李开复:产业 AI 落地还要多久?AI绝非软件迭代而是生产方式的底层重构

      当数字化改造、ERP系统普及成为实体企业标配，一轮由大模型驱动的AI变革，正打破产业升级的固有范式。过去二十年，信息化、数字化、互联网+层层递进，解决的是流程线上化、数据标准化的底层需求；而如今席卷千行百业的产业AI，不再是辅助办公的效率插件，而是一场直指生产逻辑、组织架构与决策体系的系统性重构。一面是企业对AI转型的迫切需求，一面是大量项目困于概念验证、难以规模化落地的现实困境：传统企业该如何跳出数字化思维桎梏？AI与过往产业升级的本质分野何在？产业落地的核心卡点与长效路径又藏于何处？

　　近日，零一万物创始人、CEO李开复接受新华网财经深度专访，结合全新发布的“一号位AI”产品矩阵与跨行业一线落地实践，从底层逻辑、组织变革、行业节奏到长期产业前景，拆解产业AI从单点工具走向核心生产系统的完整路径。

　　范式更迭：AI绝非软件迭代，而是生产方式的底层重构

　　不少企业管理者仍陷入认知误区：将AI视作新一代商用软件，认为采购部署后，便可交由IT部门落地见效。在李开复看来，这套沿袭数字化时代的思维，注定无法释放AI的真实价值。

　　此前多轮产业升级，核心目标落脚于执行层提效，以标准化流程沉淀历史数据；而本轮AI变革的内核，是重塑企业价值创造逻辑。AI不再局限于辅助执行，而是化身具备专业研判能力的数字员工，深度参与风险识别、方案推演与经营决策，打通跨部门协同闭环，最终实现决策质量的系统性跃升。

　　针对市场普遍存在的疑问：企业已搭建成熟ERP管理体系，为何仍要推进AI转型？李开复用一组精准比喻厘清二者边界：ERP如同企业经营的仪表盘，归集全链路数据、记录过往经营轨迹，回答“发生了什么”；决策型AI则是企业经营的智能导航，打通割裂的系统数据，捕捉隐藏在业务中的机遇与风险，预判经营走向、给出行动方案并推动落地闭环，回答“下一步该怎么做”。

　　这场变革的影响早已超越单一企业边界。AI将专业智力与执行能力普惠化、低成本化，持续拓宽产业价值增长空间。对于“所有行业值得用AI重做一遍”的行业论断，李开复持辩证视角：行业底层商业价值不会动摇，但生产协作、商业付费、业务运转的全链路规则已被改写；从独立大模型工具到多智能体协同体系，正是AI从“辅助工具”进阶为“核心生产系统”的标志性分界。

       破局瓶颈：技术并非桎梏，组织结构与顶层决心才是核心

　　当下产业AI落地普遍陷入“试点易、规模化难”的困局，行业多将症结归于数据孤岛、系统不互通等技术难题，李开复却提出基于当下趋势的新判断：数据打通是数字化阶段的遗留命题，大模型天然具备多模态数据处理能力，异构系统、多元格式的数据已不再是核心阻碍。

　　真正的落地的破局点，藏在海量结构化业务数据与非结构化沟通信息之中：如何让AI从庞杂信息里筛选有效决策依据。破解之道，是搭建一套适配企业自身的“业务本体地图”，清晰锚定业务逻辑、决策权责与流程边界，让AI理解这些数据意味着什么，从而精准抓取高价值信息，输出具备可执行性的经营判断。

　　据此，李开复将企业AI应用划分为两个层级：其一为外挂赋能模式，在原有业务流程之外增设AI助手，仅能实现单点环节效率提升；其二是AI原生重构模式，以人工智能为底层核心重塑全业务链条，从问题拆解、数据检索、多维度研判到方案校验，全链路由AI驱动，深度服务顶层经营决策。

　　他举例阐释二者差距：若管理者提出“欧洲供应链潜在风险排查”，外挂式AI仍需人工调取多渠道数据再整合分析；而原生一号位AI可自主拆解问题、跨系统交叉核验，模拟完整经营决策逻辑输出成套解决方案，真正渗透企业核心经营链路。

　　正因AI转型触及流程再造、组织架构调整，这场变革天然是“一号位工程”。各业务部门囿于自身KPI边界，难以站在企业全局视角统筹资源；唯有对整体经营结果全权负责的企业一把手，才有能力推动跨部门协同，主导商业模式与组织体系的革新。“倘若企业负责人缺乏对AI的基础认知，将转型全权交由IT部门推进，那么它很可能从一开始就被降维为一次技术部署，这场变革从根源上便注定失败。”他说。

