李开复:AI转型只看“智能体数量”?这是个荒谬的笑话
这是李开复为CEO准备的一份企业AI转型指南。
如果有机会和一位CEO通电话,聊聊企业的AI转型,我会先问他一个问题:
你们投入的AI,究竟为企业创造了什么价值?
这些年,我和不少企业管理者聊过AI。很多企业已经购买了模型、组建了团队,也尝试部署智能体。但当话题转向业务结果时,答案往往没有那么清楚:AI到底帮助企业增加了多少收入、降低了多少成本,或者解决了哪些过去解决不了的问题?
企业AI转型需要回答这些问题。它关系到投入能否产生回报,也关系到企业能否在实践中不断积累经验、改进业务。
我想通过六通电话,和各位CEO逐一聊聊企业AI转型中最关键的六件事:看懂正在发生的变化,亲自推动转型,算清AI的价值,重新思考组织与分工,看见企业运营的真实情况,以及在AI越来越擅长执行的时代,找到人的核心价值。
希望这六次对话,能帮助你找到适合自己企业的AI转型路径。
过去两年,我见了很多企业家。正在读这篇文章的你,也许我们刚好见过,甚至还聊过AI。
“开复,大模型很好,不过你还是先跟我讲讲投资吧。”
这两年,话题明显变了。
越来越多人一坐下来就问我:
“开复,大模型很好,但我们到底怎么才能把它用好?”
我很喜欢这个变化。因为它意味着,越来越多企业家已经意识到,AI转型的重要性。
但我越来越觉得,在讨论更深入的命题之前,还有一个更基础的问题需要先想清楚。
这篇文章,我只想和你讨论这一件事:
当“智力”本身开始迅速降价,AI为企业带来的,究竟是一项新工具,还是一套新的经济规律?
我给投委会找了一位专门唱反调的“AI同事”
前面说,有些企业家朋友见到我,希望先聊投资,再聊AI。
现在,这两个话题已经很难分开了。
在创新工场,我担任投委会主席。投资团队研究一个项目,向投委会说明为什么值得投,最后由我们判断、投票。这个决定,关系到真金白银,也关系到我们愿意陪一家企业走多远。
做投资的人都知道,一份论证充分的报告,距离一笔好投资,中间还需要回答不少问题。
团队看好的技术,竞争对手能不能追上?产品不错,客户愿不愿意持续付钱?公司前景很好,眼前这个价格又是否值得?
我不可能精通每个项目涉及的技术、市场和行业。经验能帮我判断,也难免留下盲区。
所以,在零一万物,我们开发了投资官AI(Investor AI)。我每周都在使用它,给投委会增加一组不同专业的分析意见。
其中,有一位“AI同事”的职责很特别:专门唱反调。
它有个名字,叫“魔鬼代言人”。听起来不太适合印在名片上,倒很适合出现在花钱之前。
当投资团队主张推进一个项目时,投资官AI会接收团队的完整论证,寻找其中缺少的证据和经不起推敲的地方。
这项工作由多个智能体分工完成。你可以把它们理解成各有专长的研究人员:有的研究技术优势,有的看产品和市场,有的分析估值,也有的检查风险与合规。
“魔鬼代言人”负责质疑它们的结论。
它的角色设定很明确:先站到反方,不接受“大家都看好”作为答案。它会从整份论证最脆弱的地方切入,追问关键假设有没有证据、数据是否只支持乐观情景、技术壁垒能维持多久,以及增长预期是否已经提前反映在估值里。
投资人研究一个项目越久,越容易对它产生感情,甚至会不知不觉地替它辩护。这个智能体会在团队最想推进的时候提出挑战:“什么事实最可能证明我们的判断错了?”如果答案仍然含糊,它就要求补充证据、重算估值,或者模拟更悲观的情境。
它的价值不在于逢案必反,而在于帮助投委会及时看见那些被热情遮住的盲区,让最后的决定经得起更严格的检验。最后,系统将各方分析汇总成尽职调查材料,把主要结论放在前面,供我审阅。
当然,多了一位爱提意见的“同事”,不代表我就可以放心偷懒。AI的分析仍然需要核查,最后投不投,依然由人判断并承担责任。
但请留意,这里已经发生了一个值得CEO关注的变化。
我们开始把一部分专业研究和交叉质疑交给AI,让它参与投资决定形成之前的工作。对投资机构来说,这已经触及业务的核心。
这对其他企业同样有启发。推出一款产品、进入一个市场、决定一项采购,都需要专业判断,也都存在来不及研究、顾不上核实的地方。
如果这些工作可以获得更充分的支持,我们是否还要按照原来的方式分配人手、安排流程、制定预算?
