文 / 梁添

来源 / 节点财经

毫无疑问，AI已经成为关乎世界经济发展的主角。

在今年达沃斯世界经济论坛上，大佬们金句频出，马斯克放话，我们可能在今年年底就拥有比任何人类都更聪明的 AI；微软 CEO 纳德拉警告，大公司在 AI 时代更容易被颠覆。

新观点让人应接不暇，在《节点财经》看来，主题为《原生AI应用驱动型企业》的Panel(圆桌论坛)，或许真正触及到了企业的痛点，嘉宾们观点交锋，也让今年达沃斯变得更具看点。

这场Panel集齐了包括Anthropic投资人/Lightspeed创始人Ravi Mhatre、Lightspeed风投合伙人/Rubrik CEO Bipul Sinha和Kimi总裁张予彤等业内人士。

去年1月DeepSeek R1引发AI巨震，一年之后，Kimi作为中国模型的代表，折射出在算力受限的背景下，中国AI如何凭借“极致效率”，向全球输出中国大模型叙事。

从用AI到AI驱动，企业差在哪里？

用AI重塑业务已成为共识。

根据埃森哲数据，2025 年， 87% 的中国企业增加了对 AI 的投入，且超过一半的企业表示 AI 项目的进展速度快于预期。

趋势固然明确，可落地体感却十分割裂。麦肯锡研究指出，只有1% 的企业领导人认为自己的组织达到了成熟应用的阶段。

钱花出去了，却没拿到好结果。这种高投入、低成熟度的落差，成为了今年达沃斯论坛上关于AI讨论的重要背景。

企业究竟卡在了哪里？

Rubrik CEO Bipul Sinha一语道破症结所在：“你不能把使用chatbot和AI搜索简单等同于AI转型。”

传统公司组织臃肿，充满运作惯性。他们在尝试AI 转型时，并不想大刀阔斧的改变原有工作流，只喜欢小修小补，这就导致了AI转型只是隔靴搔痒，难触及业务核心。

在这场论坛中，嘉宾们特意对AI驱动企业，在组织形式与协作方式上，给出了明确、可量化的定义。

“一家企业在所有业务线中，至少有3到5个工作流实现了AI端到端落地，才被认为是合格的AI驱动。而对于一个被认为是AI转型领先的公司，超过一半的员工任务必须实现了20%的绩效提升。”Bipul Sinha提出了自己的判断。

张予彤则从组织形式的维度，对AI驱动型企业下定义，她提出了“人-Agent 比例”。

当下 AI 正在为所有公司带来极高的运营杠杆。如果只是专注于应用层的构建，可能团队人数不到 10 人，但却拥有数百个智能体在干活，在运营层面协助完成大量工作。“因此我认为，目前 AI 正在赋予所有公司极高的运营杠杆。”

说到AI驱动，Claude Code就是一个鲜明的例子，Ravi Mhatre举例，仅仅在 8 个月前才发布，如今已经达到 15 亿美元的年化收入规模，并且拥有接近 1500 万名开发者。能用 AI 产出颠覆性成果的公司，往往不受制于传统组织结构、流程和工作方式。

组织形式松动后，更深层变革还有交互方式。

一个流行说法：软件正在吞噬世界，可在Panel中，有一个核心共识：智能正在取代代码和图形界面（GUI），成为新一代通用语言。

Ravi Mhatre判断，AI 将首先消灭大量尚未被软件化的人工流程，但在高用户规模、高体验要求的应用中，工程与设计在相当长一段时间内仍需由人主导。长远看，最终形态将是“人 + AI”的混合式协作，而非完全自动化。

这一点与张予彤的观点不谋而合，她形容，未来的软件将走向“无形化”，人类无需再通过点击成百上千个按钮或背诵复杂公式来操作GUI，取而代之的是通过自然语言，经由智能体调用一切功能。

而当软件“无形化”，随之而来的是，UI（用户界面）和 UX（用户体验）变革。

“人们只要清晰地描述意图，就能掌握 AI 使用方法，进而通过 AI 调用现有软件所有功能。”张予彤谈到，如果现有的软件无法满足需求，AI 还可以当场编写出个性化工具，直接交付最终结果。

Ravi Mhatre补充道，我们处于“智能强度爆发”的指数曲线上，“智能”将成为人们表达自动化意图的一种新语言。就像 Cursor所展示的那样，代码可以被vibe coded，并具备鲁棒性，且几乎达到准生产级别。

既然AI可以直接在工程场景替代训练有素的程序员，那么，关于更长远的未来，一个激进的预判被提出——最好的AI将由AI来构建，而不是人。

这一观点引发了关于自主化程度的讨论。张予彤提出一个大前提，在拥有一个真正有用且可扩展的 AI 系统之前，AI 得先具备像人类一样，长周期自主执行能力。

其余几位嘉宾，似乎也更认可长周期的自主执行能力先行的观点。

AI技术确实突飞猛进，但从重塑企业组织形式、工作流的角度看，还有很多值得人类慢慢探索的空间。

整体来看，这场 Panel嘉宾的大多观点有共识之处，共识的背后，我们注意到了两股力量，分别是中国与美国AI所代表的开源与闭源两种路线。这不仅仅是发展路线不同，更是中美两国在探索AGI时两种发展理念的碰撞。

