思科2026年AI峰会五大洞察及领导力的重要意义

思科系统公司本周举办了第二届年度AI峰会，汇聚了人工智能领域的明星阵容。与大多数厂商活动不同，思科AI峰会被设计成一场"智慧碰撞"，汇聚"AI经济的建设者"，帮助行业超越炒作，解决AI重塑世界的实际现实。从向智能体工作流程的转变到自动化的人口统计学必要性，以下是定义本次峰会的五个核心观点：

2026年：智能体AI投入生产的关键年份

尽管2025年被大规模实验所定义，峰会领导者的共识是，2026年将标志着智能体AI的正式转折点——能够推理、规划和执行复杂任务的自主系统。

思科首席执行官查克·罗宾斯开场时指出："对于本周参会的所有企业客户，我们都相信2026年将成为AI的转折点——这将是智能体应用的元年。"OpenAI集团CEO萨姆·阿尔特曼在与思科总裁兼首席产品官吉图·帕特尔的会谈中呼应了这一观点，描述了当前模型能力和界面的融合为另一个"ChatGPT时刻"。

阿尔特曼观察到："这是我第一次感受到另一个ChatGPT时刻——对知识工作未来的清晰预见。"从"聊天机器人到智能体"的转变改变了工作的基本架构。正如帕特尔所解释的，我们正从智能助手转向能够主动修复基础设施问题甚至在最少人工干预下构建完整软件的系统。

虽然用例不易找到，但确实存在。上周在RingCentral的收入启动会上，我遇到了Axis综合心理健康公司联合创始人利塞尔·佩雷斯，她解释了治疗师如何在后台运行智能体来捕获笔记并更新保险系统。这让临床医生能够更好地关注患者，让智能体AI承担繁重的工作，这是技术价值的绝佳示例。这是一个简单的用例，但对生产力和患者护理可能产生重大影响。

解决信任赤字和安全前提

峰会的反复主题是目前阻碍AI采用的重大信任赤字。我最近参加了在达沃斯举办的世界经济论坛，虽然AI是那里的核心主题，但AI信任这个概念在我参加的每场会议和与每位参会者的交谈中都无处不在。

在以往的技术转变中，安全往往被视为生产力的可选权衡。在AI时代，安全已成为不可协商的先决条件。

"如果人们不信任这些系统，他们永远不会使用它们，"帕特尔直言不讳地表示。这种信任必须延伸到堆栈的每一层：数据、模型、基础设施和智能体本身。思科的回应是推出AI Defense平台，该平台不仅旨在将AI用于网络防御，还要保护AI本身免受滥用和数据泄露。

然而，信任远不止技术层面，这是罗宾斯与思科战略顾问安妮·纽伯格和思科国际事务特别顾问布雷特·麦古克小组讨论的主要主题。纽伯格强调，AI是有效对抗现代网络威胁的唯一方式。由于软件定义网络不断变化，识别"正常"与"异常"行为需要AI的速度来辅助无法再手动跟上的人类防护者。

两位专家都注意到华盛顿特区的重大脱节。政策制定者往往规制他们因高级政府办公室的安全限制而不日常使用的工具。麦古克警告说，不精确的监管可能让中国等竞争对手超越美国。

亚马逊网络服务公司CEO马特·加曼提供了一个易于理解的类比，突出了信任的重要性。他解释说，如果试图在木板上穿越峡谷，人会爬着过去。"搭建护栏作为安全保障，我们就能跑过去。"信任给我们信心，从而带来利用率，进而创造惠及所有人的涨潮。

正如许多人所指出的，AI是团队游戏，我认为罗宾斯的这句话是对整个行业的呼吁："我们谁都无法独自完成，因此信任真的至关重要。"这是事实，因为它将让我们跑向AI，而不是爬向AI。

人口统计学必要性：AI作为必需品

或许最有趣的宏观经济观点来自微软公司首席技术官凯文·斯科特，他认为AI不再是奢侈品，而是全球社会的"生物必需品"。指向日本等国家高中毕业生数量的峰值，斯科特强调了人口老龄化和出生率下降造成的迫在眉睫的劳动力危机。

"人口统计数据清楚显示日本人口在下降——中国、韩国也是如此，"斯科特指出。他认为AI是唯一能够在劳动力池萎缩时维持我们生活质量的技术干预措施。这将叙述从AI"抢走工作"转变为AI"填补空缺"，即人类人口统计学无法再维持的空缺。

这与银发海啸经济理论一致。例如，在美国农村地区（斯科特的母亲就住在那里），人才流失和人口老龄化创造了"零和"环境，一个人的收益就是另一个人的损失。斯科特将AI视为通过提高个人生产力到补偿缺失劳动力水平来将这些问题转变为"非零和"问题的工具。

斯科特的会议是很好的思维练习，但确实提供了两种对比未来：

乐观情况：人类使用AI"紧急解决超级重要的问题"——治愈疾病、管理能源转型和支持老龄化社会。

悲观情况：我们陷入"肤浅模式"，将大量计算资源用于分心。他幽默地指出，他自己的孩子一半时间用AI进行生物医学工程，另一半时间创造"绿色大屁股羊驼的图片"。

哪个会成真？互联网已经表明我们可以两者兼顾，但解决问题和改变我们工作、生活、学习和娱乐的方式引领潮流，有趣的东西来得要晚得多。

为"富足"重新设计工作

英伟达公司CEO黄仁勋已经承担了AI诺查丹玛斯的角色。在他的小组讨论中，他挑战领导者采用富足心态。他认为AI将智能成本降低了如此数量级，我们必须停止思考如何在小任务上节省时间，开始思考解决不可能的问题。

