赵福全1、刘宗巍1、刘兆鹏2、何伟2
【编者按】
AI（人工智能）的飞速发展与全面渗透，正在开启一场颠覆性的时代变革。这场技术变革既为社会进步、产业重构、企业发展和个体成长打开了全新的增长空间，也带来了认知颠覆、岗位调整、经营革新、社会治理等多重挑战与潜在风险。机遇与挑战共生，红利与变局并行，身处AI加速落地的关键阶段，每个人、每家企业、整个社会都不得不直面一系列核心拷问：个人如何借助AI赋能、规避被替代的风险，稳固自身不可替代的人本价值？企业如何认清AI变革的底层逻辑，跳出盲目布局、低效应用的困境，实现经营范式与价值创造的迭代升级？社会如何平衡技术创新与安全底线、坚守人本核心，推动AI产业规范、健康、可持续发展？
针对当下AI时代的种种困惑与转型难题，赵福全教授撰写2万余字重磅长文——《AI时代的特征、机遇、挑战与应对》，以宏大的全局视野和深度的底层思考，系统解答了AI时代的核心命题。全文层层递进、逻辑严密，不仅阐述了AI的本质属性、基本特征、深远影响与演进方向，还剖析了AI带给人类社会的巨大机遇与严峻挑战，更为各类主体认清趋势、应对变局、落地转型提供了一套完备、可落地的认知体系与行动方案。
因全文体量较大、内容厚重精深，为方便阅读，我们将全文拆解为6期系列连载，持续推送。此篇为第6期，诚邀各位读者关注和追更，以助系统了解AI时代变革的底层逻辑，明辩转型路径、从容应对变局、把握时代先机。
【精彩观点】
“AI变革的本质是用新范式取代旧范式，其中很多工作都是企业专属性的，因此并无后发优势可供依靠。另一方面，AI发展迅猛且还在加速中，因此AI变革的窗口期极短，一旦先发企业转型成功，就会以全新发展范式和代际技术鸿沟对后发者构成降维打击。”
“企业要以‘产品力×创造力×管理力’为目标导向，通过清晰定义场景应用需求，加速AI能力与业务的深度融合，逐步建立起以智能体应用为主导、以动态适应性组织为保障的全新体系，从而支撑AI的充分应用、实现持续的价值创造。”
“布局AI的过程中，企业应沿着从大模型接入到智能体构建的方向来推动AI的应用落地。”
“今后企业应把智能体的构建与协作作为重中之重，这是充分释放AI价值的关键所在。”
“企业尤其应该采取两个方面的重点举措。一方面，企业要建立起完整的数据体系，确保数据有用、可用、能用、可信、安全；另一方面，企业要构建起分层架构的AI大脑。企业AI大脑=五层架构+安全底线。”
“组织变革与生态建设成为企业面向AI转型的关键抓手，生产力的跃迁必然要求生产关系同步变革、充分适配。”
“企业如果仅仅停留在数字化层面上，没有深挖数据的潜力，也没有有效推动运营决策的智能化，那将无法真正释放AI转型的红利，并且终将吞下伪AI桎梏真AI发展的苦果。”
“企业拥抱AI必须真相信、真投入、真实践，这样才有可能形成真能力、实现真落地。”
【正文】
AI时代企业的转型方向与重点举措
1.企业必须转变认知和思维
接下来探讨企业究竟应该怎样拥抱AI。在笔者看来，我们首先必须转变固有的认知理念和思维方式，这是拥抱AI的前提。特别是对于企业领军人来说，在AI的浪潮下，真的已经到了“不换理念就换人”的时代。
具体来说，一要建立对AI的科学认知。对此笔者认为，关于AI的所谓“万能论”“有限论”“花瓶论”“忽悠论”等均有失偏颇、甚至是错误的。正确的认知应当立足于“科学论”，即所有产业、企业及个人都需要与AI深度融合，同时AI将带来指数级增大的效果。
二要对AI秉持积极开放的态度。一方面，AI变革的本质是用新范式取代旧范式，其中很多工作都是企业专属性的，因此并无后发优势可供依靠。另一方面，AI发展迅猛且还在加速中，因此AI变革的窗口期极短，一旦先发企业转型成功，就会以全新发展范式和代际技术鸿沟对后发者构成降维打击。所以，企业切不可持观望态度，对AI越早投入才越主动。
三要以科学方式推进AI应用。包括以系统工程推进，从技术图谱到能力体系再到组织基因，实施全面重构；以明确目标牵引，谋求实现企业产品竞争力、经营能力和运营能力的显著跃升；以长期主义护航，在战略性统筹规划的指引下有序推进战术性单点突破，再以点带面实现全局落地。
2.企业拥抱AI的系统性布局和阶段性策略重点
