该图片可能由AI天生

2025年8月，国度 正式推出"人工智能+"战略框架。这是一个重要的顶层设计：2027年应用遍及率高出70%，2030年成为推动 经济发展的重要力气，2035年成为经济发展主导力气。但是在大的顶层设计之下，也从产业、企业、场景、人才等方面留给了”人工智能+“落地很多重要的命题。当AI智能体可以参与决策、实行任务，甚至成为营业 运转的核心时，企业的代价发明 方法 将被彻底改写。其变革 影响之深远，远超大多半 人的想象。

长江商学院毕生 教授孙天澍以为，AI与人类历史 上全部技巧 有一个最本质的差别：AI不再是辅助人类的“工具”，而是与人类类似的“智能”本身。

我们正在快速进入“AI下半场”——智能不再稀缺，稀缺的是怎样在营业 场景中架构智能、发明 代价的本事。“人工智能+”产业落地最缺的是“AI架构师”：能融会 营业 场景和智能体本事，用AI架构下一代营业 形态、组织设计和贸易模式的人才。

AI下半场，举世的产业企业都站在同一 个起跑线上，红杉资本公布 的最新数据表现：面对代价10万亿美元的美国办事 业市场，现在仅有约200亿美元被AI改造，99.8%的经济活动仍在等候智能化重构。

基于这些观察，我们可以看到“人工智能+”从框架到落地，面对着从”产业“、”企业“、”“场景”，到“人”四个层面的关键题目：

1. 从产业机会的视角看——“人工智能+”与全部产业都相关吗，现在AI对产业的变革 处于什么阶段？实现“人工智能+”产业落地的目标，最大的瓶颈和机会在哪里？

2. 从企业投入视角看——“人工智能+”适合什么样企业，从什么样的场景开始投入？现在是投入“人工智能+”的最佳时机吗？在短期看不到回报的情况下，企业该怎样决定 对AI的投入，又该怎样权衡AI投资的投入产出比？什么样的企业现在拿到了AI最大的代价？

3. 从AI落地的场景看——企业AI落地应该怎样选择场景？怎样用“智能原生”的方法 去重构营业 ？投入AI但没有在场景中看到代价的企业题目出在了哪里？

4. 从企业AI转型中所必要的人才来看——什么样的人能主导和牵引企业和场景的“人工智能+ 转型？这些人才必要具备哪些核心素质？企业怎样培养和获得这些人才？

为了深刻 探究这些落地题目，我们与长江商学院科技与运营毕生 教授、杰出院长讲席教授、数字化转型中央主任孙天澍举行了长达四个小时的系统对话。孙天澍之前是南加州大学商学院与盘算机系毕生 教授，研讨 跨界连合AI与贸易，聚焦企业/产业的“AI营业 场景重构”，在中美顶尖科技企业Meta、阿里巴巴等拥有丰富的实践履历，并继承多家大型科技企业与产业企业的董事和资深顾问。

通过此次 对话，我们梳理出了"人工智能+"产业落地的十大关键题目。盼望在AI智能重构千行百业的开始 ，能带来产业落地的些许实践启发。

核心概念 ：

“人工智能+” 战略的深层逻辑

1.AI已快速进入下半场：卡点不再是技巧 ，智能不再稀缺，稀缺的是架构智能的本事。“人工智能+”的核心在于怎样用AI智能体重构千行百业的场景、组织和贸易模式。

2.当前产业存在巨大的“AI认知差”：AI的发展远远快于产业吸收AI的本事，智能体打开的可能性远宏大于产业中现在通过架构智能获得的代价。这种AI认知差的根源，在于产业中企业家和决策者的"AI架构头脑"缺掉 ，无法把智能融会 出场景。

3.“人工智能+”战略恰逢当时：产业必要新的增长引擎，AI必要产业场景与代价反馈，“人工智能+”是产业与AI的“双向奔赴”。产业应用场景的丰富与纵深恰好是中国人工智能进一步发展最大的比较优势。

“人工智能+”在企业落地，场景重构和营业 代价是终极权衡标准

4.测量一个企业和场景是否适合AI重构的的“百万员工题目”：思考 -- 假如场景突然多出100万个“博士”智能员工，可否显著提拔营业 代价？能，则阐明企业或场景适合AI重构。

