ARTICLE · 1028997
得中层 AI 能力者 得天下
大量资金涌入 AI 领域，AI 已成为新的经济增长点，我们来看组信息：
2026年Q1美国风投总额飙升至2672亿美元的历史新高，其中OpenAI单笔融资1220亿美元
韩国政府计划投资至少1350万亿韩元，携手三星、SK海力士建设半导体枢纽
英伟达向联发科投资35亿美元，推动自定义AI芯片即插即用嵌入其数据中心系统
全球数据中心保险保费预计2030年达200亿至300亿美元
再看中国方面：
2026年上半年中国AI融资总额突破3000亿元，占全赛道约48.6%
DeepSeek、阶跃星辰、月之暗面三家大模型企业合计融资约930亿元，占全市场融资总额的30%
上半年具身智能领域融资总额达906.44亿元，融资事件312起为全赛道之最，同比增长48.29%
字节跳动推进296亿美元银团贷款，阿里未来三年投入超3800亿元建设云和AI基础设施
如此巨额的资金涌入 AI 领域，这是任何一次技术变革都未遇到过的现象。在巨额资金的推动下，各行业必将发生一轮深度的洗牌，毋庸置疑，谁能把握住这轮大机会，谁就能赢得将来。
问题的关键是：如何去把握这轮大机会？
其它领域我们暂不讨论，重点关注工业领域。首先看看头部企业的动作，或许能给我们一些启发：
华为，在伊敏露天煤矿部署约100辆90吨级无人驾驶重型采矿卡车，移除驾驶室，恶劣天气和夜间持续作业，自主更换电池。
罗克韦尔，与工业AI领军者 Augury 达成技术及市场合作，旨在打通从“设备诊断”到“维修执行”的持续改进闭环
拜耳、百时美施贵宝、德国商业银行，利用AI工具进行系统代码编写，要求外部顾问降低费用
SpaceX，向投资者推出在轨道上部署太阳能AI数据中心的万亿美元设想
这是几个比较典型的应用模式：
推出内嵌AI的产品
用AI提升传统业务的输出能力
运用AI降低IT系统的开发成本
寻求数据中心能源解决方案
无论哪一种模式，都需要企业中层经理、结合本企业自身业务特点及知识体系、去思考、去设计。
所以，我们坚定的认为：
中层经理 才是运用AI赢得将来的 核心力量！
当然，还有更多的应用模式，留待诸君进一步观察、思考、发现，适合您的那条路、才是成功之路。请注意，这轮AI的变革不同于以往任何一次技术变革的地方是：AI 有幻觉！照抄照搬、肯定是死路一条！那个没有生命的芯片都开始思考了、难道你还不该思考吗？但有意思的是，一旦你开始思考，AI会帮助你比以往任何时候都高效拿到你想要的答案。
为了有效的进行思考，站在寻找那条通往成功的道路的起点，首先必须认真的回答三个问题：
AI的本质到底是什么？
为了驾驭好AI、我需要什么能力？
运用AI真的要花那么多钱吗？
下面分享笔者的一些观点，仅供参考。
提到AI，大家议论得最多的、就是人类替代，说小一些，岗位替代。
关于人类替代，有两类论调：
第一类，认为AI已经具有意识。比如：前Anthropic研究员 雅各布·考克森 与安全主管 埃文·哈宾格、发出“AI有超过10%概率在十年内灭绝人类”的警示。专栏作家佩吉·努南发文呼吁“为了人类安全暂停AI”，要求停止危险的“递归自我改进”（RSI）研发。
第二类，认为AI仅仅是概率匹配的文字拼接。比如：加州大学伯克利分校教授 艾莉森·戈普尼克（Alison Gopnik）等多数认知科学家强调， AI系统基于其训练数据中积攒的无数科幻作品和关于意识的文献后做出的极其高超的语言模仿，其本质只是概率匹配的文字拼接，不应与生物学神经元相提并论。
这些思考可能离我们太远，关注一下即可，等 10% 的概率提升到 20% 再说、也来得及。很多科幻片的结局、都是人类取得了最终的胜利！
比较紧迫的是：岗位替代！
基于我们的观察，目前有几类岗位受 AI 的冲击确实比较大：
基础编程与IT咨询岗位
传统专业服务岗位，比如：律所与咨询从业者
白领与基础办公，很多基础任务已可被大语言模型直接自动化完成
物流与出行服务岗位，受无人驾驶和自动配送机器人的冲击
金融与投资部分岗位，面向个人的券商平台已使用AI代理为客户提供服务