需要着重强调的是，企业作为AI应用的载体，一方面，要驱动场景、数据、技术、基础设施、组织架构、监管及人才等各个维度与AI深度融合，这些维度环环相扣、相互制约、缺一不可；另一方面，要聚焦业务场景，实现各个维度的相互支撑、互为促进，以数据打通模型、以模型适配场景、以基础设施和组织架构等来支撑AI技术在场景中的应用。
在具体布局AI的过程中，笔者认为，企业应沿着从大模型接入到智能体构建的方向来推动AI的应用落地，具体可分为以下五个阶段：
第一阶段：接入大模型。这一阶段的核心是实现初级智能。大模型使AI向通用人工智能（AGI）的演进初露曙光，不过这个进程还处于起步阶段。当前大模型的主要应用仍聚焦于“类人对话”。相较于此前的语言及对话模型，大模型在这方面已经实现了质的突破，并由此开启了更多场景的应用探索。
第二阶段：搭建知识库训练大模型。这一阶段的核心是获取知识。大模型从依赖有限训练数据的封闭系统，向融入企业专属数据（知识库）的开放智能演进。这种企业知识库已经显现出商业价值，不过目前离实际落地还有差距。
第三阶段：构建功能型智能体。这一阶段的核心是使用AI工具。此时各种功能型智能体将成为企业内外部的标准化工具（检索、系统等等），可以作为“辅助工具”得到广泛应用，从而为企业创造价值。
第四阶段：构建企业级智能体。这一阶段的核心是实现互相协作。此时各类智能体将具备协作能力，并以“需求驱动”来实现价值。笔者想强调的是，“需求驱动”与传统的“业务驱动”有着本质区别：在业务驱动模式下，企业需要先定义系统目标，再开发智能体，即系统是围绕预设需求与目标搭建的；而在需求驱动模式下，在各种业务场景中可以直接产生需求，并指引智能体开发及协作，无需先明确需求。
第五阶段：构建智能体集群。这一阶段的核心是形成智能网络。进入该阶段，就不再是单一智能体之间进行交互，而是构建形成了企业级的智能网络。这才是AI作为新质生产力服务企业，并达到工业革命级别能力的终极目标。
当前，大多数企业仍停留在接入大模型以及应用简单知识库的阶段，例如打造可与人类对话的机器人等；部分企业已经进入了构建智能体的阶段。不过AI解决问题的能力还存在明显局限，远不足以应对企业的各种复杂场景。今后企业应把智能体的构建与协作作为重中之重，这是充分释放AI价值的关键所在。
3.企业需构建“三纵六横”的AI应用体系
那么，企业究竟应该怎样面向AI实施转型呢？笔者就此提出了“三纵六横”的全新AI应用落地体系，下面对此进行详细的论述。
所谓“三纵”是指产品力、创造力和管理力，这是所有企业应用AI的核心目标。就是说，企业要充分借助AI来实现自身产品竞争力、业务经营力、体系运营力的全面提升，达成提质增效降本的显著效果。目前，企业往往聚焦于AI在产品端的应用。产品力固然重要，不过创造力和管理力才是支撑其落地的根本。最终，企业只有借助AI全面赋能产品力、创造力和管理力升级，才能真正实现AI转型的全面成功。
所谓“六横”则是指支撑三力目标实现的六大要素，包括三项应用能力要素和三项底层能力要素。具体而言，在应用能力层面，一是场景，即面向AI的场景理解和需求定义；二是智能体，即产品智能体、业务智能体、管理智能体的打造及其相互协同；三是组织与流程，即支持人机协作的动态化、协同式组织架构及业务流程。在底层能力层面，一是数据，企业需要建立高质量数据集和知识图谱；二是模型，既包括通用型的基础大模型，也包括企业自身的垂域和专业模型；三是算力，也就是算力平台和智算云服务等。
更进一步来说，“三纵六横”体系实质上指向三个方面的核心能力：首先是面向三力场景的需求定义及转化能力，企业要以三力目标为牵引，强化面向AI的场景理解，并对相关需求进行清晰定义及技术转化。其次是数字基础设施建设和AI技术深度开发及平台化部署的能力，包括数据要素化，算力支撑与动态规划，模型选择、部署及打通以及智能体的开发与协同等。企业唯有形成这些能力，才能将数据生产要素和AI技术真正转化为新生产力。最后是组织动态适应性变革的能力，企业要构建内外部协同的任务流，并建立可动态适应性调整的组织。其目的是确保新生产关系能够持续适配新生产力，以充分释放新生产力的巨大潜能。
综上，笔者认为，企业要以“产品力×创造力×管理力”为目标导向，通过清晰定义场景应用需求，加速AI能力与业务的深度融合，逐步建立起以智能体应用为主导、以动态适应性组织为保障的全新体系，从而支撑AI的充分应用、实现持续的价值创造。