　　针对行业长期存在的“定制化深度”与“规模化复制”矛盾，李开复给出自上而下、平台沉淀的平衡路径：优先从一号位核心决策场景切入验证价值，再逐层渗透至各岗位业务场景，同时将通用AI能力沉淀至底层平台，兼顾个性化适配与规模化复用。零一万物此次推出的老板AI、销冠AI、投资官AI三款产品，依托万策决策平台搭建企业本体能力，正是这一落地逻辑的实践载体。

　　行业分化：落地节奏各有快慢，实体产业价值持续兑现

　　AI赋能千行百业已是行业共识，但不同赛道的落地速度存在显著分化。李开复指出，两大核心变量决定行业渗透节奏：产业数字化基础完备度、行业监管约束强度。

　　互联网、数字内容行业数字化底座完善，AI落地走在行业前列；金融、保险紧随其后；完成数字孪生布局的制造、矿业等实体产业，正迎来智能化改造快速期；高度依赖具身智能的重资产实体生产场景，规模化落地仍需两至三年技术沉淀周期。

　　其中企业顶层管理场景的落地速度，超出行业普遍预期。所有企业均存在经营管理痛点，一号位对风控前置、管理提效及高质量决策的需求具备高度共通性，极易形成转型共识。零一万物推出的老板AI产品市场反馈热烈，成为落地速度最快的产品线。

　　目前零一万物已在多实体赛道落地深度产业合作：与亚洲制造业龙头共建制造业智能体系，联合正大集团成立合资公司探索AI养殖，为南半球能源巨头的矿场搭建数字孪生智能平台。部分合作客户已实现4%用户留存提升、数千万美元规模的业务吞吐量增长，AI赋能经营的正向收益已形成可量化的数据佐证，财报业绩也得以改善。以AI养殖为例，其价值不止于基础数据统计，而是产销联动的全流程动态优化，还能把优秀养殖场经验快速推广复制，历经多季度业务跑通后，产业效益将持续释放。

　　对于金融、医疗这类强监管赛道，李开复划定清晰的AI能力边界：行业约束的核心不在于技术，而在于决策责任归属。关键经营、诊疗、风控决策的责任主体永远是人，AI无法承担最终权责。未来十年，AI可以作为决策辅助工具完成信息初筛、数据处理与基础分析，但人的专业判断与决策责任不会被人工智能替代。

      前瞻三五年：AI将成为企业不可或缺的基础生产要素

　　站在2026年年中眺望产业发展，李开复作出判断：未来三至五年，AI将彻底褪去概念属性，成为企业经营的标配底层资源。

　　“AI综合能力每年实现30个IQ点的跃升，落地成本逐年十倍级下降，兼具高智能、低成本、高效率三大特质，全面普及是产业发展的必然走向。”李开复说，如同当下企业无需讨论“是否部署ERP系统”，未来人工智能将深度嵌入生产、管理、销售全链条，成为与电力、互联网同等重要的基础生产要素。

　　专访尾声，李开复给仍在观望、布局AI转型的实体企业一把手给出恳切忠告：“倘若管理者自身不愿日常使用AI，便无法说服全员认可企业的AI转型战略。”

　　在他的产业观察中，企业“一号位”躬身实践是转型成功的起点。企业不应从边缘细碎场景试点切入，而要锚定核心决策、核心业务先行小步试错，验证真实经营价值后，自上而下逐层推广落地。

　　同时他提醒，企业切忌用“后视镜思维”跟风布局AI，看到同行落地客服、文档工具才仓促跟进。AI技术迭代速度远超过往任何数字化工具，等到全行业看清赛道再行动，早已错失战略窗口期。企业应当主动厘清AI能力边界，提前布局核心经营场景，方能在产业变革浪潮中抢占长期发展主动权。

　　从单点效率工具到全域决策支撑，从概念试点到规模化产业落地，人工智能与实体经济的融合正持续走向纵深。面向经营增长、聚焦全要素生产率提升的产业AI，将持续为实体经济高质量发展注入长效动能。

【延伸阅读】AI的第一性原理，到底是什么？

2026年7月，上海。一场名为“AI的第一性原理”的思想者论坛，请来了两位图灵奖得主——姚期智和Richard S. Sutton，以及朱松纯、俞勇、李开复、郭毅可四位顶尖思想者。

