(tài)協(xié)同都可能從內(nèi)核被徹底重構(gòu)。

問題二：結(jié)合您的觀察，目前中國的人工智能+大概走到了一個什么樣的階段？企業(yè)投入AI的瓶頸和機會在哪？

孫天澍：人工智能+才剛剛開始，所有企業(yè)都在AI下半場的同一起跑線上。

從產(chǎn)業(yè)視角看，我們正處在一個轉(zhuǎn)折點。過去大家更多關(guān)注的是“數(shù)字產(chǎn)業(yè)化”，比如基礎(chǔ)模型、算力、芯片的發(fā)展。而現(xiàn)在，隨著“AI下半場”的開啟，關(guān)注點正在向這個大基座之上的千行百業(yè)的垂直場景和業(yè)務(wù)應(yīng)用轉(zhuǎn)移。這是一個全新的開始，給了所有企業(yè)重新思考、謀劃和布局的機會。

我的個人觀點：AI的發(fā)展遠遠快于產(chǎn)業(yè)吸收AI的能力，智能體所打開的可能性遠遠大于產(chǎn)業(yè)中目前通過智能實現(xiàn)的場景價值。即便今天所有AI科技停止進步，僅用現(xiàn)有的智能技術(shù)，也足以在未來很多年內(nèi)對所有產(chǎn)業(yè)帶來巨大的變革和重構(gòu)。產(chǎn)業(yè)與技術(shù)中間存在一個巨大的“AI認知差”。

這個認知差的根源，在于產(chǎn)業(yè)中核心決策者的“AI架構(gòu)思維”。智能不再稀缺，缺的是架構(gòu)智能的能力。這種AI架構(gòu)能力，不是指對具體技術(shù)的細節(jié)了解，比如懂不懂Transformer或RAG或RLHF，而是一種用智能去重構(gòu)業(yè)務(wù)場景的思維方式。一個頂尖的企業(yè)家，必須能超越單點技術(shù)，結(jié)合自己對產(chǎn)業(yè)的深刻認知和對需求本質(zhì)的洞察，去想象未來，把AI技術(shù)“拉”進自己的企業(yè)場景和產(chǎn)業(yè)鏈路。如果這種認知不能突破，企業(yè)乃至整個行業(yè)都可能在AI下半場陷入停滯。

所以，這次人工智能+浪潮，最核心的變量最終還是“人”。每個行業(yè)都需要新一代的“AI業(yè)務(wù)架構(gòu)師”：能融合業(yè)務(wù)場景和智能體能力，用AI架構(gòu)下一代業(yè)務(wù)形態(tài)、組織設(shè)計和商業(yè)模式的人。他們可能是傳統(tǒng)企業(yè)家實現(xiàn)了認知突破和自我革命，也可能是一個對產(chǎn)業(yè)有理解、對智能有原生認知和習(xí)慣的年輕人。他們將是改變行業(yè)本質(zhì)的關(guān)鍵力量。

問題三、政策為“人工智能+”設(shè)定了2027年、2030年和2035年三個關(guān)鍵時間節(jié)點，并以“應(yīng)用普及率”作為階段性的量化目標(biāo)。企業(yè)應(yīng)如何理解這些節(jié)點和指標(biāo)的現(xiàn)實意義，如何制定目標(biāo)來評估和指導(dǎo)自身的AI落地？

孫天澍：我對這次AI智能革命的衡量和評估方式有一些不同的看法。我認為，不能用過去衡量工具革命（如IT、云計算、互聯(lián)網(wǎng)App）的方式來推演和測量這一波浪潮。最大的不同在于，這次AI革命的核心是“智能”本身，而不僅僅是“工具”或“技術(shù)”。

在過去的IT體系中，無論系統(tǒng)多強大都是輔助，最終做決策的依然是人，人是體系中唯一的智能單元。但AI革命的本質(zhì)，是智能體本身就有“智能”，可以直接決策，形成執(zhí)行和反饋閉環(huán)。這意味著，AI不再是一個可以簡單計數(shù)的、離散的工具（比如企業(yè)是否上了某套系統(tǒng)、用了某個App），智能會像電一樣滲透和融合到業(yè)務(wù)場景中決策的方方面面，催生類似“流水線”這樣的創(chuàng)新和重構(gòu)，帶來巨大價值。

