本文來源：騰訊科技 作者：孫天澍、曉靜

2025年8月，國家正式推出“人工智能+”戰略框架。這是一個重要的頂層設計：2027年應用普及率超過70%，2030年成為推動經濟發展的重要力量，2035年成為經濟發展主導力量。但是在大的頂層設計之下，也從產業、企業、場景、人才等方面留給了“人工智能+”落地很多重要的命題。當AI智能體可以參與決策、執行任務，甚至成為業務運轉的核心時，企業的價值創造方式將被徹底改寫。其變革影響之深遠，遠超大多數人的想象。

長江商學院終身教授孫天澍認為，“AI與人類歷史上所有技術有一個最本質的差異：AI不再是輔助人類的“工具”，而是與人類類似的“智能”本身。”

“我們正在快速進入“AI下半場”——智能不再稀缺，稀缺的是如何在業務場景中架構智能、創造價值的能力。“人工智能+”產業落地最缺的是“AI架構師”：能融合業務場景和智能體能力，用AI架構下一代業務形態、組織設計和商業模式的人才。”

AI下半場，全球的產業企業都站在同一個起跑線上，紅杉資本公布的最新數據顯示：面對價值10萬億美元的美國服務業市場，目前僅有約200億美元被AI改造，99.8%的經濟活動仍在等待智能化重構。

基于這些觀察，我們可以看到“人工智能+”從框架到落地，面臨著從”產業“、”企業“、”“場景”，到“人”四個層面的關鍵問題：

從產業機會的視角看——“人工智能+”與所有產業都相關嗎，現在AI對產業的變革處于什么階段？實現“人工智能+”產業落地的目標，最大的瓶頸和機會在哪里？

從企業投入視角看——“人工智能+”適合什么樣企業，從什么樣的場景開始投入？現在是投入“人工智能+”的最佳時機嗎？在短期看不到回報的情況下，企業該如何決定對AI的投入，又該如何衡量AI投資的投入產出比？什么樣的企業現在拿到了AI最大的價值？

從AI落地的場景看——企業AI落地應該如何選擇場景？如何用“智能原生”的方式去重構業務？投入AI但沒有在場景中看到價值的企業問題出在了哪里？

從企業AI轉型中所需要的人才來看——什么樣的人能主導和牽引企業和場景的“人工智能+ ”轉型？這些人才需要具備哪些核心素質？企業如何培養和獲得這些人才？

為了深入探討這些落地問題，我們與長江商學院科技與運營終身教授、杰出院長講席教授、數字化轉型中心主任孫天澍進行了長達四個小時的系統對話。孫天澍之前是南加州大學商學院與計算機系終身教授，研究跨界結合AI與商業，聚焦企業/產業的“AI業務場景重構”，在中美頂尖科技企業Meta、阿里巴巴等擁有豐富的實踐經歷，并擔任多家大型科技企業與產業企業的董事和資深顧問。

通過這次對話，我們梳理出了"人工智能+"產業落地的十大關鍵問題。希望在AI智能重構千行百業的開端，能帶來產業落地的些許實踐啟發。

長江商學院科技與運營終身教授、杰出院長講席教授、數字化轉型中心主任 孫天澍教授

核心觀點：

?“人工智能+” 戰略的深層邏輯

1. AI已快速進入下半場：卡點不再是技術，智能不再稀缺，稀缺的是架構智能的能力。“人工智能+”的核心在于如何用AI智能體重構千行百業的場景、組織和商業模式。

2. 當前產業存在巨大的“AI認知差”：AI的發展遠遠快于產業吸收AI的能力，智能體打開的可能性遠遠大于產業中目前通過架構智能獲得的價值。這種AI認知差的根源，在于產業中企業家和決策者的"AI架構思維"缺失，無法把智能融合進場景。

3. “人工智能+”戰略恰逢其時：產業需要新的增長引擎，AI需要產業場景與價值反饋，“人工智能+”是產業與AI的“雙向奔赴”。產業應用場景的豐富與縱深恰好是中國人工智能進一步發展最大的比較優勢。

?“人工智能+”在企業落地，場景重構和業務價值是最終衡量標準

4. 測量一個企業和場景是否適合AI重構的的“百萬員工問題”：思考 -- 如果場景突然多出100萬個“博士”智能員工，能否顯著提升業務價值？能，則說明企業或場景適合AI重構。

