Professor Fang Yue: If AI cannot be scaled and implemented, the market may repeat the internet bubble of 2000 | Alpha Summit

精彩观点：

1.“技术不等于价值”，真正的价值在于企业如何将这种技术转化为结构性的生产力革命，而这正是未来几年全球经济增长的关键所在。

2.对 AI 的大量投入，模型、算力、数据中心、电力和人才争夺等，如能在应用端带来规模化落地，企业和社会为其价值买单，就一定能带来颠覆性的生产力提升。反之，若缺乏实际价值支撑，市场能或重演 2000 年互联网泡沫。

3.编码和医疗健康是目前 AI 在场景和应用领域最突出的。AI 在编码方面的价值已初步显现；从垂直领域看，医疗健康行业占了所有垂直领域 AI 支出的近一半。

4.未来的趋势是：AI 作为技术，仍然具有生产工具的特征，但同时已出现了劳动力的特征（如智能助手和数字员工，并参与管理决策），AI 进一步强化了数据作为生产资料的特征。这意味着，未来的竞争不是单纯的效率竞争，更是生产力和随之带来的生产关系的性质的变革，是创新、知识和价值创造的根本性重塑，未来工作将从人本组织到人机协同和融合。

5.AI 时代生产力的结构将被重写。工业化的核心是分工和组织协同，之后的信息化和数字化虽然极大推动了企业外部的无边界化，导致了生态和产业价值链的形成，但打破企业内部的组织边界一直都是阻碍组织生长和发展的管理难题。AI 有机会真正打破企业内部的组织边界，人机的有效协同和融合，企业会走向 “超级智体 “，有望从根本上解决组织弊病，真正实现数据和智慧驱动，让组织实现敏捷和扁平化，特别是大，型组织。

6.过去几十年，“敏捷和扁平化” 是应对快节奏世界的法宝，强调小团队和迭代。但如今，AI 正在缩短决策周期，传统的敏捷和扁平化框架已经不足以应对。未来的组织不再是以岗位或科层为核心，岗位逐渐消失，演化为一种由人类能力、AI 能力与组织机制动态组合的智能协同网络。

7.请不要把人工智能当技术来部署，请把人工智能当 “人才” 来培养。这要求企业实现 “组织共智化”——让组织具备像大模型一样的 “智慧大脑”，核心是让企业的 “智慧” 能够沉淀，并自我学习、自我成长。要想成为真正的 “学习型组织”，目前依赖于人本的框架和方式，是很难实现的。

8.人类员工的角色将从 “分工协同” 走向 “人机共生”，从单纯使用 AI，转变为 “带” AI 和 “造” AI。人不再扮演控制和执行的角色，而是由 “企业智能大脑” 驱动业务，尽可能地培养 AI 合格上岗，由 AI 团队打工，人类走向负责价值 “定义” 的领导者和结果 “验收” 的管理者。

9.这场 AI 竞争，虽然不是严格意义下的零和博弈，但一定会有赢家和输家。关键在于领导者的前瞻性以及企业的组织、创新与执行能力——唯有真正将 AI 融入业务、驱动效率与创新的企业，才能充分发挥 AI 的潜力，只有实现结构性的生产力变革，才能在未来 AI 时代的竞争中胜出。

10.不要只是用 AI 增强工作，而要 “重塑工作”。企业只有两类出路：“要么原生 AI 化，要么全面 AI 化”。这要求管理者进行真正的 “白板推演”，重新思考公司在 AI 时代应有的模样，而不是简单地将 AI 嫁接到现有业务上。

12 月 19 日，由华尔街见闻和中欧国际工商学院联合主办的第八届「Alpha 峰会」在中欧国际工商学院（上海）举行。

中欧经济学与决策科学教席教授、中欧 AI 与管理创新研究中心主任方跃，在题为 “全球经济的下一个增长引擎：智能组织与结构性生产力革命” 的分享中，深刻剖析了人工智能如何重塑全球商业格局。

方跃教授指出，当前的市场确实在为一个由大规模生产力提升和组织重构所定义的未来进行定价。尽管有像 OpenAI 这样的巨头还在 “烧钱” 阶段，甚至彭博社预测其要到 2029 年才能实现现金流为正，但这与单纯的投机不同。

他将当下的 AI 热潮比作 “互联网泡沫” 而非 “郁金香狂热”。虽然短期内可能存在估值过高，但其背后是由真正的技术革命驱动的。方跃教授强调：

技术不等于价值。

真正的价值在于企业如何将这种技术转化为结构性的生产力革命，而这正是未来几年全球经济增长的关键所在。

以下是华尔街见闻整理的精华内容：

今天我想从微观角度与大家探讨 AI。我们一提到 AI，往往会想到与知识生产力相关的特定企业和行业。但一个关键问题是：这一波 AI 浪潮的影响范围能否更广？它是否也会为制造业、服务业等相对传统的行业带来新机遇？

从宏观投资来看，过去几年 AI 领域的投资热度前所未有，并主要集中在美国和中国。投资是经济发展的重要组成部分，而另一个更具前瞻性的指标也值得关注。过去我们非常关注商业地产，将其视为经济增长的重要预测指标。

