“最稀缺的，不是Token，而是1000個(gè)‘亨利·福特’”

題圖：AI生成

這是虎嗅WAIC“追尋Token商業(yè)新范式”系列文章第16篇

過去兩年，長江商學(xué)院教授孫天澍一直在學(xué)術(shù)和產(chǎn)業(yè)一線研究“AI如何重構(gòu)千行百業(yè)”，孫教授曾是南加州大學(xué)商學(xué)院和計(jì)算機(jī)系終身教授，也曾在Meta、阿里巴巴任職，產(chǎn)學(xué)跨界，AI與商業(yè)交叉。虎嗅與他有過多輪討論。最近兩次，發(fā)生在今年5月與7月。

5月與他對(duì)話時(shí)，AI市場(chǎng)正沉浸在Token調(diào)用量與基礎(chǔ)設(shè)施擴(kuò)張的上升敘事中；

到7月，技術(shù)繼續(xù)向代碼智能體和復(fù)雜任務(wù)執(zhí)行推進(jìn)，資本也仍在追逐頭部公司與算力建設(shè)——但市場(chǎng)的追問已經(jīng)改變?yōu)椋焊吖乐岛途揞~Token開支，何時(shí)才能兌現(xiàn)為真實(shí)生產(chǎn)力和產(chǎn)業(yè)價(jià)值？

AI仍是資本市場(chǎng)最擁擠的交易之一，但圍繞其投入規(guī)模與回報(bào)可持續(xù)性的分歧，卻在同步加大。

相比5月那次，在7月這次對(duì)話中，孫教授的判斷進(jìn)一步收斂：Token只是供給端的計(jì)量單位，消耗并不等于價(jià)值；真正的價(jià)值，要看AI能否進(jìn)入產(chǎn)業(yè)場(chǎng)景，完成可衡量的任務(wù)，形成業(yè)務(wù)閉環(huán)，并最終沉淀為企業(yè)自己的智能體系統(tǒng)。

一如既往，他仍然堅(jiān)持——

中國這一輪AI更大的機(jī)會(huì)，不在復(fù)制新的消費(fèi)互聯(lián)網(wǎng)，而是在AI To B：智能體對(duì)千行百業(yè)的產(chǎn)業(yè)重構(gòu)； 每個(gè)垂直產(chǎn)業(yè)都可以借助AI擁有自己的“產(chǎn)業(yè)大腦”，每個(gè)企業(yè)都需要建立自己的“智能體系統(tǒng)”； 完成這場(chǎng)轉(zhuǎn)化，需要一批理解產(chǎn)業(yè)隱性知識(shí)、業(yè)務(wù)架構(gòu)和組織變革且有AI原生思維的“亨利·福特”——他們不是給舊流程增加一個(gè)AI功能（+AI），而是第一性原理重新設(shè)計(jì)生產(chǎn)方式、商業(yè)模式與產(chǎn)業(yè)秩序（AI+），就如福特先生在100年前的電氣時(shí)代，在底特律高地公園，設(shè)計(jì)圍繞電力為中心的“流水線模式”那樣，重構(gòu)生產(chǎn)力與生產(chǎn)關(guān)系，開創(chuàng)了汽車工業(yè)“電力原生”新時(shí)代。

以下內(nèi)容，虎嗅根據(jù)訪談實(shí)錄整理，為了閱讀體驗(yàn)，進(jìn)行了適當(dāng)編輯，但不影響訪談?wù)弑磉_(dá)原意。

產(chǎn)業(yè)要從AI的“消耗”轉(zhuǎn)向“價(jià)值”

虎嗅｜四五月我們第一次聊Token經(jīng)濟(jì)時(shí)，你對(duì)此很興奮。到了7月，你的判斷發(fā)生了什么變化？

孫天澍：資本市場(chǎng)和產(chǎn)業(yè)競(jìng)爭(zhēng)都有階段性。過去兩三個(gè)月，AI應(yīng)用的增長速度、智能體產(chǎn)品形態(tài)和爆款應(yīng)用的出現(xiàn)速度，都有一定放緩。企業(yè)端也開始重新計(jì)算投入產(chǎn)出。資本市場(chǎng)也開始出現(xiàn)波動(dòng)和回調(diào)。