因此，我認為，AI智能的普及率還是要用“場景”和“價值”來衡量：AI在一個行業(yè)或企業(yè)的多少場景中多大程度賦能甚至替代了場景中的做“決策”所需的智能，從而真正改變了場景的業(yè)務(wù)模式和組織形態(tài)，創(chuàng)造了價值。像“應(yīng)用普及率”這樣的指標(biāo)，如果還用傳統(tǒng)方式去定義，比如統(tǒng)計有多少企業(yè)用了某個AI應(yīng)用，我認為是不本質(zhì)的。

未來的智能形態(tài)可能更加融合，比如一條智能生產(chǎn)線，你很難分清是人形機器人、機械臂還是某個軟件系統(tǒng)在發(fā)揮作用，它是一個整體。一個企業(yè)、一個場景可能Token消耗量巨大，但表面上看不到一個具象的AI應(yīng)用，但是場景已經(jīng)重構(gòu)、企業(yè)已經(jīng)變革。

所以，如何創(chuàng)造性地定義和衡量“普及率”，本身就是一個對學(xué)術(shù)界和產(chǎn)業(yè)界都提出的新挑戰(zhàn)。我認為，在“數(shù)字產(chǎn)業(yè)化”相關(guān)的行業(yè)中可以用模型迭代和Token消耗來做衡量指標(biāo)，代表“智能的供給”；但是，“人工智能+”所關(guān)注的千行百業(yè)應(yīng)用普及必須用AI所變革的“場景”來衡量“智能的價值”。

當(dāng)然，政策設(shè)定2027年普及率超70%這樣的目標(biāo)，核心意圖在于“驅(qū)動”和“牽引”，加速所有企業(yè)向這個方向努力。但我們必須認識到，這只是一個過程性指標(biāo)，服務(wù)于最終的經(jīng)濟增長目標(biāo)。真正的實質(zhì)，是企業(yè)是否用AI架構(gòu)了下一代的場景，創(chuàng)造了下一代的需求，創(chuàng)新了下一代的產(chǎn)品，重塑了下一代的組織，最終實現(xiàn)了產(chǎn)業(yè)模式的轉(zhuǎn)型和業(yè)務(wù)價值的躍升。

所以，一個更好的衡量方式，是轉(zhuǎn)向以"場景"為單位。一個企業(yè)內(nèi)部有多少核心業(yè)務(wù)場景，實現(xiàn)了由AI智能作為內(nèi)核驅(qū)動的、從需求洞察到組織供給的價值閉環(huán)。當(dāng)越來越多的企業(yè)找到了自己的標(biāo)桿場景，就會逐漸形成新的行業(yè)標(biāo)準(zhǔn)和更具體的衡量方式。

比如，我們每天刷的短視頻，就是一個典型的智能原生場景，背后沒有千萬客服，但每個用戶的個性化需求都得到了滿足。企業(yè)轉(zhuǎn)型的關(guān)鍵，就是要找到這樣能夠被智能原生方式重構(gòu)的場景，而不是在所有地方"撒胡椒面"。

問題四：MIT Nanda報告發(fā)現(xiàn)95%的企業(yè)還沒有從AI投入中得到價值。企業(yè)落地的很多AI應(yīng)用的嘗試是失敗的，難以真正服務(wù)于業(yè)務(wù)增長，根本原因是什么？

孫天澍：根源在于，大多數(shù)企業(yè)還沒有真正思考清楚如何在自己的核心業(yè)務(wù)選擇最適合AI重構(gòu)的場景，如何在場景中深度融合AI，用AI去架構(gòu)下一代的業(yè)務(wù)模式和組織形式。今天最稀缺的，不是AI技術(shù)本身，而是這種圍繞業(yè)務(wù)場景的“AI架構(gòu)能力”。我用一個教育的例子來說明。無論是大學(xué)生還是企業(yè)家來上課，本質(zhì)需求都是為了解決自己的個性化問題，實現(xiàn)成長。