5. 企業AI落地應該選擇“場景”和“價值”作為衡量指標：“普及率”指標不夠本質，AI不是離散的工具，而是融入業務場景的“智能”，應衡量AI對于 核心場景的閉環重構，和所帶來的業務價值，而非應用數量和Token耗用；企業聚焦核心場景做出價值，比“撒胡椒面”AI落地更重要。

6. 企業AI轉型和AI原生孵化要“兩手抓”：部分企業的核心資產和核心利益很可能成為AI時代拖累企業的歷史包袱。擁有“從零開始”、擁抱AI智能體的勇氣和決心，比固守原先的城墻更重要。

企業AI轉型的第一步：選對場景，“先成就AI，再讓AI成就你”

7. AI轉型成敗取決于場景選擇和“AI架構思維”：目前多數企業AI嘗試沒有取得業務價值的根本原因不在于技術缺陷，而是沒能選擇對可以突破創值的場景，沒能在場景中做好智能體的架構，缺乏“AI架構思維”。

8. 如何找到最適合AI重構的場景：“三多一高一復雜”。員工多/客戶多/費用多的場景，高頻互動的場景，需要復雜知識與判斷的場景，都是最適合AI發揮巨大價值的“原生場景”。選對場景比埋頭改造更重要。

9. 智能原生思維 - “先成就AI，再讓AI成就你”：智能原生企業需要先“成就AI”，即為AI智能體提供知識、數據、工具、權限和協同工作流，讓它在這個場景中成長起來；然后再讓"AI成就你"，即讓這個智能內核驅動場景的效率、反饋和價值不斷迭代、越跑越快。這個選擇場景和架構智能體的過程，比盲目地上馬項目要重要得多。

?“智能”是這個時代最大的杠桿

10. 智能體杠桿正在重塑創業企業和產業企業的機會版圖：大廠短期將壟斷C端，打造超級入口+超級AI，在用戶心智、數據、模型上有定義權。

創業公司機會在B端產業重構：用AI原生思維與輕資產投入重構場景和組織，最大的機會是把領先企業上個時代獲得的“核心資產”轉為AI時代的“核心負債”。

產業企業的護城河在于場景+數據的積累，若疊加“AI架構思維”，有機會成為“超級富二代”。

“人工智能+”呼喚“AI業務架構師”

11. AI架構師是落地的最大瓶頸：企業需要能融合業務場景和智能體能力，架構下一代業務，“懂智能、懂產業、懂未來”的復合型人才，他們不是學校里培養出來的，而是在真實的AI產業重構的戰場中淬煉出來的。

12. “產業”和“AI”的體系性人才錯配亟待解決：“人工智能+”相比“互聯網+”的一個核心挑戰是人才的錯配。產業企業有場景與數據，但缺AI架構能力；而有AI架構能力的人才，缺少產業場景和數據。解決之道是企業家具備“AI架構思維”，敢于開放場景與激勵機制，讓內部和外部人才真正在場景的戰略鍛煉。

以下為孫天澍對談實錄：

問題一、在當前時間點，國家推出“人工智能+”戰略的必然性和深層考量是什么？“人工智能+”與所有企業都相關嗎？

孫天澍：我認為在2025年8月這個時間點推出“人工智能+”，是非常及時和準確的，我覺得與所有企業都相關，至少有三個層面的關系。

第一，AI本質是一次“智能革命”，我們正處在“AI下半場”的開端，智能開始重構千行百業。這個階段最顯著的特征是，隨著模型的開源、智能體的爆發以及成本的快速下降，智能本身已經不再是稀缺資源。

真正的卡點，從技術本身轉向了產業場景，轉向了如何利用無處不在的AI智能去重構場景，在千行百業創造真實的業務價值。所以，政策的推出恰好匹配了人工智能技術發展的內在節奏，引導社會關注的重心從“數字產業化”， 包括基礎模型、算力、芯片，向“產業數字化”，即千行百業的垂直場景應用轉移。?

