李开复×苏姿丰炉边对话：2026年，AI开始替代的将不是岗位，而是整个部门

【TechWeb】5月19日消息，在上海举办的 AMD AI 开发者日 2026（AMD AI DevDay 2026）上，零一万物 CEO 李开复博士与 AMD董事会主席及首席执行官苏姿丰博士展开了一场主题为“AI智能体新范式”的巅峰炉边对话。两位长期站在 AI 技术与产业基础设施前沿的行业领军者，围绕智能体、多智能体协作、开源生态、企业 AI 转型、开发者角色演进与下一代算力基础设施等议题，展开了深入交流，也对与会的技术人提出呼吁。

这场对谈把一个十分迫切的具体问题摆到了开发者和企业面前：当智能体真正进入核心业务一线，技术架构、组织责任、算力部署和商业回报将如何被重新定义？从单个 Agent 的能力边界，到企业核心职能的重构；从开发者个人能力的放大，到本地智算基础设施的重要性，这场对话试图回答的，正是 AI 从“可用”走向“可交付结果”之后的新命题。

如果说过去两年，行业关注的是大模型能否完成任务，那么接下来更值得关注的是：AI 能否稳定承担目标、协同执行结果，并真正影响企业经营。李开复博士与苏姿丰博士的讨论，不仅呈现了 AI 技术路线正在发生的根本变化，也揭示了下一阶段产业AI竞争真正的分水岭。

以下为访谈全文：

2026年AI 的核心问题：能否替代一个部门？

苏姿丰博士：过去一段时间，你一直在谈生成式 AI 正在迈向智能体时代。如今，越来越多人开始认为，2026 年可能会成为这一转变真正落地的一年。那么站在现在的时间点，你观察到了哪些变化，从而让你认为智能体与此前的生成式 AI 浪潮已经有了本质区别？

李开复博士：谢谢你，Lisa。非常高兴来到 AMD 上海开发者大会，也很高兴能和真正“在创造未来”的开发者们坐在一起。我认为，有两件关键的事情发生了变化，其中第二件尤为重要。

首先，AI 编程能力跨过了临界点。一年前，AI 还只能辅助编写代码、函数等等；而现在，它已经可以端到端地交付一整套功能。这听起来像是一个渐进式的进步，但其实不然。在座各位都知道，智能体在数字世界中的所有行为，本质上最终都会落到代码层面。一旦 AI 的编码能力跨过那个门槛，自主智能体就真正具备了成为现实的可能。

其次，更重要的变化在于，我们开始意识到：单一智能体的能力是有上限的。无论模型参数规模有多大，只依赖单个 Agent 的推理能力，在面对真实复杂问题时，终究会碰到瓶颈。而多智能体架构第一次打破了这个上限。负责规划、评估、研究和执行的不同智能体，开始彼此协作、相互辩论，并在彼此结果之上继续迭代。

这其实非常接近“美第奇效应（Medici Effect）”：当不同领域的专家被放进同一个房间时，最终产生的成果，会远远超过任何单一个体能力的简单叠加。

五百年前，在文艺复兴时期，人类已经发现了这一规律。直到21世纪的今天，我们第一次把这种机制带到了 AI 世界。

从技术路径上看，这意味着我们正在逐渐摆脱过去那种“试图用一个模型完成所有事情”的模式。未来的 AI，不会是一个“超级大脑”的独角戏，而会更像一个由不同智能系统协同运作的交响乐。正是基于这一趋势，我们着手部署专业化的多智能体系统，并逐渐走向“异构智能（Heterogeneous Intelligence）”阶段。不同类型的模型与算法会被组合在一起，用群体智能去解决更加复杂的问题。

2024 年最关受关注的问题是：“AI 能否完成一个任务？”

2025 年这一问题转变为：“AI 能不能完成一整条工作流？”

在2026年，这个核心问题已经进阶为“AI 能否替代一个企业的职能部门？”

以现代HR（人力资源）部门为例。当招聘 Agent 与绩效 Agent 实现联动后，系统就能够根据员工入职后的真实绩效数据，自动调整前端的人才筛选标准。从简历筛选、面试，到新员工入职，再到月度和季度绩效自动化跟踪，这些多智能体系统会围绕统一的人力资源数据持续运转升级。随着这种能力不断扩展，它最终会演变成一个彼此互联的企业多智能体协作网络，覆盖 HR、研发、产品、销售和市场等不同部门。

这种架构，也正在推动“One-Person Company（一人公司）”趋势的出现。借助模块化的多智能体框架，单个开发者或领域专家，如今已经有能力像“总架构师”一样，快速启动一家高度自动化运转的公司。

