科技 - 财富中文网

AI的下一个“ChatGPT时刻”会在哪里爆发？

Sharon Goldman — Wed, 12 Aug 2026 16:00:00 GMT

当前的人工智能系统难以预测后续发展。研究人员希望改变这一现状。图片来源：Illustration by Max-O-Matic for Fortune

躲猫猫不只是孩童的游戏，也是他们最早建立“物体恒存”认知的方式之一。当你捂住脸再突然露出，一句“躲猫猫！”换来孩子咯咯的笑声，也会帮助孩子实现认知成长。

这种能力的形成并非依靠记忆。相反，婴儿通过观察，开始在大脑中构建关于世界运行规律的简单内部模型。大约在一岁时，他们就能够明白，滚到沙发后的球并没有消失，即使脱离视线，它仍然存在。

当今的人工智能系统尽管在对话和模式匹配方面表现出色，却无法可靠地掌握这一基本认知。它们可以描述眼前的事物，却难以理解隐藏的概念，也无法预判一连串行为后续会发生什么。

该领域的众多顶尖研究者认为，“世界模型”是破解这一难题的关键所在。这类人工智能系统的设计目标不再局限于识别文本或图像中的模式，而是模拟物理世界的运行规律。通过数百万小时的视频训练，这些模型能够构建出关于世界运作机制（包括物理规律在内）的精确内部图景——这是众多技术的核心能力，无论是帮助自动驾驶汽车预判儿童突然冲到马路上的后果，协助家用机器人学习如何折叠衣服，还是在医生下刀前模拟手术过程。

明星力量

为满足“物理人工智能”应用场景的系统构建需求，世界模型已经从冷门科研方向，一跃成为人工智能领域的研发重心。谷歌近期发布了名为“Project Genie”的研究预览，该系统可以根据简单提示词生成逼真的交互式虚拟环境，还能预测这些世界的演变过程，并响应用户的操作。

与此同时，“人工智能教母”李飞飞和“人工智能教父”杨立昆各自为专攻世界模型研发的新创企业筹集约10亿美元的资金。斯坦福大学教授李飞飞于2024年创立World Labs，致力于赋予人工智能更丰富的三维空间感知能力，使其可以精准地理解物体的存在方式与交互逻辑。Meta的前首席人工智能科学家杨立昆则在今年3月创立AMI Labs，旨在突破大语言模型的局限。

杨立昆在近期的一次演讲中表示：“现有的系统能够操控语言，让大众误以为它们很聪明，但实际上，这些系统在面对物理世界时束手无策。”

这一发展势头反映了研究人员对智能的认知不断革新。当今的许多世界模型研究都可以追溯到戴维·哈和于尔根·施米德胡贝在2018年发表的论文。数十年来，人工智能系统主要通过响应数据或蛮力试错来学习。该论文提出了全新方法：人工智能要做出智能决策，首先需要通过模拟环境来学习世界的运行规律。

戴维·哈后来与他人联合创立了日本人工智能研发公司Sakana，他对《财富》杂志表示，这些系统可以让人工智能在其模拟的现实场景中（他描述为“幻觉梦境”）开展训练，智能体可以在现实世界中采取行动之前，在上述场景中进行练习和提前规划。

在英伟达旗下Cosmos Lab担任副总裁的刘洺堉给出了更形象的说法，他类比了电影《黑客帝国》的设定——主角在虚拟世界中学习功夫。刘洺堉将世界模型比作“生成式训练基地”，他说：“这里有反馈和指导，让人工智能可以不断提升自身技能。”

第四维度

除了李飞飞和杨立昆这些最受关注的项目外，多家新创企业正沿不同技术路线研发世界模型。

以Niantic Spatial为例，这是一家从《精灵宝可梦GO》背后的增强现实和地图技术分拆出来的新创企业。这家总部位于旧金山的公司利用超过300亿张实景照片和三维扫描数据，打造其所谓的大型地理空间模型，能够以三维形式解读现实世界环境，数据主要来自《精灵宝可梦GO》玩家多年的活动记录以及其Scaniverse应用程序。

总部位于以色列特拉维夫的Decart则致力于将世界模型推向实时应用，其打造的系统不仅能够模拟环境，还可以随着用户与环境的交互而持续生成和更新环境。通过自研优化系统，它能够以足够快的速度生成视频，逐帧匹配用户的操作。

“这才是关键突破。”Decart的研究科学家及创始成员之一克菲尔·阿贝尔曼指出，挑战不在于单纯生成视频，而在于以足够快的速度生成视频以实现即时响应。这一技术已经应用于虚拟试穿（使衣物贴合身形并自然摆动），以及主播实时切换直播背景等场景。

在某些世界模型中，时间元素是不可或缺的，构成了第四维度。例如，由自动驾驶领域先驱奥利弗·卡梅伦和杰夫·霍克创立的Odyssey公司，专注于构建能够预测世界随着时间的推移而演变的世界模型——直接从视频中学习物理规律、人类行为以及因果关系。该公司总部位于美国加利福尼亚州帕洛阿尔托。

“我们曾经觉得这个想法简直不可思议——你能够预测未来。”卡梅伦说道，“如果我们可以让这一能力应用于机器人、游戏、教育、医疗保健和国防等通用领域，会带来怎样的变革？”

“ChatGPT时刻”

尽管前景可期，但构建世界模型依然面临巨大的技术和经济障碍。训练可以模拟真实世界的系统所需要的算力远超如今的语言模型，因为它们不仅需要处理文本，还需要处理高分辨率的视频。

比如，卡梅伦曾经表示，通过应用程序接口访问其Odyssey 2模型的每位用户，都需要占用一块英伟达的高性能H200人工智能芯片。而单块H200芯片的售价最高可达4万美元。

数据是另一项制约因素。大语言模型能够依托从互联网海量文本中爬取的数据来完成训练，而世界模型高度依赖视频素材，视频数据采集、标注与规模化训练的难度远超文本。

但这些挑战并未浇灭世界模型研发者的热情。随着研究人员不断推进可以理解并与物理世界交互的系统，业界普遍认为突破性进展可能近在咫尺。

“当前的物理人工智能领域正在迎来前所未有的热潮和投资。”英伟达的刘洺堉表示，并补充道，该领域的“ChatGPT时刻”即将到来。他个人的终极目标是：让机器人仅通过几个示例——甚至从未见过的示例——就可以学会新技能，并能够持续运用。

“我相信，人们正在逐步摸索出正确的技术路线。”刘洺堉说。

****

·技术范式革新：从语言模型走向物理世界模拟：AI正从文本处理演进至能理解物理规律、预测环境变化的“世界模型”，世界模型能力边界的拓展，有望重塑自动驾驶、具身机器人及医疗等实体产业的底层竞争格局。

·顶级资本与学术领军人物齐聚新赛道：以李飞飞和杨立昆为代表的AI领军人物分别下场创立公司，英伟达等算力巨头亦全力布局，预示着全球AI产业的下一波爆发点将聚焦于空间感知与物理交互能力。

·算力与数据壁垒揭示真实商业门槛：世界模型对视频数据与实时算力的要求远超大语言模型，这表明物理AI爆发的前夕仍面临高昂的硬件与计算成本考验。（财富中文网）

财富中文网对原文有删减和调整

编辑：魏雨彤

问员工一个关于AI的问题，他们的沉默会告诉你一切

Will Drover — Mon, 10 Aug 2026 16:00:00 GMT

你真的在和员工探讨AI吗？图片来源：Getty Images

我最近为一家机构的高管团队主持了一场AI战略研讨会。在AI应用方面，他们已经具备了各种“标准配置”：有培训课程，有多个AI系统的使用权限，还有无代码开发平台。于是我抛出一个问题：“有多少人曾经利用AI搭建过某种工具，从而真正重塑了自己的工作方式？”

全场只有一个人举手。大多数人仍将自己定位为AI的使用者，而非构建者。他们没有搭建个人智能代理，没有定制化助手，也没有可复用的工作流程。

这种角色差异至关重要。单纯依靠AI辅助，往往只能带来一次性的效率提升；而通过AI构建工具，则能将这种效率提升转化为可复用、可规模化的工具或工作流程。如今，多数管理者只关注有多少员工在使用AI，但更值得关注的问题是：有多少人在利用AI构建工具。这便构成了所谓的“构建者激活缺口”：即具备AI构建潜力的人群，与真正动手构建的少数人之间的鸿沟。

在我面向在职专业人士开设的高管培训和应用AI课程中，我观察到了同样的规律。如今，只要能用日常语言讲清需求，几乎任何人都能在无需编写代码的情况下，搭建出可运行的智能助手、应用程序或自动化流程。然而，真正构建出有价值工具的人依然屈指可数。

几年前，Capital Factory首席幕僚长卡罗琳·戴维斯也认为自己只是AI使用者，而非构建者。当我在应用AI课程中询问谁曾利用这项技术打造过可落地的工具时，她并未举手。

但如今，她日常工作中的大量重复性流程，都已通过自己搭建的工具自动完成。其中最重要的是一个名为Sunny的智能代理（以她女儿的名字命名）。Sunny能够连接戴维斯的电子邮件、日历、Airtable客户关系管理系统（CRM）以及Google Sheets。它基于十余套梳理好的工作流程，能够自动完成工作简报准备、融资进度跟踪、新投资者入职等事务。过去需要数小时完成的数据整理工作，如今只需要10到15分钟。多项自动化任务按预设日程运行，在她下达指令前就已完成工作。这些工作流程能够不断迭代、重复使用和持续优化，绝非用完即弃的一次性AI交互。Sunny还能定期与其他智能体协同工作。她甚至把这种模式应用到副业中：利用AI重新打造了十年前经营过的一家摄影业务，包括重新搭建网站。

这场蜕变始于一次不起眼的尝试。在应用AI课程中，她首次尝试用自然语言构建出人生第一个可运行的AI助手。戴维斯表示，随后发生的一切，核心不在于技术门槛或编程知识的突破，而在于自信心的建立。她表示，那次经历“整体提升了我的业务敏感度，也让我有信心去尝试更强大的AI模型”。她不再将AI视作被动回答问题的对话工具，而是能够执行重复性工作的利器。第一次成功的构建开启了后续一次次尝试，最终汇聚成支撑Sunny运行的工具库。在这个过程中，她的自我角色定位也随之发生改变。

不过，她仍然不愿意使用“专家”这样的字眼来形容自己。她告诉我：“我不认为自己算得上什么资深用户，但现在我的大部分工作流程，确实都在借助Claude运行。”

她的发展轨迹在当下依然十分罕见。盖洛普（Gallup）的数据显示，目前约半数美国员工会在工作中偶尔使用AI，但每天高频使用者仅占15%。《哈佛商业评论》（HBR）近期的另一项研究分析了毕马威（KPMG）2,500多名员工的140万次AI交互记录，结果显示，只有约5%的员工属于成熟型用户。这类人群能够超越简单的提示词对话，通过反复迭代将AI应用于更具影响力的工作中。对大多数人而言，使用AI仅仅是为了应对眼前的临时任务，比如撰写邮件或总结文档。这些功能固然有用，但用完即弃。

那么，真正的构建者身在何处？

阻碍人们进行AI构建的瓶颈，部分源于组织架构层面。当治理机制、系统权限、时间保障与激励机制等基本条件具备后，“自我角色定位”往往会成为隐形的瓶颈。问题在于，长期以来，传统的企业模式固化了岗位分工逻辑：少数专业人员搭建系统，其他所有人则在系统框架内操作。当构建系统极度依赖工程和编程专业能力时，这种分工顺理成章。但如今，面对许多工作问题，这一前提已不再成立。未曾改变的是人们对自身角色的认知。大多数员工仍然习惯性地将自己归类为技术的使用者，而非创造者。而这种认知往往很难改变。赫米妮娅·伊巴拉关于职业转型的研究表明，人们很少能仅凭思考就跃入新的自我认知；更多时候，人们是通过行动逐渐塑造新的自我，随后才会转变认知。

