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

精彩觀點：

1.“技術不等於價值”，真正的價值在於企業如何將這種技術轉化為結構性的生產力革命，而這正是未來幾年全球經濟增長的關鍵所在。

2.對 AI 的大量投入，模型、算力、數據中心、電力和人才爭奪等，如能在應用端帶來規模化落地，企業和社會為其價值買單，就一定能帶來顛覆性的生產力提升。反之，若缺乏實際價值支撐，市場能或重演 2000 年互聯網泡沫。

3.編碼和醫療健康是目前 AI 在場景和應用領域最突出的。AI 在編碼方面的價值已初步顯現；從垂直領域看，醫療健康行業佔了所有垂直領域 AI 支出的近一半。

4.未來的趨勢是：AI 作為技術，仍然具有生產工具的特徵，但同時已出現了勞動力的特徵（如智能助手和數字員工，並參與管理決策），AI 進一步強化了數據作為生產資料的特徵。這意味着，未來的競爭不是單純的效率競爭，更是生產力和隨之帶來的生產關係的性質的變革，是創新、知識和價值創造的根本性重塑，未來工作將從人本組織到人機協同和融合。

5.AI 時代生產力的結構將被重寫。工業化的核心是分工和組織協同，之後的信息化和數字化雖然極大推動了企業外部的無邊界化，導致了生態和產業價值鏈的形成，但打破企業內部的組織邊界一直都是阻礙組織生長和發展的管理難題。AI 有機會真正打破企業內部的組織邊界，人機的有效協同和融合，企業會走向 “超級智體 “，有望從根本上解決組織弊病，真正實現數據和智慧驅動，讓組織實現敏捷和扁平化，特別是大，型組織。

6.過去幾十年，“敏捷和扁平化” 是應對快節奏世界的法寶，強調小團隊和迭代。但如今，AI 正在縮短決策週期，傳統的敏捷和扁平化框架已經不足以應對。未來的組織不再是以崗位或科層為核心，崗位逐漸消失，演化為一種由人類能力、AI 能力與組織機制動態組合的智能協同網絡。

7.請不要把人工智能當技術來部署，請把人工智能當 “人才” 來培養。這要求企業實現 “組織共智化”——讓組織具備像大模型一樣的 “智慧大腦”，核心是讓企業的 “智慧” 能夠沉澱，並自我學習、自我成長。要想成為真正的 “學習型組織”，目前依賴於人本的框架和方式，是很難實現的。

8.人類員工的角色將從 “分工協同” 走向 “人機共生”，從單純使用 AI，轉變為 “帶” AI 和 “造” AI。人不再扮演控制和執行的角色，而是由 “企業智能大腦” 驅動業務，儘可能地培養 AI 合格上崗，由 AI 團隊打工，人類走向負責價值 “定義” 的領導者和結果 “驗收” 的管理者。

9.這場 AI 競爭，雖然不是嚴格意義下的零和博弈，但一定會有贏家和輸家。關鍵在於領導者的前瞻性以及企業的組織、創新與執行能力——唯有真正將 AI 融入業務、驅動效率與創新的企業，才能充分發揮 AI 的潛力，只有實現結構性的生產力變革，才能在未來 AI 時代的競爭中勝出。

10.不要只是用 AI 增強工作，而要 “重塑工作”。企業只有兩類出路：“要麼原生 AI 化，要麼全面 AI 化”。這要求管理者進行真正的 “白板推演”，重新思考公司在 AI 時代應有的模樣，而不是簡單地將 AI 嫁接到現有業務上。

12 月 19 日，由華爾街見聞和中歐國際工商學院聯合主辦的第八屆「Alpha 峯會」在中歐國際工商學院（上海）舉行。

中歐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方躍，在題為 “全球經濟的下一個增長引擎：智能組織與結構性生產力革命” 的分享中，深刻剖析了人工智能如何重塑全球商業格局。