在由智能体驱动的新范式下，我们实际上已经跨过了“自主执行”的门槛。AI 正在从过去被动的“Prompt-and-Response（从提示词到响应）”模式，转向主动的“Goal-and-Execution（从目标到执行）”模式。未来，你不再是给 AI 一个 Prompt，而是直接给它一个组织目标。随后，智能体们会自行完成协同、执行、评估、优化，并形成完整闭环。

而这一新范式，也正在催生当前 AI 领域最巨大的商业机会：产业级 AI 转型。新时代真正的经济价值，不会来自只会“回答问题”的 AI 系统，而会来自能够真正执行企业目标的自主多智能体基础设施。

这也是零一万物所关注的核心方向。过去一段时间里，我一直在与全球各地的 CEO 和企业高管交流，以便更深入地理解：AI 将如何重塑生产力、组织结构以及未来的领导力。同时，我想这也会影响今天在场每一位开发者，驱使大家重新思考自己未来在 AI 时代会扮演怎样的角色。

AI 转型，为什么不能只靠 CIO？

苏姿丰博士：在你与 CEO 们的交谈中，他们是如何对待 AI 转型的？这对开发者社区有什么影响？

李开复博士：我看到了许多明显的问题。几乎每个企业目前都选择在不出错却价值很低的场景部署 AI。比如，会议纪要、人力资源员工答疑聊天机器人、企业内部搜索等等。这些都只是表面文章。

我很直白地告诉各位 CEO：不要只听你们的 CIO 。典型CIO们关注的是系统稳定运行、软件运行安全不出错，在这一轮深入企业核心业务命脉的 AI 变革中，反而可能成为阻碍进化的旧势力。因为 CIO 的职责，本质上是管理软件运营，而不是重新定义公司。CIO 擅长安全地部署 AI，但并不擅长推动组织层面的真正变革。多数由 IT 部门自下而上推动的 AI 转型，最终都会失败。

传统 CIO 这个角色不会消失，但它的重要性会被大幅削弱。因为 AI 并不只是一个新的软件工具，企业AI转型绝对是是一把手工程，需要企业领袖根本性的思维转变。

真正能够改变公司经营结果的，往往是那些直接影响损益表（P&L）的核心业务环节。而这些领域，恰恰也是很多高管最不愿意让 AI 介入的运营职能部门：收入、利润、防欺诈、动态定价、供应链、产品上市速度，以及核心创新能力。具有前瞻性的 CEO 们正在重新校准他们公司的运营方式、组织应如何改变，以及领导方式应该如何调整。

我也经常对 CEO 们说：如果你的 AI 部署，最终没有改变任何一个会出现在季度财报电话会议上的数字，那么你公司做的就不是真正意义的 AI 转型，只是浪费钱打造了一个 AI 实验室。

同样的话，我也想送给今天的开发者。任何参与商业研发的人，都应该用同样的方式思考问题。停止浮于表面的表演式 AI ，开始构建能真正深入业务实质的结构性引擎。

中国的开源生态将催生产业AI的“安卓系统”

苏姿丰博士：现在最让我兴奋的事情之一，就是开源 AI 社区正在涌现出大量创新，而且这个生态已经越来越全球化。你与中国的开源社区一直保持着非常密切的联系。那么，在这个生态中，开发者和贡献者们最近最让你感到兴奋的变化是什么？

李开复博士：开源的趋势势不可挡，它从根本上重写了全球 AI 的游戏规则，其发展格局与经典的智能手机大战如出一辙。闭源模型类似于苹果的 iOS，追求高利润并保持着对生态系统的强硬控制。而开源社区，则越来越像 AI 世界里的 Android。它拥有更广泛的全球覆盖，以及更大的用户规模。

正如 Lisa 刚才提到的，中国开源生态之所以表现得如此出色，背后存在着很深层的结构性原因。因为硬件资源有限，中国开发者和创业公司并没有条件依赖“大力出奇迹”的算力堆叠。在这种约束下，整个生态反而开始把重点转向极致的工程效率，更加关注算法优化、架构创新，以及如何把底层基础设施做得更精简、更强大。

它就像一个充满活力的、去中心化的学习小组，大家齐心协力为了在考试中取得好成绩，每个人都在其他人公开发布的成果之上进行创造，整个群体的能力也因此呈指数级增长。我确信，这种机制将为未来带来更多的进步与创新。

DRI模式重新定义技术人，人人都要把自己当CEO

苏姿丰博士：在 AMD，我们自己的工程师也在使用 AI 智能体，加速产品设计和验证流程。我们越来越明显地看到：今天，一个人如果拥有合适的工具和足够的算力，已经能够完成几年前需要整个团队才能完成的工作。你就“人与智能体协作”的趋势写了很多文章：那么，在那些真正以这种方式创业和开发的人身上，你最近观察到了哪些变化？