但過去千百年的教育模式都受限于供給——優(yōu)秀的老師是稀缺的。所以，我們習(xí)慣了“教室”這種組織形式。但今天，當(dāng)智能不再稀缺，我們完全可以重構(gòu)這種服務(wù)模式。

一個AI智能體可以服務(wù)于每一個學(xué)生，深度理解他的需求畫像和業(yè)務(wù)問題，再結(jié)合老師的知識庫和行業(yè)實踐，提供個性化、高頻的交流和學(xué)習(xí)。未來，可能所有人依然在同一個時間聽同一個老師講課，但每個人聽到的內(nèi)容可能是完全不同的，是針對他所在行業(yè)和具體問題的。在這個過程中，老師的時間價值被放大了成百上千倍，學(xué)生的需求也得到了更充分的滿足。

從這個例子就可以看出，這個變革的重點，不是老師用了某個AI工具，而是整個行業(yè)和場景的供需模式被重構(gòu)了。要實現(xiàn)這一點，就需要有人能夠深刻理解需求的本質(zhì)，大膽想象未來的場景，并用AI智能體去架構(gòu)出新的工作流。這正是吳恩達在他最近的訪談中所強調(diào)的，關(guān)鍵在于能否用AI閉環(huán)解決一個小場景的直接問題。

所以，對于一個企業(yè)而言，當(dāng)務(wù)之急是在上千個業(yè)務(wù)環(huán)節(jié)中，找到一到兩個最核心、最能體現(xiàn)價值的場景，將其打造成AI智能為內(nèi)核驅(qū)動的業(yè)務(wù)閉環(huán)標(biāo)桿。

最重要的是：“先成就AI，再讓AI成就你”。你需要先“成就AI”，即為AI智能體提供數(shù)據(jù)、工具、權(quán)限和工作流，讓它在這個場景中成長起來；然后再讓"AI成就你"，即讓這個智能內(nèi)核驅(qū)動場景的效率和價值不斷迭代、越跑越快。這個選擇場景和架構(gòu)智能體的過程，比盲目地上馬項目要重要得多。

問題五：既然并非所有企業(yè)的所有場景都適合，那么一個企業(yè)該如何判斷自己是否適合"人工智能+"？以及，如何才能找到那些真正適合被AI重構(gòu)的“原生場景”？

孫天澍：判斷一個企業(yè)是否適合，或者說，判斷一個業(yè)務(wù)場景是否適合"AI重構(gòu)"，我自己評估場景有一個很簡單但很直接的 “百萬員工問題” （litmus test 石蕊測試）：如果你的企業(yè)或某個具體的場景中，突然多出100萬個不知疲倦、記憶力超群、還能不斷學(xué)習(xí)的智能員工，你在業(yè)務(wù)場景中是否可以更好、更快、更深地滿足用戶需求？如果答案是肯定的，那么這個場景就有巨大的AI重構(gòu)的機會。如果答案是否定的，說明這個場景對智能的"包容性"不夠大，智能的投入并不能在場景中帶來邊際收益的顯著提升。

所以，不是所有企業(yè)都適合AI重構(gòu)，大多數(shù)場景也不一定適合AI投入。選擇大于努力，找到適合智能重構(gòu)的原生場景，是一個企業(yè)在人工智能+時代最重要的“能力”和“運氣”。

技術(shù)革命從來不是公平的，你可以把它想象成從外星來的神秘力量，不是所有人都會被幸運的擊中。類似于如果你今天所在的“捕魚”的地方?jīng)]有大魚了，那么一個頂級的創(chuàng)業(yè)者，應(yīng)該做的不是在原地繼續(xù)撒網(wǎng)，而是把船開到新的、可能有鯨魚出沒的海域，重新開始?！氨鵁o常勢，水無常形”，擁有適應(yīng)和擁抱AI智能體的勇氣和決心，比固守歷史包袱和沉沒成本更重要。

至于如何找到這些場景，除了一開始的那個核心問題，我總結(jié)了一個更具體的“AI場景重構(gòu)”方法論，就是看一個場景是否滿足“三多一高一復(fù)雜”的特征：

