2025年开年，全球AI生态版图就接连迎来重磅突破——DeepSeek R1平地惊雷轰动业内，其开源策略与创新训练方法正吸引微软、英伟达、亚马逊等美国云计算平台接入，加速企业的AI落地应用；而OpenAI同期发布的Agent工具Operator和Deep Research更显野心，标志着AI向开发与人类性能相匹配（或超过人类性能）的通用人工智能（AGI）的总体目标迈出了重要一步。

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方跃观察到，AI正将技术的角色从“信息传递者”转变为“思考者”和“执行者”，推动机器从“快思考”向“慢思考”演进，企业在这场智能化跃迁的转型中也伴随着人对技术的依赖和创作力弱化的隐忧。本文中，方跃教授为站在人机协作十字路口的企业指明了极具建设性的方向。

进入2025年，企业AI转型也在加速，企业面临寻找和实现AI价值的挑战。AI变革蕴藏着巨大的潜力，其颠覆性远超互联网。但企业家必须清楚地认识到，AI带来的不仅是生产效率的提升和更多的创新机会，它还必将重塑劳动力市场、生产力格局和管理者的角色，有可能进一步增强资本和技术的权力，并带来能源消耗大量上升的担心。

01

DeepSeek是一家什么样的公司？

过去的2024年，AI正在从静态输出转向跨文本、语音和视觉输入的动态实时交互。我们相信，2025年是AI应用落地实现价值的关键一年。AI正全面渗透到企业的运营、产品和服务中。

企业AI转型正处于“AI-in-ALL”不同发展阶段。

状态A的企业处于观望与学习阶段，关注AI发展趋势，评估其潜在价值。

状态B的企业，其部分员工自发使用AI提升个人效率，内部开始试点AI赋能，以优化运营流程为核心。预计到2025年，企业将持续试验，探索AI如何深度融入业务。目前，大量的AI应用（产品和服务）集中在这个方向。

对状态C的企业而言，AI已逐步嵌入企业产品与服务，增强客户体验，提供个性化、智能化产品，形成差异化竞争优势。AI正推动产品创新与用户体验升级。

状态D的企业已实现AI在内部运营与外部服务的深度融合，布局“AI in All”，全面推动“流程/产品/服务+AI”模式。

沃顿商学院最新研究显示，2024年全球大型企业每周使用生成式AI的比例已从2023年的37%跃升至72%，AI正加速与企业流程、产品和服务的深度融合。相比之下，国内企业在AI落地应用推进上仍具有很大提升空间。企业在规划AI转型战略时，需结合自身情况，从两个关键维度进行分析：AI所能带来的潜在价值以及AI实施落地的可行性。“AI-in-ALL”转型中的企业，可按这两个维度梳理主要核心业务，以优先实施潜在价值高及可实施性强的项目。

在这一转型过程中，企业的AI战略路径通常呈现出两种不同模式或阶段：“AI-in-ALL”即“产业+AI”，在现有业务框架内逐步嵌入AI，优化流程、提升效率；“ALL-in-AI”即“AI+产业”，以AI为核心重塑企业组织、运营模式与商业逻辑，实现全新增长与价值创造。

AI转型的目标不应局限于降本增效。当AI成为标配，仅将其作为工具，企业将难以形成持续的竞争优势，唯有深度整合至业务战略，才能释放AI真正的潜力。

围绕大型语言模型可能带来的价值有很多讨论，但AI的商业模式决定了其成功与失败。企业需通过“动手”实践，方能获得宝贵的见解，避免隐藏的陷阱，并在业务一线先驱的指导下朝着AI目标迈进。

在AI产品与服务方面，企业需关注其长期实际价值。沃顿商学院的研究表明，具备共情能力的AI聊天机器人可在短时间内缓解用户孤独感，甚至媲美人际交流。然而，长期依赖AI可能削弱人类真实的社交能力。因此，企业在推广AI时，需要平衡短期价值与长期社会影响，确保在提升用户福祉的同时，又不取代人类社交的本质需求。