5.企业AI落地应该选择”场景“和”代价“作为权衡指标：“遍及率”指标不够本质，AI不是离散的工具，而是融入营业 场景的“智能”，应权衡AI对于 核心场景的闭环重构，和所带来的营业 代价，而非应用数量和Token耗用；企业聚焦核心场景做出代价，比“撒胡椒面”AI落地更重要。

6.企业AI转型和AI原生孵化要“两手抓”：部分企业的核心资产和核心长处很可能成为AI期间拖累企业的历史 包袱。拥有“从零开始”、拥抱AI智能体的勇气和刻意，比固守本来 的城墙更重要。

企业AI转型的第一步：选对场景，“先成就AI，再让AI成就你”。

7.AI转型成败取决于场景选择和“AI架构头脑”：现在多半 企业AI实行没有取得营业 代价的根本 缘故起因不在于技巧 缺点 ，而是没能选择对可以突破 创值的场景，没能在场景中做好智能体的架构，缺乏“AI架构头脑”。

8.怎样找到最适合AI重构的场景：“三多一高一庞杂 ”。员工多/客户多/费用多的场景，高频互动的场景，必要庞杂 常识 与判断的场景，都是最适合AI施展 巨大代价的“原生场景”。选对场景比笃志改造更重要。

9.智能原生头脑 - “先成就AI，再让AI成就你”：智能原生企业必要先"成就AI"，即为AI智能体提供常识 、数据、工具、权限和协同工作流，让它在这个场景中成长起来；然后再让"AI成就你"，即让这个智能内核驱动场景的效率、反馈和代价不停迭代、越跑越快。这个选择场景和架构智能体的进程 ，比盲目地上马项目要重要得多。

“智能”是这个期间最大的杠杆。

10.智能体杠杆正在重塑创业企业和产业企业的机会邦畿 ：

a.大厂短期将操纵 C端，打造超级入口 +超级AI，在用户心智、数据、模型 上有定义权。

b.创业公司机会在B端产业重构：用AI原生头脑与轻资产投入重构场景和组织，最大的机会是把领先企业上个期间获得的“核心资产”转为AI期间的“核心欠债 ”。

c.产业企业的护城河在于场景+数据的积聚，若叠加“AI架构头脑”，有机会成为“超级富二代”

“人工智能+”呼唤“AI营业 架构师”

11.AI架构师是落地的最大瓶颈：企业必要能融会 营业 场景和智能体本事，架构下一代营业 ，“懂智能、懂产业、懂未来”的复合型人才，他们不是黉舍 里培养出来的，而是在真实的AI产业重构的战场中淬炼出来的。

12.“产业”和“AI”的系统 性人才错配亟待解决：“人工智能+”比拟 “互联网+”的一个核心挑衅 是人才的错配。产业企业有场景与数据，但缺AI架构本事；而有AI架构本事的人才，缺乏 产业场景和数据。解决之道是企业家具备“AI架构头脑”，敢于开放场景与鼓励机制，让内部和外部人才真正在场景的战略锻炼。

以下为对谈实录：

题目一、在当前时间点，国度 推出“人工智能+”战略的肯定性和深层考量是什么？"人工智能+"与全部企业都相关吗？

孙天澍：我以为在2025年8月这个时间点推出"人工智能+"，是非常 实时和准确的，我以为与全部企业都相关，至少有三个层面的关系。

第一，AI本质是一次“智能革命”，我们正处在"AI下半场"的开始 ，智能开始重构千行百业。这个阶段最显著的特征是，随着模型 的开源、智能体的爆发以及本钱的快速下降，智能本身已经不再是稀缺资本 。真正的卡点，从技巧 本身转向了产业场景，转向了怎样利用无处不在的AI智能去重构场景，在千行百业发明 真实的营业 代价。以是，政策的推出恰好匹配了人工智能技巧 发展的内涵节奏 ，引诱 社会存眷 的重心从"数字产业化"， 包括基础模型 、算力、芯片，向"产业数字化"，即千行百业的垂直场景应用转移。

