科技 - 财富中文网

Tue, 16 Jun 2026 16:00:00 GMT

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

SAP CEO：企业AI竞赛押错了赛道

Christian Klein — Thu, 14 May 2026 16:00:00 GMT

SAP首席执行官柯睿安。图片来源：courtesy of SAP

企业人工智能竞赛正迅速演变为一场接口之争。

每周都有新公告发布：更智能的助手、功能更强大的智能体，或是旨在实现企业全流程工作自动化的全新协调层。技术进步毋庸置疑，但业内多数布局并未围绕企业实际运营模式进行优化。

这一差异的重要性远超大多数人的认知，因为企业运营依靠的从来不是提示词，而是执行。

一家全球制造商在供应链中断期间决定如何重新调配库存，需要的绝不仅仅是一个答案。它必须同时评估供应商备选方案、库存余量、客户承诺以及财务权衡。首席财务官在市场波动期间预测流动性风险时，所需的背景信息，是普通聊天机器人交互无法提供的。这些相互关联的运营决策，受到依赖关系、业务偏好、审批流程、财务后果和各种权衡的影响，而这些权衡会在企业实时产生连锁反应。

过去一年，在我与高管们的无数次对话中，话题不可避免地会从人工智能能力转向运营现实。模型确实在飞速迭代，但更棘手的问题在于：人工智能是否真正理解它所运行的商业环境？

如今，太多关于人工智能的讨论仍默认一个前提：只要模型更强大，商业成果自然会更好。但事实并非如此。企业逐渐意识到，脱离运营背景的智能——也就是脱离了治理和保护组织的流程、数据、规则与政策的智能——虽能输出结果，却难以带来实质性进展。在某些情况下，它甚至会加剧碎片化并带来风险。

智能体生成的建议听起来可能很有说服力，却可能忽略了系统其他环节的关键依赖关系。AI智能体可能高效地自动化了某一条工作流，却打乱了另一个工作流的规划假设。企业从不缺人工智能生成的各类输出结果，真正缺的是能够理解运营影响的人工智能系统。

这正是当前企业人工智能领域的真正挑战，而破解这一难题，仅靠协调是远远不够的，更需要的是背景信息。

数十年来，企业软件一直默默充当着全球经济的运营支柱。财务系统、供应链、采购网络、人力规划平台、生产运营以及客户履约流程，无不依托相互关联的系统运行。这些系统不仅记录信息，更承载着企业的运营逻辑，包含着多年积累的流程知识与数据、治理结构、授权机制、政策规则以及塑造企业每一项决策的经济关系。它们是企业的核心。

在人工智能时代，这种业务背景信息变得极具价值。若缺乏这一背景，人工智能的输出结果终究只是有理有据的猜测，而非基于现实的判断。

当人工智能直接嵌入运营流程时，它才能基于企业的全局情况进行推理。这改变了软件在组织中的定位。企业系统开始直接参与执行本身。

人工智能能提前识别风险，跨职能部门协调响应，实时推荐行动方案，并在既定边界内自动化执行常规任务。它不再是独立运行的智能体，而是与企业的经济和运营架构深度连接的智能系统。

至关重要的是，企业自主化并不意味着将人类排除在决策之外。它意味着减少摩擦、消除碎片化、降低行政负担，从而支撑组织实现规模化、高效化与协同一致的运营。人类依然负责定义优先级、做出判断并承担责任，而人工智能则负责围绕决策完成运营协同与落地执行。

试想供应商中断导致关键制造部件受影响的情形。当今大多数人工智能系统只能总结问题，或基于已学模式预测潜在延误。但立足运营实景的人工智能，不止停留在趋势洞察，更能实现全链路协同执行。它能识别受冲击的生产计划、评估全球库存状况、分析替代采购方案、估算财务风险、标记客户交付风险，并同时为采购、物流、财务及客户运营推荐行动方案。

这不仅仅是工作流自动化，而是人类与系统交互的全新方式。

这也是我认为人工智能时代将提升而非削弱企业系统战略重要性的原因。

随着人工智能不断向业务执行层渗透，最具价值的信息系统将是以运营和交易实景为根基、内嵌智能能力的系统。价值重心将向具备企业级语义理解能力的系统迁移，即能够理解权限、政策、依赖关系、流程、财务后果及组织问责制。

这一转变也改变了领导者思考转型的方式。

企业人工智能应用的第一阶段主要侧重于试验。企业测试智能助手，部署试点项目，并实现单点任务自动化。很少有项目真正带来生产力提升，而真正从根本上改变组织运营方式的更是寥寥无几。

下一阶段的领头羊将采取截然不同的人工智能应用策略。它们会将智能直接嵌入那些决策会产生真实经济后果的运营系统；它们会认识到，值得信赖的人工智能不仅依赖治理，更离不开背景信息、数据质量、流程完整性和对交易的理解。

最重要的是，它们会明白：企业人工智能的成功应用不仅仅是一次技术变革，更是一场变革管理挑战。只有当AI智能体、业务流程和人类协同工作时，才能释放真正的商业价值。

未来属于那些能实现这种平衡的企业：由人类定义优先级并承担责任，而智能系统则精准协调与执行。这种分工模式有助于企业提升运营韧性、生产效率与智能化水平，从而更从容地应对日益复杂的全球环境。（财富中文网）

柯睿安（Christian Klein）现任SAP SE首席执行官兼执行董事会主席，全面负责公司战略方向、日常管理与业绩表现。

柯睿安于2018年加入SAP执行董事会，担任智能企业集团负责人，统筹核心应用程序的全球研发与交付，同时负责公司全球业务运营的跨董事会事务。

柯睿安于1999年以实习生身份入职SAP，开启职业生涯。他历任多个职位，包括SAP SuccessFactors首席财务官、SAP首席控制官，并于2016年被任命为SAP首席运营官，任职至2021年。2019年10月11日，他与詹妮弗·摩根（Jennifer Morgan）共同被任命为SAP SE联席首席执行官。2020年4月20日，他出任SAP SE唯一首席执行官。

