方躍/文

2025年，AI技術進展幾乎以“日”為單位刷新著人們的認知。大模型、智能體、算力、數據中心、應用生態——每一個環節都在加速迭代與拓展。從全球范圍來看，OpenAI在企業市場暫時處于領跑地位，但Anthropic和Google等企業正在快速逼近。2026年，AI領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?；瘧?，模型能力更不能等同于組織能力。回顧過去一年的落地經驗，生成式AI的應用并未在所有企業中轉化為更高的員工創造力。

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“向實”的進化。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變革與過去的技術浪潮最大的不同在于，它不只是生產工具的迭代。生產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力三要素（勞動力、生產工具和生產資料）的邊界。當AI具備了生產力所有三要素的屬性，一個更高階的組織形態將自然浮現——我在即將出版的新書中將其稱為“超級智體”。

“超級智體”并非單一技術產品，而是AI時代企業進化的方向：企業擁有智慧大腦（核心），能夠像一個持續學習的系統那樣運轉，并在反饋中持續迭代自身的規則與能力。它主要由三部分構成：機器、人與組織。AI的“向人”與“向實”揭示了企業向“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”（能力閉環化），人“向人”（價值回歸），組織“向人”（組織形態向超級智體進化）。機器與人的“向人”推動了組織的“向人”，本質是“向人立心”。

2026年，AI的角色正在發生質變。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、能夠規劃并執行復雜任務的代理，甚至開始被期待成為可協作的伙伴。技術發展也從單純的預訓練知識積累，轉向具備邏輯推理與“慢思考”能力的后訓練階段。例如，OpenClaw的Agent系統和企業側的千問等，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“執行錯誤操作”。當AI擁有決策和行動權，錯誤不再是寫錯一句話，而可能是下錯一筆訂單、觸發錯誤的退款、將不該發送的數據發送出去。

這就是為什么2026年“治理”會成為關鍵詞：權限邊界如何設定？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）？

監管與企業治理在今年將進入拉鋸狀態：一方面企業渴望實現更深度的自動化，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”，企業必須意識到“每個模型都有自己的視角與性格”——同樣的數據與指令，不同模型可能強調不同的風險與優先級。因此，企業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：把模型當作可替換的認知模塊，用統一的目標、規則與權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難以替代的領域——腦資本：愿景、判斷、創造、同理、韌性，以及在復雜系統中協調沖突、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（設定愿景）、判斷力（倫理與價值選擇）、創造力（非線性突破）。世界經濟論壇也強調，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行者轉變為指揮者、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、重構企業流程與價值創造的核心力量。小團隊搭配AI能夠大幅壓縮溝通成本、強化執行效率，形成對傳統大型組織的競爭優勢，推動企業向更扁平、更具學習力的超級智體演進，其核心是以人為本的人機協同，而非單純的去人化。

組織“向人”是一場AI驅動的組織變革，其瓶頸不在于技術，而在于組織自身。固守科層制、傳統KPI與部門壁壘的企業，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，將直接抵消技術帶來的效率紅利。

2026年，企業真正用好AI的關鍵，是以治理為基石、以端到端流程再造為核心，搭建適配人機協同的新組織形態。唯有打破舊管理邏輯，建立可持續學習的組織系統，才能將AI轉化為實實在在的生產力，穿越技術熱潮與落地陣痛。

“向實”：AI落地應用、模型形態擴展、基建投入加碼

如果說“向人”的核心是“向人立心”，那么“向實”的核心是“向實立命”，針對的是更樸素也更關鍵的問題：技術到底能否轉化為生產力，能否在實體產業中創造真金白銀的價值。

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

2026年，“向實”將成為驗證這輪技術變革歷史地位的主戰場。“向實”需要抓住三層主線：應用層的規?；涞?、模型層的形態逐步擴展、以及基建層的全棧部署和有效投入。

“向實”首先意味著“規?；?。許多企業在前兩年已經證明AI“可用”，但尚未證明“可規模、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“經營兌現”：進入高頻工作流、產生可量化結果、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”，讓它在真實業務中長期運行、持續迭代，并穩定改善成本、效率、質量與風險曲線。

真正“向實”的AI，并非堆疊工具，而是讓組織獲得復利：每多運行一次流程，就多沉淀一份經驗；每多一次反饋，就多一分可復制能力。

“向實”的第二層是模型自身的形態演進帶來“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設備的“液體基礎模型”（LFMs）等高效架構形態，以及能夠理解物理規律、承載預測與控制的“世界模型”。

這意味著AI將越來越多地從“生成內容”走向“改變現實”：制造檢測、設備運維、醫療輔助、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，“向實”不只是商業壓力的要求，也是技術演化的方向。

“向實”的第三層是基礎設施的全棧部署和有效投入。AI基礎設施的市場規模巨大，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%。

重資產的持續投入表明，AI的競爭不僅發生在應用和模型層，更發生在算力、數據中心、電力、網絡與系統軟件等基礎設施層。智能體一旦開始遞歸拆解任務、毫秒級并發調用系統，企業面對的就不再是“頁面打開慢一點”的體驗問題，而是系統能否穩定承載機器流量、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真正進入生產系統，穩定性與安全性不是附加項，而是門檻。

互聯網的成功建立在開放標準之上，實現了全民可用、共建完善。如今，人工智能正走上同一條道路：基礎模型讓企業與開發者無需從零搭建，就能根據自身需求定制 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生：初創小企業如今能與世界 500強企業共享同等頂尖的 AI技術，尖端技術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，全球頭部企業的數字化領導者仍普遍將AI列為首要任務，繼續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“向實”，越要做足硬功夫。要讓技術投資真正轉化為一線生產率提升，必須在大規模部署AI的同時，投資提升人的能力與技能，并推動組織與生產關系的變革。

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

免責聲明：本文觀點僅代表作者本人，供參考、交流，不構成任何建議。