人工智能的认识和看法论文

　　2025年8月，国家正式推出“人工智能+”战略框架。这是一个重要的顶层设计：2027年应用普及率超过70%，2030年成为推动经济发展的重要力量，2035年成为经济发展主导力量。但是在大的顶层设计之下，也从产业、企业、场景、人才等方面留给了“人工智能+”落地很多重要的命题。当AI智能体可以参与决策、执行任务，甚至成为业务运转的核心时，企业的价值创造方式将被彻底改写。其变革影响之深远，远超大多数人的想象。

　　长江商学院终身教授孙天澍认为，“AI与人类历史上所有技术有一个最本质的差异：AI不再是辅助人类的“工具”，而是与人类类似的“智能”本身。”

　　“我们正在快速进入“AI下半场”——智能不再稀缺，稀缺的是如何在业务场景中架构智能、创造价值的能力。“人工智能+”产业落地最缺的是“AI架构师”：能融合业务场景和智能体能力，用AI架构下一代业务形态、组织设计和商业模式的人才。”

　　为了深入探讨这些落地问题，我们与长江商学院科技与运营终身教授、杰出院长讲席教授、数字化转型中心主任孙天澍进行了长达四个小时的系统对话。孙天澍之前是南加州大学商学院与计算机系终身教授，研究跨界结合AI与商业，聚焦企业/产业的“AI业务场景重构”，在中美顶尖科技企业Meta、阿里巴巴等拥有丰富的实践经历，并担任多家大型科技企业与产业企业的董事和资深顾问。

　　9. 智能原生思维 - “先成就AI，再让AI成就你”：智能原生企业需要先“成就AI”，即为AI智能体提供知识、数据、工具、权限和协同工作流，让它在这个场景中成长起来；然后再让AI成就你，即让这个智能内核驱动场景的效率、反馈和价值不断迭代、越跑越快。这个选择场景和架构智能体的过程，比盲目地上马项目要重要得多。

　　12. “产业”和“AI”的体系性人才错配亟待解决：“人工智能+”相比“互联网+”的一个核心挑战是人才的错配。产业企业有场景与数据，但缺AI架构能力；而有AI架构能力的人才，缺少产业场景和数据。解决之道是企业家具备“AI架构思维”，敢于开放场景与激励机制，让内部和外部人才真正在场景的战略锻炼。

　　千行百业的丰富场景、复杂的商业问题，恰恰为AI的迭代和可持续发展提供了最肥沃的土壤。如果没有产业价值的创造，企业很难持续投入AI，AI技术本身也很难快速迭代和持续进步。尤其在中国，我们无法像美国那样单纯依靠巨额资本投入来驱动AI发展，我们最大的比较优势就是庞大的产业基础。只有将千行百业的场景需求拉动起来，技术才能在应用中创造价值，形成AI投入产出的正向循环。

　　因此，需要一个自上而下的政策推手，甚至像KPI一样，来“牵引”企业进行更深层次的思考和规划。这波变革与“互联网+”有本质不同，后者更多是渠道和链接的改变，相对直观、企业容易理解并建立独立团队发展；而“人工智能+”是内核与架构的变革，更加抽象，企业需要重新用AI架构自身的发展模式，思考用智能体创造价值的根本方式。虽然企业的感知开始不一定像互联网渠道崛起时那么明显，但企业的业务场景、商业模式、组织流程、生态协同都可能从内核被彻底重构。

　　这个认知差的根源，在于产业中核心决策者的“AI架构思维”。智能不再稀缺，缺的是架构智能的能力。这种AI架构能力，不是指对具体技术的细节了解，比如懂不懂Transformer或RAG或RLHF，而是一种用智能去重构业务场景的思维方式。一个顶尖的企业家，必须能超越单点技术，结合自己对产业的深刻认知和对需求本质的洞察，去想象未来，把AI技术“拉”进自己的企业场景和产业链路。如果这种认知不能突破，企业乃至整个行业都可能在AI下半场陷入停滞。

　　所以，这次人工智能+浪潮，最核心的变量最终还是“人”。每个行业都需要新一代的“AI业务架构师”：能融合业务场景和智能体能力，用AI架构下一代业务形态、组织设计和商业模式的人。他们可能是传统企业家实现了认知突破和自我革命，也可能是一个对产业有理解、对智能有原生认知和习惯的年轻人。他们将是改变行业本质的关键力量。

