过去十年，全球在人工智能（AI）领域的投入相当大。伴随生成式人工智能的兴起，整个AI板块再次受到热捧，吸引了大量资金和市场关注。从全球范围看，过去十年间，中国AI初创公司的数量呈现出爆发式增长，仅次于美国，位列全球第二。在2013年至2023年期间，美国新增的AI初创公司高达5509家，而中国为1446家，紧随其后的是英国，数量为727家。
值得注意的是，中国在AI专利数量上居全球首位，过去十年中占据了近60%的全球AI专利。然而，就AI模型的发展状况而言，美国仍处于全球领先地位。斯坦福大学最近发布的《2024年人工智能指数报告》显示，2023年共有61个有影响力的人工智能模型源自美国，远超欧盟的21个和中国的15个。
事实上，我国很早就将AI作为战略发展的重点之一。例如，在2017年国务院印发了《新一代人工智能发展规划》。随着AI技术的迅猛发展，除了推进AI的政策举措外，监管机构也开始关注AI领域，导致AI相关法规数量急剧增加。各地政府也相继出台了许多支持政策，主要集中在算力基础构建、数据资源管理、模型研究开发、应用场景落地和生态体系构建等领域。关于AI治理的政策探讨日益增多，凸显出在全球范围内对负责任且标准化AI实践的迫切需求。
值得关注的是，产业界是推动这一波AI发展的主要力量，其中近70%有影响力的人工智能模型来自产业界。中国大模型发展所面临的主要挑战集中在算力、数据和人才三个方面。打造负责任的AI将是企业AI转型的核心任务，而“以人为本”将是AI能否大规模落地应用的关键。
01打破“实验循环”的困境
大家熟悉的Gartner技术发展曲线（Gartner Hype Cycle）详述了新兴技术从初始萌芽到广泛应用的演变过程，通常涵盖五个阶段：技术萌芽期、期望膨胀期、泡沫破裂期、稳步爬升期和生产力成熟期。在初期，公众对技术发展的期待往往过于乐观。技术通常先在“实验室”中诞生，例如互联网技术早期也经历过类似的过热现象，导致2000年前后互联网泡沫的破灭。人工智能亦面临类似情况。对于当前运用大模型的企业而言，AI所带来的效益并非一蹴而就，大规模商业化应用尚未实现。许多企业在不懈的探索与实践中，仍发现自己处于“实验循环”的困境，难以明确AI技术的实际部署方式。因此，从商业角度来看，AI的短期影响有限。打破“实验循环”，实现与业务紧密结合的可落地、规模化的商业场景和模式至关重要。从我接触的企业来看，大约三分之一的高管认为生成式AI将在未来一年内给行业或企业带来实质性的变革。不过，当前企业对于AI近两年的快速发展态度各异。数字化能力较强的企业表现出极大的热情，积极拥抱AI；而数字化能力较弱的企业则更多呈现出“焦虑”“迷茫”和“恐惧”的态度。总体而言，当前企业大致可分为三类：第一类是密切关注AI技术发展，并研究其对业务影响的企业，但实际应用仍停留在员工自发的零星尝试上；第二类企业高管高度重视AI，认为其将对业务产生重大影响，因此在企业各业务线积极鼓励并组织团队探索和应用AI；第三类企业则将AI视为整体战略，全面实施AI转型，力求尽快成为“AI原生态企业”。不同行业中，这三类企业的比例差异显著，多数企业属于前两类。企业的状态在很大程度上反映了高管，尤其是一把手的前瞻性和认知。对AI“视若无睹”、尚未采取任何行动的企业在未来几年可能面临严峻挑战。展望未来，可能出现五类企业：技术开发的先驱者（如OpenAI，但仅有少数能存活并成为行业领军者）、技术发展与大规模应用的推动者（如英伟达等基础设施企业）、适应者（希望跟上技术浪潮，避免被淘汰的“防御型”选手）、进攻型（ 全面进行AI转型的企业，将成为技术浪潮的积极参与者和推动者），以及观望徘徊、最终可能因无法跟上浪潮而被淘汰的企业。AI对所有企业，无论大小，都带来了前所未有的机遇。未来3-5年，AI技术将深度融入企业的各个流程、产品和服务中，引发生产力、生产工具以及组织和文化的全面变革，包括效率、创新、用户体验、决策、协同和敏捷性等方面的显著提升。过去一年多来，我观察到国内企业对AI的认知正在不断提高，不仅是对技术本身的理解，还包括对AI可能给行业和企业带来的潜在影响的认知，以及如何制定AI战略和推进AI转型。越来越多的企业意识到，真正的竞争对手并非AI技术本身，而是那些能够更好地利用AI的人和组织。从技术开发的角度来看，我们观察到规模较小的企业往往动作更快。而从业务应用层面来看，规模较大的企业在AI的投入和落地应用方面更为积极，而规模较小的企业则更多处于内部试点阶段。今天，我们讨论AI转型，与二十多年前讨论数字化转型时的情况颇为相似。对所有企业而言，无论规模大小，都再次站在了一个关键的转折点。