三多：員工多（或重復(fù)性人力勞動多）、用戶/客戶多、費用多（成本高）。

一高：高頻互動。

一復(fù)雜：需要復(fù)雜的知識和判斷。

滿足這些特征的場景，通常是AI能夠發(fā)揮巨大價值的地方。但最難的，還是對產(chǎn)業(yè)需求本質(zhì)的理解，并且是超越今天的需求，去想象和創(chuàng)造下一代的需求。這需要懂未來、懂產(chǎn)業(yè)、懂智能的人來共同架構(gòu)。

問題六：AI重構(gòu)千行百業(yè)確實是一個大機會，但人工智能+的機會到底是誰的機會，是少數(shù)大廠的機會，還是無數(shù)創(chuàng)業(yè)公司的機會，還是頂尖產(chǎn)業(yè)企業(yè)的機會？

孫天澍：多數(shù)的價值到今天為止都被大廠拿到。但是未來在人工智能+千行百業(yè)場景當(dāng)中，我覺得創(chuàng)業(yè)者會有許多的機會，因為“人工智能+”不是一個C端平臺入口的心智，也不是一個規(guī)?；募夹g(shù)底座建設(shè)，而是對千行百業(yè)的場景重構(gòu)。

在C端我覺得其實巨頭平臺的心智入口相對來說是創(chuàng)業(yè)公司不是那么容易能夠去替代，短期內(nèi)也很難改變現(xiàn)有的競爭格局。在面向用戶C端的創(chuàng)業(yè)賽道上，依然是一個超級富二代之戰(zhàn)，由在今天擁有場景、擁有數(shù)據(jù)、也擁有智能定義能力的科技大廠來扮演非常關(guān)鍵的角色。

但在人工智能+千行百業(yè)場景上，我覺得創(chuàng)業(yè)者有巨大的機會。因為他沒有在消費端的規(guī)模效應(yīng)、網(wǎng)絡(luò)效應(yīng)和成本效應(yīng)，它會有很多的新的對于產(chǎn)業(yè)重構(gòu)的邏輯。而在用戶端，這樣的規(guī)模效應(yīng)、網(wǎng)絡(luò)效應(yīng)和成本效應(yīng)是非常清晰和明顯的。

從今天的閃購大戰(zhàn)可以看出兩個重要趨勢：“超級入口 + 超級AI”。

所謂超級入口，是指用戶的時間與錢包份額進一步向少數(shù)平臺聚集；未來吃喝玩樂、衣食住行、社交與知識獲取，都會在更少的端上呈現(xiàn)、滿足并形成閉環(huán)。

以閃購為代表的超級入口聚合，會進一步賦能并放大“超級 AI”：因為場景與數(shù)據(jù)更豐富、更閉環(huán)，AI 能更好地嵌入、迭代與學(xué)習(xí)，形成智能體的進化。在消費者端，垂直與感性需求仍有創(chuàng)業(yè)機會，但在理性、綜合需求維度，競爭仍將是“超級富二代之戰(zhàn)”。

對AI 原生創(chuàng)業(yè)企業(yè)而言，未來有兩大優(yōu)勢：

其一，思維的原生，沒有既有規(guī)則或組織結(jié)構(gòu)的限制，從第一天起就能圍繞智能體能力來架構(gòu)人機協(xié)同工作流與AI原生的商業(yè)模式，直接面向客戶需求，“先成就AI，然后讓AI成就你”，因而擁有全新的機會；

其二，資產(chǎn)的原生，沒有沉重的歷史核心資產(chǎn)，就不會因為 AI 智能體的到來把這些資產(chǎn)變成核心負債。許多龍頭產(chǎn)業(yè)的挑戰(zhàn)在于，過去引以為豪的核心資產(chǎn)正在漸漸變成包袱。以數(shù)碼相機為例，它讓柯達的膠卷、全球沖洗工廠、分銷渠道與零售網(wǎng)點，迅速從優(yōu)勢轉(zhuǎn)為負擔(dān)。