算力不是唯一变量，中国AI竞争力从何而来

去年1月DeepSeek R1发布以来，中国开源大模型凭借高性能，低成本特性迅速打开全球市场。

在全球开源社区GitHub上，DeepSeek、Qwen、Kimi等中国开源项目的关注度持续走高，Meta、Airbnb、Thinking Machines Lab等硅谷企业，纷纷将中国AI技术架构当作研发样本。

中国大模型正在向硅谷发起一场反向技术输出。据高盛与OpenRouter联合统计，截至2025年底，近80%的美国初创企业采用了中国大模型。

现如今，“中国开源模型能大幅降低开发成本”已成业界共识，部分初创企业能将相关成本降至原闭源方案的10%到20%。

然而实现这一成绩的背景，恰恰是在芯片资源被封锁的情况下。要知道算力堪比大模型的源动力，在算力被卡脖子的当下，为什么中国AI能有这个成绩？

这离不开中国在当前AI竞赛中的三大驱动力，也是张予彤作为嘉宾在《中国AI+经济》的另一场对话中的表达。

首先是规模化市场的赋能。

中国庞大的制造业与零售业为AI提供了得天独厚的使用场景。这种海量数据与复杂业务逻辑的结合，使中国公司能够在生产环节中构建真正可扩展的系统，让技术在实际落地中完成高效迭代。

其次是社会对新技术的包容与开放态度。

回顾新能源汽车、太阳能、智能手机及自动驾驶的发展历程，张予彤认为，中国用户与企业对提升生产力的新工具展现出极高的拥抱意愿，“对技术的开放性和拥抱新技术的态度，是中国非常独特的优势”。张予彤补充。

最后是“基建先行”的思维模式。

中国在电力供应、跨区域高速公路以及多城市巨型数据中心方面的持续投入，有效降低了能源获取成本。这种数字基建的领先地位，确保了前沿创新不受能源瓶颈阻碍，为技术爆发提供了稳固支撑。

中国AI的另类突围之路

除了宏观环境，还有企业在有限资源下，倒逼出的差异化路线。

作为对比，2025年，OpenAI、英伟达、甲骨文携手大兴基础设施，这场建设热潮累计投资超过2万亿美元。

如果说硅谷在探索AI算力的上限，那么中国正在探索AI效率的极致——他们告别了狂热比拼算力规模的军备竞赛，聚焦能力密度，依托开源生态，构建能让普通人用起来的Open weights（权重开放）技术方案。

以Kimi为例，资源只有美国顶尖实验室的1%，“从创业第一天起我们就清醒地意识到，中国初创公司没有随意堆砌算力的条件”。

“这迫使我们通过大量的基础研究创新来换取极致的效率。”张予彤透露，Kimi投入了大量精力将工程化思维引入研究环节，确保所有算法创新都能在生产系统中大规模稳定运行。

例如，Kimi是全球首个在大型语言模型训练中跑通Muon优化器的公司；同时，自研的线性注意力机制（Kimi Linear）在处理速度上已显著超越传统的全注意力系统，实现了效率的跨越式提升。

晦涩的技术名词背后，逻辑很简单：通过重构底层算法，让同样的算力产出更高的智能。这种对于资源的高效利用，所沉淀下来的经验与手感，不是堆砌算力就能获得的壁垒。

就像张予彤在Panel中的观点，AI会重构组织效率与协作形式，又反哺给了Kimi自身。

在全球开源榜单多次登顶的Kimi只有300人，而这种效率优势正快速转化为平权生产力。

“现在我们收到的大量简历不再是PDF，而是个人网站链接。即使是完全不懂代码的人，也能通过AI生成的网页代码展示才华。AI让专业技能平权化，释放了每个人的个体创造力。”

而在达沃斯被问及今年是否会出现新的“中国AI时刻”时，张予彤笑着回应：“我们很快就会发布一个新模型。”

结尾

很多人会用中美AI技术竞赛形容目前情况，但这并不是百米冲刺，而是漫长马拉松，所以，AGI需要理想主义者的长期主义信仰支撑。

中国AI从早期的落后到如今几乎追平，也为AI全球叙事书写了新的一页。

现如今，中美差距的本质是“路径选择”，若只看单一顶尖模型能力，差距确实存在。 但若看性价比与生态能力，中国企业与硅谷，既有竞争又有互补。现在，中国AI正在成为效率、创新、工程能力的出色代表，也为全球AI发展与企业创新提供了新的可能。