这个问题,已经值得CEO亲自过问。
事情就是从这里开始,变得完全不一样。
“我们也在搞AI”——然后呢?
过去两年,我与数百位CEO交流,经常听到一句话:
“我们也在搞AI。”
我通常会再问一句:怎么搞?
答案往往很熟悉。
买了几个账号。
接了知识库。
做了智能客服。
信息部门在试点,业务部门在等效果,管理层每个季度听一次汇报。
这些事当然应该做。
但如果一家企业对AI的理解仍停留在这里,它本质上还是把AI当成一种“等人来使用的软件”。
人提问,它回答。
人下指令,它生成。
人不动,它也不动。
而投资官AI所展示的是另一种可能:AI开始承接目标,分工研究、相互质疑、继续追问,再汇总结果。
当AI能够连续完成这些工作,企业就需要重新考虑专业能力该如何配置。
这背后真正变化的,不只是软件形态。
每一次技术革命,都会把一种原本稀缺、昂贵、难以规模化的能力,变成更便宜、更普及、可以随时调用的基础能力。
蒸汽机重新定价了动力。
电力重新定价了能源的使用方式。
互联网重新定价了信息传递。
而这一次,大模型正在让越来越多认知能力变得可调用、可复制、可扩展。
换句话说,AI时代,被重新定价的是智力本身。
如今,AI已经能理解语言、写内容、编代码、分析数据、提出方案,也能独立把一件需要多个步骤的事情做完。
如果你还在数智能体数量,那只是在服用安慰剂
回到Investor AI。假如把它写进一份AI转型汇报,成绩也可以很好看:
多个专业智能体已部署;
覆盖技术、市场、估值等分析;
能够相互质疑、自动汇总报告。
但这些信息,还不足以判断它的价值。
最危险的AI转型,往往拥有一张漂亮的成绩单。
报告变厚了,投资有没有看得更准,还得另外检查。
它有没有发现遗漏的证据?有没有提出值得调查的疑点?这些分析如何影响了最终决定?投资回报需要时间检验,不能提前宣布成功。
企业也一样。除了部署数量,还要看AI是否参与核心业务,流程和责任分工是否相应调整,并最终用收入、利润和现金流检验成效。
这也是为什么,我不建议CEO继续把“智能体上线率”“账号数”“节省了多少工时”当作最核心的AI指标。它们更像是过程指标。
管理层最终要看的,还是收入、利润和现金流。
要判断AI会怎样影响这些财报里的核心指标,先要看清下面四个变化。
第一条曲线:
AI先冲击的,不是流水线,而是办公室
很多人第一次听到“人工智能会改变工作”,脑子里出现的是机器人、工厂和自动化产线。
现实恰恰相反。
生成式AI最先大规模进入的,是办公室。
写作、编程、研究、设计、分析、咨询——这些过去被认为高度依赖教育、经验和专业训练的工作,反而最先感受到变化。
为什么?
因为它们大量建立在语言、信息和规则之上,而这恰好是大模型最容易接触的世界。
研究机构METR正在用一个很直观的方法跟踪这件事。
他们不只问“AI能不能把一道题做对”,而是继续追问:它能独立完成一段多长的工作?
这个问题比大模型排行榜的分数更接近企业现实。
一道题做对,说明它有能力。
能连续做完一段工作,才能称之为生产力。
METR的持续测量显示,前沿模型能够独立承接的任务时长正在迅速增加。今天还是一段边界清楚的软件任务,未来就可能延伸成包含多个步骤的完整工作。
这对企业意味着什么?