当然，许多AI构建工作仍需由专业人员负责，包括复杂系统、安全敏感型应用，以及任何未经人工审查、直接面向客户的产品。但日常工作中的大量问题，其实处于一个更安全的范围内：工具的构建者本身就是评估工具是否有效的最佳人选。真正阻碍许多人的，并非能力屏障，而是“搭建工具不是我的本职工作”这种主观预设。

AI虽然极大地降低了构建门槛，却未能让大多数人相信自己具备这项能力。每家企业内部都有大批员工正处于两年前戴维斯所处的状态。问题在于，领导者是否会任由他们原地踏步。

有三项实践，旨在帮助领导者激发全体员工的“构建者”认知。

1. 强制完成关键的“第一次构建”。常规培训固然不可或缺，但往往难以撼动根深蒂固的自我认知，而一次硬性的构建任务却能做到。在我的培训课程中，每位学员都必须搭建一个能够解决实际问题的工具或智能体，并向全场进行演示。只要工具成功运转，人们的心态就会发生变化。那些刚开始自视为AI使用者的人，开始主动介绍自己的构建成果。SharkNinja也曾在公司范围内采用类似方式。该公司暂停日常业务，举办了一场为期四天、覆盖约4,000名员工的全员AI黑客松活动。公司管理层提出了约20项重点项目，而员工们又自主发起了约400个项目。该公司CEO表示，员工的心态从被动等待IT部门响应，转变为“我遇到问题，我能动手解决”。强推员工完成第一次构建，构建者身份便会随之形成。

2. 打造可见的“构建者”标杆。当企业里唯一能够被看见的构建者只有工程师时，大多数人自然会默认自己只是使用者。但当身边的同事或高管打造出能优化流程的实际解决方案时，人们心目中的参照系便会发生变化。Airtable首席执行官刘豪伊就提倡“公开构建”，他刻意向全公司展示自己的构建成果，让员工看到CEO也在亲自交付产品。他没有发布介绍新功能的文档，而是直接在Replit平台上搭建一个落地页面，并分享链接；他甚至会公开自己的提示词，让同事了解整个构建过程。刘豪伊大力倡导团队践行“原型优先于演示文稿”的理念：即打造可实际操作体验的运行版本，而非堆砌在产品需求文档（PRD）里的文字。当领导者公开参与构建，非技术岗位员工也开始演示实用的解决方案时，“谁能成为构建者”的界限便被打破。让构建者被看见，才能带动更多人效仿。

3. 将构建成果纳入考核体系。大多数企业目前追踪的是活跃用户数量、词元消耗量、受训员工数量等浅层指标。这些数据只能反映谁在使用AI，却无法揭示谁在利用AI创造更深层的价值。真正有含金量的指标应当是：员工构建了什么工具？是否有其他同事跟进套用？它是否从实质上重塑了工作流程？在西班牙对外银行（BBVA），员工已经创建了超过2万个定制化GPT工具；银行官方数据显示，其中约4,000个已进入高频日常使用状态。追踪这些指标，不仅能让企业发掘既有的“构建者”，更能向全员传递明确信号：工具构建绝非IT部门的专属工作，也不是员工私下的业余爱好，而是一项被纳入统计、被规范化、且在IT部门之外被广泛期待的日常工作。职位头衔，不再是决定谁能进行构建的终极标准。

企业若想从AI中挖掘更大的价值，绝不能仅靠提高AI使用率。它们必须设法缩小“构建者激活缺口”，引导更多自视为使用者的员工转型为构建者。因此，不妨重新审视文章开头提出的问题：问问你的员工，他们究竟用AI构建出哪些成果。然后观察会议室里是否陷入沉默。而管理层真正的使命，便是杜绝这种沉默。（财富中文网）

Fortune.com上发表的评论文章中表达的观点，仅代表作者本人的观点，不代表《财富》杂志的观点和立场。

本文作者威尔·德罗弗现任德克萨斯基督教大学尼利商学院创业与创新学教授兼系主任。他同时担任校级项目“尼利AI前沿计划”的创始主任，以及院长AI事务顾问。他关于AI应用的研究曾发表于《麻省理工学院斯隆管理评论》，并被《华尔街日报》和《洛杉矶时报》等媒体报道。德罗弗教授讲授应用AI相关研究生课程，主持高管AI战略与领导力培训项目，并投资参股多家早期AI和机器人创业公司。

译者：刘进龙

审校：汪皓

Thu, 30 Jul 2026 16:00:00 GMT

失去先发优势的微软，开始在AI赛道“二次创业”

Jeremy Kahn — Thu, 30 Jul 2026 16:00:00 GMT

（按顺时针方向，自上而下）微软首席执行官萨蒂亚·纳德拉；OpenAI联合创始人及首席执行官萨姆·奥尔特曼；微软人工智能部门首席执行官穆斯塔法·苏莱曼。图片来源：ILLUSTRATION BY LINCOLN AGNEW; CLOCKWISE FROM TOP: SVEN HOPPE—PICTURE ALLIANCE/GETTY IMAGES; CHIP SOMODEVILLA—GETTY IMAGES; THOMAS BARWICK—GETTY IMAGES; STEFAN WERMUTH—BLOOMBERG/GETTY IMAGES; IMAGE SOURCE—GETTY IMAGES

2026年1月中旬，美国华盛顿州雷德蒙德。天气阴冷灰暗，是那种让人忍不住一遍遍按下闹铃继续赖床的清晨，但在微软广阔园区的92号楼里，工程师团队却早已到岗。他们正身处一场竞赛之中，而且已经处于落后局面。

这支团队正在开发一款全新的人工智能产品，它将充当个人助理，从预订机票、回复电子邮件到寻找靠谱的本地水管工人，可谓无所不能。团队成员知道，其他公司也在研发类似的产品。仿佛是为了提醒他们此项工作的重要性，萨蒂亚·纳德拉突然造访。他想向团队展示一样东西。

这位微软的首席执行官打开笔记本电脑，启动了一款应用程序。这是一套用于指挥和管理多个人工智能体的系统，他将其命名为“辩论链”。在纳德拉演示的过程中，工程师们彼此交换着心领神会的眼神，就像篮球场上的老将看到身手不凡的新人。这款应用程序是纳德拉利用人工智能工具通过氛围编程（vibe coding）亲手完成的。负责微软的人工智能助手Copilot设计的执行副总裁雅各布·安德烈欧回忆道：“这为整个团队定下了基调，让大家意识到必须全力以赴。我们的首席执行官会和大家待在同一个房间里，就站在工程师身后，拿着自己的电脑跟我们并肩战斗。”

看到老板亲自投入到新产品开发并乐在其中，团队深受鼓舞。他们终于在2月底推出了Copilot Tasks——一款能够操作电脑执行任务的个人助理型人工智能工具。纳德拉亲手打造的原型，后来成为“Model Council”（模型委员会）等Copilot功能的设计蓝本。

不过，纳德拉花费这么多时间与团队并肩打磨人工智能产品，甚至亲自上手开发原型，本身就充分暴露出微软当前的困境。毕竟，这是一家市值接近3万亿美元的科技巨头，而不是斗志昂扬的新创企业，可以让首席执行官经常与开发人员一起冲刺写代码。纳德拉对微软的人工智能战略深感忧虑，以至于在2025年10月，他宣布减少部分商业管理事务，把更多的精力投入人工智能研究、产品创新以及人工智能数据中心建设。

纳德拉的担忧并非杞人忧天。微软的股价经历了一段艰难时期。在2025年10月股价创下历史新高后，尽管其云计算平台Azure的人工智能相关收入在过去一年翻了一番以上，但此后五个月间，微软的股价仍然暴跌了约34%。在人工智能编程智能体兴起引发的软件股票抛售潮（即所谓的“SaaS末日”）中，微软成为受冲击最显著的企业之一。许多投资者认为，这类产品的出现意味着企业未来将不再购买微软等SaaS厂商提供的人工智能产品，甚至可能不再购买现成的软件产品。

微软企业版Copilot的销售表现也未达到预期。目前，在Microsoft 365办公软件套件的4.5亿名用户中，付费使用Copilot功能的比例还不到4.5%。微软面向消费者的Copilot聊天机器人的使用率，也远远落后于OpenAI的ChatGPT、谷歌的Gemini和Anthropic的Claude。曾经作为领头羊的人工智能编程助手GitHub Copilot，也先后被人工智能新创企业Cursor和Anthropic的Claude Code超越。

两年前，微软似乎还是人工智能时代最早的赢家之一。得益于纳德拉对OpenAI极具前瞻性的押注，微软获得了后者模型的独家使用权，并将相关能力嵌入旗下全线产品中以打造人工智能功能。当时，企业若想获取OpenAI的技术，唯一能够使用的云服务提供商只有微软Azure。微软甚至认为，OpenAI让它迎来了多年来挑战谷歌搜索的最佳机会。

执掌微软十年的纳德拉，曾经成功带领公司完成从桌面计算到云计算的平台转型，看似必将重现这一壮举。然而，人工智能的发展日新月异，两年时间足以改变一切。下文要讲述的，正是微软如何错失早期人工智能领先优势，以及它又将如何试图重新夺回主动权。

问题出在哪里

微软受挫的部分原因，恰恰来自当初让其在人工智能赛道占得先机的那笔交易——与OpenAI的合作关系。微软很早便看中了这家位于美国旧金山的年轻公司，2019年首笔投资即高达10亿美元，随后累计投入达到130亿美元。借助OpenAI的技术，微软在面向消费者和企业客户的软件产品组合中陆续推出了Copilot品牌的人工智能产品。

然而，在ChatGPT于2022年年底发布后，OpenAI的爆发式增长和日益膨胀的野心，很快让双方的合作关系变得紧张。两家公司在算力资源上发生摩擦（OpenAI总是希望获得更多算力）；在知识产权上产生分歧（微软认为OpenAI迟迟未能履行有关共享创新成果的合同义务）；在客户资源上出现竞争（OpenAI直接向微软正在推销Copilot的企业客户销售人工智能模型）；而当OpenAI推进重组时，双方又围绕微软应该在新设立的营利性公司中获得多少股权争论不休。

纳德拉深知，将微软的人工智能战略押注在一家尚未经过市场充分验证的新创企业身上，本身就是一种冒险。2023年11月，这种风险暴露无遗：控制OpenAI营利性业务的非营利董事会以“未能始终保持坦诚”为由，解除了首席执行官萨姆·奥尔特曼的职务，并在对外宣布决定前几分钟才通知纳德拉。纳德拉一边紧急安抚投资者，强调微软依然会继续获得OpenAI技术的使用权，一边与奥尔特曼联手向董事会施压，要求其撤销决定。他甚至宣布，打算聘请奥尔特曼以及所有愿意追随奥尔特曼的OpenAI员工。面对大规模人才流失的风险，董事会最终让步，恢复了奥尔特曼的职务。在OpenAI内部，这场持续五天的危机被称为“小插曲”。但据知情人士透露，这次事件让纳德拉心有余悸，他意识到需要对冲风险。

纳德拉的“B计划”随着穆斯塔法·苏莱曼的加入而拉开帷幕。苏莱曼是谷歌的DeepMind的联合创始人，后来离开谷歌创办了自己的人工智能新创企业Inflection。2024年3月，微软以6.5亿美元将苏莱曼及Inflection的技术团队收入麾下，并获得相关技术授权。随后，苏莱曼出任微软新成立的人工智能部门（简称MAI）的首席执行官。该部门肩负两项任务：一是研发微软自己的前沿模型，作为对抗OpenAI的战略保障；二是扩大微软的Copilot聊天机器人的用户规模。

然而，事情进展得并不顺利。微软与OpenAI的合作协议禁止微软训练超过特定规模的模型。苏莱曼对《财富》杂志表示：“实际上，我们只能在小语言模型（SLM）规模的基础上，训练微软自己的原生模型。”2025年8月，MAI公开测试了首个通用语言模型MAI-1 Preview，但其性能在各类排行榜上的排名并不突出，最终也未获得大规模发布。

MAI也未能让Copilot聊天机器人成为消费级的爆款产品。据媒体报道，在苏莱曼上任一年后，Copilot的周活跃用户数基本停滞在约2,000万，而ChatGPT的用户规模则一路攀升，最终突破9亿。微软去年进行了一次重大升级，试图让Copilot更像一个可以执行任务的个人助理，但也未能带动用户增长。此外，搭载人工智能增强功能的新版必应搜索引擎，也几乎没有对谷歌在搜索市场的主导地位造成实质性的冲击。