4.企业需建立起完整的数据体系
在笔者看来，立足于上述“三纵六横”体系，企业尤其应该采取两个方面的重点举措。一方面，企业要建立起完整的数据体系，具体要点如下：
一是实现全生命周期的数据治理。其治理重点要从基本的数据采集、存储，逐步升级到数据的“资产化、可流通”；同时，要实现数据采集-清洗-标注-共享-交易-销毁的标准闭环。
二是确保数据有用、可用、能用、可信、安全。其一，数据相关标准要从零散走向体系化、动态化和AI化。其二，数据集要标注规范，并完整包含训练集、测试集，且充分保护其知识产权；在此基础上，还要形成数据完整性、准确性、一致性和时效性的评估规范，以确保数据质量。其三，以联邦学习、同态加密等隐私计算技术手段，实现数据可用而不可见。其四，基于区块链等技术进行存证，实现数据可溯源、防篡改以及交易可信、可审计。其五，推进数据确权、定价、交易、溯源及合规监管，以支撑数据的流通交易。
三是以智算驱动数据的云边端协同。在技术架构维度，要以“云-边-端”智算协同，实现算力下沉，以此推动边缘智能，实现数据的就近处理及高效利用。
四是实现数据资产化与自主可控。在应用范围上，要从单点应用逐步走向全链路的数据资产化；在应用深度上，要从监控优化逐步走向AI自主决策。尤其是在研发领域，包括生成式设计、AI仿真加速、数字孪生全流程映射等，都是企业应高度关注的重点。此外，企业还要重视绿色低碳数据的收集与应用，包括能耗采集、碳核算、能效优化以及数字化绿色化协同等。
5.企业需构建起分层架构的AI大脑
另一方面，企业要构建起分层架构的AI大脑。对于企业AI大脑，笔者给出的定义是：一套“云-边-端”协同、“数据-模型-知识”一体化、全价值链贯通的企业统一智能中枢。可见，企业AI大脑绝不是把零散的AI工具简单堆砌在一起。
按照自下而上的逻辑，企业一要在基础设施层建设算力大脑，这是智算的底座，可以统筹调配内外部的算力资源，有效支持企业的各种AI需求。二要在数据层建设数据大脑，用于管理企业的数据湖。可能有人会觉得奇怪，怎么数据层也需要大脑吗？实际上数据有不同的类型、状态、归属、权限及用途，涉及到不同的主体和要素，如果没有智能化的统一管理，企业是无法有效利用好数据并将其价值最大化的。三要在模型层建设模型大脑，即基于AI大模型以及各种垂域模型、专业模型等，构建起企业的算法工厂。四要在知识与智能体层建设认知大脑，用于管理企业的知识库，为相关智能体提供支撑。五要在应用场景层建设业务大脑，以实现企业全价值链的全面智能化。而在这五层架构之下，还要建立安全与治理层，这将是确保企业AI大脑安全、顺畅运行的底线。简言之，企业AI大脑=五层架构+安全底线。
基于上述框架构建起来的企业AI大脑就形成了一个企业级的统一智能操作系统（AI-OS），它将覆盖“研-产-供-销-服-管”的全业务链路。基于此，企业将真正实现数据打通，并打破PLM/MES/ERP/SCM/CRM/DMS等各种工业软件相互割裂而形成的“孤岛”；将实现模型统一，以一套AI底座支撑企业的研发、生产、供应链、销售与服务、管理以及产品运维；将实现能力复用，包括但不限于算法、算力、标注、知识、安全等各种核心能力；还将实现决策智能，从局部优化逐步演进为全局自主决策与协同。
当然，对于不同的企业而言，其AI大脑建设的侧重和相应的架构应有所差异。以汽车产业为例，总体而言，整车企业的目标是建设全域AI大脑；供应商的目标是建设垂域AI大脑；而经销服务商的目标则是建设服务型AI大脑。
6.企业面向AI转型的抓手：组织变革与生态建设
如前所述，构建全新的AI应用体系及核心能力，必将带来流程、分工、决策机制等的全面重构。因为生产力的跃迁必然要求生产关系同步变革、充分适配。所以，组织变革与生态建设就成为了企业面向AI转型的关键抓手。
笔者认为，企业组织变革的目标应该是以用户需求为导向，基于任务流，依托智能体驱动，构建内部资源协同与外部能力导入相结合的自组织式的综合智能体。具体来说，在企业内部要打造协同型组织，实现“你中有我、我中有你”的跨职能协作；在企业外部则要建立起能力型生态，实现基于专业化分工的多主体能力融合共创，以达到供需高效匹配、实时响应与快速决策的目的。