别再只想可以用AI代替多少岗位,而是今天就该开始把企业岗位拆开看。
哪些任务边界清楚、结果可验证,可以逐步交给AI?
哪些任务必须理解现场、处理例外、建立信任、承担后果,仍然需要人?
随着AI能够承接的任务链越来越长,这条分界线会不断移动。
国际劳工组织估计,全球约四分之一的岗位,都会有一部分日常事务因生成式AI而改变。
我更愿意把它理解成“任务被重新切分”。
在一个工作流中,可描述、可验证、可重复的部分,会更早被机器接管。与此同时,需要承担后果、处理例外、赢得信任的部分,会变得更重要。
CEO需要和团队一起重新设计“上班”这件事,把每个岗位拆开来看:其中哪些任务可以交给AI,哪些仍需要专业判断和责任担当。
第二条曲线:
昨天的前沿能力,今天就能出现在同行的公司里
过去的技术扩散,是有物理速度的。
蒸汽机要进工厂。
电力要铺电网。
工业机器人要采购、运输、安装、调试。
一项新技术从实验室走进一家传统企业,中间往往需要几年的时间。
大模型的分发方式不是这样。
一次云端接口升级。
一次软件更新。
甚至只是多出一个自然语言对话框。
新的能力就可能在极短时间内到达全球用户手里。
明星应用达到1亿用户所需时间(《AI未来已来》书中配图)
2025年,前OpenAI研究员、特斯拉AI负责人Andrej Karpathy提出“Software 3.0”的说法。
Software 1.0,是人写代码。
Software 2.0,是用数据训练神经网络。
Software 3.0,则开始用自然语言“编程”大模型。
这个说法之所以重要,不只因为它概括了一种技术范式。
它还点出了一个企业经营问题:
使用顶级智能的门槛,正在从“会不会写代码”,下降到“能不能把目标、边界和上下文说清楚”。
能力一旦通过语言分发,技术扩散就不再受制于机器部署周期。
一家初创公司今天找到的新工作方式,传统企业的员工明天可能就在自己的电脑上用到了。
这意味着技术本身的领先窗口在缩短,而组织之间的差距反而可能拉大。因为所有人都能很快拿到模型,但不是所有组织都能同样快地重写流程、产品和决策机制。
AI不会击垮你的公司,但是更快做好AI转型的同行会。未来真正稀缺的,是“组织能不能结合AI形成新的协作方式”。
第三条曲线:
过去算不过账的业务,现在值得重新计算
有一个数字,值得每一位CEO关注。
斯坦福《AI Index 2025》显示,达到GPT-3.5级别能力的模型,推理成本在大约18个月里下降了超过280倍。
同等智能水平下,推理成本快速下降(《AI未来已来》书中配图)
280倍。
这意味着什么?
很多过去“不值得做”的事,可能开始值得做了。
过去,一次专家分析太贵,只能留给高价值项目。
未来,每一次销售跟进、每一张订单、每一台设备、每一个客户,都可能获得实时的智能服务。
这时就会出现经济学里一个经典现象:一种资源越便宜,用法越多,总需求反而可能越大。
所以,AI成本下降,并不意味着AI产业价值缩水。
更可能发生的是:智力从一种稀缺资源,变成企业可以按需调用的生产要素。
一些前沿公司已经开始按照这个逻辑调整资源分配。
Shopify CEO Tobi Lütke在2025年的内部信中提出,团队在申请新增人手和预算前,要先说明为什么现有目标不能借助AI完成。
这条规则当然不应被简单机械地照搬。
但它释放了一个很清晰的信号:在部分公司里,“增加人手”已经不再是默认答案,“先调用智能”开始成为新的选项。
Block的实验走得更远。
2026年,公司裁减约40%的员工后,Jack Dorsey与红杉资本合伙人Roelof Botha发表《From Hierarchy to Intelligence》,把公司层级形容为一套“信息路由协议”。
他们提出,如果AI能够汇集代码、会议、决策、客户反馈和项目进展,一部分过去必须依靠永久管理层级完成的协调工作,可能不再需要同样厚的组织结构。
过去企业问:AI能节省多少工时?