第二，“人工智能+”是一个产业与AI"双向奔赴"的肯定进程 。从产业端看，传统行业迫切必要新的增长引擎和新质生产力，而人工智能是现在看来最有机会继承此任的核心驱动力。从AI技巧 端看，技巧 的发展不克不及 是无源之水，它必要有连续的代价源头和资本 注入。千行百业的丰富场景、庞杂 的贸易题目，恰好为AI的迭代和可连续发展提供了最肥饶 的泥土。假如没有产业代价的发明 ，企业很难连续投入AI，AI技巧 本身也很难快速迭代和连续提高 。尤其在中国，我们无法像美国那样单纯依靠巨额资本投入来驱动AI发展，我们最大的比较优势就是巨大的产业基础。只有将千行百业的场景需求拉动起来，技巧 才能在应用中发明 代价，形成AI投入产出的正向循环。

第三，自上而下的政策推动 具有重要的"教诲"和"牵引"感化 。我最近在产业中做了大批 调研，一个很深的感想 沾染 是，大多半 企业家还没有深锐意 识到此次 AI革命的本质和“智能”对产业重构的深度和广度。今天我观察到大多半 企业的最大题目是只在低头解决今天的事儿，没有人在架构明天的场景，更没有人去想象后天的营业 。很多人仍在用产业惯性的头脑或"互联网+"模式来明确"人工智能+"，或者还在追求范围 小、短平快的功效 应用，没有从AI原生的头脑方法 去设计营业 场景、贸易模式和组织架构。

是以 ，必要一个自上而下的政策推手，甚至像KPI一样，来“牵引”企业举行更深层次的思考和规划。这波变革 与“互联网+”有本质差别，后者更多是渠道和链接的改变，相对直观、企业轻易明确并建立独立团队发展；而“人工智能+”是内核与架构的变革 ，加倍 抽象，企业必要重新用AI架构自身的发展模式，思考用智能体发明 代价的根本 方法 。固然企业的感知开始纷歧 定像互联网渠道突起 时那么显着，但企业的营业 场景、贸易模式、组织流程、生态协同都可能从内核被彻底重构。

题目二：连合您的观察，现在中国的人工智能+也许 走到了一个什么样的阶段？企业投入AI的瓶颈和机会在哪？

孙天澍：人工智能+才刚刚 开始，全部企业都在AI下半场的同一 起跑线上。

从产业视角看，我们正处在一个迁移转变点。已往大家 更多存眷 的是"数字产业化"，比如基础模型 、算力、芯片的发展。而现在，随着"AI下半场"的开启，存眷 点正在向这个大基座之上的千行百业的垂直场景和营业 应用转移。这是一个全新的开始，给了全部企业重新思考、筹谋和布局的机会。

我的小我 概念 ：AI的发展远远快于产业吸收AI的本事，智能体所打开的可能性远宏大于产业中现在通过智能实现的场景代价。即便今天全部AI科技克制提高 ，仅用现有的智能技巧 ，也足以在未来很多年内对全部产业带来巨大的变革 和重构。产业与技巧 中心存在一个巨大的"AI认知差"。

这个认知差的根源，在于产业中核心决策者的"AI架构头脑"。智能不再稀缺，缺的是架构智能的本事。这种AI架构本事，不是指对具体技巧 的细节相识，比如懂不懂Transformer或RAG或RLHF，而是一种用智能去重构营业 场景的头脑方法 。一个顶尖的企业家，必须能逾越单点技巧 ，连合本身对产业的深刻认知和对需求本质的洞察，去想象未来，把AI技巧 "拉"进本身的企业场景和产业链路。假如这种认知不克不及 突破 ，企业乃至 整个行业都可能在AI下半场陷入停止 。

以是，此次 人工智能+浪潮，最核心的变量终极还是"人"。每个行业都必要新一代的"AI营业 架构师"：能融会 营业 场景和智能体本事，用AI架构下一代营业 形态、组织设计和贸易模式的人。他们可能是传统企业家实现了认知突破 和自我革命，也可能是一个对产业有明确、对智能有原生认知和习惯的年轻人。他们将是改变行业本质的关键力气。

题目三、政策为“人工智能+”设定了2027年、2030年和2035年三个关键时间节点，并以“应用遍及率”作为阶段性的量化目标。企业应怎样明确这些节点和指标的现实意义，怎样订定目标来评估和引诱 自身的AI落地？

