2025年，中国汽车产量约3450万辆，居全球第一，但整车厂、供应商、芯片厂商都不赚钱。规模做到第一，价值却没跟上：AI芯片和算法正在拆开原有的供应体系，旧的利润分配规则已经不适用。同一股力量也在改写人的成长路径，初级岗位在减少，五年后的中层从哪来，十年后的高层呢？

中欧AI与管理创新研究中心主任方跃教授，在中欧金融MBA十五周年高峰论坛主旨演讲中的判断是，产业的价值怎么分、组织怎么改、人怎么学，三道题要同时回答，决定企业能走多远的是一组公式：企业超级智体＝智能体能力×学习竞争力。

01

产业先变：AI改写竞争规则

汽车是最典型的样本。传统产业链是一座金字塔，整车厂在顶端，往下是多级供应商，稳定但链条长、数据不通。

AI芯片和算法进场后，这套体系被拆开重来。车规芯片从设计到交付原本要三年，压缩后也要两年半，等技术送到车厂，需求早已变了。车厂缺芯，芯片厂商找不到主人；但新生态由谁主导、利润怎么分，至今没有答案。

钱的方向也在变。2024-2025年与前三年相比，全球未来出行领域股权投资约635亿美元，下降11%；应用专用半导体416亿美元，增长22%；机器人195亿美元，增长12%。智能出行的投入已进入平台期，钱和智力正往芯片、机器人迁移。

02

生产力三要素分工首次被打破

劳动力、生产工具、生产资料，三者原本边界清楚：人是劳动力，技术是生产工具，数据和智慧是新的生产资料。

AI首次同时进入这三个位置，超级智体由此而来：机器从赋能工具变为数字员工；人转向带AI、教AI、管理AI；组织把个人知识沉淀为集体智慧。超级智体改的不只是技术，还有人与机器、人与人的分工关系。

转型走的是三阶段就绪度模型：Horizon 1赋能，员工用上通用AI工具，把AI嵌入业务流程；Horizon 2自动化，路线图由业务主导而非IT部门单独制定，为人与智能体设计新岗位；Horizon 3重塑，由AI驱动重新定义工作方式与价值创造模式。自动化逐步推进，受制于责任风险与成本。员工对组织的信任贯穿全周期，决定AI转型能否创造业务价值。

03

能力跑在前面，制度落在后面

智能体规模化落地最多的领域，既非办公也非IT服务，而是制造业与资源行业。微软Work Lab数据显示，全球已有近五分之一的企业用上智能体，制造业与资源行业使用比例最高，原因是工业场景封闭半封闭、标准半标准化，风险可控。金融等行业的问题往往不在能力，监管和企业都还无法接受完全自动化。决定智能体落地速度的有两根线：能力，以及风险与责任。

医疗更直观：今年4月《科学》报道的模拟急诊室研究中，大模型临床决策已不逊于人类医生。但从能力到上岗差一步——出了事谁负责，人类医生可以投保，AI既无责任主体，也无处投保。

04

新技术＋旧组织＝昂贵低效的旧组织

十几年的数字化转型为什么推不下去？技术不缺，工具不缺，缺的是拆掉旧的组织惯性。认知可以改变，利益最难动。

有个可操作的检验，给企业三个月，把集团高层会砍掉一半且正常运营，数据有没有拉通、处理能力够不够、权限流程清不清楚，一试便知。会大多是为拉通信息而开的，这件事交给AI更合适。

另一个堵点是授权。试点失败，问题往往不在技术，而在组织的责任与正当性结构尚未进化到能支撑AI系统。AI始终没有获得在商定边界内决策的权利。Salesforce按4R框架推进，重新设计、重新培训、重新部署、重新平衡，其智能体平台Agentforce吸收更多常规支持工作后，员工被转向新角色。把AI当一次技术安装来交付，只会得到昂贵低效的旧组织；AI转型的起点，是一次CEO层面的组织再造。

05

工具会趋同，人的迭代速度才是壁垒

按OpenAI的阶段划分，AI正走到智能体阶段：聊天机器人已经过去，推理能力让它告别工具、开始拓展自己。冲击先落在旧护城河上，过去一个人值钱靠两样东西：专业要学十年，别人也得学十年；在一家企业干二十年，上下左右都门儿清。这两条都在被削弱。

学习竞争力＝认知更新速度×行动转化率×组织复用能力。放到企业层面，就得到公式：企业超级智体＝智能体能力×学习竞争力。智能体决定执行效率的上限，学习竞争力决定战略迭代的速度。上限会趋同，迭代速度才拉开差距。

对于人来说，焦虑更直接。初级岗位在减少，五年后的中层管理者从哪来，十年后的高层呢？一条危险的滑坡是：组织里只剩签字负责的人，事事听AI，人在机器面前越来越没有判断力。

值得警惕的是，定义问题的权力要留在人手里，什么问题值得解决，价值判断只能由人来做。技术只是载体，组织能力才是胜负手。