现在有些公司开始问:哪些组织成本,本来只是因为信息太贵、协调太慢,才长期存在?
当顶级智能变得唾手可得,企业的成本结构、产品边界和规模经济都会被重新计算。
过去成本太高、周期太长、难以规模化的产品和服务,一些过去压根不会做的事,现在都会有机会真正落地。
第四条曲线:
你的三年规划,完全跟不上AI三个月的技术更新
还有一条曲线,比成本下降更容易被低估。
AI已经开始进入“自我改进”的阶段。
Google DeepMind在2025年发布AlphaEvolve。它让大模型提出算法,再通过自动评估器验证、筛选和迭代。
这套方法后来被用于Google的数据中心调度、TPU芯片设计以及Gemini训练。
其中,一项方案持续释放了约0.7%的全球计算资源;另一项优化让Gemini的关键计算内核提速23%,整体训练时间下降约1%。
0.7%、1%,看起来不大,放在全球级计算基础设施上,就完全是另一回事。
更值得注意的是:改进AI的工具,本身就是AI。
过去,技术进步主要受制于人类研发周期。
现在,AI已经进入代码生成、实验设计、算法搜索和芯片优化,形成“更强的AI帮助开发下一代AI”的反馈回路,这会让AI的进化速度呈现爆炸式增长。
AI加速AI:自我改进可能进一步缩短技术迭代周期(《AI未来已来》书中配图)
这不代表AI的能力会无限、自动地指数增长。数据、能源、验证、安全和现实世界反馈,仍然都是硬约束。
但对企业战略制定者来说,只要智能迭代周期持续缩短,一个老问题就会变得越来越突出:
你的规划周期,会不会比技术变化本身还慢?
很多公司习惯做三年规划。
可如果规划里对AI能力和成本的假设,在方案获批时已经过时,那么企业真正需要调整的,就不只是IT预算,而是战略更新的节奏。
最后,别再问“我们用了多少AI智能体”
很多传统大型企业并不缺AI项目。
也不缺预算。
更不缺对趋势的判断。
真正难的是:看见新能力之后,CEO敢不敢首先改造自己?
CEO不能再沉醉于过往的审批模式中。如果一个AI项目必须先证明:如何能比现在的IT供应商更便宜,付出的代价更少。
那么它通常只能得到局部优化。
因为真正可能创造新曲线的项目,往往会挑战原来的产品定义、审批方式、利润来源,甚至挑战资源到底由谁调度。
早期工厂第一次使用电力时,也曾把电动机接到旧的传动轴上,车间布局一点没改。
电是用了。效率却没有被真正释放。
企业今天部署AI,也可能犯同样的错误。给旧流程装上AI,不等于完成了AI时代的组织转型。
只有围绕新能力重新设计流程、产品和责任关系,技术红利才会真正进入财报。
如果你是CEO,我建议你在下一次AI汇报会上,先暂时划掉一个问题:
“我们公司现在接入了多少智能体?
换成另外一组问题。
先拿出一张纸,写下公司今天最重要的三项竞争优势。然后逐项追问:
如果单位智能成本继续快速下降,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,今天应该主动重写哪条业务曲线?
这三个问题,可能比“智能体数量”重要得多。
因为AI时代真正危险的,从来不是没有看见变化。
而是看见了,仍然把它当成又一次软件升级。
所以,AI转型的答案不在部署清单上,而在经营结果里。智能体可以是起点,企业是否因此改变了业务、创造了价值,才是最终要回答的问题。
“李开复给CEO企业AI转型的六通电话”,将在零一万物公众号、“李开复”个人公众号陆续发表,感兴趣的读者可关注。
新闻热线&投稿邮箱:tougao@iceo.com.cn
。END 。
值班编辑:郭立琦 审校:姜辰雨 制作:景诗源(实习)
关注“中国企业家”视频号
看更多大佬观点和幕后故事
扫描下方二维码,订阅2026全年杂志
文章原文
内容来自 中国企业家杂志,版权归原作者所有。
阅读原文 ↗