孙天澍：我对此次 AI智能革命的权衡和评估方法 有一些差别的见解。我以为，不克不及 用已往权衡工具革命（如IT、云盘算、互联网App）的方法 来推演和测量这一海浪 潮。最大的差别在于，这次AI革命的核心是"智能"本身，而不仅仅是"工具"或"技巧 "。在已往的IT系统 中，无论系统多强多半 是辅助，终极做决策的依然是人，人是系统 中唯一的智能单元。但AI革命的本质，是智能体本身就有“智能”，可以直接决策，形成实行和反馈闭环。这意味着，AI不再是一个可以简单计数的、离散的工具（比如企业是否上了某套系统、用了某个App），智能会像电一样渗出和融会 到营业 场景中决策的方方面面，催生类似“流水线”如许的立异 和重构，带来巨大代价。

是以 ，我以为，AI智能的遍及率还是要用“场景”和“代价”来权衡：AI在一个行业或企业的多少场景中多大程度赋能甚至替代了场景中的做“决策”所需的智能，从而真正改变了场景的营业 模式和组织形态，发明 了代价。像“应用遍及率”如许的指标，假如还用传统方法 去定义，比如统计有多少企业用了某个AI应用，我以为是不本质的。未来的智能形态可能加倍 融会 ，比如一条智能生产线，你很难分清是人形呆板人、呆板臂还是某个软件系统在施展 感化 ，它是一个整体。一个企业、一个场景可能Token斲丧量巨大，但外貌上看不到一个具象的AI应用，但是场景已经重构、企业已经变革 。

以是，怎样发明 性地定义和权衡"遍及率"，本身就是一个对学术界和产业界都提出的新挑衅 。我以为，在“数字产业化”相关的行业中可以用模型 迭代和Token斲丧来做权衡指标，代表“智能的供应 ”；但是，“人工智能+”所存眷 的千行百业应用遍及必须用AI所变革 的“场景”来权衡“智能的代价”。

当然，政策设定2027年遍及率超70%如许的目标，核心意图在于“驱动”和“牵引”，加快全部企业向这个标的目的 积极。但我们必须认识到，这只是一个进程 性指标，办事 于终极的经济增长目标。真正的本色 ，是企业是否用AI架构了下一代的场景，发明 了下一代的需求，立异 了下一代的产物，重塑了下一代的组织，终极实现了产业模式的转型和营业 代价的跃升。

以是，一个更好的权衡方法 ，是转向以"场景"为单元。一个企业内部有多少核心营业 场景，实现了由AI智能作为内核驱动的、从需求洞察到组织供应 的代价闭环。当越来越多的企业找到了本身的标杆场景，就会徐徐形成新的行业标准和更具体的权衡方法 。比如，我们天天刷的短视频，就是一个典范 的智能原生场景，背后没有万万客服，但每个用户的个性化需求都得到了满意。企业转型的关键，就是要找到如许能够被智能原生方法 重构的场景，而不是在全部处所 "撒胡椒面"。

题目四：MIT Nanda报告 发现95%的企业还没有从AI投入中得到代价。企业落地的很多AI应用的实行是掉 败的，难以真正办事 于营业 增长，根本 缘故起因是什么？

孙天澍：根源在于，大多半 企业还没有真正思考清楚怎样在本身的核心营业 选择最适合AI重构的场景，怎样在场景中深度融会 AI，用AI去架构下一代的营业 模式和组织情势。今天最稀缺的，不是AI技巧 本身，而是这种围绕营业 场景的"AI架构本事"。我用一个教诲的例子来阐明。无论是大门生还是企业家来上课，本质需求都是为相识决本身的个性化题目，实现成长。但已往千百年的教诲模式都受限于供应 ——良好的先生 是稀缺的。以是，我们习惯了"课堂"这种组织情势。但今天，当智能不再稀缺，我们完整 可以重构这种办事 模式。

一个AI智能体可以办事 于每一个门生，深度明确他的需求画像和营业 题目，再连合先生 的常识 库和行业实践，提供个性化、高频的互换和学习。未来，可能全部人依然在同一 个时间听同一 个先生 讲课，但每小我 听到的内容可能是完整 差别的，是针对他地点行业和具体题目标。在这个进程 中，先生 的时间代价被放大了成百上千倍，门生的需求也得到了更充实的满意。

