·當前的上市潮更多反映的是資本市場對未來生產(chǎn)力變革的預期定價，而非商業(yè)閉環(huán)的完成。問題的核心是“AI能否規(guī)模化落地”，不是“資本市場定價是否合理”。企業(yè)不能僅把大模型當作一項“技術”，依賴IT部門來討論怎么部署，而要通過讓員工與AI成為“工作伙伴”，讓AI具備業(yè)務理解與“上崗”執(zhí)行能力，培養(yǎng)AI的決策能力是下面幾年的關鍵。

過去兩年，方躍在公開場合多次提醒：幾乎所有企業(yè)都繞不開一場“AI轉型”。

在2025年12月底的一場“Alpha峰會”上，方躍指出，這波AI最核心的顛覆是AI作為技術徹底打破了生產(chǎn)力中勞動力、生產(chǎn)工具、生產(chǎn)資料這三大要素，這也必將帶領生產(chǎn)關系的深刻變革。企業(yè)不要把AI當技術來部署，而應該把它當“人才”培養(yǎng)，要讓AI懂業(yè)務、容許犯錯，也給AI鍛煉和學習提高的機會。

方躍現(xiàn)任中歐國際工商學院經(jīng)濟學與決策科學教席教授、中歐AI與管理創(chuàng)新研究中心主任。

盡管所有企業(yè)都繞不開一場“AI轉型”，但現(xiàn)實情況卻呈現(xiàn)出明顯的割裂：一邊是“00后”創(chuàng)辦的AI公司拿到上億元融資，智譜、MiniMax等企業(yè)陸續(xù)登陸資本市場；另一邊是企業(yè)端在生成式AI上的投入已達 300 至 400 億美元，但 95% 的公司迄今并未能獲得商業(yè)回報。（數(shù)據(jù)來源：麻省理工學院《生成式 AI 的鴻溝：2025 年商業(yè) AI 的現(xiàn)狀》）生成式AI由此陷入“高采用率、低轉化率”的尷尬周期。

在“AI泡沫”的爭議尚未消散，國內AI企業(yè)密集上市之際，1月13日，澎湃科技（www.xinlihui.cn）專訪了方躍。在他看來，過去三年AI對勞動力市場的實際沖擊遠沒有輿論渲染得那么劇烈，這為企業(yè)和員工爭取到了一個難得的“緩沖期”，但大多企業(yè)并未利用好這寶貴的時間窗口；真正值得被追問的，不是“會不會失業(yè)”，而是企業(yè)如何在泡沫與估值之間，開啟組織重構、新型生產(chǎn)關系與人機協(xié)作的進化。

以下是澎湃科技和方躍的對話：

“有泡沫的革命，而非泡沫’”

澎湃科技：能否從宏觀的角度來談談，你認為現(xiàn)在AI存在泡沫嗎？如果存在，它是如何形成的，我們又該如何看待它？

方躍：AI是否已經(jīng)存在泡沫，現(xiàn)在沒有定論。

我更傾向稱為“有泡沫的革命”或“理性泡沫”。泡沫可以分為兩大類：一類像“郁金香泡沫”；另一類像互聯(lián)網(wǎng)泡沫。AI技術無疑具有長期價值，如果說可能有泡沫的化，反映的是市場預期和真正帶來大規(guī)模價值落地的時間點的偏差。今天大家討論的AI泡沫，更像“互聯(lián)網(wǎng)泡沫”而非“郁金香泡沫”，在這點上大家是有共識的。

一方面，資本對 AI 的定價確實偏樂觀，局部賽道出現(xiàn)同質化追逐、估值先行的現(xiàn)象，短期多被資本驅動，可能有估值偏高，但另一方面對于顛覆性技術來說，我們又往往“看不懂”也很難“預測”其長期發(fā)展前景。也就是大家常說的，出現(xiàn)“短期高估，長期低估”的現(xiàn)象。

判斷“泡沫”最關鍵的標準，即價值與價格是否嚴重脫鉤：如果只是預期跑在前面，但最終能兌現(xiàn)為生產(chǎn)力，那是“波動”；如果缺乏真實價值支撐、價格與價值長期脫鉤，才是“危險泡沫” 。