在2026世界人工智能大会这个“特殊”的会场里，六个人，每人45分钟，只做一件事：追问。

他们不聊融资、不推产品、不追热点，而是回到最底层的问题：AI到底是什么？它能做什么？不能做什么？人该怎么办？

AI的边界在哪里？

论坛的第一场演讲，清华大学人工智能学院院长、图灵奖得主姚期智教授抛出了一个让全场安静的问题：AI的能力，到底有没有理论天花板？

他的回答是肯定的。姚期智指出，AI的底层本质依然是“图灵机+数据”——即便数据再庞大，图灵机解决不了的问题，AI也解决不了。他引用哥德尔不完备定理说明，即使在纯粹的数学世界里，也存在人类无法触及的真理。

但姚期智紧接着说了一句让人意外的话：“人工智能有局限性其实是好事。”为什么？因为明确边界，恰恰是AI安全的理论基石。知道什么做不到，才知道什么必须守住。

他还带来了一个令人振奋的前瞻：量子人工智能正在浮现，未来5到10年将看到巨大进步。届时，人类将获得超越现有图灵机极限的全新认知工具。

智能是教出来的，还是长出来的？

姚期智话音刚落，另一位图灵奖得主、“强化学习之父”理查德.萨顿（Richard S. Sutton）接过了话题。他的观点同样直击本质：真正的超级智能，必须彻底脱离人类的先验偏见。

萨顿直言，AI研究者总是想把“人类的知识”硬编码给AI，但从长远看，这反而阻碍了AI的演进。他提出了一个生动的比喻——AI应该像婴儿一样，在真实世界的互动中自己摸索、自己长大。

当前AI正处于从“人类数据时代”迈向“经验时代”的转折点。真正的智能来自智能体与世界持续交互、自主学习，而不是对人类已有知识的模仿。“如果没有经验，超级智能就不会存在。”

萨顿甚至不客气地指出：今天更多取得突破的是计算能力，而不是真正意义上的智能。我们仍然没有理解智能本身是什么。

AI需要一颗“心”吗？

如果说前两位图灵奖得主是从数学和算法层面追问，那么全球著名计算机视觉专家、北京通用人工智能研究院院长朱松纯把问题拉回到了哲学层面。

他的核心观点只有五个字：为机器“立心”。

朱松纯认为，智能的本质不是对外部数据的被动拟合，而是由内在价值体系驱动的主动探索与创造。真正的AGI应该是价值驱动，而非数据驱动。构建AGI的关键，在于让机器拥有一套内在的价值体系和认知架构。

他用一个例子解释什么叫“价值驱动”：教AI识别一把椅子，最低级的办法是让它看遍天下椅子；高级的办法是让它理解人体坐姿和椅子功能；而最高级的办法，是让它能够进行“坐得舒服”的价值判断。

朱松纯还发出了一个更深层的追问：追问什么是通用人工智能，本质上等同于追问“什么是人”。这个问题，没有标准答案，但必须有人追问。

AI时代，人的作用是什么？

上海交通大学教授俞勇的演讲从一封粉丝来信开始。信中，一位读者向他求助养老AI系统的技术问题。这件事戳到了俞勇的软肋——他不得不将90多岁的父母送进养老院，深感自责。

他承认自己解决不了那个技术问题，但他说：“我可以把这件事情接力给我的学生。”

俞勇用40年的从教经验回答了一个时代之问：AI什么都能做的时候，人还应该成为什么？他的答案很明确——培养“定义问题的人”。

AI擅长解决问题，但它永远不会主动问“这个问题值得解决吗”。而人的独特价值，正在于提出值得解决的问题，判断什么值得做、为什么必须做。

俞勇把人性比作底层的操作系统，“人天生是不服气的”——这种不服气、好奇心、对意义的追寻，才是教育要点燃的东西。

老板们，别让天才AI做客服

零一万物首席执行官李开复的视角更接地气。他把AI比作一个IQ250的天才学霸，可大多数公司却只让它做客服、写PPT。

他的观点直截了当：“用最聪明的AI做最重要的决策，就是第一性原理。”他呼吁企业管理者必须“AI-First”——AI转型不是技术问题，不是选什么软件，也不只靠IT部门，而是每位“一号位”的必答题。

李开复还描绘了一个宏大叙事：再过20年、40年，当人们抱着孙辈时，会给他们讲述一个故事——他们习以为常的那个世界，正是从2026年开始被AI重新塑造的。

碳基和硅基，谁说了算？

香港科技大学副校长、中国工程院院士郭毅可给出了一个宏大的终局判断：我们正进入一个“碳硅共生”时代。

他从物理学出发，追溯到一个根本问题——生命的本质是对抗熵增。碳基生命与硅基智能，在物理层面都遵循着反熵、建立局部秩序的规律，在数学层面又遵循着相似的推理机制。“碳基的大脑与硅基的芯片，在计算的本质上并无二致。”