今天，智能的廣泛涌現(xiàn)與無處不在，正在改變各行業(yè)的工作方式——可以用更AI 原生的方式、圍繞動態(tài)迭代的智能來重構(gòu)組織。AI 原生創(chuàng)業(yè)的核心機會，正是把產(chǎn)業(yè)領(lǐng)先者的核心資產(chǎn)變?yōu)槠浜诵呢搨匀碌姆绞綄崿F(xiàn)跨越。

我覺得縱觀人類歷史，今天一個人所擁有的杠桿比以往任何時候都大得多。因為我們擁有了新的杠桿——智能體杠桿。過去規(guī)?；仨氁蕾?scale by people / product / capital（用人才杠桿、產(chǎn)品杠桿、資本杠桿來規(guī)?；裉煨略隽酥悄荏w杠桿（scale by agents）：智能無處不在，一個人可以大規(guī)模地架構(gòu)大量的智能體滿足需求、重構(gòu)業(yè)務(wù)、重塑場景。

因此，未來一定會出現(xiàn)回報率極高的投資方式與增長速度極快的創(chuàng)業(yè)方式：不再只是 1 倍、2 倍、3 倍的回報，而是會出現(xiàn)百倍、千倍杠桿的創(chuàng)業(yè)與企業(yè)，只是多數(shù)人尚未適應(yīng)這種新杠桿，更無法駕馭這種杠桿。

對現(xiàn)在領(lǐng)先的產(chǎn)業(yè)企業(yè)來說，最大的能力與優(yōu)勢在于長期經(jīng)營所形成的場景資產(chǎn)和數(shù)據(jù)資產(chǎn)。正因為擁有這些場景，才能把智能無縫融合進去，無須從零創(chuàng)造場景；也因此沉淀了大量數(shù)據(jù)與支撐體系。數(shù)據(jù)資產(chǎn)應(yīng)作廣義理解：既包括對客戶需求、生產(chǎn)環(huán)境、零售渠道等結(jié)構(gòu)化和非結(jié)構(gòu)化的“具象的數(shù)據(jù)”，也包括企業(yè)員工與專家積累的經(jīng)驗與知識（腦中的知識和認知，“無形的數(shù)據(jù)”）。

這些都是產(chǎn)業(yè)企業(yè)抵御 AI 原生企業(yè)進攻的關(guān)鍵。要用好場景資產(chǎn)與數(shù)據(jù)資產(chǎn)這兩個核心要素，真正用 AI 智能體釋放場景和數(shù)據(jù)價值；若再疊加AI 原生思維，就有機會成為AI下半場真正的“超級富二代”，把既有優(yōu)勢轉(zhuǎn)化為下一代產(chǎn)業(yè)的護城河，并將潛在的負債轉(zhuǎn)化為差異化優(yōu)勢與增量價值。

問題七：選擇場景后，企業(yè)進行AI轉(zhuǎn)型需要投入真金白銀，在短期內(nèi)可能看不到業(yè)務(wù)價值的情況下，該如何衡量投入產(chǎn)出比（ROI）？

孫天澍：關(guān)于這個問題，我有兩句很直接的話：衡量AI投入最終也是唯一的方式，就是業(yè)務(wù)價值。在業(yè)務(wù)價值實現(xiàn)之前，靠信仰。這聽起來可能很玄，但就像創(chuàng)業(yè)一樣，它本質(zhì)上是一種基于判斷的投入。不過，“信仰”不等于“盲目”。在最終的業(yè)務(wù)價值實現(xiàn)之前，AI架構(gòu)師的核心能力之一，就是能夠精確地設(shè)計“中間指標(biāo)”和階段性的業(yè)務(wù)里程碑。

在選對場景后，最關(guān)鍵的是要定義好在場景中AI要實現(xiàn)的“中間目標(biāo)”，定義對AI轉(zhuǎn)型的業(yè)務(wù)目標(biāo)本身就成功了一半，因為它會牽引整個組織向特定的方向努力。舉個醫(yī)藥零售的例子，企業(yè)的最終目標(biāo)是提升GMV和利潤。但AI轉(zhuǎn)型的切入點是什么？是提升單個會員的全生命周期價值，還是賦能藥店開出更多的分店？這背后是完全不同的戰(zhàn)略選擇。如果你選擇前者，你的中間指標(biāo)可能會拆解為：提升會員到店頻次、提升進店轉(zhuǎn)化率、提升關(guān)聯(lián)銷售和客單價等等。