但今年 6 月，全球对数据中心的投资已经超过了商业地产。这预示着未来的竞争焦点将发生重大转移，大家对未来抱有巨大希望。

当然，这也带来了新的挑战。如此大量的数据中心建设，目前还主要用于模型训练，尚未进入企业大规模应用的阶段，但其用电量已占据相当大的比例。据预测，未来用于 AI 训练和应用的电力消耗，很快将超过其他所有用电量的总和。

AI 是泡沫还是革命？

AI 能否真正带来生产力的提升？它对企业和行业又意味着什么？尤其是在 OpenAI 5.0 发布后，一些人可能感到些许失望，我们距离通用人工智能（AGI）似乎还有一段距离。

关于 “AI 是否是泡沫” 的讨论，不外乎两类观点：

• 真正的泡沫： 像历史上的投机狂热，价值与价格严重脱钩。
• 未来的革命： 像互联网泡沫一样，虽然短期内存在估值问题，但长期必然能带来生产力的巨大提升。

对于企业而言，互联网泡沫最终只是一个时间点的问题。但身处其中的企业和个人，如何把握时机则至关重要。AI 技术的发展速度极快，因为它具备自我迭代的能力，AI 正在参与自身的开发，这会加速大模型的发展。

如果从传统的估值角度看，要收回如此巨大的投资，AI 需要产生何种规模的应用和价值？这确实是一个问号。即便是 OpenAI 自己也预测，其现金流可能要到 2029 年才能转正。

然而，股票市场反映的是对未来的预期，这个预期的基础是：人工智能能够带来生产力提升，并被企业广泛应用。

虽然 AGI 的到来可能比想象中要慢，导致一些企业在远大理想与眼前市场竞争之间做战略调整，但我认为 Meta 的扎克伯格这句话，基本道出了许多科技大厂的心声：

如果我们错误地投入了巨额资金，固然不幸；但如果不投，风险可能更大。

这也解释了为何各大厂商不惜余力地投身这场竞争。

技术≠价值：从实验室走向规模化落地

严格来说，实验室里的任何发明，如果不能落地并带来价值，就不能称之为 “技术”。我个人感觉，AI 正处在从实验室走向大规模落地应用的关键阶段。

“我们生产出了大量的牛仔裤和铲子，但这并不意味着去挖矿就一定能找到黄金。”这句话提醒我们，技术本身不等于价值。

回顾过去 25 年（1997-2022），正是互联网和移动互联网带来颠覆性影响的时期。全球人均 GDP 的中位数翻了 6 倍，而中国更是增长了 16 倍，这背后很大程度上依赖于数字经济带来的技术颠覆。

然而，如果我们观察增长速度的曲线，会发现包括中国和印度在内的许多国家，人均 GDP 增速都呈现出一个 “倒 U 型”——前期生产力增速极高，随后红利逐渐消失。

这说明，互联网和移动互联网 “把原有业务重做一遍” 所带来的红利，已基本耗尽。技术若能产生大规模应用价值，必将带来生产力的飞跃。那么，目前 AI 的应用场景在哪里？

• 最成熟的应用：编程和IT 建设。凡是已被数字化的领域，最终都可能被 AI 化。
• 快速发展的应用：市场营销，因为内容生成和客户互动是生成式 AI 的强项。此外，许多流程化、标准化的工作，如人力资源和财务，也已开始产生价值。
• 投入最大的行业：大健康领域，包括制药。

我们可以看到，AI 的影响是跨行业的，未来几乎所有场景都能在某种程度上得到 AI 的辅助。

AI 落地的关键：从技术问题到组织能力问题

真正让 AI 从实验室走向大规模落地的关键，在于企业级的规模化应用。

现在我们看到的是，许多企业都在进行试点，容易找到若干场景让小团队尝试，但如何大规模推广？这考验的是企业的组织能力。

我经常问那些进行数字化转型的企业：如果给自己打分，得分高或低的原因是什么？那些阻碍你做好数字化转型的因素是否依然存在？如果这些问题没有想清楚，这波 AI 浪潮恐怕也难以真正帮到你。

技术只是一个起点，落地需要巨大的努力。

可以预见，这波浪潮一定会让一些企业离开市场，也会让一些企业成为新的引领者。在这个过程中，简单的模仿案例并非最佳路径，因为 AI 对所有企业都是全新的，每个企业的状况也各不相同。

生产力三要素的重构：AI 颠覆性的核心

要找到 AI 转型的方向，首先必须想清楚 AI 的颠覆性究竟在哪里。传统的生产力由三大要素构成：劳动力、生产工具、生产资料。

在工业化乃至互联网时代，这三者界限分明。但今天的 AI 属于哪一部分？

它依然是生产工具。它也开始具备劳动力的特征（数字员工、具身智能）。它还能生成数据，具备生产资料的特征。

这波 AI 最核心的颠覆，就是彻底打破了这三大要素的界限。 这在人类历史上前所未有，必然会带来生产关系的重大变革。

一个简单的例子：企业里，HR 管人（劳动力），IT/CTO 管技术（生产工具）。现在问题来了，数字员工应该归谁管？ HR 如何帮助 AI 成为合规员工？IT 又该如何考核它、让它与人类协同？

