方跃 / 文

2025 年，AI 技术进展几乎以 " 日 " 为单位刷新着人们的认知。大模型、智能体、算力、数据中心、应用生态——每一个环节都在加速迭代与拓展。从全球范围来看，OpenAI 在企业市场暂时处于领跑地位，但 Anthropic 和 Google 等企业正在快速逼近。2026 年，AI 领域的竞争将不再仅仅是模型能力的排名变化，更是认知方向、落地路径与组织能力的全方位比拼。

2025 年的 " 祛魅 " 让市场认识到：热潮并不等同于价值，试点也不意味着能够规模化应用，模型能力更不能等同于组织能力。回顾过去一年的落地经验，生成式 AI 的应用并未在所有企业中转化为更高的员工创造力。

进入 2026 年，真正的分水岭不在于 " 又推出了哪个更强的模型 "，而在于 AI 能否真正开启 " 向人 " 与 " 向实 " 的进化。这里的 " 向 "，既是方向，也是路径：能力向更高阶迁移、分工向更合理重排、组织向新形态跃迁。但它们有着共同的底线——最终仍要以人为本，为人类服务。AI 越强大，越需要将人置于中心位置。

这一轮 AI 变革与过去的技术浪潮最大的不同在于，它不只是生产工具的迭代。生产力的提升不再仅仅是 " 让旧流程跑得更快、更高效 "，而是彻底打破了生产力三要素（劳动力、生产工具和生产资料）的边界。当 AI 具备了生产力所有三要素的属性，一个更高阶的组织形态将自然浮现——我在即将出版的新书中将其称为 " 超级智体 "。

" 超级智体 " 并非单一技术产品，而是 AI 时代企业进化的方向：企业拥有智慧大脑（核心），能够像一个持续学习的系统那样运转，并在反馈中持续迭代自身的规则与能力。它主要由三部分构成：机器、人与组织。AI 的 " 向人 " 与 " 向实 " 揭示了企业向 " 超级智体 " 进化路径的核心逻辑。

AI" 向人 "

AI" 向人 " 有三层含义：机器 " 向人 "（能力闭环化），人 " 向人 "（价值回归），组织 " 向人 "（组织形态向超级智体进化）。机器与人的 " 向人 " 推动了组织的 " 向人 "，本质是 " 向人立心 "。

2026 年，AI 的角色正在发生质变。它不再只是被动响应指令的工具，而是在许多场景中进化为具备自主意图、能够规划并执行复杂任务的代理，甚至开始被期待成为可协作的伙伴。技术发展也从单纯的预训练知识积累，转向具备逻辑推理与 " 慢思考 " 能力的后训练阶段。例如，OpenClaw 的 Agent 系统和企业侧的千问等，不仅回答 " 怎么做 "，还开始尝试把 " 事情做完 "。

但机器真正 " 上岗 " 带来的并非单纯的效率红利，同时也带来了一道更高的门槛：风险从 " 输出错误信息 " 升级为 " 执行错误操作 "。当 AI 拥有决策和行动权，错误不再是写错一句话，而可能是下错一笔订单、触发错误的退款、将不该发送的数据发送出去。

这就是为什么 2026 年 " 治理 " 会成为关键词：权限边界如何设定？哪些动作必须由人类复核？如何防止智能体在组织中制造 " 工作垃圾 "（自动生成大量低价值任务、无意义通知、重复工单）？

监管与企业治理在今年将进入拉锯状态：一方面企业渴望实现更深度的自动化，另一方面必须明确主体性 AI 的边界与责任。机器 " 向人 " 的速度越快，治理就越成为决定性能力。

2026 年，随着智能体越来越 " 向人 "，企业必须意识到 " 每个模型都有自己的视角与性格 " ——同样的数据与指令，不同模型可能强调不同的风险与优先级。因此，企业要做的不是将某个模型视为唯一大脑，而是搭建能够驾驭多种视角的组织智慧系统：把模型当作可替换的认知模块，用统一的目标、规则与权限边界将它们编排起来。

当机器越来越 " 向人 "，人必须更 " 向人 "。机械性的事务被剥离后，人类的核心价值将回归到 AI 难以替代的领域——脑资本：愿景、判断、创造、同理、韧性，以及在复杂系统中协调冲突、承担责任的能力。

我们认为，AI 时代人类真正稀缺的三项能力包括抱负（设定愿景）、判断力（伦理与价值选择）、创造力（非线性突破）。世界经济论坛也强调，需要投资 " 脑技能 "：适应力、同理心、复杂问题解决能力与心理弹性。

人 " 向人 " 的核心在于人从过去的执行者转变为指挥者、责任的判断和价值管理者，将人的价值从 " 流程中跑得快 " 迁移到 " 不确定里选得对 "。人能否更 " 向人 "，决定了人类能否驾驭 AI，而不是被 AI 的 " 看似正确 " 所左右。

生成式 AI 从最初降低内容与知识工作成本的效率工具，迭代为以智能体为核心、重构企业流程与价值创造的核心力量。小团队搭配 AI 能够大幅压缩沟通成本、强化执行效率，形成对传统大型组织的竞争优势，推动企业向更扁平、更具学习力的超级智体演进，其核心是以人为本的人机协同，而非单纯的去人化。