“A计划”同样开始遭遇麻烦。2023年，OpenAI的GPT模型在业内一骑绝尘。但到了2025年年初，Anthropic的Claude已经频频登上各类人工智能排行榜的榜首，许多企业在处理复杂任务时更倾向于选择Claude。谷歌的Gemini在处理视觉任务上也越来越有竞争力。而微软的Copilot产品却完全建立在GPT模型之上。曾经驱动微软的人工智能战略前进的引擎，开始逐渐变成一种负担。

微软的商业业务首席执行官贾德森·阿尔特霍夫承认，公司曾经犯下几项错误。其中之一，就是将面向消费者和企业客户的产品统统命名为“Copilot”，容易让用户产生混淆。拥有私人飞行执照的阿尔特霍夫打趣道：“比没有副驾驶更糟糕的事，就是同时拥有不止一个副驾驶。”微软还曾经激励销售团队同时推广企业版M365 Copilot的免费增值版和付费高级版，而实际上只有高级版才能提供企业想要的价值。

微软也在苦苦挣扎，试图跟上人工智能技术演进的速度。转折点出现在2025年。当时，Anthropic推出Claude Code，只需要开发者提供需求描述，它就能够自主完成整套程序的编写。这已经不再是“副驾驶”，而更像是“自动驾驶”。短短六个月内，它便重塑了软件开发模式。今年1月，Anthropic又推出Claude Cowork。这是一款可以自主调用各类软件完成任务的智能体，调用范围甚至包括Excel、PowerPoint等微软办公软件。

Claude Cowork不仅对M365 Copilot以及微软一直力推的各类人工智能体构成了严峻的挑战，事实上对大多数商业软件都构成了威胁。正是这种担忧，引发了后来被称为“SaaS末日”的软件股票抛售潮。最终，这场风暴导致科技股的市值蒸发超过2万亿美元，其中仅一个交易日，微软的市值便蒸发了3,570亿美元。

应对之策

到了2025年秋天，纳德拉意识到，微软必须重新调整方向。此后公司采取的一系列举措，体现出一种微妙的平衡：既要像炙手可热的人工智能新创企业那样，努力以人工智能时代的速度持续创新；又要保持稳健，为投资者和企业客户提供可靠的产品与服务。

为了将更多精力投入人工智能产品的研发，纳德拉将大量商业事务和日常运营管理工作交给了微软老将阿尔特霍夫。阿尔特霍夫称，自己主要负责“地平线零和地平线一”（当前业务与短期改进），而纳德拉则专注于“地平线二和地平线三”（中期增长与长期颠覆性创新）。阿尔特霍夫表示，纳德拉开始打破部门壁垒，旨在让微软变得“比以往任何时候都更快速、更扁平化，也更敏捷”。

今年3月，纳德拉将面向消费者和企业客户的Copilot团队合并。苏莱曼不再负责消费级人工智能产品，转而负责一项重新命名的模型开发项目：“超级智能”团队。苏莱曼称，这个名称彰显了团队的雄心壮志，也有助于吸引顶尖研究人才加盟。安德烈欧被任命负责横跨消费者和企业两端的“Copilot体验”业务，直接向纳德拉汇报。他曾先后任职于Snap和风险投资机构Greylock，并在2025年加入微软。

与苏莱曼和安德烈欧共同组成“Copilot领导团队”的，还有三位微软资深执行副总裁：负责Copilot、人工智能体及平台业务的查尔斯·拉曼纳；负责Microsoft Office及微软旗下LinkedIn业务的瑞安·罗斯兰斯基；以及应用系统首席技术官佩里·克拉克。拉曼纳说：“我们的目标是构建一个统一的后台、一个统一的大脑，同时服务于消费者和工作场景。”纳德拉本人也会参加Copilot领导团队的每周站立会议，并参与一个专门讨论Copilot开发进展的Teams常设频道。

安德烈欧认为，两款新产品证明了统一后的Copilot团队正在按照纳德拉设想的方向运转：一款是面向消费者的Copilot Tasks，也就是纳德拉在今年1月亲自参与原型开发的产品；另一款则是面向企业客户的Copilot Cowork。他说：“无论对于消费者还是企业用户，这两款产品都属于前沿产品体验。它们都是团队在短短几周内齐心协力共同打造的成果。”

微软还同意了OpenAI酝酿已久的重组方案，而且附加的限制条款大幅减少。作为交换，这家软件巨头获得了27%的股权。如果OpenAI如市场普遍预期的那样上市，这部分股权将带来巨大的升值空间。不过，双方原有协议中的排他性安排已经被废除：OpenAI如今可以与其他云服务提供商合作，而微软也可以采用其他人工智能公司的模型。苏莱曼指出，新协议达成后，微软终于能够训练规模更大、能力更强的前沿人工智能模型，并最终实现“自给自足”。不过他也坦言，微软仍然需要两到三年才能追赶上行业顶尖实验室。

调整后的合作关系，也让微软得以拥抱OpenAI最大的竞争对手Anthropic。2025年11月，微软承诺向Anthropic投资最高50亿美元，并开始在Azure平台提供其模型服务。利用Claude模型驱动Copilot的功能深受企业欢迎，也为微软开发Copilot Cowork创造了条件。

但微软并非简单地从依赖一家亏损的人工智能新创企业，变成依赖另一家公司。投资Anthropic反映了微软的另一种判断：人工智能模型本身将越来越趋于商品化，而价值的累积，至少对企业客户而言，并不在于人工智能“大脑”，而在于围绕“大脑”构建的所有“身体部件”和“结缔组织”。微软认为，这正是自己的优势所在。它已经拥有大量相关的基础设施和能力，包括软件工具、安全服务、数据仓库以及云计算平台。此外，微软还推出了以“IQ”命名的一系列产品，帮助企业构建定制化工作流程、整合自身数据，并利用来自任何供应商的人工智能模型创建、部署和监控运行这些流程的智能体。

阿尔特霍夫称：“我们不认为企业会因为出现一个新的模型，就替换掉自己的信息工作平台、开发环境或者安全体系。”

这一战略转向也伴随着商业模式的调整。长期以来，微软一直采用按用户授权收费的模式，例如Copilot的定价为每位用户每月30美元。客户喜欢这种方式，因为便于预算管理。但如果这些产品中的人工智能体使用的是非微软自有的模型，微软就必须向相应的人工智能厂商支付所消耗的词元（token）费用。因此，微软开始转向混合收费模式：在按用户授权收费的基础上，附带一定额度的词元使用量，超出部分再按词元计费，以避免“模型无关”策略侵蚀公司的利润率。

微软还着手精简员工队伍以控制成本。今年4月，微软首次推出员工买断计划，主要面向工龄最长的员工。微软表示，美国员工中约有7%（约8,750人）符合买断计划的申请条件，预计相关支出约为9亿美元。

种种迹象表明，调整后的企业战略正在奏效。截至今年3月底，Azure的收入同比增长40%；微软的整体“人工智能业务”的年化销售额有望达到370亿美元，同比增长123%。目前约有2,000万名Microsoft 365用户为Copilot付费，其中四分之一是在2026年的前四个月新增的。阿尔特霍夫表示，Copilot的采用速度正在持续加快。

瑞银集团分析师卡尔·基尔斯特德称，越来越多的微软客户开始认可Copilot的价值。不过，他认为整体用户规模依然不够理想。他说：“我认为其渗透率尚未达到华尔街满意的水平。”

“模型无关”策略的软肋

微软的“模型无关”策略存在一个潜在弱点：如果那些炙手可热的人工智能新创企业也开始搭建微软擅长的、看似枯燥却至关重要的基础设施和配套体系，结果会怎样？如今，这已经不再是假设。今年2月，OpenAI推出了企业平台Frontier，提供了许多微软在其新工具中构建的能力。Anthropic也在朝着同样的方向发展，推出了Claude Managed Agents服务。

微软认为，数十年来积累的企业客户关系、可靠与安全的品牌声誉，以及与客户现有软件系统的深度整合，将成为自身的竞争优势。阿尔特霍夫表示，他欢迎这样的竞争。他说：“必须承认，OpenAI和Anthropic正在帮助我们提升速度。”

不过，也有人怀疑像微软这样体量庞大的企业，是否还能拥有人工智能原生新创企业的敏捷性。瑞银集团的分析师基尔斯特德称：“坦率地说，微软以及其他所有软件公司，正在面临过去十多年从未遇到过的局面——极具创新能力的新竞争对手正在崛起。指望微软这样的大型老牌企业能够像OpenAI和Anthropic那样迅速转型，恐怕要求过高了。”

美国银行的分析师塔尔·利亚尼则更看好“萨蒂亚团队”。他认为，那些人工智能公司不太可能构建出微软提供的完整产品体系。这意味着，微软不必赢得人工智能竞赛，它只需要不输掉这场竞赛即可。他说：“微软的产品未必是最好的，但只要足够好，并且可以通过捆绑销售为客户创造巨大价值，这本身就是微软的价值所在。”

然而，即便只是做到“不输”，代价也并不轻松。与其他超大规模云服务提供商一样，微软正在投入巨资建设数据中心和采购专用芯片。2025财年，公司的资本支出达到882亿美元，与谷歌云和亚马逊的亚马逊云科技等同行基本持平。但事实证明，这样的投入仍然过于保守。人工智能需求激增，导致微软的算力供给不足，无法按照预期速度将已经签约的人工智能业务转化为收入。首席财务官艾米·胡德在2025年10月的财报电话会议上坦言：“我原本以为我们能够迎头赶上，但事实并非如此。”

如今，微软正在进一步加大投入。公司预计2026年的资本支出将达到约1,900亿美元，超过2024年的三倍。如此庞大的投资规模曾经令华尔街感到紧张，如今华尔街似乎表现出了更高的容忍度。但如果投资者情绪发生逆转，微软就将面临前所未有的巨大风险敞口。

2025年11月，独立开发者彼得·施泰因贝格尔发布了OpenClaw。这是一套免费开源系统，可以将任何人工智能模型转变为全天候运行的智能体，长期自主执行任务——无论是开发软件、充当虚拟行政助理，还是管理在线商店库存，都能胜任。OpenClaw迅速受到开发者和紧跟人工智能潮流的创客的追捧。据报道，纳德拉本人也是其拥趸之一。

但OpenClaw在广受欢迎的同时，却也存在一个问题。为了发挥作用，它必须获得系统权限、数据访问权限、支付信息乃至密码等敏感信息，这带来了极高的风险。同时，它对词元的消耗速度也十分惊人。今年3月，纳德拉在美国旧金山的一次科技大会上表示：“我无法让微软推出OpenClaw。我没有这样的权限，因为那会被视为微软主动发布了一种病毒。但与此同时，它又是一项了不起的创新。”

纳德拉已经给整合后的Copilot团队下达了任务，要求他们开发微软版本的OpenClaw——既保留消费级产品的趣味性，又具备企业客户所要求的安全性与治理能力。安德烈欧将其视为新组织架构成败的试金石：“这就是我们在这一局中制胜的关键。”拉曼纳则认为，它能够成为推动Copilot增长的重要催化剂。他说：“最大的难题是，如何帮助人们改变自己的工作方式？”

如果一款可以长期在线运行的人工智能助手真正实现落地，这种改变就将更容易发生，意味着人工智能产业的核心单元将从“模型”转向“始终在线的智能体”。这种范式转变恰恰是检验微软的“结缔组织”战略是否有效的关键——当中间的核心技术形态发生变化时，这套体系是否依然能够发挥作用。拉曼纳表示，企业级版本的微软OpenClaw距离正式推出“已经不远了”。

“吉瓦级规模”

在今年3月30日当周，苏莱曼将其新组建的“超级智能”团队召集到迈阿密，举行了一场为期三天的闭门会议。这个由全球约500名成员组成的团队此行的目标，是为实现“吉瓦级规模”人工智能训练制定路线图——这种规模的训练能力将使微软可以与OpenAI、Anthropic、谷歌的DeepMind、Meta以及xAI等公司正面竞争。苏莱曼表示，这对微软在2030年前实现“自给自足”至关重要；因为到2032年，微软将失去对OpenAI技术的使用权。