方躍教授指出，當前的市場確實在為一個由大規模生產力提升和組織重構所定義的未來進行定價。儘管有像 OpenAI 這樣的巨頭還在 “燒錢” 階段，甚至彭博社預測其要到 2029 年才能實現現金流為正，但這與單純的投機不同。

他將當下的 AI 熱潮比作 “互聯網泡沫” 而非 “鬱金香狂熱”。雖然短期內可能存在估值過高，但其背後是由真正的技術革命驅動的。方躍教授強調：

技術不等於價值。

真正的價值在於企業如何將這種技術轉化為結構性的生產力革命，而這正是未來幾年全球經濟增長的關鍵所在。

以下是華爾街見聞整理的精華內容：

今天我想從微觀角度與大家探討 AI。我們一提到 AI，往往會想到與知識生產力相關的特定企業和行業。但一個關鍵問題是：這一波 AI 浪潮的影響範圍能否更廣？它是否也會為製造業、服務業等相對傳統的行業帶來新機遇？

從宏觀投資來看，過去幾年 AI 領域的投資熱度前所未有，並主要集中在美國和中國。投資是經濟發展的重要組成部分，而另一個更具前瞻性的指標也值得關注。過去我們非常關注商業地產，將其視為經濟增長的重要預測指標。

但今年 6 月，全球對數據中心的投資已經超過了商業地產。這預示着未來的競爭焦點將發生重大轉移，大家對未來抱有巨大希望。

當然，這也帶來了新的挑戰。如此大量的數據中心建設，目前還主要用於模型訓練，尚未進入企業大規模應用的階段，但其用電量已佔據相當大的比例。據預測，未來用於 AI 訓練和應用的電力消耗，很快將超過其他所有用電量的總和。

AI 是泡沫還是革命？

AI 能否真正帶來生產力的提升？它對企業和行業又意味着什麼？尤其是在 OpenAI 5.0 發佈後，一些人可能感到些許失望，我們距離通用人工智能（AGI）似乎還有一段距離。

關於 “AI 是否是泡沫” 的討論，不外乎兩類觀點：

• 真正的泡沫： 像歷史上的投機狂熱，價值與價格嚴重脱鈎。
• 未來的革命： 像互聯網泡沫一樣，雖然短期內存在估值問題，但長期必然能帶來生產力的巨大提升。

對於企業而言，互聯網泡沫最終只是一個時間點的問題。但身處其中的企業和個人，如何把握時機則至關重要。AI 技術的發展速度極快，因為它具備自我迭代的能力，AI 正在參與自身的開發，這會加速大模型的發展。

如果從傳統的估值角度看，要收回如此巨大的投資，AI 需要產生何種規模的應用和價值？這確實是一個問號。即便是 OpenAI 自己也預測，其現金流可能要到 2029 年才能轉正。

然而，股票市場反映的是對未來的預期，這個預期的基礎是：人工智能能夠帶來生產力提升，並被企業廣泛應用。

雖然 AGI 的到來可能比想象中要慢，導致一些企業在遠大理想與眼前市場競爭之間做戰略調整，但我認為 Meta 的扎克伯格這句話，基本道出了許多科技大廠的心聲：

如果我們錯誤地投入了鉅額資金，固然不幸；但如果不投，風險可能更大。

這也解釋了為何各大廠商不惜餘力地投身這場競爭。

技術≠價值：從實驗室走向規模化落地

嚴格來説，實驗室裏的任何發明，如果不能落地並帶來價值，就不能稱之為 “技術”。我個人感覺，AI 正處在從實驗室走向大規模落地應用的關鍵階段。

“我們生產出了大量的牛仔褲和鏟子，但這並不意味着去挖礦就一定能找到黃金。”這句話提醒我們，技術本身不等於價值。

回顧過去 25 年（1997-2022），正是互聯網和移動互聯網帶來顛覆性影響的時期。全球人均 GDP 的中位數翻了 6 倍，而中國更是增長了 16 倍，這背後很大程度上依賴於數字經濟帶來的技術顛覆。