一個好的中間指標(biāo)，必須滿足兩個條件：第一，它是一個有明確價值的業(yè)務(wù)指標(biāo)；第二，它可以成為智能體動態(tài)迭代的“獎勵函數(shù)”。就像抖音的用戶時長，這個指標(biāo)既是業(yè)務(wù)目標(biāo)，也可以被拆解為單視頻停留、觀看完成率等，從而指導(dǎo)推薦算法的迭代。當(dāng)算法發(fā)現(xiàn)給你推的內(nèi)容你只看了一秒就劃走，它就知道這個推薦是失敗的，需要調(diào)整策略。這種將業(yè)務(wù)目標(biāo)轉(zhuǎn)化為數(shù)據(jù)指標(biāo)，并用其牽引智能體迭代形成飛輪的能力，正是"AI架構(gòu)思維"的核心體現(xiàn)。

所以，企業(yè)要做的，就是找到那個能夠快速數(shù)據(jù)反饋、形成閉環(huán)、并能持續(xù)產(chǎn)生業(yè)務(wù)價值的場景和“中間指標(biāo)”。一旦你建立了這個機制，剩下的就可以交給AI，相信它迭代的速度和潛力。

問題八：如何理解“人工智能+”行動中說到的"智能原生"（AI原生），怎么培養(yǎng)智能原生的思維，它具體體現(xiàn)在哪些方面？

孫天澍：“智能原生” 是真正以智能為中心來建立業(yè)務(wù)和組織，智能原生企業(yè)可以通過巧妙的架構(gòu)業(yè)務(wù)模式和組織協(xié)同，把智能體的能力在場景充分釋放出來。

比如抖音和滴滴都是移動原生的產(chǎn)品，在PC時代很難想象刷抖音和用滴滴，沒有手機的交互（觸摸屏上劃下劃）和攝像頭不可能消費和生產(chǎn)短視頻內(nèi)容，沒有實時GPS位置的共享也不可能有用戶和司機的高效匹配。做到“智能原生”，最重要的是思考你怎么幫智能體成功，你要像一個“伯樂”一樣，去思考如何培養(yǎng)“智能體”這匹千里馬，真正幫助它在場景中成功。

我們可以想象，企業(yè)里來了一個“怪才”新員工——AI智能體。她有無限的記憶，可以快速吸收和融合海量知識，能調(diào)用各種工具和接口，24小時7天不斷工作，也有動態(tài)的反饋迭代能力，可以持續(xù)學(xué)習(xí)甚至智能"涌現(xiàn)"，但是在另一些方面卻沒有普通人都有的一些常見能力比如識別意圖和穩(wěn)定對話。

AI原生的思考方式，就是要你發(fā)自內(nèi)心地理解并信仰這個新同學(xué)的能力，并思考如何最大化幫助她 -- 教她知識，給她數(shù)據(jù)，配備工具和權(quán)限，持續(xù)給她反饋和陪伴。你要真心希望她成功，希望她成為組織的中心，而不是把她看作一個威脅，擔(dān)心她搶了你的風(fēng)頭，或者是希望她完全能夠遷就你，幫助你在現(xiàn)有的工作習(xí)慣下和組織流程中完成任務(wù)。

還是上面強調(diào)的那句話，要學(xué)會“先成就AI，再讓AI成就你”。想象你是邁阿密足球隊的教練，當(dāng)梅西轉(zhuǎn)會來之后，要思考如何圍繞他來重構(gòu)陣型，幫助新同學(xué)（“智能體”）成功，而不是讓他適應(yīng)之前的傳統(tǒng)打法。