全体团队成员齐聚在一间巨大的宴会厅内，聆听了一场主题演讲，并参与了由苏莱曼和纳德拉主持的“畅所欲言”问答环节。据苏莱曼回忆，纳德拉当时将这一时刻形容为微软为了实现向人工智能平台转型而进行的“二次创业”。这是一个耐人寻味的说法。

在主题演讲结束后，与会人员按照不同工作流分成多个工作小组。每个小组围绕宴会厅内摆放的40块白板展开讨论，集思广益，规划接下来八周冲刺阶段的工作安排。纳德拉并没有在活动结束后离开。接下来的三个小时里，他穿梭于各个讨论小组之间，与研究人员交流，提出建议，分享想法。如果这真是一场“二次创业”，那么纳德拉正在扮演的，就是一家新创企业的首席执行官。他没有把任何事情视为理所当然。他知道，微软有可能满盘皆输，但也大有可为。

****

·微软与OpenAI的“蜜月期”已经结束，合作关系正从排他走向开放：微软不仅开始投资OpenAI的对手Anthropic，还加速自研模型以求“自给自足”。这对国内AI公司与大模型厂商的合作关系具有参照意义：绑定单一合作伙伴的风险正在显现，多元化布局或许是更稳妥的选择。

·“模型无关”策略正在成为微软的护城河，但也暗藏隐患。微软认为AI模型本身将趋于商品化，真正的价值在于围绕模型构建的基础设施、安全服务和数据集成能力。这一逻辑能否跑通，取决于OpenAI、Anthropic等公司是否会向上游延伸，抢走 “中间层”生意。对于正在搭建AI生态的中国科技企业来说，这是一条值得反复推敲的战略路径。

·纳德拉亲自下场写代码，折射出大型科技公司应对AI时代的组织焦虑。为了追赶AI迭代速度，微软正在打破部门壁垒、推行扁平化管理，甚至让CEO深入一线参与原型开发。对于中国互联网巨头而言，如何在保持规模优势的同时，避免陷入“大公司病”而丧失敏捷性，是一个绕不开的课题。（财富中文网）

财富中文网对原文有删减和调整

编辑：魏雨彤

奥尔特曼认为AI奇点已至，但有专家称智能体入侵Hugging Face仍不足为证

Marco Quiroz-Gutierrez — Tue, 28 Jul 2026 16:00:00 GMT

OpenAI首席执行官兼联合创始人山姆·奥尔特曼。图片来源：Eric Lee—Bloomberg/Getty Images

多年来，山姆·奥尔特曼一直在为超越人类智能的人工智能时代进行铺垫——这个临界点被称为“奇点”。如今，这位OpenAI首席执行官宣称，这一时刻已经到来，但他并不认为这会招致世界末日。

奥尔特曼表示，十年前，超级智能AI还像是个遥不可及的梦想，不过是他和同事们午餐时的谈资。当时谁也未曾预想自己能亲眼见证它的出现。而随着AI的发展不断提速，形势早已今非昔比。

奥尔特曼在上周末播出的《Relentless》播客节目中表示：“我们当下其实已经身处奇点阶段。这一刻已经到来。”

他的看法并非毫无根据。就在上周，一个由两个OpenAI模型驱动的AI智能体，突破了名为“沙盒”的测试环境，获取了互联网访问权限，随后攻击了开源AI平台Hugging Face，企图在一次内部测评中作弊。

尽管有人将此事斥为营销噱头，但对于那些担忧先进AI终将威胁人类的人群而言，它仍然引发了恐慌。

曾参与创办OpenAI、多年来一直警告AI风险的埃隆·马斯克，也投入到X平台上的这场论战之中。在回应一则细数近期AI突破（包括Hugging Face事件）的帖子时，他写道：“我们已经迈入奇点阶段。”

奥尔特曼表示，随着人类站在技术即将全面超越自身的时代门槛上，他终于开始思考超级智能AI之后的世界。

他表示：“这是十多年来我第一次开始思考，下一个阶段会是什么模样。”

两位极具影响力的AI领袖相继发声，也让一个过去主要存在于科幻作品中的概念再次获得高度关注。

未来学家雷·库兹韦尔在2005年出版《奇点临近》（The Singularity Is Near）一书，使“奇点”概念广为人知。他在书中预测，AI将在2029年前后达到人类智能水平，并持续加速演进，最终在2045年前后实现人类与计算机的深度融合。

而在2025年6月发表的一篇题为《温和的奇点》（The Gentle Singularity）的博客文章中，奥尔特曼则提出了一套截然不同的观点。他认为，这一变革将以渐进形式落地：随着AI能力日臻强大并融入日常生活，变革自会水到渠成。

尽管近年来关于AI的悲观论调甚嚣尘上，奥尔特曼依然将超级智能AI的发展视为一种积极趋势。

他在上周末表示：“我认为，这一切将不可思议，给世界带来巨大的积极影响和深刻变革。我迫不及待地想投身其中。”

不过，信息技术研究集团（Info-Tech Research Group）首席研究总监布莱恩·杰克逊认为，所谓的“奇点”尚未真正降临。他还表示，即便是Hugging Face事件，也不足以证明AI已经成为一种拥有独立意志的智能。

杰克逊在接受《财富》杂志采访时表示：“奇点的一部分确实包括AI突破沙盒并脱离人类掌控。但另一方面，它还意味着AI开始自主设定目标与意图，并具备自我存续的能力，而这一点根本没有发生。”

杰克逊表示，这些模型固然跨越了预设的边界，但它们归根结底仍是在执行人类指派的任务。而且，当它们以一种出乎研究人员意料的方式行动时，OpenAI依然能够将其关闭。

这起事件与其说是奇点已经到来的铁证，不如说它让我们瞥见一个令人不安的可能：当奇点真正降临时，我们或许很难察觉。

在库兹韦尔的描述中，奇点应是一道不容置疑的分水岭：机器智能从此超越人类，人类再也无法预判后续技术演进的方向。

而在奥尔特曼看来，这一转变开始发生时，人类仍然掌握着控制权，日常生活看似一切如常。因此，AI每解锁一项新能力，都可以被视为变革已经到来的又一个信号。

但杰克逊认为，更关键的问题在于，AI系统是否始终与人类的意图保持一致。

他表示：“我们应当专注于在恰当的治理框架下部署技术，并始终确保一切尽在掌控之中。”（财富中文网）

译者：刘进龙

审校：汪皓

AI正倒逼科技巨头大幅提高资本支出，而华尔街对此极度抵触

Eva Roytburg — Sun, 26 Jul 2026 16:00:00 GMT

2024年2月15日，Alphabet及谷歌首席执行官桑达尔·皮查伊出席谷歌巴黎人工智能（AI）中心启用仪式。图片来源：ALAIN JOCARD / AFP via Getty Images

上周三，Alphabet一天之内连创两项纪录。

首先，斩获史上最高单季利润。财报显示，Alphabet当季实现利润1,120亿美元，这是公司历史上首次单季利润突破千亿美元大关。不过，其中69%来自其持有SpaceX和Anthropic股权产生的未实现账面收益，而非核心业务。华尔街早已看穿了这一成绩背后的真相。

即便剔除这部分收益，谷歌（Google）该季度的业绩依然相当亮眼。如今已成为公司核心业务的云计算部门收入暴增82%。那么，为什么投资者当天仍然大举抛售Alphabet股票，导致其股价大跌近7%，创下关税风波以来的最差单日表现？

原因在于它创下的另一项纪录：公司历史上首次出现现金流转负，也就是说，上季度公司现金流出大于流入。管理层还警告称，2027年的资本支出将“大幅”增加，这进一步加剧了华尔街的焦虑。Alphabet上周四提交的最新文件显示，公司已承担超过8,000亿美元的采购履约义务及其他债务。这一惊人的数字还暴露出一些更隐蔽的支出，例如，Alphabet拿出了约510亿美元，为其他公司的数据中心提供财务兜底。

至少有六家机构因此下调了Alphabet的目标股价，包括派珀·桑德勒（Piper Sandler，下调至395美元）、瑞银（UBS，下调至379美元）以及D.A. Davidson，后者给出的350美元目标价是华尔街最悲观的预测之一。只有巴克莱（Barclays）逆势上调了目标价。这场抛售迅速蔓延，波及微软（Microsoft）、亚马逊（Amazon）、英伟达（Nvidia）以及整个芯片板块。上周，市场对新一波中国开源权重模型的担忧进一步加剧了这种恐慌。特斯拉（Tesla）同样交出了利润率下滑和资本支出高企的成绩单，导致其股价重挫15%。

D.A. Davidson科技研究主管吉尔·卢里亚在接受《财富》杂志采访时表示：“现金流转负是一个负面里程碑，市场现在正对此作出反应。此前市场普遍认为这种情况绝不会发生，如今已然成真。”

不过，尽管下调了目标价，卢里亚认为市场反应过度。他表示，自己担心的从来不是支出，而是估值。今年早些时候，当Alphabet股价接近400美元时，“市场像是在按照‘唯一赢家’为它定价”。而如今股价回落至320美元左右，他表示：“谷歌现在的估值合理得多，因为这是对‘赢家之一’而非‘唯一赢家’的估值。”他预计，未来几年，微软、亚马逊和Alphabet都将从提供AI算力中持续获利。

他认为，看多Alphabet的理由其实十分清晰：Google Cloud“增长势头惊人”。他预计，今年Alphabet将直接从AI算力基础设施建设中获得150亿至200亿美元收入。“只不过，在这个出现负面里程碑的日子里，首席财务官刚刚预警情况好转之前会先恶化，眼下没有人愿意关注这样的消息。”

不过，卢里亚担心的是，那些将AI巨头与自身客户深度绑定的复杂投资关系：谷歌、亚马逊和Anthropic之间的“三角关系”，微软与OpenAI的绑定，以及英伟达与CoreWeave之间的联系。他表示：“整个生态系统都在互相支撑。”而那些资产负债表外的兜底安排尤其令他警惕：“‘财务兜底’这个词，是在安然（Enron）事件之后才广为流传的，所以我一听到这个词就会心生警惕。”不过，他并不认为这是一种虚假的循环交易。他指出，如今消费者和企业在AI上的年化支出已经达到1,200亿美元，“而两年前，这个数字还是零。”“这是真金白银的支出，和循环交易根本不是一回事。”（财富中文网）

译者：刘进龙

审校：汪皓

美国企业在AI应用方面领跑全球，但也付出了高昂成本

Tristan Bove — Tue, 16 Jun 2026 16:00:00 GMT

谷歌首席执行官桑达尔·皮查伊。过去一年，谷歌AI词元处理量增长了7倍。图片来源：Anna Moneymaker/Getty Images

美国企业正在推动员工使用AI，其推进速度远超海外同行。而作为这一努力的代价，它们也背上了一笔惊人的账单，包括高昂的词元使用费、专有AI平台投入，还有纯粹的低级失误，有些失误甚至会造成数亿美元的损失。

美国企业已经将“把AI全面融入员工工作流程”作为重要目标。从某些指标来看，他们的努力称得上相当成功。盖洛普（Gallup）最新调查显示，目前约有一半美国员工每年会在工作中至少数次使用AI，而一年前这一比例还不到40%。

布鲁金斯学会（Brookings Institution）今年3月发布的研究显示，美国AI的普及速度已超越海外竞争对手。目前有43%的美国员工会在工作中使用AI，而欧洲这一比例为32%。企业层面也存在类似差距：目前有7%的美国企业已经将AI用于商品和服务生产环节，而欧洲企业的比例仅为4%。

企业管理层一直承受着压力，亟需找到将AI工具和各种实验项目转化为利润的途径。虽然在大多数情况下，AI的使用尚未带来令人满意的投资回报，但这项技术已经开始在生产率数据中显现效果——尽管提升幅度有限。布鲁金斯学会的研究发现，AI使用差异使美国企业节省的工作时间相当于总工时的2.3%，而欧洲企业为1.4%。