但這不等于AI的長期趨勢(shì)發(fā)生了逆轉(zhuǎn)。供給端仍然在持續(xù)變好：模型會(huì)更聰明，推理成本會(huì)繼續(xù)下降，芯片、能源、算力調(diào)度等基礎(chǔ)設(shè)施也會(huì)繼續(xù)進(jìn)步。問題在于，需求端和商業(yè)化沒有同步以同樣的速度打開。

我的判斷是：對(duì)AI，短期需要更理性，中長期仍然樂觀。問題不是AI模型不夠好，也不是智能體進(jìn)化不夠快，而是卡在千行百業(yè)的吸收和重構(gòu)上。目前的應(yīng)用擴(kuò)散速度和商業(yè)化模式，能不能支撐資本市場(chǎng)已經(jīng)給出的短期預(yù)期，是一個(gè)問號(hào)。

資本市場(chǎng)容易把供給端的指標(biāo)——比如算力、Token消耗、模型參數(shù)和調(diào)用量——直接等同于價(jià)值端的增長。但這中間還隔著產(chǎn)品、場(chǎng)景、付費(fèi)意愿和商業(yè)閉環(huán)。供給端持續(xù)上行沒有問題，真正需要驗(yàn)證的是，這些能力最終能不能轉(zhuǎn)化成穩(wěn)定的場(chǎng)景價(jià)值。

虎嗅｜確實(shí)，過去半年來，Token經(jīng)濟(jì)的說法很時(shí)髦，但近來越來越多的聲音出現(xiàn)：Token消耗不能直接代表AI創(chuàng)造的價(jià)值。

孫天澍：Token是一個(gè)很好的供給端計(jì)量單位，但它不等于價(jià)值本身。它更像一種新的燃料：下面連接能源、芯片、存儲(chǔ)、算力和前沿模型，上面連接智能體系統(tǒng)和應(yīng)用場(chǎng)景。我自己在學(xué)術(shù)上提出一個(gè)“AI價(jià)值倒三角”模型（下圖），最底層是能源、基礎(chǔ)設(shè)施、芯片生態(tài)和算力調(diào)度，再往上是模型和技術(shù)能力，最上面是產(chǎn)品、場(chǎng)景和產(chǎn)業(yè)價(jià)值。

“AI價(jià)值倒三角”模型

現(xiàn)在是下半部分火熱，上半部分溫吞，下半部分Token-per-Watt持續(xù)提升，上半部分Value-per-Token在求索，芯片和模型把能源變成更聰明更高效的Token，而Token還沒有在上半部分To C和To B場(chǎng)景中帶來規(guī)模化的產(chǎn)業(yè)價(jià)值，而AI長期健康發(fā)展的終局是下面的持續(xù)投入放大成為上面千行百業(yè)的價(jià)值，最終在倒三角中形成一個(gè)自我實(shí)現(xiàn)的正循環(huán)。

過去一段時(shí)間，資本市場(chǎng)和AI公司容易形成一種錯(cuò)覺：Token消耗得越多，價(jià)值就越大。但這個(gè)判斷隱含了一個(gè)前提——更多調(diào)用一定會(huì)轉(zhuǎn)化為更高的場(chǎng)景價(jià)值，現(xiàn)實(shí)并非如此。

同樣數(shù)量的Token，用在低價(jià)值內(nèi)容生成，和用在新藥研發(fā)、智能制造、患者管理、保險(xiǎn)精算、物流決策等產(chǎn)業(yè)場(chǎng)景上，產(chǎn)生的價(jià)值完全不同。Token可以衡量“消耗了多少智能”，卻不能單獨(dú)回答“創(chuàng)造了多少價(jià)值”。

虎嗅｜那什么更接近AI時(shí)代真正的價(jià)值單位？

孫天澍：可能是“場(chǎng)景任務(wù)”，也可能是完成場(chǎng)景任務(wù)所需的更基礎(chǔ)的“認(rèn)知單元”，或者更宏觀層面一個(gè)智能體系統(tǒng)完成的“閉環(huán)結(jié)果”。高價(jià)值、高付費(fèi)，最終是按照你完成了什么任務(wù)、改變了什么結(jié)果來定義的。

企業(yè)CEO真正關(guān)心的，不是每天消耗一百億還是一千億Token，而是單位智能投入之后，如何在場(chǎng)景中通過智能體系統(tǒng)轉(zhuǎn)化成“場(chǎng)景任務(wù)”的完成，帶來某個(gè)“閉環(huán)結(jié)果”的改變；是否為企業(yè)在場(chǎng)景中收入、效率、研發(fā)、風(fēng)險(xiǎn)控制或客戶價(jià)值帶來了什么變化；以及一個(gè)系統(tǒng)有沒有進(jìn)入業(yè)務(wù)流程，有沒有形成反饋和持續(xù)迭代，耗用Token和創(chuàng)造價(jià)值之間的ROI是多少，等等。

