方跃：2026年的AI：向人立心，向实立命 | 2026商业新愿景

2025年，AI技术进展几乎以“日”为单位刷新着人们的认知。大模型、智能体、算力、数据中心、应用生态——每一个环节都在加速迭代与拓展。从全球范围来看，OpenAI在企业市场暂时处于领跑地位，但Anthropic和Google等企业正在快速逼近。2026年，AI领域的竞争将不再仅仅是模型能力的排名变化，更是认知方向、落地路径与组织能力的全方位比拼。

2025年的“祛魅”让市场认识到：热潮并不等同于价值，试点也不意味着能够规模化应用，模型能力更不能等同于组织能力。回顾过去一年的落地经验，生成式AI的应用并未在所有企业中转化为更高的员工创造力。

进入2026年，真正的分水岭不在于“又推出了哪个更强的模型”，而在于AI能否真正开启“向人”与“向实”的进化。这里的“向”，既是方向，也是路径：能力向更高阶迁移、分工向更合理重排、组织向新形态跃迁。但它们有着共同的底线——最终仍要以人为本，为人类服务。AI越强大，越需要将人置于中心位置。

这一轮AI变革与过去的技术浪潮最大的不同在于，它不只是生产工具的迭代。生产力的提升不再仅仅是“让旧流程跑得更快、更高效”，而是彻底打破了生产力三要素（劳动力、生产工具和生产资料）的边界。当AI具备了生产力所有三要素的属性，一个更高阶的组织形态将自然浮现——我在即将出版的新书中将其称为“超级智体”。

“超级智体”并非单一技术产品，而是AI时代企业进化的方向：企业拥有智慧大脑（核心），能够像一个持续学习的系统那样运转，并在反馈中持续迭代自身的规则与能力。它主要由三部分构成：机器、人与组织。AI的“向人”与“向实”揭示了企业向“超级智体”进化路径的核心逻辑。

AI“向人”

AI“向人”有三层含义：机器“向人”（能力闭环化），人“向人”（价值回归），组织“向人”（组织形态向超级智体进化）。机器与人的“向人”推动了组织的“向人”，本质是“向人立心”。

2026年，AI的角色正在发生质变。它不再只是被动响应指令的工具，而是在许多场景中进化为具备自主意图、能够规划并执行复杂任务的代理，甚至开始被期待成为可协作的伙伴。技术发展也从单纯的预训练知识积累，转向具备逻辑推理与“慢思考”能力的后训练阶段。例如，OpenClaw的Agent系统和企业侧的千问等，不仅回答“怎么做”，还开始尝试把“事情做完”。

但机器真正“上岗”带来的并非单纯的效率红利，同时也带来了一道更高的门槛：风险从“输出错误信息”升级为“执行错误操作”。当AI拥有决策和行动权，错误不再是写错一句话，而可能是下错一笔订单、触发错误的退款、将不该发送的数据发送出去。

这就是为什么2026年“治理”会成为关键词：权限边界如何设定？哪些动作必须由人类复核？如何防止智能体在组织中制造“工作垃圾”（自动生成大量低价值任务、无意义通知、重复工单）？

监管与企业治理在今年将进入拉锯状态：一方面企业渴望实现更深度的自动化，另一方面必须明确主体性AI的边界与责任。机器“向人”的速度越快，治理就越成为决定性能力。

2026年，随着智能体越来越“向人”，企业必须意识到“每个模型都有自己的视角与性格”——同样的数据与指令，不同模型可能强调不同的风险与优先级。因此，企业要做的不是将某个模型视为唯一大脑，而是搭建能够驾驭多种视角的组织智慧系统：把模型当作可替换的认知模块，用统一的目标、规则与权限边界将它们编排起来。

当机器越来越“向人”，人必须更“向人”。机械性的事务被剥离后，人类的核心价值将回归到AI难以替代的领域——脑资本：愿景、判断、创造、同理、韧性，以及在复杂系统中协调冲突、承担责任的能力。

我们认为，AI时代人类真正稀缺的三项能力包括抱负（设定愿景）、判断力（伦理与价值选择）、创造力（非线性突破）。世界经济论坛也强调，需要投资“脑技能”：适应力、同理心、复杂问题解决能力与心理弹性。

人“向人”的核心在于人从过去的执行者转变为指挥者、责任的判断和价值管理者，将人的价值从“流程中跑得快”迁移到“不确定里选得对”。人能否更“向人”，决定了人类能否驾驭AI，而不是被AI的“看似正确”所左右。

生成式AI从最初降低内容与知识工作成本的效率工具，迭代为以智能体为核心、重构企业流程与价值创造的核心力量。小团队搭配AI能够大幅压缩沟通成本、强化执行效率，形成对传统大型组织的竞争优势，推动企业向更扁平、更具学习力的超级智体演进，其核心是以人为本的人机协同，而非单纯的去人化。