第二，“人工智能+”是一個產業與AI“雙向奔赴”的必然過程。從產業端看，傳統行業迫切需要新的增長引擎和新質生產力，而人工智能是目前看來最有機會擔當此任的核心驅動力。從AI技術端看，技術的發展不能是無源之水，它需要有持續的價值源頭和資源注入。

千行百業的豐富場景、復雜的商業問題，恰恰為AI的迭代和可持續發展提供了最肥沃的土壤。如果沒有產業價值的創造，企業很難持續投入AI，AI技術本身也很難快速迭代和持續進步。尤其在中國，我們無法像美國那樣單純依靠巨額資本投入來驅動AI發展，我們最大的比較優勢就是龐大的產業基礎。只有將千行百業的場景需求拉動起來，技術才能在應用中創造價值，形成AI投入產出的正向循環。

第三，自上而下的政策推動具有重要的“教育”和“牽引”作用。我最近在產業中做了大量調研，一個很深的感受是，大多數企業家還沒有深刻意識到這次AI革命的本質和“智能”對產業重構的深度和廣度。

今天我觀察到大多數企業的最大問題是只在低頭解決今天的事兒，沒有人在架構明天的場景，更沒有人去想象后天的業務。很多人仍在用產業慣性的思維或“互聯網+”模式來理解“人工智能+”，或者還在追求規模小、短平快的功能應用，沒有從AI原生的思維方式去設計業務場景、商業模式和組織架構。

因此，需要一個自上而下的政策推手，甚至像KPI一樣，來“牽引”企業進行更深層次的思考和規劃。這波變革與“互聯網+”有本質不同，后者更多是渠道和鏈接的改變，相對直觀、企業容易理解并建立獨立團隊發展；而“人工智能+”是內核與架構的變革，更加抽象，企業需要重新用AI架構自身的發展模式，思考用智能體創造價值的根本方式。雖然企業的感知開始不一定像互聯網渠道崛起時那么明顯，但企業的業務場景、商業模式、組織流程、生態協同都可能從內核被徹底重構。

問題二：結合您的觀察，目前中國的人工智能+大概走到了一個什么樣的階段？企業投入AI的瓶頸和機會在哪？

孫天澍：人工智能+才剛剛開始，所有企業都在AI下半場的同一起跑線上。

從產業視角看，我們正處在一個轉折點。過去大家更多關注的是“數字產業化”，比如基礎模型、算力、芯片的發展。而現在，隨著“AI下半場”的開啟，關注點正在向這個大基座之上的千行百業的垂直場景和業務應用轉移。這是一個全新的開始，給了所有企業重新思考、謀劃和布局的機會。

我的個人觀點：AI的發展遠遠快于產業吸收AI的能力，智能體所打開的可能性遠遠大于產業中目前通過智能實現的場景價值。即便今天所有AI科技停止進步，僅用現有的智能技術，也足以在未來很多年內對所有產業帶來巨大的變革和重構。產業與技術中間存在一個巨大的“AI認知差”。

這個認知差的根源，在于產業中核心決策者的“AI架構思維”。智能不再稀缺，缺的是架構智能的能力。這種AI架構能力，不是指對具體技術的細節了解，比如懂不懂Transformer或RAG或RLHF，而是一種用智能去重構業務場景的思維方式。一個頂尖的企業家，必須能超越單點技術，結合自己對產業的深刻認知和對需求本質的洞察，去想象未來，把AI技術“拉”進自己的企業場景和產業鏈路。如果這種認知不能突破，企業乃至整個行業都可能在AI下半場陷入停滯。

所以，這次人工智能+浪潮，最核心的變量最終還是“人”。每個行業都需要新一代的“AI業務架構師”：能融合業務場景和智能體能力，用AI架構下一代業務形態、組織設計和商業模式的人。他們可能是傳統企業家實現了認知突破和自我革命，也可能是一個對產業有理解、對智能有原生認知和習慣的年輕人。他們將是改變行業本質的關鍵力量。

問題三、政策為“人工智能+”設定了2027年、2030年和2035年三個關鍵時間節點，并以“應用普及率”作為階段性的量化目標。企業應如何理解這些節點和指標的現實意義，如何制定目標來評估和指導自身的AI落地？