Token的確便于計(jì)量，但隨著價(jià)格持續(xù)下降 和單位任務(wù)耗用的上升，它作為度量衡的長期穩(wěn)定性會(huì)變?nèi)酢?/strong>

總之，產(chǎn)業(yè)需要從“使用了多少AI”轉(zhuǎn)向“AI在業(yè)務(wù)中完成了什么任務(wù)”。只有當(dāng)智能能力被轉(zhuǎn)化為可衡量的任務(wù)和結(jié)果，Token才有商業(yè)意義。

虎嗅｜你上面所說的“AI價(jià)值倒三角”，這個(gè)模型其實(shí)就是想說明，在AI經(jīng)濟(jì)里，商業(yè)價(jià)值的分配大頭，最終還是要落到場(chǎng)景中。

孫天澍：如果一個(gè)企業(yè)在核心場(chǎng)景中通過智能體系統(tǒng)創(chuàng)造了100元的增量價(jià)值，在今天Token同一化定價(jià)下，基礎(chǔ)設(shè)施和模型廠商可能只拿走了少量的價(jià)值，芯片生態(tài)拿走5元，能做出最好Token的前沿模型廠商和云廠商拿走15元（比如Seedance在多模態(tài)的應(yīng)用），而剩下80元由應(yīng)用企業(yè)拿走，比如醫(yī)療中的患者管理、智能制造中的工藝優(yōu)化、科學(xué)研究中的新材料發(fā)現(xiàn)、保險(xiǎn)中的銷售和理賠、營收?qǐng)鼍爸械膹V告投放轉(zhuǎn)化，這些場(chǎng)景價(jià)值會(huì)在產(chǎn)業(yè)鏈的不同環(huán)節(jié)重新分配。

因此，模型公司一定會(huì)往上走，尋找更高價(jià)值的場(chǎng)景，并且形成端到端的服務(wù)；場(chǎng)景公司也會(huì)把模型和Token成本封裝進(jìn)自己的產(chǎn)品，按照原有產(chǎn)業(yè)能夠接受的服務(wù)價(jià)格收費(fèi)。

100元的增量商業(yè)價(jià)值，大頭應(yīng)該落在場(chǎng)景方

未來真正重要的是，誰能把同樣的算力轉(zhuǎn)化為更聰明、更高效、更有結(jié)果的系統(tǒng)。這就是我經(jīng)常說的，未來企業(yè)的競(jìng)爭(zhēng)是“智能體系統(tǒng)”的競(jìng)爭(zhēng)。

虎嗅｜為什么價(jià)值最終會(huì)沉淀為“智能體系統(tǒng)”，而不是一款模型或一個(gè)單獨(dú)的Agent？

孫天澍：底層模型能力會(huì)持續(xù)提升，但在垂直場(chǎng)景和行業(yè)場(chǎng)景本身還需要編排和架構(gòu)智能體，并且通過后訓(xùn)練來持續(xù)迭代。感知、多模態(tài)、推理等基礎(chǔ)能力越來越強(qiáng)，不代表它們會(huì)自動(dòng)在一個(gè)具體崗位或業(yè)務(wù)中產(chǎn)生價(jià)值，也不代表可以在業(yè)務(wù)場(chǎng)景中持續(xù)迭代。

我曾經(jīng)在研究中嘗試把人的智能拆分成很多子能力。完成一個(gè)崗位或任務(wù)，并不是調(diào)用全部能力，而是重點(diǎn)調(diào)動(dòng)其中一部分，再按照流程進(jìn)行協(xié)同。AI也是一樣，需要把模型能力、工具、數(shù)據(jù)、技能、流程和反饋編排起來，形成一個(gè)持續(xù)迭代的系統(tǒng)，才能釋放場(chǎng)景價(jià)值。

所以未來企業(yè)的核心資產(chǎn)，不只是模型，也不是單一Agent，而是能夠圍繞業(yè)務(wù)場(chǎng)景 持續(xù)運(yùn)轉(zhuǎn)、反饋和迭代的智能體系統(tǒng)。