从这个例子就可以看出，这个变革 的重点，不是先生 用了某个AI工具，而是整个行业和场景的供需模式被重构了。要实现这一点，就必要有人能够深刻明确需求的本质，大胆想象未来的场景，并用AI智能体去架构出新的工作流。这正是吴恩达在他最近的访谈中所强调的，关键在于可否用AI闭环解决一个小场景的直接题目。

以是，对于一个企业而言，当务之急是在上千个营业 环节中，找到一到两个最核心、最能表现代价的场景，将其打造成AI智能为内核驱动的营业 闭环标杆。

最重要的是：“先成就AI，再让AI成就你”。你必要先"成就AI"，即为AI智能体提供数据、工具、权限和工作流，让它在这个场景中成长起来；然后再让"AI成就你"，即让这个智能内核驱动场景的效率和代价不停迭代、越跑越快。这个选择场景和架构智能体的进程 ，比盲目地上马项目要重要得多。

题目五：既然并非全部企业的全部场景都适合，那么一个企业该怎样判断本身是否适合"人工智能+"？以及，怎样才能找到那些真正适合被AI重构的“原生场景”？

孙天澍：判断一个企业是否适合，或者说，判断一个营业 场景是否适合"AI重构"，我本身评估场景有一个很简单但很直接的 “百万员工题目” （litmus test 石蕊测试）：假如你的企业或某个具体的场景中，突然多出100万个不知疲倦、记忆 力超群、还能不停学习的智能员工，你在营业 场景中是否可以更好、更快、更深地满意用户需求？假如谜底 是肯定 的，那么这个场景就有巨大的AI重构的机会。假如谜底 是否定 的，阐明这个场景对智能的"包涵性"不够大，智能的投入并不克不及 在场景中带来边际收益的显著提拔。

以是，不是全部企业都适合AI重构，大多半 场景也纷歧 定适合AI投入。选择大于积极，找到适合智能重构的原生场景，是一个企业在人工智能+期间最重要的“本事”和“命运运限 ”。

技巧 革命从来不是公平的，你可以把它想象成从外星来的机密力气，不是全部人都会被荣幸的击中。类似于假如你今天地点的“打鱼 ”的处所 没有大鱼了，那么一个顶级的创业者，应该做的不是在原地继承撒网，而是把船开到新的、可能有鲸鱼出没的海域，重新开始。“兵无常势，水无常形”，拥有顺应和拥抱AI智能体的勇气和刻意，比固守历史 包袱和沉没本钱更重要。

至于怎样找到这些场景，除了一开始的那个核心题目，我总结了一个更具体的“AI场景重构”办法 论，就是看一个场景是否满意"三多一高一庞杂 "的特征：

• 三多：员工多（或重复 性人力劳动多）、用户/客户多、费用多（本钱高）。

• 一高：高频互动。

• 一庞杂 ：必要庞杂 的常识 和判断。

满意这些特征的场景，通常 是AI能够施展 巨大代价的处所 。但最难的，还是对产业需求本质的明确，并且是逾越今天的需求，去想象和发明 下一代的需求。这必要懂未来、懂产业、懂智能的人来共同 架构。

题目六：AI重构千行百业确切 是一个大机会，但人工智能+的机会到底是谁的机会，是少数大厂的机会，还是无数创业公司的机会，还是顶尖产业企业的机会？

孙天澍：多半 的代价到今天为止都被大厂拿到。但是未来在人工智能+千行百业场景当中，我以为创业者会有许多的机会，由于“人工智能+”不是一个C端平台入口 的心智，也不是一个范围 化的技巧 底座建设，而是对千行百业的场景重构。

在C端我以为实在巨头平台的心智入口 相对来说是创业公司不是那么轻易能够去替代，短期内也很难改变现有的竞争格局。在面向用户C端的创业赛道上，依然是一个超级富二代之战，由在今天拥有场景、拥稀有 据、也拥有智能定义本事的科技大厂来饰演非常 关键的角色。

但在人工智能+千行百业场景上，我以为创业者有巨大的机会。由于它没有在斲丧端的范围 效应、收集 效应和本钱效应，它会有很多的新的对于产业重构的逻辑。而在用户端，如许的范围 效应、收集 效应和本钱效应是非常 清晰和显着的。