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

OpenAI风波不断，会影响其IPO前景吗？

Jeremy Kahn — Sat, 25 Apr 2026 16:00:00 GMT

OpenAI首席执行官萨姆·奥尔特曼。图片来源：Anna Moneymaker—Getty Images

过去一段时间，OpenAI占据了各大新闻头条。事实上，这家公司的消息铺天盖地，甚至让人一时难以理清头绪。更难判断的是，事后回看，究竟哪一项进展才会被证明最具影响力。稍后我会逐一梳理OpenAI的动态。

不过在此之前，我想先重点提三条关于Anthropic的新闻，因为从长期来看，它们的重要性，可能超过OpenAI的所有琐事。

Anthropic公布了一项名为“Glasswing计划”的合作项目，汇集多家大型科技公司和网络安全机构，目标是在黑客利用AI对全球关键软件造成严重破坏之前，提前加固这些系统的安全。联盟伙伴已经获准使用Anthropic尚未发布的Mythos模型的一个网络安全专用预览版，希望借助该模型识别零日攻击和其他潜在漏洞，并在Mythos正式版以及OpenAI和谷歌具备超强网络攻防能力的同类AI模型上线之前，修复这些漏洞。

“Glasswing计划”进一步证明，AI实验室、网络安全公司以及政府官员日益担忧一种情况：随着近期AI模型编程能力的提升，我们正步入一个网络安全威胁空前严峻、甚至可能带来灾难性后果的时代。

Anthropic还宣布，将不再允许用户通过每月订阅Claude来驱动第三方智能体工具，例如近期爆火的OpenClaw及其衍生工具。今后，用户若想使用Claude驱动此类工具，必须改为订阅Anthropic的API，并按词元用量付费，而不再适用“包月不限量”的模式。近几周，尤其是在OpenClaw这类智能体工具爆火之后，Anthropic已显露出算力不足的问题，难以应对迅速飙升的用户需求（该公司还在高峰时段实施了严格的使用限制，引发不少用户不满）。为缓解算力压力，Anthropic宣布扩大与谷歌和博通（Broadcom）的合作，以获取运行谷歌TPU芯片的数据中心资源，这些资源预计将在2027年前陆续上线。不过在此之前，这一调整可能会对AI智能体的使用方式产生重大影响：一方面可能放缓其普及速度，另一方面也可能促使更多用户转向将开源模型作为智能体的“核心引擎”。

Anthropic还表示，公司当前的年化收入“运行率”已达到300亿美元，这一数字意味着仅在3月，其收入就飙升了58%。该水平也高于OpenAI在今年2月披露的250亿美元年化收入运行率（不过两家公司计算口径并不完全一致，因此可比性有限）。但这仍清晰表明，Anthropic正处于高速增长阶段，而在OpenAI近期一系列动态的背景下，这一点尤为关键。

言归正传，接下来我们来看OpenAI方面的最新情况。

OpenAI偏好“建设性”的媒体报道，于是决定“自制”内容

在OpenAI的一系列新闻中，或许最不重要、却引发媒体广泛讨论的一件事，是公司决定收购成立仅一年的视频播客平台科技商业节目网络（TBPN）。据《金融时报》援引消息人士称，交易金额为“数亿美元的低位区间”。OpenAI在宣布这笔交易时表示，“传统的传播方式显然已不再适用于我们”，公司需要“帮助打造一个空间，让围绕AI变革的讨论更加真实、更具建设性，并将开发者和使用者置于核心地位”。

这里的“建设性”一词意味深长。尽管OpenAI坚称TBPN将保持编辑独立性，但外界对此多持怀疑态度。其中一个原因是，该视频内容业务将向公司政策传播负责人克里斯·勒哈恩汇报——他曾是一位作风强硬的政治操盘手。这一举动看起来像是科技公司试图通过“直达受众”（即利用社交媒体和自制内容，绕过传统新闻媒体）掌控舆论叙事的最新、甚至最极端的案例。传统媒体往往更具批判性，也更可能提出企业高管不愿面对的问题。

奥尔特曼的诚信遭到质疑

如果此前还不够清楚OpenAI为何希望掌控传播渠道、为何反感传统媒体，那么《纽约客》最新刊发的对OpenAI首席执行官萨姆·奥尔特曼的长篇人物报道则点明了缘由。这篇文章由罗南·法罗和安德鲁·马兰茨历时一年半调查完成，标题赫然写道：“萨姆·奥尔特曼或许掌控着我们的未来——但他值得信任吗？”通读全文，很难得出肯定的答案。

尽管文章中披露了一些新的细节，例如，记者获取了现任Anthropic首席执行官达里奥·阿莫迪的数百页笔记，记录了他在OpenAI任高级研究员期间与奥尔特曼的互动，但其中不少事实此前已在其他报道中出现。然而，将这些信息集中呈现，依然产生了巨大的冲击力。法罗和马兰茨笔下的奥尔特曼，更像是游走在反社会人格边缘的高管，为了上位不惜撒谎且毫无愧疚感。这篇文章让人不禁质疑：除了对权力的追逐，奥尔特曼对其他任何事的承诺，到底有几分真诚？他是否真得重视AI安全问题，尤其是他在AI安全方面的表态，是否只是一种策略性姿态，起初是为了争取埃隆·马斯克等人的早期资金支持，后来则是为了吸引并留住顶尖AI研究人才，同时缓和监管压力。