孫天澍：我對這次AI智能革命的衡量和評估方式有一些不同的看法。我認為，不能用過去衡量工具革命（如IT、云計算、互聯網App）的方式來推演和測量這一波浪潮。最大的不同在于，這次AI革命的核心是“智能”本身，而不僅僅是“工具”或“技術”。

在過去的IT體系中，無論系統多強大都是輔助，最終做決策的依然是人，人是體系中唯一的智能單元。但AI革命的本質，是智能體本身就有“智能”，可以直接決策，形成執行和反饋閉環。這意味著，AI不再是一個可以簡單計數的、離散的工具（比如企業是否上了某套系統、用了某個App），智能會像電一樣滲透和融合到業務場景中決策的方方面面，催生類似“流水線”這樣的創新和重構，帶來巨大價值。

因此，我認為，AI智能的普及率還是要用“場景”和“價值”來衡量：AI在一個行業或企業的多少場景中多大程度賦能甚至替代了場景中的做“決策”所需的智能，從而真正改變了場景的業務模式和組織形態，創造了價值。像“應用普及率”這樣的指標，如果還用傳統方式去定義，比如統計有多少企業用了某個AI應用，我認為是不本質的。

未來的智能形態可能更加融合，比如一條智能生產線，你很難分清是人形機器人、機械臂還是某個軟件系統在發揮作用，它是一個整體。一個企業、一個場景可能Token消耗量巨大，但表面上看不到一個具象的AI應用，但是場景已經重構、企業已經變革。

所以，如何創造性地定義和衡量“普及率”，本身就是一個對學術界和產業界都提出的新挑戰。我認為，在“數字產業化”相關的行業中可以用模型迭代和Token消耗來做衡量指標，代表“智能的供給”；但是，“人工智能+”所關注的千行百業應用普及必須用AI所變革的“場景”來衡量“智能的價值”。

當然，政策設定2027年普及率超70%這樣的目標，核心意圖在于“驅動”和“牽引”，加速所有企業向這個方向努力。但我們必須認識到，這只是一個過程性指標，服務于最終的經濟增長目標。真正的實質，是企業是否用AI架構了下一代的場景，創造了下一代的需求，創新了下一代的產品，重塑了下一代的組織，最終實現了產業模式的轉型和業務價值的躍升。

所以，一個更好的衡量方式，是轉向以"場景"為單位。一個企業內部有多少核心業務場景，實現了由AI智能作為內核驅動的、從需求洞察到組織供給的價值閉環。當越來越多的企業找到了自己的標桿場景，就會逐漸形成新的行業標準和更具體的衡量方式。

比如，我們每天刷的短視頻，就是一個典型的智能原生場景，背后沒有千萬客服，但每個用戶的個性化需求都得到了滿足。企業轉型的關鍵，就是要找到這樣能夠被智能原生方式重構的場景，而不是在所有地方"撒胡椒面"。

問題四：MIT Nanda報告發現95%的企業還沒有從AI投入中得到價值。企業落地的很多AI應用的嘗試是失敗的，難以真正服務于業務增長，根本原因是什么？

孫天澍：根源在于，大多數企業還沒有真正思考清楚如何在自己的核心業務選擇最適合AI重構的場景，如何在場景中深度融合AI，用AI去架構下一代的業務模式和組織形式。今天最稀缺的，不是AI技術本身，而是這種圍繞業務場景的“AI架構能力”。我用一個教育的例子來說明。無論是大學生還是企業家來上課，本質需求都是為了解決自己的個性化問題，實現成長。

但過去千百年的教育模式都受限于供給——優秀的老師是稀缺的。所以，我們習慣了“教室”這種組織形式。但今天，當智能不再稀缺，我們完全可以重構這種服務模式。

一個AI智能體可以服務于每一個學生，深度理解他的需求畫像和業務問題，再結合老師的知識庫和行業實踐，提供個性化、高頻的交流和學習。未來，可能所有人依然在同一個時間聽同一個老師講課，但每個人聽到的內容可能是完全不同的，是針對他所在行業和具體問題的。在這個過程中，老師的時間價值被放大了成百上千倍，學生的需求也得到了更充分的滿足。