　　在过去的IT体系中，无论系统多强大都是辅助，最终做决策的依然是人，人是体系中唯一的智能单元。但AI革命的本质，是智能体本身就有“智能”，可以直接决策，形成执行和反馈闭环。这意味着，AI不再是一个可以简单计数的、离散的工具（比如企业是否上了某套系统、用了某个App），智能会像电一样渗透和融合到业务场景中决策的方方面面，催生类似“流水线”这样的创新和重构，带来巨大价值。

　　因此，我认为，AI智能的普及率还是要用“场景”和“价值”来衡量：AI在一个行业或企业的多少场景中多大程度赋能甚至替代了场景中的做“决策”所需的智能，从而真正改变了场景的业务模式和组织形态，创造了价值。像“应用普及率”这样的指标，如果还用传统方式去定义，比如统计有多少企业用了某个AI应用，我认为是不本质的。

　　当然，政策设定2027年普及率超70%这样的目标，核心意图在于“驱动”和“牵引”，加速所有企业向这个方向努力。但我们必须认识到，这只是一个过程性指标，服务于最终的经济增长目标。真正的实质，是企业是否用AI架构了下一代的场景，创造了下一代的需求，创新了下一代的产品，重塑了下一代的组织，最终实现了产业模式的转型和业务价值的跃升。

　　孙天澍：根源在于，大多数企业还没有真正思考清楚如何在自己的核心业务选择最适合AI重构的场景，如何在场景中深度融合AI，用AI去架构下一代的业务模式和组织形式。今天最稀缺的，不是AI技术本身，而是这种围绕业务场景的“AI架构能力”。我用一个教育的例子来说明。无论是大学生还是企业家来上课，本质需求都是为了解决自己的个性化问题，实现成长。

　　一个AI智能体可以服务于每一个学生，深度理解他的需求画像和业务问题，再结合老师的知识库和行业实践，提供个性化、高频的交流和学习。未来，可能所有人依然在同一个时间听同一个老师讲课，但每个人听到的内容可能是完全不同的，是针对他所在行业和具体问题的。在这个过程中，老师的时间价值被放大了成百上千倍，学生的需求也得到了更充分的满足。

　　从这个例子就可以看出，这个变革的重点，不是老师用了某个AI工具，而是整个行业和场景的供需模式被重构了。要实现这一点，就需要有人能够深刻理解需求的本质，大胆想象未来的场景，并用AI智能体去架构出新的工作流。这正是吴恩达在他最近的访谈中所强调的，关键在于能否用AI闭环解决一个小场景的直接问题。

　　孙天澍：判断一个企业是否适合，或者说，判断一个业务场景是否适合AI重构，我自己评估场景有一个很简单但很直接的 “百万员工问题” （litmus test 石蕊测试）：如果你的企业或某个具体的场景中，突然多出100万个不知疲倦、记忆力超群、还能不断学习的智能员工，你在业务场景中是否可以更好、更快、更深地满足用户需求？如果答案是肯定的，那么这个场景就有巨大的AI重构的机会。如果答案是否定的，说明这个场景对智能的包容性不够大，智能的投入并不能在场景中带来边际收益的显著提升。

　　技术革命从来不是公平的，你可以把它想象成从外星来的神秘力量，不是所有人都会被幸运的击中。类似于如果你今天所在的“捕鱼”的地方没有大鱼了，那么一个顶级的创业者，应该做的不是在原地继续撒网，而是把船开到新的、可能有鲸鱼出没的海域，重新开始。“兵无常势，水无常形”，拥有适应和拥抱AI智能体的勇气和决心，比固守历史包袱和沉没成本更重要。

　　我觉得纵观人类历史，今天一个人所拥有的杠杆比以往任何时候都大得多。因为我们拥有了新的杠杆——智能体杠杆。过去规模化必须依赖 scale by people / product / capital（用人才杠杆、产品杠杆、资本杠杆来规模化），今天新增了智能体杠杆（scale by agents）：智能无处不在，一个人可以大规模地架构大量的智能体满足需求、重构业务、重塑场景。

　　对现在领先的产业企业来说，最大的能力与优势在于长期经营所形成的场景资产和数据资产。正因为拥有这些场景，才能把智能无缝融合进去，无须从零创造场景；也因此沉淀了大量数据与支撑体系。数据资产应作广义理解：既包括对客户需求、生产环境、零售渠道等结构化和非结构化的“具象的数据”，也包括企业员工与专家积累的经验与知识（脑中的知识和认知，“无形的数据”）。