可以肯定的是，潜在的IPO投资者通常不会青睐由“习惯性说谎者”掌舵的公司。他们同样排斥高层频繁变动的企业。而就在上周，OpenAI又宣布了一轮新的高管调整。公司表示，“通用人工智能部署首席执行官”、负责所有商业产品与运营的菲吉·西莫，将因慢性健康问题休数周病假。在她休假期间，此前主要负责AI基础设施建设的格雷格·布罗克曼将接管产品业务。

与此同时，OpenAI还公布了一项更长久的管理层变动。长期担任首席运营官的布拉德·莱特卡普将转任一个新的岗位，负责统筹“特殊项目”，其中包括与私募股权机构合作的一项合资计划，旨在利用AI提升传统非科技行业的效率。近期出任OpenAI首席营收官、曾任Slack首席执行官的丹妮丝·德雷瑟将接手莱特卡普的大部分原有职责；其余业务与运营板块，则由首席战略官杰森·权和首席财务官萨拉·弗莱尔共同分管。

有关支出与IPO计划的分歧浮出水面

与此同时，一则新曝出的消息暗示，弗莱尔的职位或许也不稳固。《The Information》报道称，弗莱尔在私下反对奥尔特曼的IPO时间表，并对公司未来五年高达6,000亿美元的支出承诺表达了担忧。该媒体援引一位与弗莱尔交流过的人士称，她不确定如此规模的投入是否必要，也不确定OpenAI能否以足够快的速度实现收入增长、以支撑这笔开支。

报道还指出，弗莱尔是在OpenAI宣布1,220亿美元融资之前表达了这些担忧。这笔融资于上周公布，使公司投后估值达到8,520亿美元。报道未能确认，在获得这笔新资金后，弗莱尔的立场是否发生了变化。不过，另一位未具名消息人士称，在OpenAI一次讨论重大AI基础设施支出计划的投资者会议上，弗莱尔并未被邀请出席。对此，OpenAI回应称，弗莱尔与奥尔特曼“完全认同：稳定获取算力是公司战略的关键，也是其扩张过程中的重要竞争优势。”

综合OpenAI的这些动向，人们难免会怀疑，这家全球最知名的AI公司是否正面临失控风险。至少，OpenAI能否在今年顺利IPO，已被打上了一个巨大的问号。而如果IPO计划告吹，公司还能在私募市场持续融资多久，同样是个未知数。一旦OpenAI崩盘，甚至只是经历一轮“估值下调”，都可能威胁到整个AI生态系统。当然，像英伟达（Nvidia）这样的关键参与者对此也心知肚明，因此很可能会继续出手支持OpenAI。

在这一系列动荡之中，OpenAI还发布了一份白皮书，呼吁美国针对即将到来的“超级人工智能”时代制定一项全面的产业战略。（更多相关内容可参见我同事沙龙·戈德曼的报道。）不少人认为，这份文件在很大程度上是OpenAI的一种前瞻性布局，以化解美国各地日益高涨、且正逐渐获得两党支持的反AI产业情绪。

AI行业动态

Anthropic扩大与谷歌、博通的合作，以获取数据中心算力。根据协议，Anthropic最早将从2027年起获得约3.5吉瓦的算力，但前提是该AI公司需达成特定的商业里程碑。此外，博通还将在2031年前向谷歌供应定制AI芯片TPU及相关基础设施。更多详情，请参阅《华尔街日报》的报道。

谷歌为Gemini增设心理健康防护机制。谷歌已引入一套系统，用于识别用户在与Gemini交互过程中可能表现出的心理危机信号，并在必要时引导用户联系危机干预热线。公司还宣布将捐赠3,000万美元，用于在全球范围内支持危机干预服务。此外，谷歌还增加了多项安全措施，以遏制自残倾向，并训练Gemini避免强化用户的错误信念。更多内容，请参阅彭博社的报道。

谷歌发布Gemma 4开源权重模型。谷歌推出了新一代开源权重AI模型Gemma 4。据科技媒体《The Register》报道，该系列模型基于Apache 2.0许可发布，旨在通过提升使用灵活性和数据控制能力，吸引企业用户。Gemma 4由谷歌DeepMind开发，共推出四个版本，重点强化编程能力、智能体型AI以及推理表现，同时支持多模态输入，并可在从智能手机到数据中心的多种设备上运行。此次发布正值来自中国的开源权重模型竞争白热化之际，反映出谷歌正竭力提供一个足以抗衡OpenAI和Anthropic系统的企业级可靠替代方案。

微软（Microsoft）推出“中端”AI模型，AI负责人承认存在算力缺口。微软发布了三款中型AI模型，称其在语音转录、语音生成和图像生成方面均达到行业领先水平。不过，微软AI负责人穆斯塔法·苏莱曼在接受《金融时报》采访时表示，公司目前仍缺乏构建前沿级大规模模型所需的算力。苏莱曼指出，公司现阶段将重点放在“中端”模型上，在成本与性能之间寻求平衡，同时加大对基础设施和人才的投入，以追赶谷歌和Anthropic等领先者。

Meta计划开源下一代AI模型。据报道，Meta内部此前一直在讨论，是否将其下一代AI模型——即在新成立的“超级智能实验室”（由前Scale AI首席执行官汪滔领导）开发的首个模型——继续以开源权重形式发布，还是转为通过付费API或订阅模式提供。Axios援引匿名知情人士称，这一争论如今已尘埃落定，公司决定仍采用开源权重模式。这一新模型的发布被寄予厚望：一方面，这是Meta斥资数十亿美元引入汪滔及其团队后的首个成果；另一方面，其上一代模型Llama 4被普遍认为表现不佳，明显落后于OpenAI、Anthropic和谷歌DeepMind的同类产品。