從這個例子就可以看出，這個變革的重點，不是老師用了某個AI工具，而是整個行業和場景的供需模式被重構了。要實現這一點，就需要有人能夠深刻理解需求的本質，大膽想象未來的場景，并用AI智能體去架構出新的工作流。這正是吳恩達在他最近的訪談中所強調的，關鍵在于能否用AI閉環解決一個小場景的直接問題。

所以，對于一個企業而言，當務之急是在上千個業務環節中，找到一到兩個最核心、最能體現價值的場景，將其打造成AI智能為內核驅動的業務閉環標桿。

最重要的是：“先成就AI，再讓AI成就你”。你需要先“成就AI”，即為AI智能體提供數據、工具、權限和工作流，讓它在這個場景中成長起來；然后再讓"AI成就你"，即讓這個智能內核驅動場景的效率和價值不斷迭代、越跑越快。這個選擇場景和架構智能體的過程，比盲目地上馬項目要重要得多。

問題五：既然并非所有企業的所有場景都適合，那么一個企業該如何判斷自己是否適合"人工智能+"？以及，如何才能找到那些真正適合被AI重構的“原生場景”？

孫天澍：判斷一個企業是否適合，或者說，判斷一個業務場景是否適合"AI重構"，我自己評估場景有一個很簡單但很直接的 “百萬員工問題” （litmus test 石蕊測試）：如果你的企業或某個具體的場景中，突然多出100萬個不知疲倦、記憶力超群、還能不斷學習的智能員工，你在業務場景中是否可以更好、更快、更深地滿足用戶需求？如果答案是肯定的，那么這個場景就有巨大的AI重構的機會。如果答案是否定的，說明這個場景對智能的"包容性"不夠大，智能的投入并不能在場景中帶來邊際收益的顯著提升。

所以，不是所有企業都適合AI重構，大多數場景也不一定適合AI投入。選擇大于努力，找到適合智能重構的原生場景，是一個企業在人工智能+時代最重要的“能力”和“運氣”。

技術革命從來不是公平的，你可以把它想象成從外星來的神秘力量，不是所有人都會被幸運的擊中。類似于如果你今天所在的“捕魚”的地方沒有大魚了，那么一個頂級的創業者，應該做的不是在原地繼續撒網，而是把船開到新的、可能有鯨魚出沒的海域，重新開始。“兵無常勢，水無常形”，擁有適應和擁抱AI智能體的勇氣和決心，比固守歷史包袱和沉沒成本更重要。

至于如何找到這些場景，除了一開始的那個核心問題，我總結了一個更具體的“AI場景重構”方法論，就是看一個場景是否滿足“三多一高一復雜”的特征：

三多：員工多（或重復性人力勞動多）、用戶/客戶多、費用多（成本高）。

一高：高頻互動。

一復雜：需要復雜的知識和判斷。

滿足這些特征的場景，通常是AI能夠發揮巨大價值的地方。但最難的，還是對產業需求本質的理解，并且是超越今天的需求，去想象和創造下一代的需求。這需要懂未來、懂產業、懂智能的人來共同架構。

問題六：AI重構千行百業確實是一個大機會，但人工智能+的機會到底是誰的機會，是少數大廠的機會，還是無數創業公司的機會，還是頂尖產業企業的機會？

孫天澍：多數的價值到今天為止都被大廠拿到。但是未來在人工智能+千行百業場景當中，我覺得創業者會有許多的機會，因為“人工智能+”不是一個C端平臺入口的心智，也不是一個規模化的技術底座建設，而是對千行百業的場景重構。

在C端我覺得其實巨頭平臺的心智入口相對來說是創業公司不是那么容易能夠去替代，短期內也很難改變現有的競爭格局。在面向用戶C端的創業賽道上，依然是一個超級富二代之戰，由在今天擁有場景、擁有數據、也擁有智能定義能力的科技大廠來扮演非常關鍵的角色。

但在人工智能+千行百業場景上，我覺得創業者有巨大的機會。因為他沒有在消費端的規模效應、網絡效應和成本效應，它會有很多的新的對于產業重構的邏輯。而在用戶端，這樣的規模效應、網絡效應和成本效應是非常清晰和明顯的。