与此同时，企业IT将从应用程序架构走向AI代理和数据架构。技术领导者如何组织和管理团队、人才、IT架构和成本，可能会因生成式AI而发生巨大变化。

在AI时代，IT架构会发生很大变化，从传统以应用程序为中心演变为多Agent架构。技术领导者负责“领导”成百上千个不同的Agents。这些Agents可以相互通信并与外部世界交互，以实现复杂目标。例如，一组Agents可能会与库存、供应链和智能分析进行交互，自动监控库存水平，在需要时生成采购订单并将其发送给相关供应商，实现无需人工参与的智能集成、决策和协同系统。

另外，AI技术的不断发展也会对企业管理和工业软件市场产生深远的影响。近期，SAP已经宣布将DeepSeek大模型集成到SAP的ERP（企业资源计划）软件中，一些有能力和需求的企业也会利用AI大模型自研，如CRM（客户关系管理）和人力资源等软件，势必导致AI时代的SaaS（软件即服务）软件市场更加智能和多元化。
 

02

打造“超级智能体”的不确定性与挑战

在AI转型过程中，企业还需应对两大不确定性：技术发展的不确定性和业务价值的不确定性。

AI技术快速演进，边界模糊，行业观点分歧，企业难以准确预测其未来趋势。管理者需保持敏锐洞察，制定灵活策略，避免盲目跟风或错失机遇。

AI对业务的实际影响尚不明朗，缺乏长期数据支撑，企业需选择合适业务场景，通过小规模试点，从“AI-in-ALL”开始，逐步验证其商业价值，确保投入的有效性。

尽管AI应用正在加速推进，但其高昂的成本与数据局限仍是长期挑战。市场由少数巨头主导，有可能导致AI成本难以大幅降低。同时，AI依赖人类已有知识，随着数据消耗，模型性能或将下降，影响长期价值。企业需权衡成本与收益，确保技术可持续应用。

在AI战略实施过程中，企业还面临以下关键挑战：

战略目标不明确，资源配置分散。缺乏清晰目标，资源投入分散，优先级不明，导致难以形成可持续增长路径。

技术与业务需求脱节。过度关注技术而忽视核心业务需求，导致AI解决方案难以满足实际痛点，影响商业价值。

对AI创新期待过高。AI在增量创新方面表现突出，但颠覆性创新作用尚不明确，过去一年仍缺乏让人眼前一亮的突破性应用。

数字化成熟度不足。数据孤岛现象严重，质量参差不齐，传统IT架构难以支撑AI算力需求，影响部署效果。

组织文化与执行力不足。内部对AI变革存在抗拒，团队协作不畅，流程优化滞后，高层与基层认知差异影响战略落地等。

同任何变革一样，AI转型同样是“一把手工程”，最重要的是前瞻性与变革意愿。我们这里请企业高管特别关注以下几方面：

1. 增长驱动与运营融合：高管们面临着越来越大的压力，他们需要证明AI投资的有形投资回报率。企业需以市场和竞争为导向，精准契合客户需求，使AI深度嵌入核心业务，优化流程，提升体验，驱动增长。数据驱动的决策能力可助力企业在快速变化的环境中保持竞争优势。
2. 生态协同与战略拓展：虽然生成式AI具有巨大的潜力，但许多领导者难以理解它如何与现有业务模型集成、影响价值链并影响财务结果。企业需通过与技术和供应链合作伙伴协作，可快速弥补短板，借助行业生态拓展业务边界，实现差异化竞争。AI赋能供应链管理，助力资源优化，确保战略可持续性。
3. 重视企业知识创新体系的搭建：AI可为企业提供超越人类认知边界的知识创新，通过知识颗粒度解构（深度学习）、知识流程自动化（文档智能处理）、产品研发加速（如药物发现）和运营流程优化（缺陷检测），显著提升效率并降低成本。当前AI仍处于辅助地位，人类在创意生成、知识融合与战略决策中保持主导性，形成"人类需求牵引+AI能力支撑"的创新范式。企业需将AI嵌入战略扫描、客户洞察、产品研发等环节，构建人机协同的新型知识创新体系。
4. 创新型组织与文化：推动创新与增长导向的文化，强化跨部门协作，打破信息孤岛，确保AI战略顺利落地，实现高效协同与敏捷响应。企业必须明确，AI不仅是一种工具，更是全新收入来源的催化剂。企业需大力探索如何使用AI创建创新产品，和如何重塑传统业务模式并为战略增长创造新的机会。
5. 负责任的AI治理：这是AI应用面临的一个普遍问题。平衡AI的变革力量与必要的保障措施是实现广泛社会效益的关键，领导者必须探索制定指导方针的策略，以实现增长、管理风险并为每个人释放AI的潜力。企业需建立完善的AI治理框架，确保技术合规、减少偏见，维护透明度与公平性，提升信誉与社会责任，通过不断实践，探索如何推动负责任AI的部署。
6. 以人为本的AI管理：AI在提升效率的同时，也带来员工自主权的挑战。企业需要不断探索重新培训员工、培养AI素养、管理变革以及鼓励人类与AI之间团队合作所需的新方法。
7. AI领导力与人才布局：设立首席AI官（CAIO），推动AI与业务深度融合，培养复合型人才，确保技术在企业各层级高效应用，助力AI驱动的转型升级。
8. AI转型是系统工程，需循序渐进：AI的潜力释放需要时间，企业需同步推进软件开发、人员培训及变革管理。

