李开复谈AI转型:智能体数量不是核心指标

   时间:2026-11-19 19:01 来源:天脉网作者:叙远

围绕企业AI转型,李开复把问题拉回到经营层面:企业购买的模型、组建的团队和部署的智能体,究竟带来了多少收入、降低了多少成本,或解决了哪些过去无法处理的问题。若这些问题没有答案,AI投入就很难形成可验证的回报。

他以创新工场投委会使用的投资官AI为例。这套系统中有多个智能体分别研究技术、市场、估值、风险与合规,另有一个被称作“魔鬼代言人”的角色专门提出质疑。它不满足于“大家都看好”,而是追问关键假设是否缺乏证据、数据是否只支持乐观判断、技术壁垒能维持多久、增长预期是否已提前反映在估值中。系统会把分析汇总成尽职调查材料,但最终判断仍由人核查并承担责任。

这个案例让李开复关注到一个变化:AI不再只是等人提问、等人下指令的软件,它开始承接目标,分工研究,相互质疑,再汇总结果。当认知能力变得可调用、可复制、可扩展,企业对专业能力如何配置、流程如何安排、预算如何制定,都需要重新考虑。

他提醒CEO,智能体上线率、账号数、节省工时都只能算过程指标,管理层最终要回到收入、利润和现金流。METR用“模型能独立完成多长任务”来衡量进展,这比单题得分更接近企业场景。岗位也需要拆开看:边界清楚、结果可验证的任务可逐步交给AI;需要理解现场、处理例外、建立信任、承担后果的任务仍要由人负责。

技术扩散方式也在改变。过去蒸汽机、电力、机器人要经过采购、安装、调试,才能进入企业;大模型可以通过一次接口升级、一次软件更新或一个自然语言对话框抵达用户。Andrej Karpathy在2025年提出Software 3.0,强调用自然语言“编程”大模型。使用顶级智能的门槛,正从“会不会写代码”转向“能不能把目标、边界和上下文说清楚”。技术领先窗口缩短后,组织能否重写流程、产品和决策机制,反而更关键。

成本变化同样直接影响业务边界。斯坦福《AI Index 2025》显示,达到GPT-3.5级别能力的模型,推理成本在约18个月里下降超过280倍。过去因专家分析太贵而只用于高价值项目的工作,可能获得更密集的智能支持。Shopify在2025年的内部信中提出,团队申请新增人手和预算前,要先说明现有目标为何不能借助AI完成;Block在2026年的实验和文章则把公司层级视为一套信息路由协议,讨论AI汇集代码、会议、决策、客户反馈和项目进展后,哪些协调工作还需要厚重层级。

还有一条曲线来自AI自我改进。Google DeepMind在2025年发布AlphaEvolve,让大模型提出算法,再通过自动评估器验证、筛选和迭代。相关方法被用于Google的数据中心调度、TPU芯片设计以及Gemini训练,其中一项方案持续释放约0.7%的全球计算资源,另一项优化让Gemini关键计算内核提速23%,整体训练时间下降约1%。当改进AI的工具本身也是AI,企业原先按三年制定的规划,可能面临能力与成本假设提前过时的问题。

李开复认为,难处不在缺少AI项目、预算或趋势判断,而在CEO是否愿意先改造自己。把AI接到旧流程上,并不等于完成组织转型。他建议CEO在下一次AI汇报会上先划掉“接入了多少智能体”,拿出一张纸写下公司最重要的三项竞争优势,再逐项追问:单位智能成本继续下降后,这项优势还成立吗;它会被AI增强,还是会被AI商品化;如果三年后不再成立,今天应主动重写哪条业务曲线。

 
 
更多>同类天脉资讯
全站最新
热门内容
媒体信息
新传播周刊
新传播,传播新经济之声!
网站首页  |  关于我们  |  联系方式  |  版权隐私  |  RSS订阅  |  违规举报 鲁公网安备37010202700497号