從今天的閃購大戰可以看出兩個重要趨勢：“超級入口 + 超級AI”。

所謂超級入口，是指用戶的時間與錢包份額進一步向少數平臺聚集；未來吃喝玩樂、衣食住行、社交與知識獲取，都會在更少的端上呈現、滿足并形成閉環。

以閃購為代表的超級入口聚合，會進一步賦能并放大“超級 AI”：因為場景與數據更豐富、更閉環，AI 能更好地嵌入、迭代與學習，形成智能體的進化。在消費者端，垂直與感性需求仍有創業機會，但在理性、綜合需求維度，競爭仍將是“超級富二代之戰”。

對AI 原生創業企業而言，未來有兩大優勢：

其一，思維的原生，沒有既有規則或組織結構的限制，從第一天起就能圍繞智能體能力來架構人機協同工作流與AI原生的商業模式，直接面向客戶需求，“先成就AI，然后讓AI成就你”，因而擁有全新的機會；

其二，資產的原生，沒有沉重的歷史核心資產，就不會因為 AI 智能體的到來把這些資產變成核心負債。許多龍頭產業的挑戰在于，過去引以為豪的核心資產正在漸漸變成包袱。以數碼相機為例，它讓柯達的膠卷、全球沖洗工廠、分銷渠道與零售網點，迅速從優勢轉為負擔。

今天，智能的廣泛涌現與無處不在，正在改變各行業的工作方式——可以用更AI 原生的方式、圍繞動態迭代的智能來重構組織。AI 原生創業的核心機會，正是把產業領先者的核心資產變為其核心負債，以全新的方式實現跨越。

我覺得縱觀人類歷史，今天一個人所擁有的杠桿比以往任何時候都大得多。因為我們擁有了新的杠桿——智能體杠桿。過去規模化必須依賴 scale by people / product / capital（用人才杠桿、產品杠桿、資本杠桿來規模化），今天新增了智能體杠桿（scale by agents）：智能無處不在，一個人可以大規模地架構大量的智能體滿足需求、重構業務、重塑場景。

因此，未來一定會出現回報率極高的投資方式與增長速度極快的創業方式：不再只是 1 倍、2 倍、3 倍的回報，而是會出現百倍、千倍杠桿的創業與企業，只是多數人尚未適應這種新杠桿，更無法駕馭這種杠桿。

對現在領先的產業企業來說，最大的能力與優勢在于長期經營所形成的場景資產和數據資產。正因為擁有這些場景，才能把智能無縫融合進去，無須從零創造場景；也因此沉淀了大量數據與支撐體系。數據資產應作廣義理解：既包括對客戶需求、生產環境、零售渠道等結構化和非結構化的“具象的數據”，也包括企業員工與專家積累的經驗與知識（腦中的知識和認知，“無形的數據”）。

這些都是產業企業抵御 AI 原生企業進攻的關鍵。要用好場景資產與數據資產這兩個核心要素，真正用 AI 智能體釋放場景和數據價值；若再疊加AI 原生思維，就有機會成為AI下半場真正的“超級富二代”，把既有優勢轉化為下一代產業的護城河，并將潛在的負債轉化為差異化優勢與增量價值。

問題七：選擇場景后，企業進行AI轉型需要投入真金白銀，在短期內可能看不到業務價值的情況下，該如何衡量投入產出比（ROI）？

孫天澍：關于這個問題，我有兩句很直接的話：衡量AI投入最終也是唯一的方式，就是業務價值。在業務價值實現之前，靠信仰。這聽起來可能很玄，但就像創業一樣，它本質上是一種基于判斷的投入。不過，“信仰”不等于“盲目”。在最終的業務價值實現之前，AI架構師的核心能力之一，就是能夠精確地設計“中間指標”和階段性的業務里程碑。

在選對場景后，最關鍵的是要定義好在場景中AI要實現的“中間目標”，定義對AI轉型的業務目標本身就成功了一半，因為它會牽引整個組織向特定的方向努力。舉個醫藥零售的例子，企業的最終目標是提升GMV和利潤。但AI轉型的切入點是什么？是提升單個會員的全生命周期價值，還是賦能藥店開出更多的分店？這背后是完全不同的戰略選擇。如果你選擇前者，你的中間指標可能會拆解為：提升會員到店頻次、提升進店轉化率、提升關聯銷售和客單價等等。