这或许是一个具有重大意义的优势。企业希望随着员工逐渐掌握AI工具和技术的持续进步，这种优势能够进一步扩大。但眼下的问题在于，企业押注的是一场可能需要数年时间才能见到回报的赌局，而各类账单却已到期。

美国企业开始认清一个现实：即便尝试使用AI看似免费，但实则开销不菲。由于使用量限制监管宽松，再加上企业仍处于摸索AI如何改善盈利能力的试错阶段，一系列高调“翻车”事件接连发生，这也暴露出美国企业加速推进AI应用过程中存在的局限性。

据报道，优步（Uber）在今年前四个月就花光了2026年全年的AI编程预算，其中很大一部分开支来自Claude Code的使用。优步首席运营官安德鲁·麦克唐纳近期在一档播客节目中坦言，公司大量使用AI并投入巨额资金，尚未真正转化为面向消费者的盈利产品，“投入与收益无法形成闭环”。

优步并非唯一一家在AI支出上“算错账”的企业。企业对词元（衡量AI使用量的数据单位）的需求激增。谷歌（Google）首席执行官桑达尔·皮查伊近期宣布，公司目前每月的词元处理量已达到3,200万亿个（3.2 quadrillion），较一年前增长了7倍。

在那些员工更有可能使用AI、且管理层也最积极推动AI应用的科技公司里，许多员工都在参与“烧词元”，即员工之间比拼谁消耗的词元更多。

但由于大多数企业客户依赖昂贵的前沿模型开展AI业务，一些企业已经开始讨论缩减相关开支。《华尔街日报》报道称，Meta、微软（Microsoft）和赛富时（Salesforce）等企业正要求员工更高效地使用AI，甚至在某些情况下限制使用。企业最担心的情况，或许是Axios此前披露的一个案例：一家未具名公司因未设置员工AI使用上限，竟在AI项目上烧掉了5亿美元。

不过，即便面对不断攀升的成本，美国企业似乎仍无意放缓AI应用步伐。企业支出管理工具提供商Ramp收集的数据显示，以付费订阅AI的美国企业比例来衡量，AI普及率最近达到了50.6%，高于年初的46.8%。

率先布局AI应用的美国企业或许仍会被证明其选择是正确的。彼得森国际经济研究所（Peterson Institute for International Economics）近期的一项研究显示，AI可能已经创造了高达2,500亿美元的隐形经济活动，而这些价值目前尚无法通过传统经济指标进行准确衡量。

不过，这些潜在收益尚未真正体现在企业的投资回报率（ROI）报告中。埃森哲（Accenture）上月发布的一项针对英国企业的调查发现，90%的受访企业尚未成功将AI融入核心业务，仍在摸索如何借助AI提升收入。许多企业表示，AI带来的生产率提升主要体现在员工个人层面，而非整个公司的运营效率改善。

美国企业高管在AI应用方面或许确实领先于英国和欧洲同行。但领先也意味着，他们必须率先破解一个难题：企业究竟在为哪些价值买单。（财富中文网）

译者：刘进龙

审校：汪皓

代理式人工智能系统承担的工作日益增多，人类亟需建立验证机制

Alexei Oreskovic — Tue, 16 Jun 2026 16:00:00 GMT

凯特琳·哈弗蒂（Caitlin Halferty），汤森路透（Thomson Reuters）首席数据官。图片来源：Michael Faas/Fortune

从模型幻觉到智能体失控，人工智能应用潜藏着诸多显性风险。

但对绝大多数企业而言，错失人工智能革命的代价同样难以承受。如何应对这一棘手的现实局面，是当今企业领导者面临的核心挑战。在科罗拉多州阿斯彭举办的《财富》科技头脑风暴峰会上，多家头部企业高管齐聚一堂，分享各自的洞见与实践经验。

各方的首要关切是问责制，具体而言，就是要能追踪——必要时可回溯——人工智能或代理式人工智能系统执行特定任务时的全部操作步骤。

自动驾驶技术公司May Mobility创始人兼首席执行官埃德温·奥尔森（Edwin Olson）表示：“我们的核心顾虑之一，是如何打造一套准确率尽可能高的系统。但同样关键的是，既然系统终究会出错，如何建立透明度与内省性，以便厘清问题根源，也能向监管机构说明后续将如何解决相关问题。”

汤森路透首席数据官凯特琳·哈弗蒂对此表示赞同，并强调了人工智能输出结果透明度的重要性：“我与团队始终恪守这一准则，并倡导客户践行该原则：任何模型的输出结果均须通过验证机制予以确认。”

汤森路透面向法律、税务合规等领域的专业人士提供多款人工智能赋能服务，因此从布局之初就必须重视人工智能问责制。哈弗蒂表示，透明度是该公司“受托级”产品的四大核心支柱之一，另外三大支柱分别为数据隐私与安全、行业专业人才、可靠内容。

多位与会嘉宾提到的另一项重要方法，是设计可实现有效相互监管的系统。奥尔森介绍，May Mobility在自动驾驶汽车中搭载多套系统，可同时模拟、评估多种场景并选出最优方案。

此类系统同样适用于企业场景和日常工作流程。Trustguard AI的创始人兼首席执行官埃琳娜·克沃奇科（Elena Kvochko）将其称为“大语言模型裁判”技术，并以新闻编辑室的运作模式解释其原理。

“一个人或智能体负责撰写内容，另一个人或智能体担任编辑——唯一职责就是找出错误，或是发现作者可能疏漏的任何不实信息。大语言模型系统也应按照这种思路设计，从而实现自我迭代优化。”

但克沃奇科补充道，关键在于验证环节必须由独立的人工智能系统来承担。“你绝不希望人工智能给自己的工作打分。”她表示。

随着人工智能技术承担的任务日益增多，人工验证所有输出已然力有不逮，因此建立一套智能的人工智能验证架构将变得愈发关键。

SentinelOne首席人工智能官格雷戈尔·斯图尔特（Gregor Stewart）表示：“你终会陷入这样的困境：人工智能完成的工作量极大，待审核任务繁重，根本无法真正实现问责。”

他以计算机编程为例，称该行业的相关实践比其他行业领先约一年。团队不再依靠人工审核上万行人工智能生成的代码，而是探索让智能体模拟数十年前安全关键领域的人工验证流程。

斯图尔特表示：“我认为，过去为安全关键技术研发的各类方法，将重新应用于日常业务场景。”（财富中文网）

译者：中慧言-王芳

AI智能体正在压缩企业组织架构，如何建立新的管理模式？

Sharon Goldman — Mon, 15 Jun 2026 16:00:00 GMT

图片来源：Illustration by Simon Landrein for Fortune

美国企业界呈现出组织架构“大扁平化”的迹象。随着越来越多企业开始部署AI智能体承担工作流编排、任务协调、报告生成以及信息共享等工作，它们也开始重新审视现代组织最持久的特征之一——中层管理体系。传统金字塔式的企业架构依赖多层级管理者在组织内部上传下达信息，而如今，随着AI系统接手大量过去支撑这些管理层级存在的协调工作，这种架构正开始被压缩。

根据光辉国际（Korn Ferry）对全球1.5万名职场人士开展的调查，约41%的受访员工表示，其所在公司去年削减了管理层级。与此同时，Meta、花旗集团（Citigroup）、CrowdStrike以及GitLab等公司的组织重组举措，更是引发了外界对于AI是否会加快企业向更加扁平化组织架构转型的广泛讨论。

Cloudflare首席执行官马修·普林斯近期对此给出的一番表述颇具代表性。在公司裁减约20%员工、同时实现创纪录营收后，普林斯表示：“上周被裁掉的员工中，绝大多数属于‘测量者’。”他所说的“测量者”，主要指中层管理人员，以及财务、法务、内部审计和收入确认等职能部门的员工。

普林斯表示，公司留下来的主要是他口中的“创造者”，例如工程师。这一说法与当前的一种观点形成鲜明对比——许多人认为，由于AI已经具备相当强大的编程能力，尤其是在Anthropic推出Claude Code之后，因此软件工程师恰恰是最容易受到AI冲击的职业群体之一。他还表示，“销售人员”同样相对不容易被自动化取代。普林斯补充说，此次裁员并非为了单纯缩减员工规模，而是为了改变工作的性质。按照他的说法，公司目前的职位空缺数量创下了历史新高，而且全部集中在“驱动增长的领域”。

咨询公司West Monroe首席人工智能官布雷特·格林斯坦则认为，管理者这一角色本身正在发生变化。在AI赋能的组织中，更期待管理者为企业创造可量化的业务成果，而不只是充当信息的“传声筒”。

格林斯坦表示：“如今AI工具几乎人人触手可及，首席执行官获取信息和洞察的速度与团队任何人一样快，已经不再需要信息中介层。”

此外，传统的管理工作，很大一部分都围绕着收集信息、传达进展、安排会议、跟踪进度以及确保团队步调一致展开。而如今，AI智能体已经能够持续、大规模地完成许多这类工作。

ONLC Training首席执行官安迪·威廉姆森表示：“一个中层管理者每周大约有三分之一的工作时间都花在开会上，其中大部分只是为了让团队成员保持同步。而这恰恰是软件如今能够胜任的工作。”

不过，剑桥领导力协会（Cambridge Leadership Associates）总裁马克斯·马蒂纳强调，这并不意味着管理层级将彻底消失。相反，AI将成为管理工作的补充工具，并帮助管理者作出决策。

他表示：“管理工作将得到新工具和更高效率的加持，这也为管理者提供了一个契机，让他们从埋头执行任务，转向展现真正的领导力。它将打开一扇通往新领域的大门——展现真正的领导力，而不仅仅是管理者。”

“大扁平化”尚未成为主流

不过，至少目前来看，“大扁平化”还远未成为主流趋势。威廉姆森指出，最显著的组织架构调整目前仍主要集中在那些数字化基础设施较为成熟、技术应用领先的企业当中。大多数企业仍处于AI应用的早期阶段，许多企业甚至尚未建立起能够大规模实现协同自动化所需的系统基础。

即便如此，越来越多专家认为，“安全的中间层”时代正在走向终结。

SmartTech Research首席执行官兼首席分析师马克·维纳表示：“那些推行组织架构扁平化的企业，不只是为了削减成本。它们其实是在承认一个事实：过去的很多管理工作，已经变成了对工作流程的‘看护’和督促，而AI智能体恰恰非常擅长扮演这种角色。”

与此同时，留任的管理者也被寄予厚望，企业希望他们成为AI系统的高效监管者。威廉姆森表示，这项新技能不是会写提示词那么简单，而是懂得如何指挥多个AI智能体完成正确的工作、评估它们产出的结果，并将这些成果整合进企业决策之中。

他表示：“真正的能力在于，将多个AI智能体分派到合适的任务上，并判断它们反馈的结果是否可靠。”

变革中的人性因素

不过，无论身处企业组织架构的哪个层级，这场变革都不会轻松。威廉姆森表示：“面对失业的危机和职能转型的压力，人们普遍深感焦虑。在这样的背景下，带领团队度过变革期的能力，反而变得比以往任何时候都更有价值。”

这也揭示了AI时代的一个悖论：工作越是被自动化，人类独有的领导力就越显珍贵。企业依然需要能够建立信任、应对不确定性、化解冲突、指导员工并帮助团队适应变化的人才。

而对管理者自身而言，这种转变同样充满挑战。格林斯坦表示：“如果你已经很多年没有亲自交付具体工作成果，现在却被要求重新承担这类工作，难免会感到不安。如果一名管理者过去衡量自身价值的标准是有多少下属向自己汇报，而不是为公司业务带来了多少实际影响，那么他们也会觉得自己的身份认同受到了冲击。”

格林斯坦认为，企业不应仅仅把AI视为削减成本的工具，而是应该优先利用AI将那些常规性的工作自动化，让员工能够把更多时间投入到更具价值的事务中。

他表示：“我给企业的建议是，利用AI把那些常规性、低风险的工作自动化，将员工解放出来。然后再建立相应的系统，让人与AI协同合作，去解决那些单靠任何一方都无法独立解决的问题。”