然而，如果我們觀察增長速度的曲線，會發現包括中國和印度在內的許多國家，人均 GDP 增速都呈現出一個 “倒 U 型”——前期生產力增速極高，隨後紅利逐漸消失。

這説明，互聯網和移動互聯網 “把原有業務重做一遍” 所帶來的紅利，已基本耗盡。技術若能產生大規模應用價值，必將帶來生產力的飛躍。那麼，目前 AI 的應用場景在哪裏？

• 最成熟的應用：編程和IT 建設。凡是已被數字化的領域，最終都可能被 AI 化。
• 快速發展的應用：市場營銷，因為內容生成和客户互動是生成式 AI 的強項。此外，許多流程化、標準化的工作，如人力資源和財務，也已開始產生價值。
• 投入最大的行業：大健康領域，包括製藥。

我們可以看到，AI 的影響是跨行業的，未來幾乎所有場景都能在某種程度上得到 AI 的輔助。

AI 落地的關鍵：從技術問題到組織能力問題

真正讓 AI 從實驗室走向大規模落地的關鍵，在於企業級的規模化應用。

現在我們看到的是，許多企業都在進行試點，容易找到若干場景讓小團隊嘗試，但如何大規模推廣？這考驗的是企業的組織能力。

我經常問那些進行數字化轉型的企業：如果給自己打分，得分高或低的原因是什麼？那些阻礙你做好數字化轉型的因素是否依然存在？如果這些問題沒有想清楚，這波 AI 浪潮恐怕也難以真正幫到你。

技術只是一個起點，落地需要巨大的努力。

可以預見，這波浪潮一定會讓一些企業離開市場，也會讓一些企業成為新的引領者。在這個過程中，簡單的模仿案例並非最佳路徑，因為 AI 對所有企業都是全新的，每個企業的狀況也各不相同。

生產力三要素的重構：AI 顛覆性的核心

要找到 AI 轉型的方向，首先必須想清楚 AI 的顛覆性究竟在哪裏。傳統的生產力由三大要素構成：勞動力、生產工具、生產資料。

在工業化乃至互聯網時代，這三者界限分明。但今天的 AI 屬於哪一部分？

它依然是生產工具。它也開始具備勞動力的特徵（數字員工、具身智能）。它還能生成數據，具備生產資料的特徵。

這波 AI 最核心的顛覆，就是徹底打破了這三大要素的界限。 這在人類歷史上前所未有，必然會帶來生產關係的重大變革。

一個簡單的例子：企業裏，HR 管人（勞動力），IT/CTO 管技術（生產工具）。現在問題來了，數字員工應該歸誰管？ HR 如何幫助 AI 成為合規員工？IT 又該如何考核它、讓它與人類協同？

這正是生產關係變革的開端。

勞動力的新形態與組織的進化

過去，生產力的提升主要靠分工，而組織研究的核心在於協同。當企業規模擴大，協同變得異常困難。

互聯網雖然改善了信息溝通，但決策、執行、學習等環節仍大量依賴人力，導致許多互聯網原生企業發展到一定規模後，也出現了傳統企業的組織問題。而 AI 的到來，可能會帶來根本性的改變：

從分工到人機融合：

• 未來，崗位可能不再固定，而是以項目為單位。一個項目可以動態組合人類員工和數字員工，這將徹底改變原有的分工模式，走向 “人機協同”。

企業智慧的沉澱：

• 過去，知識和智慧大多存在於專家的頭腦中，人員流失會造成巨大損失。AI 可以將這些知識沉澱為 “企業智慧大腦”，無論是新員工上崗，還是對前瞻性問題做判斷，都能提供支持。
• 一位企業家甚至設想，等他離世後，依然可以通過 “智慧大腦” 參與董事會，提供建議。