根據(jù)MIT報告的數(shù)據(jù)，90%的AI應用目前并沒有真正給企業(yè)帶來財務上的明顯價值。現(xiàn)在大模型的直接使用成本越來越低，但“直接使用”往往僅停留在簡單工具層面，還沒有體現(xiàn)出技術對生產(chǎn)力和生產(chǎn)關系的根本性改變?？萍即髲S和AI公司不計成本投入算力和人才，企業(yè)在生成式AI上的巨額花費與產(chǎn)出失衡，導致目前“AI泡沫論”盛行。

技術不等于價值，革命性技術也不是自然而然地帶來技術革命，關鍵在于企業(yè)與社會是否愿意為應用端的規(guī)?；瘍r值買單；如果缺乏實際價值支撐，市場可能重演2000年互聯(lián)網(wǎng)泡沫，即“非理性繁榮”。但我個人還是謹慎樂觀的，未來兩三年很關鍵。

澎湃科技：中國市場看到的AI泡沫和美國市場看到的泡沫是否相似？

方躍：如果從大模型的測試表現(xiàn)看，中國和美國之間的差距確實在縮小，這是客觀事實。但我認為背后仍存在原創(chuàng)與跟隨的差異。

至于這種創(chuàng)新差距是否會影響我之前提到的泡沫問題或落地問題，這是另外一回事。很多應用并不需要最先進或者參數(shù)極致的模型。

中國的應用場景豐富，工程化能力強。中國一貫的路線是，首先規(guī)模化，后續(xù)就會有可能帶來大量創(chuàng)新，這類創(chuàng)新未必是最原始的技術創(chuàng)新。

由于中國大模型的開源，我判斷在2026年，大量的AI應用（包括美國企業(yè)）會采用中國模型。

從AI投資看，美國遠遠領先中國和其他國家?！爸袊?AI 泡沫是否比美國風險小”，我認為也許是。AI的巨大持續(xù)投入，也正在“迫使”部分科技大廠和AI公司不斷重新評估自身的戰(zhàn)略，找到“遠大理想”和眼前市場與競爭壓力的合理平衡。

無論是美國還是中國，破局的關鍵不簡單是AI技術能力的發(fā)展與突破，更是AI應用的深度與廣度。如果從長期看，我認為AI能否真正產(chǎn)生動態(tài)需求是本質。

地方政府和企業(yè)都應該“倒貼式推動使用”  

澎湃科技：回到你提到MIT報告的問題，你認為是什么原因導致AI應用在企業(yè)端上沒有產(chǎn)生明顯的財務價值？AI落地國內企業(yè)有哪些卡點？

方躍：AI應用目前在企業(yè)端上沒有產(chǎn)生明顯的財務價值，并不代表它沒有價值，只是當前的落地應用速度比我們想象得慢。原因在我看來，主要有三類。

一是企業(yè)內部挑戰(zhàn)和阻力大部分主要還是來自“人”。比如，作為高層管理者，認知滯后很普遍；下屬因為擔心被替代不愿意使用；從應用角度，企業(yè)對技術的考量主要是ROI（轉化率），這也往往讓“全面擁抱AI”停留在字面和口號上。AI的進化是指數(shù)級的，但企業(yè)組織的變化是線性的，這就造成了滯后的落差。

二是部分企業(yè)沒有“AI-Ready”，比如，尚未完成數(shù)字化轉型。我經(jīng)常說數(shù)字化是實現(xiàn)AI化的第一步，如果企業(yè)連數(shù)字化都沒有轉型成功，很難進入AI階段。 AI會“倒閉”一些企業(yè)補數(shù)字化轉型的課，這對企業(yè)和行業(yè)發(fā)展都是好事，且AI可以讓企業(yè)今天的數(shù)字化轉型比過去相對“容易”（起碼從技術層面）。