马蒂纳对此表示赞同。他认为，AI最终将成为管理工作的补充工具，并为决策提供支持。他表示：“我并不认为管理层级会消失。相反，我认为管理层级将变得更加高效，并能够更快地提升团队能力建设。”

展现领导力，而非单纯的管理者

马蒂纳认为，更加扁平化的组织最终带来的未必是领导力减弱，而是会催生一种全新形态的领导力。

过去几十年里，许多管理者的职业生涯，都是建立在协调工作、审批决策以及充当高管与一线员工之间的信息中介之上的。随着AI接管越来越多这类职责，管理者的核心价值正在转向那些更难被自动化取代的能力，包括运用判断力、应对不确定性、建立信任、培养人才，以及围绕共同愿景凝聚团队共识等。

马蒂纳表示：“管理工作将得到新工具和更高效率的加持，最终留下来的，是领导力。”

然而，组织架构扁平化也带来了一个尚未被企业解决的新问题。长期以来，无论是律师、会计师，还是工程师和分析师，许多专业人士都是先在初级岗位上积累专业技能，随后才逐步晋升至管理层和高级领导岗位。如果AI接管了相当一部分初级岗位工作，企业未来可能会面临专业人才储备不断萎缩的问题。

马蒂纳表示：“最大的风险未必是今天中层管理者变少了。真正的隐患在十年之后，如果越来越少的人获得成长为高级领导者和行业专家所需的实践经验，会发生什么？”

格林斯坦则认为，最终能够脱颖而出的管理者，将是那些始终保持学习热情的人。他指出，Codex、Claude Code等AI智能体工具在过去几个月已经迎来关键转折点，其应用场景正从软件开发领域迅速扩展至几乎所有知识工作岗位。

他表示：“未来三个月将是充满动荡的一段时期。领导者们要么主动学习如何应用这些工具，要么被那些已经学会使用它们的人倒逼着做出改变。就像当年会写HTML代码的网站管理员最终成长为首席营销官一样，那些懂得利用AI智能体完成工作的人，将成为未来的真正领导者。”（财富中文网）

译者：刘进龙

审校：汪皓

科技巨头的“烧词元”时代已经结束

Jeremy Kahn — Tue, 09 Jun 2026 16:00:00 GMT

图片来源：Andrew Harrer—Bloomberg via Getty Images

就在几周前，不少科技公司内部还弥漫着“烧词元”的风气，即鼓励员工尽可能多地消耗AI词元（用于计量AI使用量的基础数据单位）。背后的逻辑很简单：如果想知道哪些员工在部署AI智能体方面最具创新性，追踪他们的词元使用量即可。消耗的词元越多，意味着员工使用的AI智能体生产率越高，或者至少表明该员工正积极在AI领域尝试创新。当时的主流想法便是如此。Meta、亚马逊、OpenAI以及许多其他公司，甚至设立了正式或非正式的词元使用量排行榜，鼓励工程师和开发人员在特定时段内竞赛，看谁能消耗最多的词元。

古德哈特定律指出：任何指标一旦变成考核目标，它就不再是一个好的指标。“烧词元”这种行为也产生了一些意料之中的副作用。据《金融时报》报道，在亚马逊，由于管理者将词元使用量作为评估员工绩效的依据，一些员工为了让自己的词元使用数据更好看，甚至特意让AI智能体执行完全没有意义或毫无必要的任务。

此外，消耗词元并非没有成本。面对来自Anthropic和OpenAI的巨额账单，不少公司感受到了巨大的费用压力。因此，越来越多企业似乎正在放弃这种“烧词元”的文化，甚至开始限制员工使用第三方AI智能体，至少限制那些以最先进AI模型作为核心引擎的智能体工具。Meta已经撤下员工自发创建的非官方“烧词元”排行榜。据科技媒体The Verge报道，微软已取消多个核心产品部门员工的Claude Code订阅服务。优步则表示，其2026年全年的“词元预算”仅在年初四个月内就已耗尽，其中一个重要原因便是Claude Code的高频使用。

与此同时，赛富时首席执行官马克·贝尼奥夫透露，公司今年支付给Anthropic的费用预计将高达3亿美元。他希望未来能出现一种“智能路由器”，可自动判断哪些请求确实需要调用性能最强大、成本最高的大模型处理，哪些任务则可以分流给能力稍弱但足够胜任、成本更低的模型完成。

许多高管也指出，词元支出并没有转化为公司层面的投资回报。优步首席运营官安德鲁·麦克唐纳近日在一档播客节目中表示，这家网约车公司一直难以将部分员工工作效率的提升与公司整体效益直接关联。他表示：“如果你无法清晰地证明，这些投入最终转化为多少真正交付给用户的新功能和新产品，那么这些词元支出就很难自圆其说。”

最终的结果显而易见：烧词元时代正在走向终结。

为什么AI投入仍未转化为投资回报？

一个更深层次的问题是：为什么AI投入与投资回报之间会出现这种脱节？显然，直接奖励“烧词元”行为毫无助益，这种做法并没有将员工激励机制与公司目标保持一致。时事通讯《Exponential View》的作者阿齐姆·阿扎尔是剖析AI对经济与商业影响的顶尖思想家之一。他认为，目前的AI生产率悖论，或许只是任何一项新型通用技术在推广时都会出现的“生产率J曲线”现象。

与那些旨在优化特定流程、能立竿见影地提升生产率的技术不同，人们通常需要耗费大量时间来摸索，如何更好地部署一项通用技术。在这个“摸索阶段”，生产率实际上可能不升反降。这是因为公司需要投入大量时间和资金去试验新技术的应用场景，而短期内，前期投入往往无法对净利润产生正向拉动。只有找到围绕新技术重构业务流程的最佳方式后，生产率才能真正实现大幅跃升。

阿扎尔深入探讨的一个经典例子是电力发明及其对制造业的影响。工厂引入电力后做的第一件事，就是用电灯取代煤气灯。虽然节省了成本，但对工厂的产出几乎没有实质性影响。（安装照明设备和铺设电线的成本甚至冲抵了节省的费用。）由于蒸汽动力的物理限制，在电力普及之前，工厂通常围绕一台中央蒸汽机进行布局，通过一根主传动轴为多台乃至全部设备提供动力。因此，工厂做的第二件事，就是用大型电动机取代中央蒸汽机，但仍然沿用中央传动轴来驱动成组设备。这比彻底改造工厂布局成本更低，但效率和运营成本效益并不理想。生产车间某个环节的效率提升，往往只会把瓶颈转移到装配线的其他环节，工厂整体生产率的提升微乎其微。直到企业开始为单台设备分别配置电力系统，并重新设计工厂布局之后，生产率才实现巨大飞跃。

极少有企业真正进入第三阶段

阿扎尔预测，AI的发展也会遵循类似路径，但目前绝大多数企业仍停留在这一演进过程的第一或第二阶段。“烧词元”很容易，重新设计工作流程则很难。而比这更难的是，重新思考整个业务体系，包括企业销售的产品或服务类型，甚至企业的商业模式，这是阿扎尔未谈及的层面。这触及了企业的立足之本，也是AI真正带来巨大价值的领域——彻底重塑，而不是重新设计。但大多数企业目前的格局仍显不足。

正是因为许多传统企业对AI的应用仍显得过于保守，那些原生于AI时代的企业迎来了绝佳的爆发机遇。它们行动的步伐更快，能够在传统企业做出有效应对之前抢占大量市场份额。从零开始打造一家新公司，远比彻底改造一家既有企业容易得多。这也解释了，为什么许多私募股权公司的如意算盘可能会落空：仅仅给投资组合企业融入一点AI元素，就指望能以更高的估值转手套现，实际操作可能远比他们预想的更困难。

****

·要驱动员工利用AI实现有意义的创新，企业管理者需要停止奖励“词元消耗量”这类中间指标，转而考核AI应用所带来的可交付的成果。

·对于科技行业而言，“烧词元”退潮说明AI正从推广应用的噱头逐步向追求量化产出的阶段过渡。下一阶段的赢家，或许是最早把token从“烧钱指标”转化为“可控成本项”，并用它重排整条价值链的企业。

·历史经验表明，当工厂为电力彻底重新设计布局，生产率才实现飞跃。想要利用AI重塑现有业务的企业，应围绕AI的能力重新设计工作流程，而非简单地将AI工具嵌入旧环节。（财富中文网）

财富中文网对原文有删减和调整

编辑：魏雨彤

这家科技巨头冻结了多个层级的岗位招聘，唯独销售部门除外

Emma Burleigh — Sun, 31 May 2026 16:00:00 GMT

市值1450亿美元的Salesforce公司首席执行官马克·贝尼奥夫透露，其公司借助人工智能大幅压缩了技术团队规模——但对销售岗位而言却有好消息。图片来源：Bloomberg / Contributor / Getty Images

无数大学生怀揣着成为市场“香饽饽”的梦想而选择了理工科。但现在，他们的就业前景在一些大公司变得黯淡起来。云计算平台Salesforce的CEO马克·贝尼奥夫近日表示，由于AI带来了生产率的显著提升，公司技术团队的编制将保持不变。这家科技巨头冻结了多个层级的岗位招聘，唯独销售部门除外。

贝尼奥夫在上周三的季度财报电话会议上表示：“我们不会再招聘更多工程师，也不会增加行政岗位，我们只在一个领域扩张员工队伍——那就是销售部门，由米格尔负责的领域。”

贝尼奥夫指出，Salesforce的工程师人数已停滞约两年没有增长，维持在15000人左右。去年他甚至宣布，由于AI的助力，公司在2025年将不再招聘任何工程师。然而，由于销售岗的人数还在增加，Salesforce的总员工数仍然略有上升。

能够销售公司产品（从客户云、AI代理到Slack）的人才，正成为企业招聘的重中之重。贝尼奥夫指出，尽管其他部门的招聘缩减，但首席营收官米格尔·米兰诺带领的团队却在不断壮大。

贝尼奥夫说：“我想大家都意识到，我们所做的‘销售与沟通’这件事，AI还无法完全做到。它们能做筛选、能提供服务，但销售岗位仍需扩大规模，因为我们要覆盖的市场领域实在太多了。”

招聘已经暂停，但对工程师岗位的冻结可能即将解除

Salesforce决定暂停新招工程师岗位，反映了该职业日益增长的焦虑：AI和招聘缩减正在扼杀就业机会。

贝尼奥夫说：“过去几年，我们并没有大量增加工程师。人数基本持平，是因为我们一直在利用AI提高工程师的工作效率。尤其是今年，有了这些新的AI工具的加持，我们实现了更显著的能力提升。”

这家云计算巨头并非唯一收紧技术团队岗位的公司。去年，亚马逊裁员14000多人，几乎波及所有业务部门，而工程师受到的冲击最大——在纽约、加州和新泽西州4700人的裁员中，近40%是技术岗位。在微软，去年5月收到裁员通知最多的单一职位类别就是软件工程师。根据Indeed招聘实验室的分析，截至2025年初，软件工程师（最常见的科技职位）的招聘岗位数量较2020年初下降了49%。

不过，情况可能正在好转。根据城堡证券（Citadel Securities） 2026年的一项分析，Indeed上软件工程师职位的招聘信息同比增长了11%。尽管AI工程师和网络安全工程师等细分岗位仍然炙手可热，但像Salesforce这样的公司也在寻找能够凭借人际交往能力促成交易的人才。

当部分科技工作者因AI失业时，销售岗位成为一抹亮色

因招聘冻结和AI的大规模使用，技术岗位目前受到了冲击，但一旦能够得到并保住技术岗，收入潜力还是很可观的。

最新的技术革命对AI工程师等部分从业者来说是一座金矿，而另一些人则面临着自动化带来的困境；一位软件工程师告诉《财富》杂志，他在AI时代被解雇，之后一直无法找到新机会，被迫住在拖车里维持生计。

许多公司已经开始投身AI热潮，这在行业内引发了一大波焦虑。去年，高盛透露已聘用Devin——一个由AI驱动的自主软件工程师。这家华尔街公司希望该工具能提高员工的生产力，高盛首席信息官马尔科·阿尔真蒂表示，公司可能会再招聘数百甚至数千名AI工程师，与现有的1.2万名人类软件工程师并肩工作。