组织 " 向人 " 是一场 AI 驱动的组织变革，其瓶颈不在于技术，而在于组织自身。固守科层制、传统 KPI 与部门壁垒的企业，不仅会陷入效率幻觉与管理失控的困境，还会催生 AI 工作垃圾泛滥、裁员快于增效的错配，以及员工认知能力被长期透支等问题。组织文化、绩效体系与人才管理的滞后，将直接抵消技术带来的效率红利。

2026 年，企业真正用好 AI 的关键，是以治理为基石、以端到端流程再造为核心，搭建适配人机协同的新组织形态。唯有打破旧管理逻辑，建立可持续学习的组织系统，才能将 AI 转化为实实在在的生产力，穿越技术热潮与落地阵痛。

" 向实 "：AI 落地应用、模型形态扩展、基建投入加码

如果说 " 向人 " 的核心是 " 向人立心 "，那么 " 向实 " 的核心是 " 向实立命 "，针对的是更朴素也更关键的问题：技术到底能否转化为生产力，能否在实体产业中创造真金白银的价值。

2025 年的 " 祛魅 " 让这一点更加清晰：仅靠演示与试点，AI 很容易重复互联网泡沫的路径——故事越讲越大，导致投入越来越大，但价值迟迟无法体现在经营结果上。

2026 年，" 向实 " 将成为验证这轮技术变革历史地位的主战场。" 向实 " 需要抓住三层主线：应用层的规模化落地、模型层的形态逐步扩展、以及基建层的全栈部署和有效投入。

" 向实 " 首先意味着 " 规模化 "。许多企业在前两年已经证明 AI" 可用 "，但尚未证明 " 可规模、可复制、可进化 "。2026 年真正的分水岭，是 AI 能否从 " 试点热闹 " 走向 " 经营兑现 "：进入高频工作流、产生可量化结果、形成可复制和进化机制。

这意味着评价标准要改变：不再看上线了多少 AI 项目，而看是否能把 AI 打造成一套 " 智能工作流系统 "，让它在真实业务中长期运行、持续迭代，并稳定改善成本、效率、质量与风险曲线。

真正 " 向实 " 的 AI，并非堆叠工具，而是让组织获得复利：每多运行一次流程，就多沉淀一份经验；每多一次反馈，就多一分可复制能力。

" 向实 " 的第二层是模型自身的形态演进带来 " 更多能算账的场景 "。2026 年，我们谈论的不再局限于语言模型（LLM），有可能扩展到更适合端侧设备的 " 液体基础模型 "（LFMs）等高效架构形态，以及能够理解物理规律、承载预测与控制的 " 世界模型 "。

这意味着 AI 将越来越多地从 " 生成内容 " 走向 " 改变现实 "：制造检测、设备运维、医疗辅助、自动驾驶与机器人等场景，都会因为模型更懂多模态信号、推理更可靠、更接近物理世界约束而被重新打开。因此，" 向实 " 不只是商业压力的要求，也是技术演化的方向。

" 向实 " 的第三层是基础设施的全栈部署和有效投入。AI 基础设施的市场规模巨大，且仍在以超出预期的速度增长。以多家科技巨头披露或市场汇总的 2026 年资本开支预测为例：亚马逊约为 2000 亿美元、谷歌约为 1800 亿美元、Meta 约为 1250 亿美元、微软约为 1175 亿美元，同比增幅分别达到 60%、97%、73%、41%。

重资产的持续投入表明，AI 的竞争不仅发生在应用和模型层，更发生在算力、数据中心、电力、网络与系统软件等基础设施层。智能体一旦开始递归拆解任务、毫秒级并发调用系统，企业面对的就不再是 " 页面打开慢一点 " 的体验问题，而是系统能否稳定承载机器流量、能否可观测等工程问题。

因此，2026 年更多的资金将流向看似笨重的部分：机房、电力、运维治理等。因为当 AI 真正进入生产系统，稳定性与安全性不是附加项，而是门槛。

互联网的成功建立在开放标准之上，实现了全民可用、共建完善。如今，人工智能正走上同一条道路：基础模型让企业与开发者无需从零搭建，就能根据自身需求定制 AI 能力。目前，HuggingFace 等平台已提供超百万个模型。一个深刻的变革正在发生：初创小企业如今能与世界 500 强企业共享同等顶尖的 AI 技术，尖端技术的使用门槛被彻底拉平。

进入 2026 年，即便市场对泡沫和投资回报证明仍心存疑虑，全球头部企业的数字化领导者仍普遍将 AI 列为首要任务，继续加码并努力获得可量化价值。

期待之外，我们还需要冷静：越 " 向人 "，越要加强治理；越 " 向实 "，越要做足硬功夫。要让技术投资真正转化为一线生产率提升，必须在大规模部署 AI 的同时，投资提升人的能力与技能，并推动组织与生产关系的变革。

（作者系中欧国际工商学院亿纬锂能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）