02企业AI转型是“一把手”工程
对于企业而言，AI转型具体可以如何来实现呢？
实际上，并非所有企业都需要自建大型模型，除了构建与开发的成本，一旦实现大规模商业应用，其运营成本将非常高昂。同时，开发者还需承担“负责任”的“管理员”角色，包括培养模型的“价值观”和“责任感”。
其次，企业可以根据自身需求选择开源或闭源模式。开源模式以Meta和IBM为代表，注重AI的民主化和透明度；而闭源模式则由谷歌、微软和OpenAI引领，更关注技术保护和商业利益。但无论选择哪种模式，AI转型都是一项“一把手”工程，其最大的挑战在于变革管理。
接下来，AI的未来发展将呈现多元化趋势，包括小语言模型、多模态模型和AI智能体的发展，同时行业模型将更加细化，人才争夺也将更为激烈。此外，我们还将看到科技巨头对AI初创公司的收购趋势持续。
在AI转型的初期，企业应首先明确业务需求和战略目标，从而确定转型的优先级和步骤。在这个过程中，有三点需要特别注意：
1.降低对AI转型的过高预期，避免理想化。由于人类自身的复杂性和偏见，AI的大规模应用需要考虑到具体应用的容错率以及对利弊的权衡。
3.变革管理是一项重要的“一把手”工程，高层领导的支持和参与是转型成功的关键。人工智能的应用落地应由真正了解业务的一线团队来推动。
为了评估AI转型的阶段性情况，企业可以参考一些主流模型，如沃顿商学院的企业人工智能准备程度衡量维度（包括战略、执行、创新和赋能能力）以及哈佛商学院研究学者提出的IDEA框架【包括识别（Identify）、确定（Determine）、推断（Extrapolate）和预测（Anticipate）】。这些框架有助于企业高管分析技术对自身人才和组织的影响，使企业在AI不断进化的过程中保持准备状态。
03“以人为本”是大规模落地的关键
过去的一年里，人工智能技术的发展让世界迎来了一个重要的转折点。它不仅为各行各业带来了显著的生产力增长机遇，还大幅提高了工作效率。对于企业管理者而言，AI既是实现突破的新机遇，也是必须应对的新挑战。
回顾历史，每当颠覆性技术出现，人们总会担忧其将大规模替代人类。然而，在现实中，AI技术仍处于辅助阶段，其主要作用在于赋能而非取代人类。我们目前正处于一个转型期，需要聚焦于如何最佳地结合人类智慧与机器智能，共同创造价值。
尽管众多企业正在积极推动AI技术的应用，但部分员工对此持抵触态度。他们担心AI可能取代他们的工作，而不仅仅是提高效率。这种担忧导致了很多关于AI何时能取代人类员工、哪些岗位将面临失业的讨论。有人甚至质疑，如果AI真的取代了他们的工作，那么他们为什么要帮助企业训练一个替代自己的AI？
然而，我认为现在对很多问题下结论还为时过早。AI技术仍处于快速发展和迭代的过程中，许多不完善的地方将随着时间推移而逐步改善。从长远来看，关键在于人类如何与AI技术共同进化，让AI更好地激发人类潜能，并为人类创造更广阔的价值空间。
因此，在企业大规模推广AI时，必须实践“以人为本”的战略。未来的工作场景将是人机协作的时代，AI将以“智能体”的形式参与到我们的工作中，成为我们的“同事” “合作者”甚至在某些方面扮演“领导”角色。但我们必须明白，领导力与创新能力是AI无法替代的，我们应当重视AI型人才的培养。
我相信，人工智能的真正力量不仅在于提高生产效率，更重要的是它能帮助人类“挖掘”自身并发挥潜能。作为企业家，我们需要考虑如何推动“人性化AI”的生产力提升，构建AI创新文化和支持性环境，提供有意义的工作并再培训员工，留住高需求人才，以及培养社交情感技能以实现人机协同。
在面对人工智能时，人类的经验依然至关重要。我们需要努力学习和有效利用AI，这将带来人类角色的不断变化，也可能让我们对自己的能力有新的定义。这实际上是人类的一种进化。
AI将继续改变世界，而我们的任务是在这一变化中找到自己的位置，抓住机遇，打造适应未来智能时代的竞争力。我们不仅要接受AI，还要学会如何与之和谐共舞，以便在科技革命中保持领先地位。人工智能的快速发展在某种程度上推动了人类的自我迭代和重新定义，我们需要找到人类工作的意义和幸福感，以应对AI带来的变革。
当AI“威胁”到人类的某些“独特能力”（如创造能力）时，我们可能会“强迫”自己努力迭代自身，重新定义“我是谁”和属于自己的独特价值。企业应避免因采纳AI而导致人类员工的“去人性化”，保持开放的心态和学习能力至关重要。赋予工作更多意义，让员工在AI转型中找到自身的特有价值。认知的重要性不言而喻，它将决定我们的心态。面对AI变革，正确的心态是关键。正如彼得·德鲁克在《21世纪的管理挑战》中所言：“我们无法左右变革，我们只能走在变革的前面。”