即使在其它方面收缩，许多公司仍在继续投资于AI热潮中推动产品销售的人才——这使得销售成为一个有韧性的职业选择。根据领英的数据，通过面对面互动向客户销售产品和服务的销售代表，是2025年美国增长最快的十大职业之一。

它的排名高于所有上榜的工程类岗位——除了位列第一的AI工程师。

而贝尼奥夫多年前就看明白了销售岗的价值：2024年，他宣布公司计划新招2000名销售人员，以应对其AI工具日益增长的需求。此外，约66%的SaaS（软件即服务）公司表示，他们将在2025年加大销售岗的招聘力度。（财富中文网）

译者：珠珠

金融科技公司CEO：AI炒作与狂热已令人厌倦

Gil Mandelzis — Thu, 28 May 2026 16:00:00 GMT

2023年9月21日，Capitolis创始人兼首席执行官吉尔·曼德尔齐斯在纽约市Convene举办的《Fast Company》创新节上发表演讲。图片来源：Eugene Gologursky/Getty Images for Fast Company

没错，人工智能是真实存在的，也确实至关重要。但在执掌公司25年、亲历了一轮又一轮技术革命之后，我对如今人们谈论人工智能的方式感到厌倦。

如今人们谈论人工智能的方式早已失去理性，沦为盲目狂热，尤其是在董事会会议室、投资者演示文稿和风投圈的回音室里。坦率地讲，在我日常运营一家金融科技公司的过程中，这种狂热与现实完全脱节。

我亲历了所有这些浪潮：互联网、移动互联网、加密货币、区块链、云计算。这些技术意义非凡，但它们发挥作用的方式各不相同——当下人们讨论人工智能时，恰恰忽略了这一关键差异。

我认为最能厘清思路的问题是：“对于某家公司或业务而言，人工智能更像互联网，还是云计算？”

互联网彻底改变了我们的生活、沟通方式和商业模式。企业必须转型才能立足。云计算同样是影响深远的技术变革，为服务商创造了数万亿美元的市值。但对于众多实体企业来说，它并未从根本上改变业务本质，只是提升了运营效率。

这场转型前后，我都负责公司运营。云计算出现之前，我们要在托管中心租用场地、采购硬件，并运营全天候的网络运维中心。这种模式行之有效。当我创立Capitolis时，云计算已日趋成熟且得到广泛应用，使得业务扩张更轻松、更具成本效益，但我们的核心商业模式并未改变。这类决策很少需要首席执行官或董事会拍板，通常由工程负责人与首席财务官、首席运营官综合研判：回报如何？有哪些利弊？

这恰恰是当下众多企业对待人工智能应有的态度与做法。

人工智能的现实检验

有些企业会被人工智能彻底颠覆，甚至被淘汰出局。我近期体验了DoorDash的客服服务，其后台似乎由人工智能驱动。这套系统响应迅速、回答准确，服务体验优于多数人工客服。对于这类公司而言，如今的炒作其实还算保守。但这绝非普遍现象。

Capitolis是深度嵌入机构金融体系的高度整合的B2B网络，短期内不会被人工智能颠覆。我们每年投入数十万美元布局人工智能，并在全公司范围内部署。目前仅实现局部效率提升，这笔投资尚未产生实质回报。

在工程部门，我们看到AI智能体在编写代码，长期来看，生产力有望提升约25%。对于我们约100人的开发团队来说，这意义重大。但那些棘手的问题依然存在：这在各项工作中优先级如何？落地需要耗时多久、投入多少成本？哪些项目会被推迟？

当你审视实际投资回报率时，结果令人警醒。如今许多企业的人工智能投入仍以探索为主，并非旨在实现业务变革的战略投资。这本无可厚非，只要我们保持坦诚。

问题在于噪音

若相信呼声最高的提议，你会觉得如果哪家公司不立即围绕人工智能进行全面重组，就会面临生存危机。每场会议、每次路演、每场专题讨论，人工智能似乎成了人们唯一谈论的话题。这种定调不仅有失偏颇，还可能造成破坏性影响。

部分原生人工智能公司确实前景可期，也会为投资者带来回报。但这并不意味着所有实体企业都应将人工智能视为巨大威胁。对于许多运营稳健、高速增长且盈利的企业来说，人工智能更像云计算：它是提升效能的有力工具，而非强制要求企业颠覆商业模式。

应立足投资回报率自主决策，不受舆论干扰。将人工智能视为巨大的生存威胁，绝非理性之举。我们要少一些跟风炒作，多一些理性克制。人工智能理应被重视，但狂热则不然。（财富中文网）

吉尔·曼德尔齐斯（Gil Mandelzis）是金融科技公司Capitolis的创始人兼首席执行官，该公司为全球金融机构提供服务。

Fortune.com上发表的评论文章中表达的观点，仅代表作者本人的观点，不代表《财富》杂志的观点和立场。

译者：中慧言-王芳

人工智能在一夜之间颠覆某个专业领域，会是什么情形？

凯洛格管理学院 — Thu, 21 May 2026 16:00:00 GMT

在人工智能抢走你的工作之前，它先抢走了生物学家的工作。

2020年，谷歌DeepMind的研究人员发布了AlphaFold2，这是一个致力于解决一项重大科学挑战的人工智能模型：能否仅从蛋白质的成分来确定其结构？如果无需耗时又昂贵的实验室实验便能实现这一目标，那么将有可能彻底改变我们对生物学的认知，并加速药物发现的进程。

在科学家尝试破解这一难题的年度竞赛中，AlphaFold2成为首个表现与实验室实验一样出色的人工智能模型。在随后数年中，它预测了两亿多种不同蛋白质的结构，其数量是之前几十年实验室所能表征的1,500倍。该模型的主要开发者在2024年荣获诺贝尔化学奖。

凯洛格管理学院战略学助理教授瑞安·希尔表示，AlphaFold2及相关模型对科学界“极具震撼力”。他与美国加州大学伯克利分校的卡罗琳·斯坦合作，力图精确衡量AlphaFold如何改变了生物学领域，从发现的速度和方向到科学研究的本质。

他们的研究预示了人工智能在一夜之间颠覆某个专业领域时的情形。随着世界进入人工智能时代，这种颠覆性在未来可能层出不穷。

希尔说：“经济学家们正在设法解答人工智能在我们的生活和经济中扮演的角色等一系列问题。AlphaFold2是研究这些力量的一个有趣缩影，因为这个强大的人工智能工具专门执行某项我们可以观察和测量的任务。”

一夜之间的巨变

虽然已知的蛋白质超过两亿种，但它们都是由相同的20种有机组成单元（称为氨基酸）构成的。因为这些成分能够折叠成极为复杂的结构，因此要找出哪些氨基酸构成某种蛋白质，其难度就好比从一箱散落的零件来想象一辆汽车。然后要发现蛋白质的三维结构，并更好地了解它的功能及其控制方式，则需要更多努力，至少过去是如此。

使用实验方法确定蛋白质的三维结构需要多年的心血，估计解析一种蛋白质的结构需要10万美元的成本。因此，截至2020年，只有不到0.1%的已知蛋白质结构得到解析。

AlphaFold2几乎在一夜之间改变了这一局面，它提供了数百万种结构，其精度与那些昂贵的实验不相上下。

希尔指出：“很多人使用经过多年学习所掌握的方法来解析实验结构。结果就在某一天，谷歌的DeepMind将他们的算法应用于所有已知的蛋白质，并将结果发布到互联网上。”

增强而非取代

希尔和斯坦整合了多个蛋白质研究科学数据库，来研究AlphaFold的瞬间突破对科学界的影响。这些资源包含了几十年来科学家们对每种已知蛋白质所研究和发表的信息。

这让他们可以探究AlphaFold2的巨大冲击对结构生物学领域产生了怎样的影响。结果出乎意料，从表面上看，影响并不大。自AlphaFold2问世以来的数年间，使用耗时的实验方法确定蛋白质结构的期刊文章数量并未减少。

“结构生物学家在很多方面并未改变工作模式。”希尔表示。“他们发表的论文数量和以前一样多，而且令我们惊讶的是，他们仍然在顶尖的科学期刊上发表论文，虽然他们的工作在某些方面可以被人工智能替代。”

但是在深入探究后，研究人员从一些迹象中发现，AlphaFold2扩展了实验人员的能力，而非取而代之。结构生物学家利用人工智能模型来增强他们的技能，导致新发现变得更快、更准确。

希尔说：“两者的见解往往相辅相成。人工智能并非十全十美。有时蛋白质或结构片段会出现变异，人工智能工具难以预测，然而实验方法也可能存在质量问题。结合实验和人工智能的分析结果，我们更有信心获得正确的蛋白质结构，对后续研究可能至关重要。”

科学的泛光灯

此外，AlphaFold2的发布似乎增加了科学家研究的蛋白质数量。在AlphaFold2出现之前，许多尚未确定结构的蛋白质受到忽视，并非因为科学家缺乏兴趣，而是因为实验方法不切实际，或者没有足够的结构生物学家来满足研究需求。

希尔和斯坦发现，AlphaFold2迅速扩大了该领域研究的蛋白质数量，他们将这种现象称为“泛光灯”效应。

例如，研究斑马鱼繁殖的科学家们发现了一种关键蛋白质，但他们的实验室缺乏专业知识来确定其结构。

希尔表示：“那些科学家原本只能被动地等待其他人取得突破，使他们能够在其基础上继续研究。这种情况在科学领域中并不少见。”

在AlphaFold2问世后，这些研究人员得以利用人工智能预测蛋白质的结构，然后使用该信息来指导有关其功能的后续实验。他们的研究成果最终发表在生物学的顶级期刊《细胞》上。

希尔和斯坦观察到这在整个领域都成为一种普遍的趋势。

“AlphaFold发布几年后，我们看到针对以前尚未解析的蛋白质的研究大幅增加。”希尔说。“这种现象在技术变革中很常见。如果通过自动化极大地降低某项任务的成本，人们就可以开展各种以前做不到的新任务。”

一个又一个瓶颈

创建复杂蛋白质结构的炫酷三维图像，并不是蛋白质折叠挑战的终极目标。借助这些结构，科学家们希望更好地了解重要蛋白质的运作方式，并最终通过开发治疗疾病、延缓衰老或以其他方式改善人类健康的新药来影响它们的活性。

希尔和斯坦试图证明AlphaFold2也在加速这些下游发现，但是他们尚未看到人工智能模型的推出对药物研发具有重大影响。

“即使拥有强大的机器学习工具来用于这些结构步骤，它也只是庞大拼图中的一小部分。”希尔说。“因为存在太多瓶颈，所以没有任何一项任务能够完全自动化，从而对药物研发的速度产生实质性影响。”

他继续说道：“好消息是，这带来了机遇，因为我们可以将人力投入到一些瓶颈问题上，可望提高科研效率。这样做将带来裨益，但我并不指望它能够在一朝一夕之间实现。”

新的合作者

ChatGPT的发布使人们对生成式人工智能模型及其改变我们工作方式的潜力产生了浓厚的兴趣，而AlphaFold2的发布比ChatGPT早了两年，是在人工智能发展历程中一个截然不同的时间点。随着这些模型突飞猛进，人们越来越担心它们甚至可以取代高度专业化的人类劳动者。

但是很少有职业比结构生物学家更专业。希尔认为AlphaFold2的故事或许能够给其他领域的技术工作者带来一些安慰。

“有很多新技术都可以出色地完成许多以前由人类完成的任务，所以人们总是担心会受到负面影响。”他说。“但是另一方面，在过去的大多数自动化案例中，自动化也为经济带来了许多新的机会，催生新的工作岗位，或者改变现有工作的类型。这类工具通常能够提高人类的生产力。”

像AlphaFold2这样的颠覆性技术，并未取代人类专家的能力，而是扩展其能力，这为人类与人工智能在科学及其他领域合作的乐观愿景提供了初步佐证。

希尔表示：“一般认为，如果人工智能可以更深入地参与其中，大幅提高科学家的效率，甚至能够自主提出想法，很可能会对经济产生巨大的连锁反应，使更多人和更多流程变得更高效。这是令人兴奋的前景。有可能会出现一些如果没有人工智能工具的帮助，原本无法实现的突破。”（财富中文网）