但共生不等于替代。郭毅可强调，人类是主导的。机器负责人类希望它负责的工作，把人类解放出来，去承担目标设定、价值判断、同理心和情感方面的使命。

回到那个终极问题——AI的第一性原理到底是什么？

两天的论坛，六位思想者，六个不同的切入角度，却指向了同一个方向。

主持人蒋昌建用控制论创始人诺伯特·维纳的一句话为论坛收官——“人有人的用处”。

这句话在今天听起来格外有力。AI越强大，我们越需要回到原点，想清楚什么是不可替代的。

对于普通人来说，这场论坛传递的信息其实并不复杂：

第一，AI没那么神。它有数学和物理的天花板，有解决不了的问题。

第二，真正的智能是“长”出来的，不是“教”出来的。AI需要像人一样在经验中学习。

第三，AI需要“立心”——拥有价值判断的能力，而这恰恰是人类最擅长的事。

第四，在AI时代，人的核心价值不是跟AI比解题速度，而是问出值得解决的问题。

第五，碳基和硅基可以共生，但决定方向的，始终是人。

这场论坛没有给出标准答案——它本来也不是为了给答案。它只是把那些被喧嚣掩盖的根本问题，重新摆到了桌面上。

而这，或许就是“第一性原理”的真正含义：回到事物最本质的地方，重新问一次“为什么”。

【延伸阅读二】世界人工智能大会揭示AI产业发展新趋势

7月17日至20日，2026世界人工智能大会暨人工智能全球治理高级别会议（WAIC 2026）举行。记者通过走访参展企业了解到，人工智能竞争发展的焦点，正从大模型参数比拼转向更垂直、更普惠的场景和产业落地，行业发展脉络呈现新特点包括：交互形态由问答升级为陪伴、AI厂商出海加速、具身智能等硬件推动AI行动力更强。

由问答到陪伴的逻辑转变

一段时间以来，公众对人工智能的应用停留在“一问一答”的对话交互工具层面。而本届WAIC前后密集呈现的产品与技术显示，AI不再只是被动响应的答题机器，而是主动介入、持续陪伴、引导探索的智能伙伴。

这一趋势在面向儿童与教育的AI硬件上尤为直观。WAIC 2026期间，灵宇宙重点展示旗下的小方机，令少儿与AI学伴共享第一视角，可边走边聊、边看边问，一片叶脉、一件文物都能成为可追问的学习对象。其将于8月全面上线的iClassroom探索学习模式，把零散的观察、拍摄和提问组织成连续的项目式探索，并在任务结束后生成发现记录——小方机由此从“万物有回应”的即问即答，走向有引导、有沉淀的陪伴式探索学习。

而在更宏观的产业与治理层面，AI“陪伴”逻辑也正呈现。零一万物首席执行官李开复在接受记者专访时表示，AI时代真正的伙伴关系不是单向输出，也不是技术依赖，而是在尊重数字主权和本地需求的基础上共同建设能力、共同创造价值。

李开复还以哈萨克斯坦教育场景为例，提出把中国已验证的“双师教育”经验与AI能力结合：本地老师陪伴学生，远程优质教师提供课程，再加上个性化AI助教，根据每个学生的学习进度和薄弱环节提供针对性练习与反馈。他特别强调，AI教育不是要替代老师，而是帮助老师——重复性工作AI可胜任，但陪伴、激励和个性化成长指导仍需人来做。

从“卖产品”到“建能力”的出海新范式

会议期间，出海成为中国AI企业能力拓展应用的新趋势。李开复16日在哈萨克斯坦总统圆桌会议的演讲中指出，当前技术竞争的关键是看谁真正把人工智能用到实处。李开复透露，零一万物已与当地伙伴成立合资公司。

零一万物国际业务与AI咨询副总裁宁宁谈到，中国企业出海第一代是把产品卖出去，而这一代AI出海更多是把AI转型能力带到政府和企业的决策场景里去。以前输出的是商品、产能和技术，而AI时代考虑到更多是共建的能力。

对于AI企业出海，李开复进一步表示，中国AI企业服务新兴经济体有三大优势：丰富的应用场景、强大的工程化和产业落地能力，以及更理解新兴经济体在成本、本地化、人才培养和数据安全方面的真实需求。