"富足的定义是你看到一个如此巨大的问题，你说，你知道吗，我要全部解决，"黄仁勋解释道。他鼓励领导者通过实验"让千花齐放"，而不是要求立即的逐项ROI电子表格。对黄仁勋来说，真正的风险不是成为第一个采用AI的，而是成为最后一个。"你不会因为AI失去工作，"他说。"你会输给使用AI的人。"

这种增强而非替代劳动力的概念有点像薛定谔的猫，因为它既真又假。世界经济论坛在达沃斯提供的一项统计数据表明，AI确实会取代9200万个工作岗位，但也会创造1.7亿个新岗位。如果以互联网为类比，同样的事情发生了——我们不再从市中心的售票亭买机票，而是从网站购买。然而，互联网民主化了飞行的机会，现在航空业雇佣的人员比以往任何时候都多。

虽然黄仁勋关于工作需要重新设计的观点是正确的，但企业领导者重要的是要对现有员工进行技能再培训，这样他们就能成为1.7亿新工作的一部分，而不是被排除在外。

用合成和物理数据弥合数据鸿沟

峰会突出了一个迫在眉睫的瓶颈：我们在公共互联网上用尽了高质量的人工生成数据。为了继续模型改进的指数曲线，行业正在转向合成数据和机器生成数据。

World Labs公司CEO李飞飞博士指向下一个前沿：空间智能。而大语言模型已经在干净的文本上进行训练，像素和体素的物理世界要混乱得多。李飞飞认为，要让AI达到真正的通用智能或AGI，它必须开发理解3D空间、因果关系和重力的世界模型。"理解...真实3D、4D物理世界的能力是基础，"李飞飞解释道。这种物理AI将在机器人技术、医疗保健和城市规划中释放下一波价值。

李飞飞的会议为IT领导者提出了一些要点，说明为什么他们需要将AI视为不仅仅是聊天机器人。首先，语言是相对较新的智能，只有大约50万年历史，而感知、视觉和触觉已经进化了超过15亿年。AGI需要掌握语言和感知，这就是World Labs所承担的挑战。

此外，通往通用机器人或物理AI的道路比自动驾驶汽车难得多。汽车只需避免碰撞；机器人必须操纵它们而不破坏它们。3D数据的稀缺是真实的，但高保真合成数据的出现正在创造一个飞轮，将比我们想象的更快地加速物理AI。

如果一家公司的AI策略100%专注于文本和数据，就错过了许多企业所处的3D世界。从仓库车间到手术室，空间智能是将定义下一个十年的水平层。

领导力的评论：它是倍增器

峰会最后但最重要的会议之一来自思科首席人事、政策和目标官弗兰辛·卡苏达斯。她和我进行过几次对话，最近一次是在达沃斯，关于AI成功是如何由领导力而非技术驱动的，或者更多是由领导力驱动的。她提供了一些有趣的数据，表明AI采用不是自下而上的草根运动，也不是通过电子邮件传达的自上而下的指令；它是积极领导力的直接反映。她在思科的研究表明，现代时代的"狮子"（类似古代地图用来突出未探索或危险领域的短语）——模糊性、道德不确定性以及不断发展的工作与静态技能之间的差距——只能通过领导行为的转变来驯服。

卡苏达斯挑战了将过渡缓慢或技能差距归咎于员工队伍的常见高管叙述。相反，她将领导者呈现为动力的主要引擎。根据思科的内部数据：

采用是个人的：AI采用不遵循"企业邮件惊喜"；它遵循领导者的可见行为。

2倍效应：当领导者积极将AI整合到自己的工作流程中时，其团队的采用率不仅增长——而是翻倍。

新的人才档案：领导者必须从只重视稳定性和过往表现转向寻求整个企业（包括财务、法律和人事部门）的好奇心、主动性和技术热情。

卡苏达斯最后呼吁领导者摆脱基于恐惧的叙述，转向对员工的根本信心立场："未来不属于那些等待地图完成的人，"她说。"它属于那些无畏地与狮子同行的人。"

商业领导者，轮到你们用AI引领潮流了。

Q&A

Q1：智能体AI与传统聊天机器人有什么区别？

A：智能体AI是能够推理、规划和执行复杂任务的自主系统，可以主动修复基础设施问题或构建完整软件。而传统聊天机器人主要是被动响应的智能助手。

Q2：为什么2026年被认为是智能体AI的转折点？

A：虽然2025年主要是实验阶段，但业界领袖普遍认为2026年将是智能体AI正式投入生产应用的关键年份，这时模型能力和界面融合将带来另一个"ChatGPT时刻"。

Q3：AI如何应对人口老龄化带来的劳动力危机？

A：随着日本、中国、韩国等国家人口下降和老龄化加剧，AI被视为维持生活质量的必要技术干预措施，通过提高个人生产力来填补劳动力缺口。