从今天的闪购大战可以看出两个重要趋势：“超级入口 + 超级AI”。

• 所谓超级入口 ，是指用户的时间与钱包份额进一步向少数平台聚集；未来吃喝玩乐、衣食住行、交际与常识 获取，都会在更少的端上呈现、满意并形成闭环。

• 以闪购为代表的超级入口 聚合，会进一步赋能并放大“超级 AI”：由于场景与数据更丰富、更闭环，AI 能更好地嵌入、迭代与学习，形成智能体的进化。在斲丧者端，垂直与感性需求仍有创业机会，但在理性、综合需求维度，竞争仍将是“超级富二代之战”。

对AI 原生创业企业而言，未来有两大优势：

• 其一，头脑的原生，没有既有规矩 或组织结构的限定，从第一天起就能围绕智能体本事来架构人机协同工作流与AI原生的贸易模式，直接面向客户需求，“先成就AI，然后让AI成就你”，因而拥有全新的机会；

• 其二，资产的原生，没有极重的历史 核心资产，就不会由于 AI 智能体的到来把这些资产变成核心欠债 。许多龙头产业的挑衅 在于，已往引以为豪的核心资产正在徐徐变成包袱。以数码相机为例，它让柯达的菲林 、举世冲刷 工场 、分销渠道与零售网点，敏捷从优势转为负担。今天，智能的广泛涌现与无处不在，正在改变各行业的工作方法 ——可以用更AI 原生的方法 、围绕动态迭代的智能来重构组织。AI 原生创业的核心机会，正是把产业领先者的核心资产变为其核心欠债 ，以全新的方法 实现高出。

我以为纵观人类历史 ，今天一小我 所拥有的杠杆比以往任何时间都大的多。由于我们拥有了新的杠杆——智能体杠杆。已往范围 化必须依靠 scale by people / product / capital（用人才杠杆、产物杠杆、资本杠杆来范围 化），今天新增了智能体杠杆（scale by agents）：智能无处不在，一小我 可以大范围 地架构大批 的智能体满意需求、重构营业 、重塑场景。是以 ，未来肯定会出现回报率极高的投资方法 与增长速率极快的创业方法 ：不再只是 1 倍、2 倍、3 倍的回报，而是会出现百倍、千倍杠杆的创业与企业，只是多半 人尚未顺应这种新杠杆，更无法驾御这种杠杆。

对现在领先的产业企业来说，最大的本事与优势在于长期谋划所形成的场景资产和数据资产。正由于拥有这些场景，才能把智能无缝融会 进去，无须从零发明 场景；也是以 沉淀了大批 数据与支撑系统 。数据资产应作广义明确：既包括对客户需求、生产情况、零售渠道等结构化和非结构化的“具象的数据”，也包括企业员工与专家积聚的经验与常识 （脑中的常识 和认知，“无形的数据”）。这些都是产业企业抵抗 AI 原生企业打击的关键。要用好场景资产与数据资产这两个核心要素，真正用 AI 智能体释放 场景和数据代价；若再叠加AI 原生头脑，就有机会成为AI下半场真正的“超级富二代”，把既有优势转化为下一代产业的护城河，并将潜伏的欠债 转化为差别化优势与增量代价。

题目七：选择场景后，企业举行AI转型必要投入真金白银，在短期内可能看不到营业 代价的情况下，该怎样权衡投入产出比（ROI）？

孙天澍：关于这个题目，我有两句很直接的话：权衡AI投入终极也是唯一的方法 ，就是营业 代价。在营业 代价实现之前，靠信仰。这听起来可能很玄，但就像创业一样，它本质上是一种基于判断的投入。不外，“信仰”不等于“盲目”。在终极的营业 代价实现之前，AI架构师的核心本事之一，就是能够精确地设计“中心指标”和阶段性的营业 里程碑。

在选对场景后，最关键的是要定义好在场景中AI要实现的“中心目标”，定义对AI转型的营业 目标本身就成功了一半，由于它会牵引整个组织向特定的标的目的 积极。举个医药零售的例子，企业的终极目标是提拔GMV和利润。但AI转型的切入点是什么？是提拔单个会员的全生命周期代价，还是赋能药店开出更多的分店？这背后是完整 差别的战略选择。假如你选择前者，你的中心指标可能会拆解为：提拔会员到店频次、提拔进店转化率、提拔关联 销售和客单价等等。