三是企業(yè)往往沒有認識到AI帶來的顛覆的本質，依然像過去的技術一樣，把AI當技術部署，而非當“人才”來培養(yǎng)。AI和互聯(lián)網(wǎng)的打法不同，追求速度和流量那套邏輯肯定行不通。隨著AI替代能力增強，從技術擴展到 “無限勞動力”——可復制、低成本、高效執(zhí)行、自我進化。

很多企業(yè)在具體的落地執(zhí)行層面，也存在一定的認知誤區(qū)，比如，很多企業(yè)把AI當作提升業(yè)績的應急手段，我覺得企業(yè)應該擯棄“項目越多越好”的誤區(qū)，簡單聚焦運營和管理生產(chǎn)力的提升。

澎湃科技：如果AI在企業(yè)內部最終實現(xiàn)了大規(guī)模落地應用，組織架構會發(fā)生哪些變化？

方躍：AI只有大規(guī)模實現(xiàn)落地使用，才能實現(xiàn)生產(chǎn)力質的提升，我預測2026年可能會有更多“AI原生“企業(yè)實踐案例出現(xiàn)。

比如近期市場表現(xiàn)活躍的藍色光標，正在內部探索一種圍繞 AI 重構業(yè)務架構與協(xié)作方式的組織形態(tài)，即所謂的 AI 原生組織。其關鍵并不在于在既有體系中“疊加”大模型，而是對以部門、崗位和項目為中心的傳統(tǒng)業(yè)務邏輯進行重構，使 AI 從支持性工具進入業(yè)務運行的核心結構。這種轉型并非對原有流程的漸進式優(yōu)化，而更接近一次結構性的重塑。

AI 不再只是被部署，而是被持續(xù)使用、訓練并納入日常協(xié)作，通過與員工的高頻互動逐步形成對業(yè)務語境、客戶需求與執(zhí)行約束的理解，并在判斷、建議與執(zhí)行支持等環(huán)節(jié)中發(fā)揮作用。決策責任依然由人承擔，但組織內部的判斷結構已經(jīng)發(fā)生變化：技術不再是外置工具，而開始成為可被調用、可被協(xié)作的組織能力。也正是在這一意義上，AI 原生組織所追求的，并非簡單的自動化或效率提升，而是一種更深層次的“技術平權”——讓智能能力不再集中于少數(shù)技術崗位或部門，而是嵌入企業(yè)的日常運行機制之中。

藍色光標正在構建的智慧大腦 BlueAI，正在探索將分散在業(yè)務、數(shù)據(jù)與個體經(jīng)驗中的智能能力，匯聚為可持續(xù)學習、可協(xié)同演化的組織級智能基礎設施。

美的的做法對大家也會有啟發(fā)，企業(yè)“擁抱AI”的三個階段：“全員試試看”，“認真找場景”和“全面AI化”，核心是“戰(zhàn)略定位、積極擁抱、全員應用”。

需要提醒企業(yè)：能否“用好 AI”很重要，這取決于對高管AI如何顛覆生產(chǎn)力以及生產(chǎn)關系要有深刻的認知。

AI企業(yè)上市熱潮不等于完成商業(yè)化閉環(huán)

澎湃科技：對于近期國內智譜、MiniMax等AI企業(yè)密集上市，這波上市熱潮能證明底層商業(yè)模式已跑通嗎？

方躍：AI企業(yè)的密集上市并不能證明底層商業(yè)模式已經(jīng)“跑通”。我更愿意把這波理解為：行業(yè)從“講故事、拼參數(shù)”進入到必須“向實、向人”的交卷期。

當前的上市潮更多反映的是資本市場對未來生產(chǎn)力變革的預期定價，而非商業(yè)閉環(huán)的完成。大模型公司的成本結構決定了：算力、訓練/后訓練、推理消耗、研發(fā)與安全合規(guī)投入會長期高企。就算收入增長，很多企業(yè)仍在虧損區(qū)間。

前面談過，真正的分水嶺是“規(guī)?；涞亍?，不是“資本市場定價”。 智譜與MiniMax在2026年1月初相繼登陸港股，確實顯示市場熱度與融資能力很強（例如MiniMax在港IPO募資約6.2億美元，并計劃將大部分資金投入未來數(shù)年的研發(fā)），但這更像行業(yè)進入公開市場的強約束階段，并不自動等價于商業(yè)模式已被證明——真正的證明，來自接下來能否持續(xù)交出可規(guī)?；?、可復用、可盈利（或清晰通往盈利）的答卷。