AI研究前沿

AI也有“情绪”？Anthropic最新研究给出部分肯定答案。该AI实验室表示，其研究发现，为其Claude AI模型提供支持的人工神经网络中，确实存在对“情绪概念”（如快乐或恐惧）的内部表征，这些表征会在功能层面影响模型的行为。Anthropic的研究人员强调，这并不意味着AI具备真实情感，而是其神经激活模式中存在某种结构，这些结构会引导模型的响应，在决策、偏好、输出方面与人类情绪存在一定程度的相似性。例如，当模型在不同任务之间进行选择时，往往更倾向于与“正向情绪”表征相关的选项，这表明这些内部表征在行为中具有因果作用。研究认为，理解并在一定程度上引导这些类似“情绪”的内部状态，对提升AI模型的表现至关重要。同时，这一发现也涉及安全层面的考量，因为模型的这些内部表征可能影响模型在多大程度上遵循用户意图。

启发性案例解析

谷歌盛赞其AlphaEvolve在真实企业场景中取得成效。去年，谷歌DeepMind推出了AlphaEvolve，这是一款智能体型编程助手，能够调用多个Gemini模型，先为特定任务生成算法，再通过一系列小规模、可控的实验不断迭代优化。当时，谷歌已利用该系统解决数学问题，并优化自身的算力使用方式。如今，公司公布了其在真实企业场景中的应用成果。

法国全球物流公司FM Logistic利用AlphaEvolve优化其大型仓库内的拣选与打包路径。与依赖固定规则不同，该系统会基于实际运营数据，迭代编写并测试新的路径算法，在满足叉车容量、订单优先级等约束条件的同时，尽可能减少整体行走距离。

最终生成的算法引入了多项关键创新，例如从高密度货物区域开始路径规划，以及灵活放弃低效路线，从而提升整体效率。谷歌表示，这些优化使路径效率提升了10.4%，每年减少超过1.5万公里的行驶距离，在无需增加人手或设备的情况下，提高了订单履约速度和处理能力。这一案例表明，即便在软件开发之外的领域，AI编程智能体同样具备巨大的应用潜力。（财富中文网）

译者：刘进龙

审校：汪皓

白领正在悄然抵制AI：80%的员工拒绝强制使用

Nick Lichtenberg — Fri, 24 Apr 2026 16:00:00 GMT

AI应用正进入“悄然躺平”的阶段。图片来源：Getty Images

不久前，“影子AI”还被视为一则好消息。员工瞒着IT部门，用个人账号悄悄使用ChatGPT和Claude，把原本需要数小时的工作缩短到几分钟内完成。麻省理工学院（MIT）去年发布的一项研究显示，超过90%的企业员工在日常工作中使用个人聊天机器人账号，且往往未经批准；而与此同时，这些企业中只有40%正式订阅了大语言模型服务。当时，“影子经济”蓬勃发展：管理层将其视为治理问题；而员工则将其视为高效工作的利器。

但如今，数据呈现出另一番景象。曾经被员工争相私下使用的工具，正在被越来越多的人主动弃用。原因并非工具无效，而是员工担心，一旦它“太好用”，后果将不堪设想。

SAP旗下的WalkMe公司在其第五份年度《数字化采用现状》报告中，对14个国家的3,750名高管和员工进行了调研。结果显示，过去30天内，超过54%的员工绕开了公司提供的AI工具，选择手动完成工作；另有33%的员工从未使用过AI。两者合计，约有八成企业员工正在回避或者主动抵制这项技术，尽管企业正投入创纪录的资金进行部署。数据显示，企业数字化转型的平均预算同比增长38%，达到5,420万美元；但由于应用落地失败，其中40%的投入未能发挥应有成效。

高管与员工之间的认知鸿沟

早期的热情所掩盖的问题，如今在数据中显露出来。只有9%的员工信任AI能够处理复杂、关键的业务决策，而在高管中这一比例却高达61%，两者之间存在52个百分点的信任落差。另有88%的高管认为公司已为员工提供了充足的工具，但仅有21%的员工表示认同，仅在工具充分性这一项上就存在67个百分点的差距。用报告中的话说，高管与员工“仿佛在描述两家完全不同的公司”。

质疑者同样有数据支撑。约翰斯·霍普金斯大学（Johns Hopkins）经济学家史蒂夫·汉克经历过多轮技术周期，深谙“泡沫”的内在逻辑。他在近期对《财富》杂志表示：“AI并没有兑现承诺。欢迎回到现实世界。忘掉AI泡沫吧，它没有带来实质改变。你看各种调查显示大家确实都在尝试使用，但深入研究就会发现，它其实并没有产生多大影响。”他的结论很直接：“生产率表现依然疲软。如果AI真的带来了改变，生产率理应已大幅提升。硅谷那帮人号称GDP会增长5%或6%，生产率会飙升6%，但这根本没有发生。”

这种质疑，在某种程度上也与WalkMe的数据相呼应。WalkMe联合创始人兼首席执行官丹·阿迪卡一直在实际工作中密切关注这一分化趋势。他经常向企业首席信息官提出一个简单问题：到底有多少员工正在利用AI开展实质性工作？他表示：“这个数字还不到10%。”

阿迪卡借用了一个形象的比喻（本文编辑也很喜欢这个比喻），将AI比作一辆跑车，强调其“速度潜力”。他表示他最喜欢的类比是：如果公司给每位员工都配了一辆跑车，但他们却不会开——这意味着他们缺乏AI技能。