因此，不要把 AI 當技術來部署，而要把它當 “人才” 來培養。

培養人才需要什麼？需要讓他懂業務、容他犯錯、給他鍛鍊。培養 AI 也是如此。AI 要成為合格的 “員工”，需要懂業務、解決問題、有價值觀、能與人類及其他 AI 協同合作。

企業的終極形態：超級智體

我們認為，未來企業將走向 “超級智體” 的形態。這包含三部分：

• 機器智人化： AI 從工具進化為員工，甚至專家。
• 人人智體化： 優秀員工的標準將從 “善用 AI” 轉變為 “能否培養出合格的 AI 專家”。因為 AI 專家是可複製的，這就創造了 “無限勞動力” 的概念，這對所有企業，包括傳統企業，都意味着巨大的變革。
• 組織共智化： 企業的知識最終沉澱為 “智慧大腦”，使企業能像 AI 一樣自我學習、自我進化。

要培養出懂業務的 AI 人才，首先需要高質量的業務數據，這意味着企業的信息化和數字化基礎必須紮實。

我常對企業説：第一，如果你信息化、數字化做得一塌糊塗還能活到今天，恭喜你運氣不錯。第二，機會來了，課還得補，但 AI 能讓你走捷徑，以更低的成本、更快的速度補上這一課。

如何走向超級智體：進化三部曲

企業的進化路徑大致可分為三個階段：

• AI Ready (準備就緒)： 大多數企業目前處於這個階段，進行試點、嘗試，甚至補課。
• All in AI (全面 AI 化)： 將成功的試點大規模落地推廣，這一步相當困難。
• 超級智體： 實現最終的組織進化。

無論處於哪個階段，都需要強調幾點：

• 重新構想：必須擺脱 “人 + 工具” 的舊思維框架。
• 着眼增長：AI 帶來的不僅僅是降本增效，更是 “無限勞動力” 和打破組織邊界帶來的新增長模式。互聯網打破了企業間的邊界，而 AI 將真正打破企業內部的邊界。
• 保持緊迫性：觀望的時間比互聯網時代更短，必須立即行動。

案例分析：美的集團的 AIGC 轉型之路

美的在 AI 來臨前，已在信息化和數字化方面深耕十餘年，打下了堅實基礎。AI 來了以後，它大體上分三步走：

• 第一年：全員試試看
  鼓勵所有業務部門的員工——無論是一線、研發還是營銷——都去嘗試使用 AI。
• 第二階段：認真找場景
  這是一個大規模自下而上的過程。當員工瞭解了 AI 的能力後，結合自身業務尋找應用場景。美的在兩年內找到了 1 萬多個場景。
• 第三階段：全面擁抱 AI
  由技術部門介入，從海量場景中挑選出 100 多個真正有價值、可複製的項目作為重點，推動全面 AI 化。

這次 AI 浪潮與以往信息化不同。過去，業務和技術是 “兩張皮”。而現在，AI 在某種意義上實現了 “技術平權”。

任何員工經過簡單培訓，都可以利用 AI 工具搭建應用、解決問題。AI 成為了你的技術夥伴，能極大地輔助你完成工作。

結語：擁抱組織變革，創造中國智慧

這絕非一場單純的技術變革，而是一場深刻的組織變革。過去在數字化轉型中交的 “學費” 不能白交。

成功的轉型需要自上而下和自下而上的結合，而中層管理者在其中扮演着至關重要的角色，他們是搭建 “人機協同團隊” 的核心。

對於大多數企業而言，爭奪頂尖 AI 技術人才並非首要任務。我們更需要的是懂業務、願意擁抱和培養 AI、能與 AI 協同的人才。因此，團隊建設比高薪挖人更重要。

面對複雜的國際國內環境，以及傳統增長紅利的消退，全面推動數智化轉型是我們的戰略抓手。AI 帶來的技術平權、無限勞動力的可能性，為我們提供了新的機遇。

這場競爭，不完全是零和博弈，但一定會有贏家和輸家。中國在這波浪潮中，應該能夠憑藉自身的智慧和實踐，打出亮點。謝謝大家。