虎嗅｜這種智能體系統(tǒng)會(huì)成為一種新的生產(chǎn)資料嗎？

孫天澍：一定會(huì)。但它和傳統(tǒng)勞動(dòng)力不同，它會(huì)與資本、流程和企業(yè)資產(chǎn)更深地耦合。

過去企業(yè)的生產(chǎn)力來自勞動(dòng)力 、資本投入 和科技的函數(shù)組合，三者相對(duì)獨(dú)立，互為補(bǔ)充。未來，智能體系統(tǒng)會(huì)進(jìn)入這個(gè)生產(chǎn)函數(shù)，并且可能與資本、勞動(dòng)力、科技投入融為一體，固定資產(chǎn)是智能體系統(tǒng)，可變資產(chǎn)是Token，持續(xù)產(chǎn)生價(jià)值。

我一直認(rèn)為，具身智能的范圍遠(yuǎn)遠(yuǎn)超過人形機(jī)器人，而智能體系統(tǒng)的涵義又遠(yuǎn)遠(yuǎn)大于具身。黑燈工廠里的智能流水線，本身就是一種具身智能資產(chǎn)。它不一定表現(xiàn)為五百個(gè)人形機(jī)器人站在生產(chǎn)線上，而可能是一條能夠感知、決策、協(xié)同和自我優(yōu)化的生產(chǎn)系統(tǒng)。

虎嗅｜這和五年前企業(yè)購買SaaS、或者今天給舊軟件增加一個(gè)AI功能，有什么本質(zhì)不同？

孫天澍：過去很多數(shù)字化產(chǎn)品是在原有流程上增加一個(gè)功能，或者把線下環(huán)節(jié)搬到線上。AI To B如果只停留在功能層，也很容易變成新一輪工具采購、紅海競(jìng)爭(zhēng)。

真正的變化，是從以人為中心的流程，逐步變成以人和智能體共同協(xié)同、甚至以智能體為決策中心的流程。它會(huì)進(jìn)入研發(fā)、生產(chǎn)、銷售和服務(wù)的內(nèi)部，而不是只在外面增加一個(gè)入口。

我把它稱為一種“內(nèi)爆”：不是給舊系統(tǒng)打一個(gè)新功能補(bǔ)丁，而是重構(gòu)內(nèi)部生產(chǎn)和創(chuàng)新方式。只有走到這一步，AI才從工具變成資產(chǎn)，企業(yè)從+AI走向AI+，Token規(guī)模化變成價(jià)值。

AI To B，可能是中國這一輪最大的機(jī)會(huì)

虎嗅｜你為什么更看好AI To B，而不是首先押注To C的爆發(fā)？

孫天澍：To C當(dāng)然會(huì)出現(xiàn)新產(chǎn)品，但用戶的注意力和消費(fèi)力短期沒有巨大的新增。移動(dòng)互聯(lián)網(wǎng)時(shí)代，人們從功能機(jī)遷移到智能手機(jī)，幾十億人的使用時(shí)長和消費(fèi)入口發(fā)生了大規(guī)模轉(zhuǎn)移；但今天用戶每天在手機(jī)上已經(jīng)花了很長時(shí)間，很難再從七小時(shí)變成十七小時(shí)，而手機(jī)上消費(fèi)決策也與社零趨勢(shì)一致。

能看到，今天的AI內(nèi)容產(chǎn)品，很多仍然是在提高生產(chǎn)供給效率，但沒有創(chuàng)造出全新的消費(fèi)物種。并不是因?yàn)樾≌f、短劇或視頻由AI生成，用戶就愿意同比例多看。換句話說，AI內(nèi)容供給增加五倍，并不意味著用戶時(shí)長會(huì)增加五倍。真正的產(chǎn)業(yè)增量突破需要出現(xiàn)一種比現(xiàn)有內(nèi)容更強(qiáng)、讓用戶感到“從無到有”的體驗(yàn)。除非這種新體驗(yàn)出現(xiàn)，否則很多To C產(chǎn)品仍然是在爭(zhēng)奪現(xiàn)有注意力。

相比To C，我更看好AI To B的產(chǎn)業(yè)重構(gòu)。智能體在千行百業(yè)的場(chǎng)景中給To B帶來的生產(chǎn)力增量，可能堪比移動(dòng)互聯(lián)網(wǎng)給To C帶來的增量。