问题的一部分在于结构性因素，而非行为因素。阿迪卡表示：“你给每个员工都配了一辆法拉利，但他们不会开。有时他们缺乏‘燃料’，即缺乏上下文背景信息；驾驶技术对应的是提示词能力；有些情况下甚至连‘道路’都没有，即缺乏API或MCP服务器来执行任务。”当你拥有一辆法拉利，却没有驾驶者、没有燃料、也没有道路时，自然跑不起来。

毕马威（KPMG）美国税务技术与创新全球主管布拉德·布朗在接受《财富》杂志采访时，也使用了几乎相同的比喻。他说道：“这就像一辆F1赛车。车本身性能卓越，但如果没有技术过硬的车手，它对你来说毫无用处。”这两位资深技术专家，一位是创业公司创始人，一位是“四大”会计师事务所合伙人，不约而同地给出相同描述，说明他们在大规模实践中反复目睹了这一普遍性现象。

这种鸿沟正令企业付出代价

那辆“开不起来的法拉利”所产生的隐形成本，如今已经可以量化。WalkMe的报告显示，员工每年因技术使用不畅而损失相当于51个工作日的时间，接近两个月，较2025年上升了42%，相当于每周损失7.9小时。与此同时，高盛（Goldman Sachs）经济学家本周指出，能够正确使用AI的员工，每天可节省约40至60分钟时间。数据呈现出一种近乎讽刺的平衡：AI给熟练使用者带来的效率增益，几乎正好抵消了它给无法用好它的人造成的效率损失。

“影子AI”的现象依然在暗中存在。78%的高管表示希望对员工私自使用AI工具的行为进行约束，但只有21%的员工称曾收到过相关政策警告，甚至有34%的员工并不清楚公司批准了哪些工具。换句话说，高管一边威胁要惩罚相关行为，一边却从未说明要禁止哪些行为。这种自相矛盾的心理根深蒂固，以至于62%的高管私下承认，完全不使用AI的风险，要大于未经许可使用“影子AI”的风险——后者其实被夸大了。

Futurum Group副总裁兼企业软件数字工作流研究总监基思·柯克帕特里克表示：“使用‘影子AI’不应被简单视为违规行为，更应被看作企业弥补系统性缺口的契机。当员工转向未获批准的AI工具时，他们实际上是在弥补官方工具和模糊的治理体系留下的性能或效率上的不足。”

AI“疏离”现象

真正的新变化，也是数据才刚刚捕捉到的全新现象，是隐藏在“影子AI”之下的更深一层：一类员工不再偷偷绕开规则，而另一类员工则干脆选择了无为。

当被问及如何定义这种现象时，阿迪卡停顿了一下。他这样描述那些抗拒AI的员工：“他们对自己的工作有自豪感，不愿意让AI机器人取代自己，而且他们总能找出这些工具不如他们的地方。”这听起来很像疫情时期出现的“悄然躺平”，即员工并未离职，但也不再付出额外努力。这或许也反映了某种合乎情理的挫败感：AI工具频繁出现“幻觉”，不仅没有节省时间，反而增加了负担。

阿迪卡表示：“真正做对这件事的公司，不会简单地将大多数任务自动化，而是会弄清楚三个问题：什么时候该由人来行动，什么时候该由AI来执行，以及两者之间如何顺畅衔接。信任就建立在人机协作的衔接处。而现在，大多数公司甚至还没有开始认真思考这个问题。”这一点也得到了MIT研究的印证：90%的员工在处理关键任务时仍首选人工处理，这表明人们仍不愿意深度依赖AI。

在Block公司宣布裁员后，甲骨文（Oracle）也宣布裁员数万人。不过，一些批评人士认为，这更像是一种“AI洗白”，即用AI作为借口掩盖此前的过度招聘，同时顺势提振股价。基层员工对这套逻辑心知肚明。阿迪卡表示：“在某个阶段，我们会感受到不确定性和恐惧，也会目睹裁员。我认为这会是一段逐步推进的过渡期。但归根结底，现在人们还没有真正把AI利用起来。”

不过，阿迪卡也强调，员工对AI敬而远之并非杞人忧天，他们察觉到的风险是真实的，但他们据此得出的结论却未必正确。“你不会看到哪家银行或保险公司的首席执行官明天就大规模裁员，因为工作还得有人来做。”他认为，一个“重大问题”即将浮出水面：那些关于AI将取代所有人的说法，终将面对一个事实：“至少在当下并没有成为现实。”

“掌握车技的人”才是关键

布朗表示，他现在会花更多时间思考一个问题：如何弥合“法拉利”和“驾驶者”之间的差距。在毕马威内部，他开始将员工划分为三类：构建者、应用者和高级用户，对应不同层级的AI能力，并配套清晰的职业发展路径。他表示：“我们当前的重点是设计激励机制和职业路径，让所有员工都能提升到那个水平。是时候让人类赶上技术的发展步伐了。”

这一框架的关键在于，问题并不在于智力，甚至也不在于传统意义上的培训。布朗表示：“我认为真正重要的是员工自身具备的批判性思维和判断力，这些能力会帮助他们成为‘应用者’”，也就是能够熟练使用AI工具，甚至借助这些工具开发新工具的人。在他看来，风险最大的员工并非缺乏技术能力，而是雇主未能为他们提供尝试的“安全空间”、路径或激励。

目前，约三分之一的企业员工从未使用过AI工具，这一群体普遍表示得到的支持最少、培训最不足、对技术冲击最感到焦虑。WalkMe的报告指出，他们并非在“抵制AI”，而是“尚未被触达”。至于这些工具的进化速度是否已经超过了员工追赶的能力，布朗坦言确实感受到了这种差距的存在。