一個好的中間指標，必須滿足兩個條件：第一，它是一個有明確價值的業務指標；第二，它可以成為智能體動態迭代的“獎勵函數”。就像抖音的用戶時長，這個指標既是業務目標，也可以被拆解為單視頻停留、觀看完成率等，從而指導推薦算法的迭代。當算法發現給你推的內容你只看了一秒就劃走，它就知道這個推薦是失敗的，需要調整策略。這種將業務目標轉化為數據指標，并用其牽引智能體迭代形成飛輪的能力，正是"AI架構思維"的核心體現。

所以，企業要做的，就是找到那個能夠快速數據反饋、形成閉環、并能持續產生業務價值的場景和“中間指標”。一旦你建立了這個機制，剩下的就可以交給AI，相信它迭代的速度和潛力。

問題八：如何理解“人工智能+”行動中說到的"智能原生"（AI原生），怎么培養智能原生的思維，它具體體現在哪些方面？

孫天澍：“智能原生” 是真正以智能為中心來建立業務和組織，智能原生企業可以通過巧妙的架構業務模式和組織協同，把智能體的能力在場景充分釋放出來。

比如抖音和滴滴都是移動原生的產品，在PC時代很難想象刷抖音和用滴滴，沒有手機的交互（觸摸屏上劃下劃）和攝像頭不可能消費和生產短視頻內容，沒有實時GPS位置的共享也不可能有用戶和司機的高效匹配。做到“智能原生”，最重要的是思考你怎么幫智能體成功，你要像一個“伯樂”一樣，去思考如何培養“智能體”這匹千里馬，真正幫助它在場景中成功。

我們可以想象，企業里來了一個“怪才”新員工——AI智能體。她有無限的記憶，可以快速吸收和融合海量知識，能調用各種工具和接口，24小時7天不斷工作，也有動態的反饋迭代能力，可以持續學習甚至智能"涌現"，但是在另一些方面卻沒有普通人都有的一些常見能力比如識別意圖和穩定對話。

AI原生的思考方式，就是要你發自內心地理解并信仰這個新同學的能力，并思考如何最大化幫助她 -- 教她知識，給她數據，配備工具和權限，持續給她反饋和陪伴。你要真心希望她成功，希望她成為組織的中心，而不是把她看作一個威脅，擔心她搶了你的風頭，或者是希望她完全能夠遷就你，幫助你在現有的工作習慣下和組織流程中完成任務。

還是上面強調的那句話，要學會“先成就AI，再讓AI成就你”。想象你是邁阿密足球隊的教練，當梅西轉會來之后，要思考如何圍繞他來重構陣型，幫助新同學（“智能體”）成功，而不是讓他適應之前的傳統打法。

具體來說，這種“AI原生架構”思維體現在幾個方面：

先把AI智能體玩起來，對AI智能體的能力邊界有直覺，懂原理：AI下半場，優秀的企業家需要通過使用agent不斷培養直覺，了解AI智能體能力的邊界，而偉大的企業家還需要抓住AI智能的原理和本質，深刻地把握智能的運作方式和技術原理。只有這樣才能不但理解今天智能體的能力和局限，也能夠預測明天智能體的突破和創新，圍繞智能體演化的路徑和方向，不斷去定義新的業務模式，發現新的業務場景，布局新的業務創新。

設計人機協同流程：你要思考，如何為這個AI員工配備人類的合作伙伴，甚至是一些人類員工的上司，你需要知道如何為她配備知識、數據、工具、系統和權限。讓她能夠更好地融入組織，發揮作用。

配套幫助AI智能體持續迭代的機制：你需要理解"獎勵函數"的重要性，知道如何為AI員工設計清晰的考核目標和反饋迭代機制，讓智能體能夠不斷成長。總而言之，今天的世界，懂商業的人很多，但“懂AI商業”的人很少。

所謂懂AI商業，就是能把AI的設計和商業的設計完美融合，用AI原生的方式去做商業。最終的目的不是為了做AI而做AI，而是用AI去創造性地架構下一代的業務。這才是AI架構思維的精髓。