一个好的中心指标，必须满意两个前提 ：第一，它是一个有明确代价的营业 指标；第二，它可以成为智能体动态迭代的“奖励函数”。就像抖音的用户时长，这个指标既是营业 目标，也可以被拆解为单视频停留 、旁观 完成率等，从而引诱 推荐算法的迭代。当算法发现给你推的内容你只看了一秒就划走，它就知道这个推荐是掉 败的，必要调解策略。这种将营业 目标转化为数据指标，并用其牵引智能体迭代形成飞轮的本事，正是"AI架构头脑"的核心表现。

以是，企业要做的，就是找到那个能够快速数据反馈、形成闭环、并能连续发生 营业 代价的场景和“中心指标”。一旦你建立了这个机制，剩下的就可以交给AI，相信它迭代的速率和潜力。

题目八：怎样明确“人工智能+”行动中说到的"智能原生"（AI原生），怎么培养智能原生的头脑，它具体表现在哪些方面？

孙天澍：“智能原生” 是真正以智能为中央来建立营业 和组织，智能原生企业可以通过巧妙的架构营业 模式和组织协同，把智能体的本事在场景充实释放 出来。比如抖音和滴滴都是移动原生的产物，在PC期间很难想象刷抖音和用滴滴，没有手机的交互（触摸屏上划下划）和摄像头不可能斲丧和生产短视频内容，没有实时GPS地位 的共享也不可能有用户和司机的高效匹配。做到“智能原生”，最重要的是思考你怎么帮智能体成功，你要像一个“伯乐”一样，去思考怎样培养“智能体”这匹千里马，真正资助它在场景中成功。

我们可以想象，企业里来了一个“怪才”新员工——AI智能体。她有无穷的记忆 ，可以快速吸收和融会 海量常识 ，能挪用 各种工具和接口，24小时7天不停工作，也有动态的反馈迭代本事，可以连续学习甚至智能"涌现"，但是在另一些方面却没有平凡人都有的一些常见本事比如辨认意图和稳定对话。AI原生的思考方法 ，就是要你发自内心肠 明确并信仰这个新同砚的本事，并思考怎样最大化资助她 -- 教她常识 ，给她数据，配备工具和权限，连续给她反馈和伴随。你要至心盼望她成功，盼望她成为组织的中央，而不是把她看作一个威胁，担忧 她抢了你的风头，或者是盼望她完全能够将就你，资助你在现有的工作习惯下和组织流程中完成任务。还是上面强调的那句话，要学会“先成就AI，再让AI成就你”。想象你是迈阿密足球队的教练，当梅西转会来之后，要思考怎样围绕他来重构阵型，资助新同砚（“智能体”）成功，而不是让他顺应之前的传统打法。

具体来说，这种“AI原生架构”头脑表现在几个方面：

1.先把AI智能体玩起来，对AI智能体的本事边界有直觉，懂原理 ：AI下半场，良好的企业家必要通过使用agent不停培养直觉，相识AI智能体本事的边界，而伟大的企业家还必要抓住AI智能的原理 和本质，深刻地把握智能的运作方法 和技巧 原理 。只有如许才能不但明确今天智能体的本事和范围 ，也能够猜测明天智能体的突破 和立异 ，围绕智能体演变 的路径和标的目的 ，不停去定义新的营业 模式，发现新的营业 场景，布局新的营业 立异 。

2.设计人机协同流程：你要思考，怎样为 这个AI员工配备人类的互助 搭档，甚至是一些人类员工的上司，你必要知道怎样为 她配备常识 、数据、工具、系统和权限。让她能够更好地融入组织，施展 感化 。

3.配套资助AI智能体连续迭代的机制：你必要明确"奖励函数"的重要性，知道怎样为 AI员工设计清晰的考核目标和反馈迭代机制，让智能体能够不停成长。总而言之，今天的天下，懂贸易的人很多，但“懂AI贸易”的人很少。所谓懂AI贸易，就是能把AI的设计和贸易的设计完美融会 ，用AI原生的方法 去做贸易。终极的目标不是为了做AI而做AI，而是用AI去发明 性地架构下一代的营业 。这才是AI架构头脑的精华。