To B的價(jià)值更容易落到研發(fā)、生產(chǎn)、銷售和服務(wù)結(jié)果上，不只是移動(dòng)互聯(lián)網(wǎng)帶來供需關(guān)系的重新匹配，而是Agent帶來對(duì)生產(chǎn)力和創(chuàng)新的增量。

虎嗅｜那你認(rèn)為什么樣的產(chǎn)業(yè)場(chǎng)景，最有可能率先跑出高價(jià)值A(chǔ)I？

孫天澍：我會(huì)看某個(gè)產(chǎn)業(yè)是否具備“增量智能體密度”，也就是說：新增智能能力能夠創(chuàng)造多少過去不存在的增量價(jià)值。

有些行業(yè)的需求非常明確，但過去受限于人的供給數(shù)量和智力能力。醫(yī)生供給不足，科學(xué)家無法無限迭代，新藥和新材料研發(fā)也受制于實(shí)驗(yàn)速度。AI如果能在這些環(huán)節(jié)形成新的發(fā)現(xiàn)、決策和閉環(huán)，它帶來的不是簡單提效，而是過去無法獲得的能力。

真正高價(jià)值的場(chǎng)景，通常同時(shí)具備幾個(gè)特征——專業(yè)供給不足、單次決策價(jià)值高、結(jié)果可以衡量，而且業(yè)務(wù)模式有被重構(gòu)的空間。

虎嗅｜Claude Code已經(jīng)證明了橫向?qū)I(yè)場(chǎng)景的價(jià)值。每一個(gè)縱向垂直產(chǎn)業(yè)，是否都會(huì)有自己的“Claude Code”？

孫天澍：垂直產(chǎn)業(yè)的Claude Code是AI下半場(chǎng)的最大機(jī)會(huì)。AI編程之所以先跑出來，是因?yàn)榇a是很多專業(yè)任務(wù)中最通用、最容易客觀衡量結(jié)果的場(chǎng)景。再往產(chǎn)業(yè)深處看，營銷、物流、保險(xiǎn)、工業(yè)研發(fā)等領(lǐng)域，也有類似特征。

可以這樣理解。未來很多行業(yè)都會(huì)出現(xiàn)自己的“產(chǎn)業(yè)大腦”或核心智能系統(tǒng)。它不是把通用模型包裝一層，而是把行業(yè)的場(chǎng)景、數(shù)據(jù)、隱性知識(shí)、工具和經(jīng)營反饋真正連接起來。

比如養(yǎng)殖業(yè)可以把每頭牛的傳感器、養(yǎng)殖數(shù)據(jù)和經(jīng)營結(jié)果連接起來；零售業(yè)可以把庫存、銷售、生產(chǎn)和補(bǔ)貨連接起來；制造業(yè)可以把研發(fā)、工藝、生產(chǎn)和質(zhì)量反饋連接起來。

橫向工具解決的是相對(duì)通用的專業(yè)任務(wù)，縱向系統(tǒng)要進(jìn)入產(chǎn)業(yè)的完整閉環(huán)。每個(gè)垂直行業(yè)都可能出現(xiàn)很大的公司，但前提是它真正理解產(chǎn)業(yè)場(chǎng)景，真正有垂直知識(shí)，有獨(dú)特Harness，模型后訓(xùn)練和強(qiáng)化學(xué)習(xí)持續(xù)迭代，而不是只把通用模型包裝一層。

孫天澍認(rèn)為，每一個(gè)縱向產(chǎn)業(yè)，都會(huì)有自己的“claude code”

虎嗅｜你好像特別偏愛醫(yī)藥醫(yī)療這個(gè)行業(yè)，看好它的AI高價(jià)值屬性。

孫天澍：它的一個(gè)方向在研發(fā)側(cè)。新藥、新材料和科學(xué)發(fā)現(xiàn)需要更快、更全面的實(shí)驗(yàn)閉環(huán)，包括藥物發(fā)現(xiàn)、干實(shí)驗(yàn)、濕實(shí)驗(yàn)、數(shù)據(jù)分析和持續(xù)迭代。AI可以把過去受限于科學(xué)家數(shù)量和實(shí)驗(yàn)速度的工作，變成更高頻的發(fā)現(xiàn)過程。

另一個(gè)方向在服務(wù)側(cè)，尤其是個(gè)性化患者服務(wù)。健康消費(fèi)的彈性很大，隨著老齡化和長壽需求增長，人們?cè)敢鉃楦玫慕】到Y(jié)果和個(gè)性化陪伴付費(fèi)。