高盛集团：小企业纷纷拥抱人工智能，但真正实现整合的不足五分之一

Tristan Bove — Thu, 21 May 2026 16:00:00 GMT

美国小企业正在争相将人工智能融入自身商业模式，但大多数企业仍然处于初步探索阶段，远未实现成熟应用。

小企业主们已经就人工智能应用达成共识，如今不再纠结是否采用这项技术，而是关注如何以及何时将其融入业务。高盛集团（Goldman Sachs）近日发布的一项针对小企业主的调查显示，超过四分之三的小企业主已经在某种程度上使用人工智能，而且超过90%的小企业主表示该技术效果显著。

对小企业而言，人工智能的核心吸引力在于提升效率和生产力，近七成企业主预计该技术将助力其实现营收增长。不过，尽管许多企业家都在尝试使用人工智能，但仅对人工智能抱有热情的企业，与真正实现全面整合的企业之间，依然存在巨大差距。

高盛集团的调查发现，仅有14%的企业主将人工智能嵌入核心业务流程，这意味着大多数小企业虽然下载了应用程序，却鲜少探究其使用方法。

这项调查于今年1月至2月开展，对象是高盛集团的小企业教育项目的1256名参与者。调查发现，许多企业家对人工智能表现出极大的热情，却不确定该如何充分挖掘其商业价值。主要障碍包括：缺乏技术专长、难以在繁杂的工具中做出选择，以及担忧数据隐私问题。超过七成的受访者称，若能获得更多的培训和落地方面的资源支持，将对其业务大有裨益。

高风险，或伴随高回报

小企业对人工智能工具的接受度正在迅速提升，但实际应用却面临诸多挑战。美国商会（Chamber of Commerce）2025年发布的报告显示，已经有58%的小企业将生成式人工智能融入业务运营，这一比例较2023年增长了一倍多。以ChatGPT、Claude和Gemini为代表的人工智能工具迅速崛起，超越社交媒体成为第二大最受小企业欢迎的技术，仅次于搜索引擎。

大多数小企业将人工智能应用于文案撰写、内容创作、客户服务自动化等领域，部分企业甚至利用该技术完成编码和网站设计等复杂任务。

更能推动营收增长的人工智能应用，目前仍然集中在少数精通技术的企业手中。美国商会的调查显示，只有不到四分之一的企业将人工智能用于可以显著拉动营收的核心任务，比如供应链优化、潜在客户挖掘，以及产品与服务的商业新洞察生成。高盛集团指出，部分小企业依然对人工智能存有疑虑，其中半数使用人工智能的企业将数据隐私列为核心顾虑。

另一大阻碍或许来自客户。目前，人工智能在美国是最不受欢迎的讨论话题之一。美国全国广播公司（NBC）近期的民调显示，只有26%的美国人对人工智能持积极态度，46%的人持负面看法。鉴于公众对人工智能普遍感到厌倦，企业可能不愿意将这项技术应用于面向客户的场景。Gartner近期发布的调查显示，半数消费者更倾向于选择不使用人工智能的品牌，不少消费者对人工智能辅助购物体验的可靠性存疑，对此尤为抵触。

值得一提的是，就业方面表现亮眼。当前，白领行业正在掀起裁员潮，人们普遍担忧人工智能将引发失业，但这一影响似乎尚未波及小企业。美国商会的报告显示，82%使用人工智能的小企业在过去一年里实现人员规模扩张。

不过，正如美国大型企业仍然在苦苦摸索人工智能的最佳应用方式一样，小企业可能持观望态度。截至目前，大型企业的生成式人工智能试点项目大多陷入停滞，未能创造可观收入，而资源有限的小企业可能不愿意冒险投入数千美元购买企业级模型并开展员工培训。

去年，美国众议院通过了《面向小企业的人工智能法案》（AI for Main Street Act），旨在投入更多资源帮助小企业提升人工智能认知和应用能力。然而，在大型企业证明人工智能的投资价值之前，小企业可能不愿意跟风入局。（财富中文网）

译者：中慧言-王芳

人工智能时代，冒名综合征不再是谎言

Jeffrey Sanchez-Burks — Sun, 17 May 2026 16:00:00 GMT

杰弗里·桑切斯-伯克斯是行为科学家、文化心理学家，同时也是密歇根大学罗斯商学院威廉·拉塞尔·凯利商业管理教授。图片来源：courtesy of Jeffrey Sanchez-Burks

数十年来，心理学家一直向工作中感到落后，自认能力不足或暗暗觉得自己“名不副实”的人吃定心丸：是你想多了。自我怀疑是一种认知扭曲，感受到的差距并不真实。我们称之为冒名综合征，对应的解决办法本质上是回归现实，认真梳理自己的资历、过往履历、真实工作表现。然后得出结论，之前的感觉是虚假错觉。

然而有了人工智能，之前的感觉不再是错觉。

冒名综合征一直是人们自我欺骗的假象。有了人工智能，这种感觉终于成真，而且是瞬间发生在所有人身上。

这并不是说只能绝望，只是提醒人们别再乱下诊断。

试想一位处于职业生涯中期的分析师，清单上每一门课程都修完。或者一位产品经理，每一封通讯都读，每场演示都看，但走进会议室时，依然觉得像是错过了前20分钟。

他们都在努力工作，却都在掉队。没人能真正想明白原因，因为都在用个体层面的因素去解释结构性问题。

去年秋天，一位我们暂且称作“玛雅”的老师，几乎整个夏天都在学习如何把人工智能融入课堂。她在线上课，刷YouTube视频，制定全新教学计划。9月开学时，她做好了充足准备也热情满满。可到了10月，她感觉落后了好几步。她并没有停止尝试，也不是不够聪明、不够好奇或不够投入，而是因为她刚刚掌握的工具转眼已经过时。

没人教的算术题

几周前，我与构建当前各大人工智能平台的公司高管们交谈，其间他们谈到能力鸿沟的概念。

如果把人工智能的能力随时间的变化绘成曲线，那么这条线斜率陡峭且加速攀升。每隔几个月就有新模型、新工具、新基准出现。然而如果把人类学习人工智能的曲线画出来，也就是人们将工具融入生活和工作中的速度，这条线上升的速度要慢得多。两条线斜率之间的差距正在扩大。只要情况持续，任何努力追赶潮流的普通人之所以落后，都不是因为自身能力不足，而是因为客观规律如此。

技术发展快于人类学习并不是新事，但速度如此之快还是头一次。

技术发展速度总是比使用者学习速度快。如今不同的是，这项特定的技术触及了非常私人的领域。不仅仅是工作流程，还有思维；不仅影响工作产出，更挑战专业判断。当工具一步步蚕食原本认为只属于自己的领地时，这种差距就不再仅仅是不便，而开始像一道冷酷的判决。结果是身心疲惫和无声的士气溃散。

当扭曲变成现实

这就是当下与以往技术颠覆不同的地方：自我怀疑不再是一种认知扭曲。

20世纪70年代以来，心理学家一直在研究冒名综合征，即尽管有确凿证据证明自己的能力，还是持续感到不足。其核心发现一直令人宽慰，即人们感受到的差距并不真实。资历真实有效，要相信自己。

这种宽慰对不同人群意义完全不同。女性、少数族裔和第一代职场从业者往往被告知，对职场不公环境的感知只是个人心理扭曲。人工智能时代并没有抹去那段历史，而是在此之上增加了新的一层，因为现在差距对所有人来说都是真实的，旧的宽慰方式对谁都不再适用。

斯坦福大学已故心理学教授阿尔伯特·班杜拉曾花数十年，研究自我效能感，意思是相信自己有能力通过主动掌控，达到理想的结果。这并不需要全能精通，也不需要极其确定，只需要努力和结果之间保持某种可感知的联系。

班杜拉的研究表明，自我效能感不仅是励志鸡汤，更是内在驱动力。自我效能感完好时，人们愿意投入和坚持，容易从挫折中恢复。一旦崩塌，就会丧失动力，选择逃避退缩。

当能力鸿沟不断扩大，努力与结果之间的关系破裂。并不是因为做的不好，而是因为目标移动的速度太快，再努力也很难追上。结果就是所谓能力眩晕，意思是掌握了一项技能后，却发现自己已然落伍的迷失。这并不是学习失败的挫败感，而是脚下的专业基础不断移动造成的眩晕。往往在觉得自己有能力的那一刻，发现标准又一次被拉高。这就是10月玛雅陷入的状态，也是当下很多人默默身处的困境。关键在于，这并不是冒名综合征。冒名综合征是稳定环境下错误的自我认知，能力眩晕则是对不稳定环境的准确判断。

我们最大的误区在于，将其当作技能问题对待。参加更多培训，看更多教程，追更多通讯，上更多课程，仿佛只有更迅速学习，才能摆脱落后的焦虑。但能力眩晕无法通过多学知识解决，应该恢复可感知的自主感。这需要截然不同的干预措施。

差距是集体性的

没人能跟上当前时代的节奏。

在领英发布人工智能生产力技巧的人跟不上，每天收费五位数美元向高管团队解释人工智能的顾问跟不上，在实验室里构建相关系统的研究人员也跟不上。每个人都处在鸿沟的某个位置。区别在于有人愿意坦然承认，有些人只会刻意装作自信从而掩饰内心焦虑。

想要找回自信，并不需要消除鸿沟，真正需要的是锚定胜利，也就是真实的、个人的、脚踏实地的时刻，在那一刻努力产生了结果。比如那位老师因为涉及的人工智能辅助修改方案，让10月的课堂产生了不同效果。分析师因为找到了正确的提示词，周四下午节省了两个小时。产品经理使用工具思考了艰难的决定，获得了超乎想象的清晰思路。

这些不是安慰奖，而是神经机制。这就是神经系统在新环境中学习信任自己的方式。

目标不是要到达顶尖。目标是停止每天死磕前沿赛道，而是开始跟上周的自己比。

人工智能时代，真正需要的是什么

能力鸿沟带来的情感体验，恐惧、疲惫、持续的不足感并不是失败的信号。这些恰恰是正常人的信号，只是身处时代巨变时刻，准确地感知到环境变化的速度太快，思维模型来不及同步更新。这不是缺陷，而是智慧的体现。

维克多·弗兰克尔（20世纪最伟大的心理学家之一，也是“意义疗法”的创始人——译者注）身处的环境比当前黑暗得多，他曾写道，人类最后的自由是在任何既定环境中选择自己态度的自由。不是控制事情发生的能力，而是决定如何置身其中的能力。

我们并不比人工智能技术低劣，也并非与之竞争。我们只是恰好身处拐点，一个快速扩张的时期，身处其中难免迷茫，事后回顾时则会截然不同。

能力眩晕不会就此消失。但得知这种眩晕感很正常，认知感知在正常工作没有失灵，会让人稍稍释怀。（财富中文网）

杰弗里·桑切斯-伯克斯（Jeffrey Sanchez-Burks）是行为科学家、文化心理学家，同时担任密歇根大学罗斯商学院威廉·拉塞尔·凯利商业管理教授。他的主要研究课题包括探索情绪、文化以及群体动力在组织生活中的作用。20多年来，他一直为《财富》美国500强企业、初创公司以及使命驱动型组织的CEO和高管团队提供咨询建议。他涉足的领域极为广泛，涵盖广告、艺术，直至工厂车间、医院以及人工智能科技公司。他的研究成果不仅发表在顶尖的同行评审期刊上，还曾被《纽约时报》、《哈佛商业评论》、NPR（美国国家公共电台）、《财富》、BBC和CBS等知名媒体报道。他也是即将出版的《人类模式：释放你的独特优势并重塑工作世界》（Human Mode: Unlock Your Unique Edge and Transform Your World of Work，哈珀商业出版社，2027年3月出版）一书作者。

Fortune.com上评论文章中表达的观点仅代表作者个人观点，并不代表《财富》杂志的观点和立场。

译者：梁宇

审校：夏林