组织“向人”是一场AI驱动的组织变革，其瓶颈不在于技术，而在于组织自身。固守科层制、传统KPI与部门壁垒的企业，不仅会陷入效率幻觉与管理失控的困境，还会催生AI工作垃圾泛滥、裁员快于增效的错配，以及员工认知能力被长期透支等问题。组织文化、绩效体系与人才管理的滞后，将直接抵消技术带来的效率红利。

2026年，企业真正用好AI的关键，是以治理为基石、以端到端流程再造为核心，搭建适配人机协同的新组织形态。唯有打破旧管理逻辑，建立可持续学习的组织系统，才能将AI转化为实实在在的生产力，穿越技术热潮与落地阵痛。

“向实”：AI落地应用、模型形态扩展、基建投入加码

如果说“向人”的核心是“向人立心”，那么“向实”的核心是“向实立命”，针对的是更朴素也更关键的问题：技术到底能否转化为生产力，能否在实体产业中创造真金白银的价值。

2025年的“祛魅”让这一点更加清晰：仅靠演示与试点，AI很容易重复互联网泡沫的路径——故事越讲越大，导致投入越来越大，但价值迟迟无法体现在经营结果上。

2026年，“向实”将成为验证这轮技术变革历史地位的主战场。“向实”需要抓住三层主线：应用层的规模化落地、模型层的形态逐步扩展、以及基建层的全栈部署和有效投入。

“向实”首先意味着“规模化”。许多企业在前两年已经证明AI“可用”，但尚未证明“可规模、可复制、可进化”。2026年真正的分水岭，是AI能否从“试点热闹”走向“经营兑现”：进入高频工作流、产生可量化结果、形成可复制和进化机制。

这意味着评价标准要改变：不再看上线了多少AI项目，而看是否能把AI打造成一套“智能工作流系统”，让它在真实业务中长期运行、持续迭代，并稳定改善成本、效率、质量与风险曲线。

真正“向实”的AI，并非堆叠工具，而是让组织获得复利：每多运行一次流程，就多沉淀一份经验；每多一次反馈，就多一分可复制能力。

“向实”的第二层是模型自身的形态演进带来“更多能算账的场景”。2026年，我们谈论的不再局限于语言模型（LLM），有可能扩展到更适合端侧设备的“液体基础模型”（LFMs）等高效架构形态，以及能够理解物理规律、承载预测与控制的“世界模型”。

这意味着AI将越来越多地从“生成内容”走向“改变现实”：制造检测、设备运维、医疗辅助、自动驾驶与机器人等场景，都会因为模型更懂多模态信号、推理更可靠、更接近物理世界约束而被重新打开。因此，“向实”不只是商业压力的要求，也是技术演化的方向。

“向实”的第三层是基础设施的全栈部署和有效投入。AI基础设施的市场规模巨大，且仍在以超出预期的速度增长。以多家科技巨头披露或市场汇总的2026年资本开支预测为例：亚马逊约为2000亿美元、谷歌约为1800亿美元、Meta约为1250亿美元、微软约为1175亿美元，同比增幅分别达到60%、97%、73%、41%。

重资产的持续投入表明，AI的竞争不仅发生在应用和模型层，更发生在算力、数据中心、电力、网络与系统软件等基础设施层。智能体一旦开始递归拆解任务、毫秒级并发调用系统，企业面对的就不再是“页面打开慢一点”的体验问题，而是系统能否稳定承载机器流量、能否可观测等工程问题。

因此，2026年更多的资金将流向看似笨重的部分：机房、电力、运维治理等。因为当AI真正进入生产系统，稳定性与安全性不是附加项，而是门槛。

互联网的成功建立在开放标准之上，实现了全民可用、共建完善。如今，人工智能正走上同一条道路：基础模型让企业与开发者无需从零搭建，就能根据自身需求定制 AI能力。目前，HuggingFace等平台已提供超百万个模型。一个深刻的变革正在发生：初创小企业如今能与世界 500强企业共享同等顶尖的 AI技术，尖端技术的使用门槛被彻底拉平。

进入2026年，即便市场对泡沫和投资回报证明仍心存疑虑，全球头部企业的数字化领导者仍普遍将AI列为首要任务，继续加码并努力获得可量化价值。

期待之外，我们还需要冷静：越“向人”，越要加强治理；越“向实”，越要做足硬功夫。要让技术投资真正转化为一线生产率提升，必须在大规模部署AI的同时，投资提升人的能力与技能，并推动组织与生产关系的变革。

来源 | 经济观察报

作者系中欧国际工商学院亿纬锂能经济学与决策科学教席教授、中欧AI与管理创新研究中心主任