持续进化既是可能，更是必然

当汉克明确了对AI的预期用途后，它所节省的大量时间，最终让他的态度发生了转变。他表示：“对我来说，AI就像一个额外的研究助理。它能节省大把时间。如果让真人研究助理来做这些事，我得让他们去图书馆，他们可能要花上一周时间，而我用AI大约一小时就能搞定。”但前提是，“你必须知道它擅长做什么”。关键是，你必须具备深厚的专业背景，才能识别AI的错误。汉克在经济学、大宗商品和国际金融领域有数十年的造诣，因此他表示：“我知道该问AI什么问题，也知道该如何提出要求。”

他的心路历程，从最初禁止学生使用，到后来的审慎怀疑，再到如今的日常依赖，与许多严肃思考者经历的轨迹如出一辙。他说自己经历了“从‘不行’，到‘也许可以’，再到‘这很好——但有些工具确实很糟糕’的过程。”他对AI工具的评价一如既往地犀利：“AI种类繁多，其中一些确实很糟，这取决于你的具体需求。”

布朗则认为，这终究是一个乐观的故事，但前提是必须行动起来。他表示：“真正的赢家，是那些能让员工有效利用AI能力的企业。不愿拥抱AI的团队会面临挑战；而过度依赖AI、摒弃人类员工价值的工作环境，将难以为继。”（财富中文网）

译者：刘进龙

审校：汪皓

早早布局AI的财捷集团，为何沦为SaaS行业末日的牺牲品

Geoff Colvin — Tue, 21 Apr 2026 16:00:00 GMT

财捷集团（Intuit）首席执行官萨桑·古达尔齐（Sasan Goodarzi）率先布局人工智能。图片来源：Courtesy of Intuit

率先布局人工智能，能否让企业在这一技术引发的市场恐慌中免受冲击？

从财捷集团的经历来看，显然并非如此。这家以TurboTax和QuickBooks闻名的企业在今年年初沦为标普500指数中表现最差的股票。这家软件公司的命运迎来戏剧性反转：财捷集团是税务与个人财务软件领域的龙头企业，其股票是华尔街的“宠儿”，上市33年来，其股价表现大幅跑赢标普500指数。然而，1月和2月，即便正值报税季，财捷的股价仍因市场恐慌（所谓的SaaS行业末日）而遭遇重挫。投资者突然陷入恐慌，担心人工智能会颠覆各类软件公司。

对财捷集团首席执行官萨桑·古达尔齐而言，股价暴跌极具讽刺意味。他非但没有被人工智能浪潮打个措手不及，反而率先布局该技术。早在大多数首席执行官布局人工智能之前，他就已将其确立为公司的核心战略，将其视为强大工具，而非竞争对手。2020年，他在接受《财富》杂志采访时表示：“未来五到十年内，人工智能的影响力无疑将堪比电力与互联网。”

他绝非纸上谈兵：同年，古达尔齐推动了财捷集团史上前所未有的人员调整，裁减715名员工，同时招聘了约700名新员工，以推动公司全面部署人工智能。通过采取上述举措，财捷集团成为人工智能时代前沿商业模式的标杆企业，生动诠释了如何在全力投资人工智能的同时，全力投资人才。许多人将该公司的实践视为人工智能未来发展的风向标。

在“SaaS行业末日”期间，这种声誉没能为财捷提供任何保护：事实上，财捷是投资者抛售最猛烈的个股。“年初的六周时间里，我们股票的抛售幅度甚至超过了其他同行，原因是此前我们的股价表现远优于同行。”古达尔齐表示。股价暴跌之际，财捷无法充分回应投资者，因为公司财季将于1月底结束，必须遵守常规的静默期规定。

截至本文发稿时，财捷股价已有所反弹，但仍远低于2025年末水平。许多投资者仍然认为，OpenAI、谷歌Gemini、Anthropic、Perplexity等头部人工智能企业碾压所有软件服务提供商只是时间问题。

古达尔齐表示，财捷集团的战略不仅依托人工智能，还深植于人际互动这一古老“魔法”。该战略已助力公司在过去五年实现两位数的年增长率，其核心在于“将软件与人融为一体”。

古达尔齐出生于德黑兰，九岁时被送往新泽西州的一所寄宿学校就读。他于2004年加入财捷并迅速晋升。任职期间，他负责管理公司两大核心业务——TurboTax和QuickBooks。时任首席执行官布拉德·史密斯（Brad Smith）在取得卓越成就后将企业交给古达尔齐时表示：“萨桑为接任首席执行官所做的准备，远比我11年前接任时要充分得多。”

在晋升过程中，古达尔齐形成了三大洞见，并以此为基石搭建了公司的整体战略，具体如下：

“人们不愿处理任何与金钱相关的事务，他们希望我们代劳。”对于消费者和中小企业主而言，错误的财务决策可能带来毁灭性的后果。大多数人都需要专业帮助来规避这些风险：他们不想成为财务专家，而是希望专注于自身生活和企业经营。

“在我们所处的行业，客户在专家服务（税务专家、会计专家、簿记员、审计师）上的支出是软件费用的7倍。”客户认可财捷集团的软件，但认为这还不够。财捷集团基于软件的战略并未触及真正能带来收益的领域。客户还需要专家服务，而这类需求此前只能依靠他们自行解决。

“人们购买的不是软件，而是信心。”这就是人们愿意为专家服务支付高昂费用的原因：对许多客户而言，没有专业人士把关，就无法真正安心。

基于此，财捷集团制定了如下战略：除了利用人工智能升级软件、优化运营外，财捷集团还为客户提供不同价位的真人专业服务选项。这些专业人士均为美国本土从业者，包括注册会计师、簿记员、律师及其他领域专家，客户可通过在线聊天、电话，或单向视频（专家可看到客户，全程指导客户处理复杂事务）的方式获取服务。针对企业主，财捷集团甚至会安排专属簿记员提供支持。