这正是生产关系变革的开端。

劳动力的新形态与组织的进化

过去，生产力的提升主要靠分工，而组织研究的核心在于协同。当企业规模扩大，协同变得异常困难。

互联网虽然改善了信息沟通，但决策、执行、学习等环节仍大量依赖人力，导致许多互联网原生企业发展到一定规模后，也出现了传统企业的组织问题。而 AI 的到来，可能会带来根本性的改变：

从分工到人机融合：

• 未来，岗位可能不再固定，而是以项目为单位。一个项目可以动态组合人类员工和数字员工，这将彻底改变原有的分工模式，走向 “人机协同”。

企业智慧的沉淀：

• 过去，知识和智慧大多存在于专家的头脑中，人员流失会造成巨大损失。AI 可以将这些知识沉淀为 “企业智慧大脑”，无论是新员工上岗，还是对前瞻性问题做判断，都能提供支持。
• 一位企业家甚至设想，等他离世后，依然可以通过 “智慧大脑” 参与董事会，提供建议。

因此，不要把 AI 当技术来部署，而要把它当 “人才” 来培养。

培养人才需要什么？需要让他懂业务、容他犯错、给他锻炼。培养 AI 也是如此。AI 要成为合格的 “员工”，需要懂业务、解决问题、有价值观、能与人类及其他 AI 协同合作。

企业的终极形态：超级智体

我们认为，未来企业将走向 “超级智体” 的形态。这包含三部分：

• 机器智人化： AI 从工具进化为员工，甚至专家。
• 人人智体化： 优秀员工的标准将从 “善用 AI” 转变为 “能否培养出合格的 AI 专家”。因为 AI 专家是可复制的，这就创造了 “无限劳动力” 的概念，这对所有企业，包括传统企业，都意味着巨大的变革。
• 组织共智化： 企业的知识最终沉淀为 “智慧大脑”，使企业能像 AI 一样自我学习、自我进化。

要培养出懂业务的 AI 人才，首先需要高质量的业务数据，这意味着企业的信息化和数字化基础必须扎实。

我常对企业说：第一，如果你信息化、数字化做得一塌糊涂还能活到今天，恭喜你运气不错。第二，机会来了，课还得补，但 AI 能让你走捷径，以更低的成本、更快的速度补上这一课。

如何走向超级智体：进化三部曲

企业的进化路径大致可分为三个阶段：

• AI Ready (准备就绪)： 大多数企业目前处于这个阶段，进行试点、尝试，甚至补课。
• All in AI (全面 AI 化)： 将成功的试点大规模落地推广，这一步相当困难。
• 超级智体： 实现最终的组织进化。

无论处于哪个阶段，都需要强调几点：

• 重新构想：必须摆脱 “人 + 工具” 的旧思维框架。
• 着眼增长：AI 带来的不仅仅是降本增效，更是 “无限劳动力” 和打破组织边界带来的新增长模式。互联网打破了企业间的边界，而 AI 将真正打破企业内部的边界。
• 保持紧迫性：观望的时间比互联网时代更短，必须立即行动。

案例分析：美的集团的 AIGC 转型之路

美的在 AI 来临前，已在信息化和数字化方面深耕十余年，打下了坚实基础。AI 来了以后，它大体上分三步走：

• 第一年：全员试试看
  鼓励所有业务部门的员工——无论是一线、研发还是营销——都去尝试使用 AI。
• 第二阶段：认真找场景
  这是一个大规模自下而上的过程。当员工了解了 AI 的能力后，结合自身业务寻找应用场景。美的在两年内找到了 1 万多个场景。
• 第三阶段：全面拥抱 AI
  由技术部门介入，从海量场景中挑选出 100 多个真正有价值、可复制的项目作为重点，推动全面 AI 化。

这次 AI 浪潮与以往信息化不同。过去，业务和技术是 “两张皮”。而现在，AI 在某种意义上实现了 “技术平权”。

任何员工经过简单培训，都可以利用 AI 工具搭建应用、解决问题。AI 成为了你的技术伙伴，能极大地辅助你完成工作。

结语：拥抱组织变革，创造中国智慧

这绝非一场单纯的技术变革，而是一场深刻的组织变革。过去在数字化转型中交的 “学费” 不能白交。

成功的转型需要自上而下和自下而上的结合，而中层管理者在其中扮演着至关重要的角色，他们是搭建 “人机协同团队” 的核心。

对于大多数企业而言，争夺顶尖 AI 技术人才并非首要任务。我们更需要的是懂业务、愿意拥抱和培养 AI、能与 AI 协同的人才。因此，团队建设比高薪挖人更重要。

面对复杂的国际国内环境，以及传统增长红利的消退，全面推动数智化转型是我们的战略抓手。AI 带来的技术平权、无限劳动力的可能性，为我们提供了新的机遇。

这场竞争，不完全是零和博弈，但一定会有赢家和输家。中国在这波浪潮中，应该能够凭借自身的智慧和实践，打出亮点。谢谢大家。