跨职能协作，AI可以轻松的完成从 销售材料撰写 到 财务数据计算 到 技术故障排除 的等一系列跨职能的任务
当然，我们也看到了人类不可替代的一面，比如：
对人际交互和隐性知识依赖较高的领域
充满“人性变量”的非结构化地带
批判性思考、逻辑创新、高度适应力
对物理世界进行的复杂操作
商业博弈
复杂系统的工程管理
对比 “被替代的” 和 “不可替代的” 不难发现，AI 其实是在 “高信息量处理” 方面、解放了人脑，犹如第一次工业革命、机械在 “高强度作业” 方面、解放了人体。来看两个画面：
画面1：一位女士操作起重机、把200吨重的重物、从一楼送到五楼，整个过程5分钟完成。徐工现在最强的起重机、起吊能力是14000 吨。用人体来完成简直无法想象！
画面2：阅读巴金的《家》《春》《秋》三部曲，给出要点总结，梳理人物关系图，用人脑来完成（用搜索引擎直接找答案不算哈）需要多少时间？用DeepSeek来做，官方给出的时间是1分钟！
再次对比 “被替代的” 和 “不可替代的”，我们还发现一个规律，AI处理的信息量不管多大，在逻辑关系是确定的场景中、AI处理能力超强，而在逻辑关系较弱的场景中，AI立马不如人脑！比如，你可以问问AI，看见“禹王神槊”这个词会想起什么，AI 的回答会告诉你：大禹、李存孝、常茂、呼延云飞 等，这已经很厉害了哈，我就只知道 大禹 和 李存孝，但即便这么厉害，AI绝对不会联想到 “禹王神槊是怎么打造的”，除非你问它！结果，你问了它后，它给你的关键词一定是 玄铁、八百斤 等等，而不会是 融解温度、金属成分、锻造设备 这些关键词，除非你问它！
所以，我们看到的AI本质是：
在高复杂度确定逻辑的海量信息处理中解放人脑
2. 驾驭AI所需的能力
看清AI的本质后，再来思考如何驾驭AI就容易了。先来看看在AI能力培养方面的一些动态：
美教育部为AI短期培训项目拨款5000万美元
全面掀起AI短期技能证书和训练营的浪潮，企业资助学习推高了这一热浪
瑞银（UBS）将AI Fluency（AI 流利度）纳入求职面试的问题，判断候选人是否能使用AI提升工作产出与效率
安永（EY）投入1亿美元，嘉奖使用AI时展现出“批判性思考、判断力、逻辑创新和高度适应力”的优秀员工与项目团队
可以看出，AI能力已毫无疑问的成为了企业的强烈需求，因为AI解放人脑带来的能力提升，确确实实能用更少的人干更多的活、或者用同样的人干出更多、更好的活，被替代的焦虑真实存在。然而，AI作为人脑的外延，仍然需要人脑来驾驭。
所以，我们认为：如果有一天你被淘汰了，淘汰你的一定不是AI，而是另一个驾驭AI比你强的人。
那么，驾驭AI到底需要哪些能力呢？
现在很多人提到使用AI的能力、就会聊“搭建LLM环境”、“编写Agent养龙虾”、“优化各种AI算法”…… No！对于工业企业的员工来说，这些能力都不需要！
企业需要的是 AI Fluency（AI流利度）！
补充信息：AI Fluency 是 瑞林艺术与设计学院 的 Rick Dakan 和 爱尔兰科克大学 的 Joseph Feller于 2023-2024年 率先提出的，后与 Anthropic 建立了长期合作、旨在帮助AI用户更好的应用AI。其基本框架是一个 4D 模式：Discernment 甄别判断、Description 需求描述、Delegation 任务委派、Diligence 责任担当。诸君若有兴趣，另找时间展开介绍。
但中层经理、企业运用AI赢得将来的中坚力量，仅仅具备AI Fluency的能力还不够。因为，你需要的能力不是玩转AI、而是用AI帮助企业赚钱或者省钱！
从这个角度来看，您至少还需要以下几个方面的能力：
对 AI 价值的理性认知
制定导入AI的科学路线
判断解决方案优劣并进行选型
从业务出发梳理AI应用场景
带领应用部署与启动项目取得成功
监听应用过程的反馈并提出优化建议
推动改进、打造企业可持续的竞争优势
你在驾驭自己的生意 with AI，犹如：你在驾驭自己的旅程 with a car。还是那句话，淘汰你的不是AI、而是那个使用AI的人！就像：超过你的不是车、而是那个开车的人！