为全面革新财捷集团战略，古达尔齐收购了两家公司：斥资80亿美元收购Credit Karma，将其海量的消费者信用数据与财捷的纳税人数据整合；斥资120亿美元收购Mailchimp，帮助QuickBooks用户通过线上营销拓展业务。这两笔交易是财捷史上规模最大的并购，几乎使公司的投入资本翻了两番——这在资本市场通常被视为危险信号。财捷集团的业绩却有所提升。“他们成功消化了这些收购标的，充分释放其价值，并实现业务整合，这一点相当令人赞叹。”企业财务权威专家贝内特·斯图尔特（Bennett Stewart）评价道，谈及古达尔齐时，他表示：“他做得非常出色。”

然而，即便采取了这些举措，财捷集团仍未能在SaaS行业末日中幸免。如今，古达尔齐的任务是持续聚焦业务本身，这意味着要抛开股价波动，直面引发这场抛售潮的恐慌——头部人工智能企业将吞并所有软件厂商。

“这场大规模技术变革带来的核心问题是，谁将掌控客户交互层？”他表示，“最终是否会由谷歌Gemini、Anthropic、OpenAI等少数几家公司主导？”他决心阻止这种情况发生。作为人工智能技术的重度使用者，财捷集团已与OpenAI和Anthropic达成合作，古达尔齐称：“合同中明确规定，客户体验与客户关系归我们所有。”

投资者仍持谨慎态度。但从财务指标来看，财捷集团表现良好，绝大多数华尔街分析师给予其“买入”或“强力买入”评级。

未来几年，市场将见证财捷集团这一开创性“人工智能+人工服务”实验的成效。无论结果如何，萨桑·古达尔齐都将为此负责。（财富中文网）

译者：中慧言-王芳

奥尔特曼住所遇袭后，反AI群体被推上风口浪尖

Sharon Goldman — Sun, 19 Apr 2026 16:00:00 GMT

最近在国会山的一次示威活动中，“美国暂停人工智能”创始人兼执行董事霍莉·埃尔莫尔。图片来源：Courtesy of Pause AI US

4月10日，OpenAI首席执行官山姆·阿尔特曼在旧金山的住所遭遇纵火袭击未遂，嫌疑人据称是20岁的丹尼尔·莫雷诺-加马。这起事件将两个名称相似的反人工智能组织推上风口浪尖，即“暂停人工智能”（Pause AI）和“停止人工智能”（Stop AI）。尽管两家组织均已谴责暴力行为，表示嫌疑人绝不是组织成员，但压力并未就此消失。

据调查，莫雷诺-加马曾前往OpenAI总部，用椅子想砸破大楼玻璃门，还威胁要在大楼内纵火。追溯过往，人们发现他曾活跃于“暂停人工智能”的Discord社群，也让外界重新审视“停止人工智能”组织去年针对OpenAI的行动。

一场旨在“给人工智能减速”的运动

2023年5月，“暂停人工智能”在荷兰乌得勒支创立，创始人是乔普·梅因德斯玛，最初的目标是阻止所谓的“危险前沿人工智能”，首次抗议活动选在了微软位于布鲁塞尔的游说办公室外。该组织的名称来源于生命未来研究所在2023年3月发表的一封公开信，这家研究所目前也是该组织最大的单一资助者。如今，“暂停人工智能”已发展成为拥有各地分支的全球性草根运动。

其中，名为“美国暂停人工智能”（Pause AI US）的独立组织，由伯克利的霍莉·埃尔莫尔领导。她是毕业于哈佛大学的进化生物学博士，曾在一家关注野生动物福利的智库工作。

莫雷诺-加马曾多次在“暂停人工智能”的Discord频道发表言论，在2025年12月3日的一则帖子里，他写道：“午夜将至，是时候付诸行动了。”“暂停人工智能”回应称，该嫌疑人两年前加入社群，累计发布过34条消息，但没有明确煽动暴力的内容。

图片来源：Lea Suzuki—San Francisco Chronicle/Getty Images

埃尔莫尔告诉《财富》，奥尔特曼的住宅遇袭时，她正前往华盛顿特区，准备在国会山举行一场和平示威并与国会议员会面。“我刚落地，突然就有人问我奥尔特曼家遇袭的事，”她说。“我一边努力推动着为之自豪的事业，始终认为通过民主手段推动民主变革是正确的方式，一边被迫就这起可怕的事件发表评论，还被抹黑与此事有关。”

她强调，“暂停人工智能”组织一直明确禁止诉诸暴力。她指出，嫌疑人的言论发表在全球Discord频道，并非“美国暂停人工智能”内部渠道，嫌疑人在组织内无任何官方职务。为了避免与极端观点产生关联，“暂停人工智能”会对志愿者进行严格的审查，并严格控制信息传递。

然而，长期关注两个组织的独立研究员尼里特·魏斯-布拉特对埃尔莫尔的说法持保留意见。她在2024年的纪录片《自杀之城午夜将近》中发现，“为了人类”播客主持人约翰·谢尔曼采访埃尔莫尔时，她正举着“面对比人更聪明的人工智能，人类无法生存”的牌子。

魏斯-布拉特说，尽管埃尔莫尔从未主张暴力，并通过积极呼吁的方式希望人们意识到人工智能带来的威胁，但她仍在不断渲染“人类濒临灭绝”的末日风险。

她补充说，“当像埃利泽·尤德考斯基这样著名的人工智能末日论者，不断坚称人类即将灭绝，有人走向极端行动并不奇怪。”尤德考斯基曾著有《如果有人制造，所有人都会死》一书。“那些焦虑且试图寻找人生意义的年轻人，很可能被人工智能末日论激化，即便这些话术没有直接煽动暴力。”