　　孙天澍：关于这个问题，我有两句很直接的话：衡量AI投入最终也是唯一的方式，就是业务价值。在业务价值实现之前，靠信仰。这听起来可能很玄，但就像创业一样，它本质上是一种基于判断的投入。不过，“信仰”不等于“盲目”。在最终的业务价值实现之前，AI架构师的核心能力之一，就是能够精确地设计“中间指标”和阶段性的业务里程碑。

　　在选对场景后，最关键的是要定义好在场景中AI要实现的“中间目标”，定义对AI转型的业务目标本身就成功了一半，因为它会牵引整个组织向特定的方向努力。举个医药零售的例子，企业的最终目标是提升GMV和利润。但AI转型的切入点是什么？是提升单个会员的全生命周期价值，还是赋能药店开出更多的分店？这背后是完全不同的战略选择。如果你选择前者，你的中间指标可能会拆解为：提升会员到店频次、提升进店转化率、提升关联销售和客单价等等。

　　一个好的中间指标，必须满足两个条件：第一，它是一个有明确价值的业务指标；第二，它可以成为智能体动态迭代的“奖励函数”。就像抖音的用户时长，这个指标既是业务目标，也可以被拆解为单视频停留、观看完成率等，从而指导推荐算法的迭代。当算法发现给你推的内容你只看了一秒就划走，它就知道这个推荐是失败的，需要调整策略。这种将业务目标转化为数据指标，并用其牵引智能体迭代形成飞轮的能力，正是AI架构思维的核心体现。

　　比如抖音和滴滴都是移动原生的产品，在PC时代很难想象刷抖音和用滴滴，没有手机的交互（触摸屏上划下划）和摄像头不可能消费和生产短视频内容，没有实时GPS位置的共享也不可能有用户和司机的高效匹配。做到“智能原生”，最重要的是思考你怎么帮智能体成功，你要像一个“伯乐”一样，去思考如何培养“智能体”这匹千里马，真正帮助它在场景中成功。

　　AI原生的思考方式，就是要你发自内心地理解并信仰这个新同学的能力，并思考如何最大化帮助她 -- 教她知识，给她数据，配备工具和权限，持续给她反馈和陪伴。你要真心希望她成功，希望她成为组织的中心，而不是把她看作一个威胁，担心她抢了你的风头，或者是希望她完全能够迁就你，帮助你在现有的工作习惯下和组织流程中完成任务。

　　先把AI智能体玩起来，对AI智能体的能力边界有直觉，懂原理：AI下半场，优秀的企业家需要通过使用agent不断培养直觉，了解AI智能体能力的边界，而伟大的企业家还需要抓住AI智能的原理和本质，深刻地把握智能的运作方式和技术原理。只有这样才能不但理解今天智能体的能力和局限，也能够预测明天智能体的突破和创新，围绕智能体演化的路径和方向，不断去定义新的业务模式，发现新的业务场景，布局新的业务创新。

　　前两者（懂智能、懂产业）都是可以通过创造机会来培养的。培养一个AI架构师，和培养一个AI模型很像，你必须给他提供场景、数据和反馈机制。我们要做的，就是创造出这样的环境，让有潜力的年轻人能够在真实的千行百业的场景战场中去训练，去完成他们大脑中神经网络参数的预训练和微调。所以，关键在于机制的建立，让拥有场景和数据的企业，愿意把机会开放给拥有智能架构潜力的年轻人。

　　核心在于，企业，特别是CEO，需要成为一个好的AI架构师，这个架构师不仅架构业务，也架构组织和人才。他需要有能力和品味去识别、发现、寻找和培养那些真正拥有智能架构能力的人才，并且愿意把场景、数据、知识和实践的机会开放给他们。这些人很可能来自企业外部。因为传统产业内部，直接拥有算法思维和原创勇气的人才并不多。

　　总结： 这轮“人工智能+”的实质，不是工具换代，而是“智能”成为产业的新内核。决定成败的不是技术堆叠，而是在千行百业的场景中架构智能的能力， 谁能率先以“AI架构思维”，找到AI原生场景，定好指标和迭代，在场景中培养AI架构师，用智能体杠杆重构业务模式和组织设计，谁就能真正在“人工智能+”的AI下半场中领先，定义下一代产业。