也就是说，面向AI的企业组织变革，一要实现数据畅通，为此需要强化数据中心建设；二要实现协同创新，为此需要建立企业级的AI中台；三要实现各主体充分联动，为此需要将全局统筹资源配置与局部重点探索相结合，由点及面地带动AI的全面应用。显然，上述组织变革一定是一把手工程，因为只有企业一把手才能凭借全局决策权与资源调配权，打破部门本位思维和职能边界藩篱，保障组织重构的顺利落地，这也是AI时代企业转型对领导力的明确要求。最终，企业要建立一种以智能体为核心枢纽、连接各个主体的全新组织形态。
笔者想强调的是，上述新型组织绝不是传统组织的修补，也不可能一蹴而就，企业必须以深化变革和广泛协作的理念有序推进，持续打造和完善数据闭环、智能体主导的生态协同型组织，才能最终实现全场景打通、弱中心化运行以及内外部协同共创、价值共生的转型目标。
7.真伪AI辨析
有一点值得注意：在AI技术席卷全球的热潮下，不少企业都纷纷表示正在进行AI转型，并推出了令人眼花缭乱的各式各样AI成果。然而在笔者看来，这其中鱼目混珠，不乏很多“李鬼式”的伪AI，而非“李逵式”的真AI。这种情况可能出于企业宣传展示的主观需要，如果只是权宜之计，同时企业内部正在加紧推进真AI，那倒也无伤大碍；但更可能是由于部分企业对真伪AI并没有清醒、准确的认知，甚至还自以为AI做得不错，那就不仅会影响企业的AI转型进程，还会对外部产生误导和混淆。有鉴于此，笔者就真伪AI进行如下辨析，供读者们参考。
从核心内涵维度看，在本质上，AI是真正的智能化升级，即以数字化为基础，通过数据深度加工来构建各项业务中的主动智能，这才是笔者心中的真AI；而那种基于数字化深化或工具化包装，并未突破原有的数字化逻辑，只不过是将自动化和数字化的成果贴上了AI标签的AI，在笔者看来就是伪AI。在能力上，真AI具备主动决策、预警、适配及服务能力，无需人工指令，就能基于数据来预判需求、识别风险和优化运营；而伪AI只会被动执行人工指令，并无自主判断能力，仅能实现辅助提效、数据统计等简单功能。在目标上，真AI以业务价值为导向，可以精准匹配企业战略，打造形成长期的核心竞争力；而伪AI以数量和形式为导向，往往追求场景等简单的数量堆砌，或者为了完成既定AI目标而包装成果，并无明确的业务落地目标，说得直白些，这只是在“为AI而AI”。
从业务和数据维度看，在业务融合方面，真AI深度嵌入到业务全流程中，与业务逻辑深度绑定，可以有效支撑业务决策和运营，并且还可以随业务一起实时迭代优化，从而持续满足业务需求；而伪AI只是外部辅助工具，与业务完全是“两张皮”，没有融入到业务流程中，至多能“省时省力”而已，同时作为固定的数字化系统，也难以随业务变化而改变，甚至还会制约业务调整。在数据利用方面，真AI强烈需要结合场景、语义性强的业务数据，因此必须实现数据治理，包括深度加工、准确标注和相互打通等，这样才能使数据成为AI理解业务、解决问题的底层支撑；而伪AI并没有吸收业务数据，对数据只是简单的存储、统计与展示，没有明确的规划和治理，因此数据无法支撑AI在业务中的真正应用。
从落地价值维度看，真AI在初级阶段尽管水平可能也很有限，但其成果是可积累、可进化的，能够落地产生实际效益，并有力支撑企业面向AI转型的长期战略；而伪AI往往是“推出即落后”，对企业来说既浪费资源，又容易形成路径依赖，反而成为迈向真AI转型的障碍。
笔者在此强调真伪AI存在本质差异，并不是否定数字化基础工作的重要性与价值。恰恰相反，数字化的深度积累是支撑企业向真AI转型的基础，没有数字化手段的投入、数据的采集与利用，企业根本就不具备向AI转型的条件。但是企业如果仅仅停留在数字化层面上，没有深挖数据的潜力，也没有有效推动运营决策的智能化，那将无法真正释放AI转型的红利，并且终将吞下伪AI桎梏真AI发展的苦果。只有将AI应用于企业经营的主动决策、预警、适配及服务能力上，才是走在了发展真AI的正确道路上，而为此所做的所有基础积累都将助力企业最终实现AI转型的厚积薄发。
总之，企业拥抱AI必须真相信、真投入、真实践，这样才有可能形成真能力、实现真落地，并在逐步强化AI应用的过程中让企业持续受益。
六篇连载已经完成，后续将推出《AI时代的特征、机遇、挑战与应对》全集，敬请关注！