巴斯大学讲师、《停止机器：反技术极端主义崛起》一书的作者毛罗·卢布拉诺提醒，主张以暴力摧毁技术的组织，与倡导监管或暂停技术的组织区别很明显。“人们很容易把煽动暴力与提高人工智能风险意识的团体和运动混为一谈，”他说。

策略分歧，转向直接行动

奥尔特曼的住宅遇袭约五个月前，OpenAI总部曾经历过一次惊魂时刻。当时有目击者报警称，27岁的山姆·柯克纳威胁要去旧金山几处OpenAI办公室“杀人”，导致公司一度要求员工就地避险。

柯克纳是“停止人工智能”联合创始人，2024年他与45岁的吉多·赖希施塔特共同创立了该组织，两人此前都参与过“暂停人工智能”的活动。

2022年的一次堕胎权抗议活动中，“停止人工智能”联合创始人吉多·赖希施塔特。图片来源：Drew Angerer—Getty Images

“是我把他们赶出去的，”埃尔莫尔表示，分裂源于策略上的分歧，“停止人工智能”创始人主张采取涉及违法的“公民不服从”行动，而“暂停人工智能”明确反对。自立门户后，赖希施塔特和柯克纳多次针对OpenAI发起抗议，赖希施塔特还在Anthropic总部外绝食抗议。

去年12月初，赖希施塔特因违反法院禁止进入OpenAI办公区域的命令被关进旧金山监狱，此前他就曾因此被捕。此外，“停止人工智能”还在去年11月制造了登上全美头条的新闻：奥尔特曼与金州勇士队主帅史蒂夫·科尔出席活动时，该组织一名法律顾问团队成员当场向奥尔特曼送达了传票。

然而，该组织的势头在柯克纳失踪后陷入瓦解。有报道称，柯克纳曾提议放弃非暴力原则。在一次内部纠纷中，他据称袭击了另一位领导人马修·霍尔，随后便销声匿迹，至今仍然下落不明。

近日，“停止人工智能”在X平台发文称，赖希施塔特和柯克纳在去年都已被除名。该组织表示“始终奉行非暴力主义”，且现任领导层致力于通过和平方式表达诉求。对于莫雷诺-加马，该组织表示，此人曾在公共论坛询问“谈论暴力是否会被禁言”，在得到肯定答复后，他便停止了所有活动。“此事发生在他涉嫌犯罪数月前。”

“停止人工智能”五位联合领导人之一瓦莱丽·赛兹莫尔告诉《财富》，有些成员担心与奥尔特曼遇袭事件扯上太多关系。“但从个人角度看，我们做的非暴力组织工作才显得更加重要，要为人们提供暴力之外的选择。”她说。

赛兹莫尔补充说，该组织仍然重点在旧金山抗议前沿实验室总部，上个月还参加了当地“停止人工智能竞赛”抗议活动。

关于人工智能激进主义及其风险的深层思辨

巴斯大学讲师卢布拉诺指出，反技术激进主义并非新鲜事，最早可追溯到19世纪英国反对机器和工业化的纺织工人卢德分子（卢德分子是指19世纪初英国工业革命时期，以‌捣毁纺织机器为手段，抗议工厂主利用新技术压低工资、恶化工作条件‌的纺织工人——译者注）。

图片来源：JUSTIN TALLIS / AFP via Getty Images

在他看来，人工智能汇集了人们对技术的恐惧。“技术被视为一个整体系统，各部分相互依存，”他说，“随着人工智能被部署到战争、员工监控甚至示威者管控中，有种技术寡头想借人工智能控制人类的意味。”

卢布拉诺建议政府和公众与反人工智能组织对话，而不是简单将其斥为技术恐惧症或反技术者。“卢德分子并非反对技术，而是反对不加约束地推行技术，扰乱生活。这些当诉求长期被忽视，最终就会诉诸暴力。”他警告称，忽视人们的担忧会加剧不满情绪，在边缘人群中催生更极端的行为，但将暴力行为归咎于这些组织的存在是错误的。

然而，独立研究员魏斯-布拉特坚持认为，“暂停人工智能”和“停止人工智能”等组织的观点和行动仍可能导致激进化，进而引发恶劣后果。

“警告信号一直存在，比如去年11月OpenAI办公室封锁事件，”她说，“真正的问题是，那些不断煽动人工智能恐慌的人，打算什么时候为这种激进化的后果承担责任？”

埃尔莫尔则对未来保持乐观。她认为，随着公众对人工智能议题的理解不断加深，届时和平行动主义与孤立暴力行为不再那么容易混为一谈。“人们终会明白，不能轻易地一竿子打翻一船人。”她说。

编者语：

·科技向善的“校准机制”：反AI激进主义的兴起，实质是社会对“技术脱缰”的本能防御，倒逼科技巨头在追求通用人工智能突破时，必须将安全对齐与社会共识纳入考量，而非仅关注性能与规模增长。

·面对AI深度介入生产力带来的职业危机感，社会应警惕单纯的情绪化“技术恐惧”，引导公众善用AI工具，在拥抱创新效率的同时，建立透明、可控、普惠的AI发展秩序。

·从“防御式焦虑”转向“参与式共建”：与其被动担忧AI威胁，不如主动参与规则制定。当技术开发者的“速度焦虑”与社会公众的“安全焦虑”达成共识，技术进步才能推动正向循环。（财富中文网）

财富中文网对原文有删减和调整

译者：夏林

编辑：魏雨彤