过去近20年在数字化转型中获得的经验和交过的学费，对今天的AI转型非常宝贵。我们再次强调，如果不重视业务与技术的结合以及组织与文化的变革，结论必然是：“旧组织+新技术=昂贵的旧组织”。

中国不少企业曾是互联网时代的颠覆者，但AI正在重构互联网时代形成的商业模式和竞争逻辑。若无法跟上AI浪潮，这些企业可能在未来几年沦为“传统企业”。

03

拥抱AI

在技术变革面前，我们总是本能地抗拒那些可能颠覆既定秩序的力量。

AI的不透明性、情感缺失，以及对人类主观判断的挑战，使其在社会中引发广泛的不信任。过去2年，AI的快速发展加剧了这一不安。技术性失业的乌云笼罩，人们担心AI取代人类角色、削弱个人价值。抵触也源于利益格局的重塑，AI正在冲击传统职业，威胁既得利益，导致部分群体被排斥。

然而历史证明，技术进步不可逆，恐惧与抵制无法阻止AI融入社会。我们需要跳出“人机对抗”的思维定式。我们需要认识到：AI是效率机器，可以不断提升效率；人是非效率机器，人类必须保持自主性、创造性和判断力，由于自主性、创造性和判断力的非标属性，必然是低效的，两者衡量的标准不同。只有聚焦人与AI的合理分工，探索优势互补，才能在AI时代实现共生协作。

我们再次提示企业和员工，仅将AI视为工具，只能带来某些工作岗位短暂的稳定。如曾经依赖人工调整的提示词工程，如今AI已实现自主优化，这有可能导致相关岗位失去竞争力。

尽管企业领导者对AI寄予厚望，员工的犹豫与技能不足，已成为转型从“AI-in-All”走向“All-in-AI”的障碍。AI的大规模成功落地应用有赖于员工的动机、能力与外部支持。企业需提供清晰的应用场景，结合培训与激励机制，帮助员工将AI视为协作者，而非竞争对手。同时，降低技术使用门槛，激发员工主动探索，使其从被动接受者转变为主动创造者。

我们必须避免这样的场景发生：AI成为大规模替代人类员工的效率工具，同时，将企业变为由机器人严控监管、帮助资本“无限降低”生产成本的工作场所。

AI的快速发展正深刻重塑企业与个人的思维模式和决策方式。然而，过度依赖AI可能削弱人类的批判性思维和自主判断，使人们在技术裹挟下丧失主动性。要在AI时代保持竞争力，企业和个人需理性看待AI的优势与局限，避免盲目信任，同时承担相应的伦理责任，确保AI真正赋能人类，而非取而代之。企业应坚持公平、透明和包容的价值导向，而非片面追求效率最大化。

在AI驱动的商业环境中，人类角色正从执行者转向战略引领者。培养AI素养至关重要，个人和组织应认识自身认知局限，掌握基本AI知识，以做出更理性、前瞻的决策。AI虽在信息处理和分析以及流程自动化等方面具有优势，但决定企业未来的依然是人类的战略远见、创新能力与价值判断。

企业在拥抱AI时，需明确其定位——未来的竞争优势将属于那些深度融合AI与人类智慧，构建“人机共生”模式，并能快速调整自己，开发可持续的商业模式，把握风险，在价值创新上持续引领行业的企业。

来源 | 经济观察报