問題九：您反復強調"AI架構師"的重要性，這是否意味著"人才"是當前推動人工智能+最大的卡點？我們又該如何培養這樣的人才？

孫天澍：是的，我認為今天人工智能+最大的挑戰和機遇都在于人才，特別是那種我所說的，真正懂產業、懂智能、懂未來的下一代"AI架構師"。

一個“AI架構師”可抵千軍萬馬。

今天我覺得人工智能+的一個很大的問題是擁有場景和數據的傳統企業，與擁有AI架構能力的外部人才之間，存在一種“體系性的錯配”：擁有場景的人不擁有AI架構能力，擁有AI架構能力的人不擁有場景，而且互相找不到對方。怎么樣創造出一個合作、孵化、協同、共創的機制，是非常關鍵的。

關于如何培養，我的觀點是，AI架構師一定是在重構千行百業的“戰場”中打出來的，而不是在學校里學出來的。他們一定是在千行百業的戰場中，通過無數次的行業試錯、重構和競爭中涌現出來的。當然，我們可以為這種涌現創造條件。

我認為AI架構師需要具備三個核心特質：

懂智能，有“AI架構思維”。這不一定要求會編程，但必須對AI能做什么、不能做什么有直覺，以及它的工作原理有定性的理解、并且對AI智能體的演化有興趣，當你的企業多出100萬個AI員工時，能判斷出業務場景會發生什么變化，可能如何去架構。

懂產業，有深刻洞察。這需要真正深入到產業場景中去，理解能源、醫療、制造等行業的真實需求本質和組織方式。對于年輕人來說，這是最需要鍛煉的，也是最需要機會的。

懂未來，有原創勇氣。要敢于打破常規和產業固有的邏輯，用第一性原理去思考，去想象和架構下一代的業務。同時，還要有能力駕馭轉型節奏，構建人機協同的新工作方式。

前兩者（懂智能、懂產業）都是可以通過創造機會來培養的。培養一個AI架構師，和培養一個AI模型很像，你必須給他提供場景、數據和反饋機制。我們要做的，就是創造出這樣的環境，讓有潛力的年輕人能夠在真實的千行百業的場景戰場中去訓練，去完成他們大腦中神經網絡參數的"預訓練"和"微調"。所以，關鍵在于機制的建立，讓擁有場景和數據的企業，愿意把機會開放給擁有智能架構潛力的年輕人。

問題十：您剛才說到，擁有場景和數據的傳統企業，與擁有AI架構能力的外部人才之間，存在一種“體系性的錯配”，互相找不到對方。怎么建立機制，如何才能改善這種狀況？

孫天澍：這是一個非常深刻且普遍的問題，也是“人工智能+”與“互聯網+”一個很大的不同。要解決這種錯配，不能只靠政策引導，最終還是要靠市場機制。

核心在于，企業，特別是CEO，需要成為一個好的"AI架構師"，這個架構師不僅架構業務，也架構組織和人才。他需要有能力和"品味"去識別、發現、尋找和培養那些真正擁有智能架構能力的人才，并且愿意把場景、數據、知識和實踐的機會開放給他們。這些人很可能來自企業外部。因為傳統產業內部，直接擁有算法思維和原創勇氣的人才并不多。

這就帶來了一系列現實問題：薪資結構怎么定？一個頂尖的AI人才，為什么要加入一個薪酬和節奏都相對傳統的行業？這需要企業在組織設計和激勵機制上進行大膽的創新，用市場化的方式，讓頂尖人才愿意并能夠快速進入千行百業。我認為，當前互聯網行業的人才溢出，就是一個巨大的機會。

我常說，互聯網是一座“小山”，從業者加起來幾百萬人；而人工智能+的千行百業是一座“大山”，從業者有幾億人。如何讓從“小山”里出來的、經過了數字化“學前班”訓練的人才，進入到“大山”里，在重構產業的真實戰場中，成長為真正的"黃埔軍校"學員，也就是AI架構師，這是時代給予我們的巨大機遇。

總結：?這輪“人工智能+”的實質，不是工具換代，而是“智能”成為產業的新內核。決定成敗的不是技術堆疊，而是在千行百業的場景中架構智能的能力， 誰能率先以“AI架構思維”，找到AI原生場景，定好指標和迭代，在場景中培養AI架構師，用智能體杠桿重構業務模式和組織設計，誰就能真正在“人工智能+”的AI下半場中領先，定義下一代產業。