AI出海不只是卖模型，而是要建能力；不只是交付软件，而是要扎进场景。李开复表示，如果此次能够协助哈萨克斯坦的AI教育和公共服务场景跑通，就可为更多“一带一路”共建国家提供参考。

硬件丰富进一步推动AI实践

我国具身智能、智能体硬件的发展迅速也是本届WAIC显现的新趋势。业内人士纷纷表示，人工智能正从“证明自己多聪明”迈向“证明自己能够真正行动”。

在大会期间，AI智能体技术加速从概念探索走向终端量产落地，智能硬件越发丰富功不可没。努比亚AI智能体手机、阶跃星辰原生Agent操作系统、荣耀Robot Phone、联想天禧AI PC等智能终端集中亮相，WPS、钉钉等办公智能体也展示全流程自动化作业能力。

更令业界关注的方向是具身智能应用进展。分析认为，具身智能试图打通认知与行动的闭环，让模型通过机械臂、移动底盘等硬件载体介入抓取、搬运、组装等具体任务；其与世界模型的结合，使AI能构建物理世界的模拟环境、预测动作后果，让机器人在行动前进行“心理模拟”，降低试错成本与安全风险。

与此同时，新的智能体正形成协作网络的运作方式——调研Agent搜集数据、代码Agent编写脚本、测试Agent验证结果，经统一协调框架共同完成任务。

【延伸阅读三】AI技术加速渗透实体产业，规模化应用仍存挑战

当前人工智能已成为驱动全球经济增长和产业变革的重要引擎。那么，如何加快构建适配人工智能发展的产业金融新生态，工业场景的AI应用情况如何？

近日，在中金公司承办的世界人工智能大会投融资论坛上，上海市经信委副主任蒲亚鹏表示，近年来，上海充分发挥产业基础雄厚、应用场景丰富、金融资源集聚等优势，加快打造人工智能产业创新高地，产业规模持续壮大，后续将系统构建全球领先的人工智能发展新生态。

蒲亚鹏称，上海将主要从三方面发力：一是加强政策支持力度，从发放算力券、模型券、语料券等工作，通过先用后付、免升即享等创新政策，支持AI初创企业OPC等成长发展；二是持续深化产融合作，引导金融机构与AI企业开展跨界融合，聚焦金融基础模型、算力供给、具身智能、Agent应用等关键领域，为AI企业优化科创板上市，融资租赁、安全保险等科技金融服务支撑，营造促进AI+金融发展的良好生态；三是提升产业转化效能，依托国家级金融人工智能应用中试基地，打造一批金融AI示范项目，支持金融机构，探索开展知识产权质押融资、投贷联动等，孵化培育更多AI创新企业。

在中金公司副董事长、总裁王曙光看来，当前，进入2026年，全球AI竞争的重点已从基础模型能力比拼，进一步延伸至智能体、物理AI与产业应用生态构建。在这一过程中，中国依托完整的产业体系、丰富的应用场景以及强大的工程化交付能力，正在形成从模型研发到实体产业融合的独特发展路径。

企业引入AI的目的是提高盈利能力。技术投入能否转化为长期回报，取决于AI是否真正进入经营过程，帮助企业以更低的成本、更快的速度和更稳定的质量完成交付，把一次性的效率提升沉淀为持续的利润改善。

AI战略专家、美国未来产业研究院院长乔·韦曼认为，企业获取AI红利的关键在于选择适配的竞争战略——或强化运营，或重塑产品，或革新客户体验，或开辟新商业模式。

面对工业场景的AI应用方兴未艾，“一项调查结果显示，超过80%的全球制造业领军企业已开始探索AI技术的具体应用，但数据安全、结论可靠性、设备老旧以及前期投入大等因素，仍是制约AI技术快速规模化应用的主要挑战。”霍尼韦尔科技大中华区总裁余锋说。

未来学家、《连线》杂志创始主编凯文·凯利表示，AI将以渐进方式推动社会进步，低成本、专业化和本地化模型有望提升竞争力，前沿模型领域可能出现泡沫和亏损，但基础设施投入将促进科学创新与生产力提升，因此属于具有长期社会价值的“必要泡沫”。

中金研究发布的《工业化数字经济》报告称，从社会长期发展的角度看，过度投资沉淀下来的基础设施，往往在泡沫消退后继续服务于经济，欧美十九世纪的铁路热潮和2000年前后的光纤过剩都是先例。对中国而言，真正的问题或许不是要不要容忍一定程度的过度投资，而是如何让产业政策引导下的投资，尽可能沉淀为电力、算力和工程能力这样的长期资产，避免成为无效产能。

。END。