研發(fā)與服務(wù)還可以耦合：理解患者、積累真實(shí)世界數(shù)據(jù)，再反過來幫助適應(yīng)癥開發(fā)和新藥研發(fā)。醫(yī)療中存在大量分工和支付結(jié)構(gòu)，也可能與保險(xiǎn)等支付方式結(jié)合。

但是，跟所有行業(yè)一樣，醫(yī)藥醫(yī)療真正的門檻不只是行業(yè)當(dāng)下的知識(shí)和信息，而是對(duì)產(chǎn)業(yè)系統(tǒng)如何運(yùn)作的第一性原理理解，并且用無限供給的智能體去架構(gòu)下一代產(chǎn)業(yè)形態(tài)和組織形式。

醫(yī)藥醫(yī)療里有大量隱性知識(shí)，比如宏觀上醫(yī)藥行業(yè)政策的演化和背后原因、醫(yī)藥企業(yè)如何配置資源、各個(gè)渠道銷售和支付的底層邏輯、創(chuàng)新藥的臨床、批準(zhǔn)、準(zhǔn)入、微觀上醫(yī)生的職業(yè)發(fā)展訴求，醫(yī)生怎樣和患者、家屬溝通，慢病如何長期管理，患者追求的是科學(xué)事實(shí)還是心理安慰，患者的多渠道購藥行為；在創(chuàng)新上還要理解新藥周期、熟悉集采、準(zhǔn)入、渠道、醫(yī)院、醫(yī)生和藥店之間的關(guān)系等。

這些東西外人很難只靠讀資料學(xué)會(huì)。知識(shí)可以快速獲取，但對(duì)行業(yè)如何運(yùn)作的理解和架構(gòu)能力形成得很慢。這也是為什么AI to B需要時(shí)間和積累的重要原因， Palantir的Ontology也是一點(diǎn)點(diǎn)積累出來的。而當(dāng)下的AI to B跟5年前的SaaS也截然不同，不只是在原有產(chǎn)業(yè)價(jià)值鏈某個(gè)環(huán)節(jié)和功能性場(chǎng)景的修修補(bǔ)補(bǔ)，而是一次全產(chǎn)業(yè)從human-centric到agent-centric的內(nèi)爆重構(gòu)。

下一代偉大的垂直AI公司，必須把行業(yè)和場(chǎng)景的隱性知識(shí)變成可用的“智能體系統(tǒng)資產(chǎn)”。微軟納德拉最近也撰文提到每個(gè)企業(yè)都必須沉淀“Token資產(chǎn)”，Palantir創(chuàng)始人Alex Karp最近抨擊Anthropic也重點(diǎn)講到企業(yè)和行業(yè)需要自主可控的垂直模型。

虎嗅｜中國為什么特別有機(jī)會(huì)在產(chǎn)業(yè)AI上形成領(lǐng)先？

孫天澍：中國是全球產(chǎn)業(yè)門類最齊全、產(chǎn)業(yè)生態(tài)最完整的國家之一。汽車、醫(yī)藥、精細(xì)化工、機(jī)械制造等行業(yè)，都有復(fù)雜而真實(shí)的場(chǎng)景，也積累了大量數(shù)據(jù)、流程、技術(shù)專家和隱性知識(shí)。

我在學(xué)術(shù)研究中提出，AI To B的三個(gè)核心資產(chǎn)是場(chǎng)景、數(shù)據(jù)和智能體。今天很多場(chǎng)景資產(chǎn)還沒有被合理定價(jià)，數(shù)據(jù)資產(chǎn)也沒有被沉淀和泛化，更沒有一批真正懂產(chǎn)業(yè)和懂智能體架構(gòu)的“AI產(chǎn)業(yè)架構(gòu)師”。誰能把三者整合起來，誰就可能形成下一代產(chǎn)業(yè)資產(chǎn)。

這不只是企業(yè)內(nèi)部提效。如果AI重構(gòu)了一個(gè)行業(yè)的生產(chǎn)函數(shù)、供需關(guān)系和價(jià)值分配，中國企業(yè)就可能借此改變?cè)谌虍a(chǎn)業(yè)價(jià)值鏈中的貢獻(xiàn)和相對(duì)位置，并結(jié)合中國的開源AI生態(tài)把我們的產(chǎn)業(yè)能力以“智能體產(chǎn)業(yè)大腦”賦能全球。

AI重構(gòu)千行百業(yè)，需要一千個(gè)“亨利·福特”