勝負在于誰能把ROI落到組織與人的協(xié)同上

澎湃科技：您認為，中美兩國現(xiàn)在AI的敘述上有哪些差異呢？我們是否更注重實際應用更務實？

方躍：我更愿意用一句話概括中美AI敘述的差異：中國“逆向創(chuàng)新”更擅長把技術變成“可復制的產(chǎn)品與規(guī)模化運營”，這種路徑并非從實驗室出發(fā)，而是從現(xiàn)實世界的高密度、復雜場景中反推技術解法。它強調從國情和行業(yè)發(fā)展階段與痛點出發(fā)，快速迭代出可規(guī)?；漠a(chǎn)品，這是一種高效率的“工程演化”。美國“前向創(chuàng)新”，更擅長把技術變成“前沿范式與未來圖景”。但兩邊其實都同時在做“落地”和“講故事”，只是側重點與約束不同。

這次CES 2026里一個很直觀的鏡像是：不少中國企業(yè)（尤其是硬件、車、機器人相關）在敘事上會強調“端到端系統(tǒng)+量產(chǎn)計劃+成本壓縮+快速迭代”，本質是把能力快速做成產(chǎn)品、做出規(guī)模，體現(xiàn)“1到N”的路徑與優(yōu)勢。相對地，美國企業(yè)更常強調的路線選擇與范式領先，比如圍繞長尾場景能力、基礎設施級平臺定位等，更愿意把敘事放在“下一代范式/生態(tài)位”上。

判斷務實的核心是“能交付ROI”，而不是“不講愿景”。蘋果正式宣布新版Siri將由谷歌Gemini提供支持，也是一個非常經(jīng)典的視角。這也說明美國的“敘述”并不只是講故事（Storytelling），而是在構建一種“可托付的組織能力”。

Gartner. Inc.（美國高德納公司）提出的“三個戰(zhàn)略轉向”，其實給了我們一個很好的評價尺，也能解釋為什么今天大家都在強調“向實”。第一，從GenAI試點走向可衡量ROI（敘事從“有多炫”走向“值不值”）——這點比較直觀：企業(yè)不再滿足于“做了個Demo、跑了個PoC（Proof of Concept：概念驗證）”，而是要看到單位成本下降、轉化率提升、交付周期縮短、客服吞吐提升這類可量化指標，并能持續(xù)復用、規(guī)模推廣。

第二，從“全球無差別”走向“地緣/合規(guī)對齊” （數(shù)據(jù)主權與合規(guī)現(xiàn)實）——這背后不是口號，而是現(xiàn)實約束：不同國家與地區(qū)政策上差異大。這也說明了為什么中美敘事看起來不同：當外部環(huán)境更不確定時，敘事自然會從“全球擴張的統(tǒng)一故事”轉向“可控、可交付、可合規(guī)的區(qū)域化落地”。

第三，從“按日歷決策”走向“按信號觸發(fā)決策”——這點看似抽象，其實非常關鍵。過去企業(yè)做AI往往是“年度規(guī)劃—季度復盤—預算撥付”，節(jié)奏像日歷；但現(xiàn)在技術迭代、監(jiān)管變化、算力價格、競品能力、輿情風險都在快速波動，如果還用固定周期決策，就會出現(xiàn)兩類問題：該加速時來不及加速、該止損時止不了損。換句話說，AI時代的治理更像實時運營而不是定期匯報。

你會發(fā)現(xiàn)，這三個轉向恰恰對應“向實”的硬指標：把AI嵌進工作流形成可復用的價值閉環(huán)，同時在地緣與不確定性約束下，具備快速響應與動態(tài)治理能力。

更準確的說法是：中國敘事更偏“落地與規(guī)?；?，美國敘事更偏“范式與愿景”；但未來勝負在于：誰能把愿景落到ROI，又把ROI落到組織能力與人的協(xié)同上。