关于中层经理AI应用能力的建设、确实有很多具体的内容，另找机会详细介绍吧。
3. 运用AI真的要花那么多钱吗？
对于AI在工业领域的应用，还有一个被误导的地方：AI对算力要求那么高、肯定好花钱哦。是的，很多AI巨头投入重金疯狂建设算力基础设施，且不管他们的回本风险，清楚一点就行：算力基础设施建设的投入不会让企业来买单、企业也买不起，那是大国竞争的产物。
关于工业企业运用AI到底要不要花那么多钱，我们还是先来看看业内的动态：
Anthropic Fable 5 销售受阻，客户转向开源替代
OpenAI 对旗下主力轻量接口Luna 削减了80%的报价
中国智谱 Z.ai 宣布开源新一代具有高阶代码生成能力的 GLM 5.3 模型
阿里巴巴的开源模型（Qwen系列）被华为嵌入多项基础设施
英伟达给AI初创公司Poolside投资10亿美元、加速其开源大模型Nemotron 的开发
这也是不同于上一轮数字化转型的地方，10年前，企业可能会花上千万购买西门子的TeamCenter，上个 MES 大几百万，而这轮AI的变革，你可以免费获得开源的大模型。这后面仍然是大国竞争逻辑，开源模型是抢占应用生态的重要手段。
再来看算力需求，大语言模型公有平台巨头疯狂建设算力基础设施，那是他们的商业模式决定的，他们要面对的是全社会的用户，而一家企业要面对的用户只是这个海洋中的一滴水，千万别被这个基建热潮带偏了！
有不少观点认为，企业需要毫秒级的响应，所以要求算力芯片的响应速度必须达到毫秒级，这是对工业场景完全外行的论调！在工业领域，毫秒级响应的工作场景、一定不会允许你去计算！按标准阈值、直接给我停机！
类似还有用具身机器人来搞焊接的，也存在方向问题，机械擅长的是完成标准化的作业、人手擅长的是灵巧化的作业，你非得用一个天性就笨的东西去替代天性就灵巧的造物，基本逻辑就错了，必将费力不讨好！焊接很简单，能标准化的就交给机器，机器干不了的，人就上。想清楚，你要的到底是把产品焊好卖出去、还是要的是具身机器人来完成焊接这件事，如果你要的就是后者，那也没问题，总有些事情需要有勇士去探索。
还有LLM，工业中到底有多少场景需要LLM？我能想到的有：科研的前期调研阶段、编写市场调研报告、分析客户行为模式、员工心理状态评审 …… 还有啥？如果你也觉得没有了，就请看看这些工作的发生频率有多大、看看这些工作的数据敏感性高不高，是否适合用公有LLM平台来完成？
有人说，用LLM来编写质量分析报告，No，那是统计分析的活，包括出具专业的分析图表，这活交给LLM，出来的报告，要么被老板骂、要么被客户骂！
还有就是运用图像处理来分析表面缺陷，没错，这是一个很好的应用，但这并不需要LLM，一个图像识别算法就搞定，至于后面的归因分析，千万别交给LLM瞎搞，那是需要工艺工程师来思考的。至于说工艺工程师思考完后，是否需要用LLM帮助自己梳理一下各类可能性的关系，那是另外一个场景，是人借助LLM整理思考的场景。
囿于篇幅，不举更多的场景了，中层经理们，企业需要多大的算力才能运用AI，这取决于你们的思考和设计！请始终抓住一个底层逻辑：工业生产的本质是 “标准化” 和 “规模化”。
稍微总结一下
AI是人脑的外延，犹如机械是人体的外延。
AI能处理海量信息，但这些信息有确定的逻辑关系，只是这个确定的逻辑太多了，人脑一下处理不过来。
短期内AI不会替代人，但掌握AI的人会替代没掌握AI的人。
企业驾驭AI需要的是对自身业务的深刻理解、而不是AI技术的开发能力。
大模型、各类算法，均可免费获得，怎么搭建企业自己的体系成为关键。
工业生产的本质是 “标准化” 和 “规模化”，请从这里出发去寻找AI应用场景。
中层经理们，你们的思考决定着企业的将来！这轮AI变革，拼的不是你对数字化系统的了解、而是你对自身业务的理解；这轮AI变革，拼的不是你花了多少钱、而是你花了多少时间、有效的时间；这轮AI变革，属于洞察客观本质、理性思考、科学设计的你们！
（ 以上观点 仅供参考 ）