具體來說，這種“AI原生架構(gòu)”思維體現(xiàn)在幾個方面：

先把AI智能體玩起來，對AI智能體的能力邊界有直覺，懂原理：AI下半場，優(yōu)秀的企業(yè)家需要通過使用agent不斷培養(yǎng)直覺，了解AI智能體能力的邊界，而偉大的企業(yè)家還需要抓住AI智能的原理和本質(zhì)，深刻地把握智能的運作方式和技術(shù)原理。只有這樣才能不但理解今天智能體的能力和局限，也能夠預(yù)測明天智能體的突破和創(chuàng)新，圍繞智能體演化的路徑和方向，不斷去定義新的業(yè)務(wù)模式，發(fā)現(xiàn)新的業(yè)務(wù)場景，布局新的業(yè)務(wù)創(chuàng)新。

設(shè)計人機協(xié)同流程：你要思考，如何為這個AI員工配備人類的合作伙伴，甚至是一些人類員工的上司，你需要知道如何為她配備知識、數(shù)據(jù)、工具、系統(tǒng)和權(quán)限。讓她能夠更好地融入組織，發(fā)揮作用。

配套幫助AI智能體持續(xù)迭代的機制：你需要理解"獎勵函數(shù)"的重要性，知道如何為AI員工設(shè)計清晰的考核目標(biāo)和反饋迭代機制，讓智能體能夠不斷成長。總而言之，今天的世界，懂商業(yè)的人很多，但“懂AI商業(yè)”的人很少。

所謂懂AI商業(yè)，就是能把AI的設(shè)計和商業(yè)的設(shè)計完美融合，用AI原生的方式去做商業(yè)。最終的目的不是為了做AI而做AI，而是用AI去創(chuàng)造性地架構(gòu)下一代的業(yè)務(wù)。這才是AI架構(gòu)思維的精髓。

問題九：您反復(fù)強調(diào)"AI架構(gòu)師"的重要性，這是否意味著"人才"是當(dāng)前推動人工智能+最大的卡點？我們又該如何培養(yǎng)這樣的人才？

孫天澍：是的，我認為今天人工智能+最大的挑戰(zhàn)和機遇都在于人才，特別是那種我所說的，真正懂產(chǎn)業(yè)、懂智能、懂未來的下一代"AI架構(gòu)師"。

一個“AI架構(gòu)師”可抵千軍萬馬。

今天我覺得人工智能+的一個很大的問題是擁有場景和數(shù)據(jù)的傳統(tǒng)企業(yè)，與擁有AI架構(gòu)能力的外部人才之間，存在一種“體系性的錯配”：擁有場景的人不擁有AI架構(gòu)能力，擁有AI架構(gòu)能力的人不擁有場景，而且互相找不到對方。怎么樣創(chuàng)造出一個合作、孵化、協(xié)同、共創(chuàng)的機制，是非常關(guān)鍵的。

關(guān)于如何培養(yǎng)，我的觀點是，AI架構(gòu)師一定是在重構(gòu)千行百業(yè)的“戰(zhàn)場”中打出來的，而不是在學(xué)校里學(xué)出來的。他們一定是在千行百業(yè)的戰(zhàn)場中，通過無數(shù)次的行業(yè)試錯、重構(gòu)和競爭中涌現(xiàn)出來的。當(dāng)然，我們可以為這種涌現(xiàn)創(chuàng)造條件。

我認為AI架構(gòu)師需要具備三個核心特質(zhì)：

懂智能，有“AI架構(gòu)思維”。這不一定要求會編程，但必須對AI能做什么、不能做什么有直覺，以及它的工作原理有定性的理解、并且對AI智能體的演化有興趣，當(dāng)你的企業(yè)多出100萬個AI員工時，能判斷出業(yè)務(wù)場景會發(fā)生什么變化，可能如何去架構(gòu)。

懂產(chǎn)業(yè)，有深刻洞察。這需要真正深入到產(chǎn)業(yè)場景中去，理解能源、醫(yī)療、制造等行業(yè)的真實需求本質(zhì)和組織方式。對于年輕人來說，這是最需要鍛煉的，也是最需要機會的。