题目九：您重复 强调"AI架构师"的重要性，这是否意味着"人才"是当前推动 听 工智能+最大的卡点？我们又该怎样培养如许的人才？

孙天澍：是的，我以为今天人工智能+最大的挑衅 和机会都在于人才，特别是那种我所说的，真正懂产业、懂智能、懂未来的下一代"AI架构师"。

一个“AI架构师”可抵千军万马。

今天我以为人工智能+的一个很大的题目是拥有场景和数据的传统企业，与拥有AI架构本事的外部人才之间，存在一种"系统 性的错配"：拥有场景的人不拥有AI架构本事，拥有AI架构本事的人不拥有场景，而且相互找不到对方。怎么样发明 出一个互助 、孵化、协同、共创的机制，是非常 关键的。

关于怎样培养，我的概念 是，AI架构师肯定是在重构千行百业的"战场"中打出来的，而不是在黉舍 里学出来的。他们肯定是在千行百业的战场中，通过无数次的行业试错、重构和竞争中涌现出来的。当然，我们可以为这种涌现发明 前提 。

我以为AI架构师必要具备三个核心特质：

1.懂智能，有“AI架构头脑”。这纷歧 定要求会编程，但必须对AI能做什么、不克不及 做什么有直觉，以及它的工作原理 有定性的明确、并且对AI智能体的演变 有兴趣，当你的企业多出100万个AI员工时，能判断出营业 场景会发生 什么变革，可能怎样去架构。

2.懂产业，有深刻洞察。这必要真正深刻 到产业场景中去，明确能源、医疗、制作 等行业的真实需求本质和组织方法 。对于年轻人来说，这是最必要锻炼的，也是最必要机会的。

3.懂未来，有原创勇气。要敢于突破常规和产业固有的逻辑，用第一性原理 去思考，去想象和架构下一代的营业 。同时，还要有本事驾御转型节奏 ，构建人机协同的新工作方法 。

前两者（懂智能、懂产业）都是可以通过发明 机会来培养的。培养一个AI架构师，和培养一个AI模型 很像，你必须给他提供场景、数据和反馈机制。我们要做的，就是发明 出如许的情况，让有潜力的年轻人能够在真实的千行百业的场景战场中去练习，去完成他们大脑中神经收集 参数的"预练习"和"微调"。以是，关键在于机制的建立，让拥有场景和数据的企业，乐意把机会开放给拥有智能架构潜力的年轻人。

题目十：您适才 说到，拥有场景和数据的传统企业，与拥有AI架构本事的外部人才之间，存在一种"系统 性的错配"，相互找不到对方。怎么建立机制，怎样才能改良 这种状况？

孙天澍：这是一个非常 深刻且广泛的题目，也是“人工智能+”与“互联网+”一个很大的差别。要解决这种错配，不克不及 只靠政策引诱 ，终极还是要靠市场机制。

核心在于，企业，特别是CEO，必要成为一个好的"AI架构师"，这个架构师不仅架构营业 ，也架构组织和人才。他必要有本事和"品味"去辨认、发现、探乞降 培养那些真正拥有智能架构本事的人才，并且乐意把场景、数据、常识 和实践的机会开放给他们。这些人很可能来自企业外部。由于传统产业内部，直接拥有算法头脑和原创勇气的人才并不多。这就带来了一系列现实题目：薪资结构怎么定？一个顶尖的AI人才，为什么要参加一个薪酬和节奏 都相对传统的行业？这必要企业在组织设计和鼓励机制长进 行大胆的立异 ，用市场化的方法 ，让顶尖人才乐意并能够快速进入千行百业。我以为，当前互联网行业的人才溢出，就是一个巨大的机会。我常说，互联网是一座“小山”，从业者加起来几百万人；而人工智能+的千行百业是一座“大山”，从业者有几亿人。怎样让从“小山”里出来的、经过了数字化“学前班”练习的人才，进入到“大山”里，在重构产业的真实战场中，成长为真正的"黄埔军校"学员，也就是AI架构师，这是期间给予 我们的巨大机会。

总结： 这轮“人工智能+”的本色 ，不是工具换代，而是“智能”成为产业的新内核。决定 成败的不是技巧 堆叠，而是在千行百业的场景中架构智能的本事， 谁能率先以“AI架构头脑”，找到AI原生场景，定好指标和迭代，在场景中培养AI架构师，用智能体杠杆重构

营业 模式和组织设计，谁就能真正在“人工智能+”的AI下半场中领先，定义下一代产业。