懂未來，有原創(chuàng)勇氣。要敢于打破常規(guī)和產(chǎn)業(yè)固有的邏輯，用第一性原理去思考，去想象和架構(gòu)下一代的業(yè)務(wù)。同時，還要有能力駕馭轉(zhuǎn)型節(jié)奏，構(gòu)建人機協(xié)同的新工作方式。

前兩者（懂智能、懂產(chǎn)業(yè)）都是可以通過創(chuàng)造機會來培養(yǎng)的。培養(yǎng)一個AI架構(gòu)師，和培養(yǎng)一個AI模型很像，你必須給他提供場景、數(shù)據(jù)和反饋機制。我們要做的，就是創(chuàng)造出這樣的環(huán)境，讓有潛力的年輕人能夠在真實的千行百業(yè)的場景戰(zhàn)場中去訓(xùn)練，去完成他們大腦中神經(jīng)網(wǎng)絡(luò)參數(shù)的"預(yù)訓(xùn)練"和"微調(diào)"。所以，關(guān)鍵在于機制的建立，讓擁有場景和數(shù)據(jù)的企業(yè)，愿意把機會開放給擁有智能架構(gòu)潛力的年輕人。

問題十：您剛才說到，擁有場景和數(shù)據(jù)的傳統(tǒng)企業(yè)，與擁有AI架構(gòu)能力的外部人才之間，存在一種“體系性的錯配”，互相找不到對方。怎么建立機制，如何才能改善這種狀況？

孫天澍：這是一個非常深刻且普遍的問題，也是“人工智能+”與“互聯(lián)網(wǎng)+”一個很大的不同。要解決這種錯配，不能只靠政策引導(dǎo)，最終還是要靠市場機制。

核心在于，企業(yè)，特別是CEO，需要成為一個好的"AI架構(gòu)師"，這個架構(gòu)師不僅架構(gòu)業(yè)務(wù)，也架構(gòu)組織和人才。他需要有能力和"品味"去識別、發(fā)現(xiàn)、尋找和培養(yǎng)那些真正擁有智能架構(gòu)能力的人才，并且愿意把場景、數(shù)據(jù)、知識和實踐的機會開放給他們。這些人很可能來自企業(yè)外部。因為傳統(tǒng)產(chǎn)業(yè)內(nèi)部，直接擁有算法思維和原創(chuàng)勇氣的人才并不多。

這就帶來了一系列現(xiàn)實問題：薪資結(jié)構(gòu)怎么定？一個頂尖的AI人才，為什么要加入一個薪酬和節(jié)奏都相對傳統(tǒng)的行業(yè)？這需要企業(yè)在組織設(shè)計和激勵機制上進行大膽的創(chuàng)新，用市場化的方式，讓頂尖人才愿意并能夠快速進入千行百業(yè)。我認為，當(dāng)前互聯(lián)網(wǎng)行業(yè)的人才溢出，就是一個巨大的機會。

我常說，互聯(lián)網(wǎng)是一座“小山”，從業(yè)者加起來幾百萬人；而人工智能+的千行百業(yè)是一座“大山”，從業(yè)者有幾億人。如何讓從“小山”里出來的、經(jīng)過了數(shù)字化“學(xué)前班”訓(xùn)練的人才，進入到“大山”里，在重構(gòu)產(chǎn)業(yè)的真實戰(zhàn)場中，成長為真正的"黃埔軍校"學(xué)員，也就是AI架構(gòu)師，這是時代給予我們的巨大機遇。

總結(jié)： 這輪“人工智能+”的實質(zhì)，不是工具換代，而是“智能”成為產(chǎn)業(yè)的新內(nèi)核。決定成敗的不是技術(shù)堆疊，而是在千行百業(yè)的場景中架構(gòu)智能的能力， 誰能率先以“AI架構(gòu)思維”，找到AI原生場景，定好指標(biāo)和迭代，在場景中培養(yǎng)AI架構(gòu)師，用智能體杠桿重構(gòu)業(yè)務(wù)模式和組織設(shè)計，誰就能真正在“人工智能+”的AI下半場中領(lǐng)先，定義下一代產(chǎn)業(yè)。