李开复博士：受限于此前的训练，大多数开发者都习惯于在代码层面思考所有权（Ownership）问题。比如，由一个人负责 GitHub 上的代码仓库和 PR（Pull request），另一个人负责值班轮换，另一个人负责某一个具体服务。这种责任边界其实是有边界的。它本质上只覆盖你能够通过键盘直接控制的部分，而现在，越来越多编码工作已经开始被 AI 智能体接管。

我想和大家谈谈一种打破这个边界的运营架构：DRI（Directly Responsible Individual，直接责任人）概念。

在软件工程中，交付产品的主要瓶颈很少是代码本身。而是所有权的模糊不清。责任分散、停滞的拉取请求以及偏离的路线图，通常都源于：很多人只是负责项目管理大表上的某一个环节，却没有人真正对最终结果负责。DRI 模型改变了这一点。

我预测 DRI 模型会成为 AI 原生公司最核心的组织架构。所谓 DRI，就是由一个人，对某个跨职能结果承担端到端责任。这不是一个职位头衔，而是一种非常明确的责任机制。就像系统运行手册里唯一指定的值班工程师：最终结果如何、业务影响如何，都由 DRI 责任人负责。

这个模式下，一个人类 DRI 会处于整个智能体系统的中心。围绕他协同工作的，是由研究、执行、合规和监控等不同 Agent 组成的专业化集群。DRI 不把时间精力花在具体执行上，而是负责整体编排、关键决策，并对最终的输出契约负责。与此同时，实时数据流会逐渐取代传统的汇报体系，业务运转也会越来越围绕具体、可量化的结果展开。

我认为，一个优秀工程师所具备的很多能力，和成为优秀 DRI 所需要的能力，几乎是高度一致的。

当你编写技术规范时，你其实是在尝试定义可量化的商业成果；当你给系统做监控、配置自动告警时，你其实是在建立衡量结果的机制。当你凌晨两点主动去 de-bug排查故障，而不是等别人通知你时，你展现出来的，其实正是 DRI 模式最核心的主人翁意识。

选择 DRI 模式，也意味着你必须重新定义“什么是个人成功”。在智能体时代，一个优秀工程师的价值，不再只是由“写了多少代码”来衡量。这也意味着，今天很多工程师的工作方式都会发生变化。

你不再只是关注系统，而是要对结果负责。优秀工程师通常都会非常重视监控系统，使服务具备极强的可观测性。DRI 则是把这种技术严谨性延伸到了他们所拥有的业务结果上。如果你是一个负责增长的 DRI，你不仅仅监控 API 延迟。你还要监控用户激活率、转化漏斗以及对收入的影响。你端到端地对完整结果负责。

你拥有决策权，而不仅仅是建议权。 工程师通常很擅长分析，但他们常常把产出物交给产品经理或高管去做选择。DRI 则需要自己完成闭环。你进行分析，你做决定，并对接下来发生的任何事情负责。刚开始会有些不习惯，但很快你就会进入状态。

你会有规划性地去配置你的智能体集群。 大多数非技术的 DRI 会把 AI 智能体当作黑盒来对待。但工程师不一样。工程师们发挥技术能力去监控智能体、评估它的输出、识别它的故障模式，并懂得如何围绕智能体集群建立更可靠的验证机制。

工程师的优势，会在这个时代被无限放大。你们拥有的不仅仅是给产品或业务的建议权，而是直接拥有决策能力。AI 正成为赋能技术人的新形态超能力。AI 正成为赋能技术人的新形态超能力。

智能体经济爆发前夜，推理算力走向前台

苏姿丰博士：你刚才谈到的这一切，背后都需要非常庞大的算力支撑。而且需要的还不只是单一算力，而是一整套能够协同工作的全栈算力体系。那么，当开发者和企业真正开始大规模运行智能体时，底层算力基础设施究竟需要具备哪些能力，才能支撑这一切真正运转起来？

李开复博士：Lisa，这已经完全进入你的专业领域了。智能体 AI 趋势底层的计算模式正在从根本上改变底层的计算模式。传统 AI 系统所要求的更多是稳定、持续的计算负载，而智能体系统则完全不同，它具有高度突发性，而且会产生大量并行计算。一个用户请求，可能会被拆分成20个或更多并行运行的智能体；这些结果汇总之后，又会再次触发下一轮 Agent 协同。从本质上看，智能体经济是“推理驱动”的经济，而推理与训练，其实是两种完全不同的计算模式。

要让多智能体协同真正具备现实可行性，系统必须满足几个条件：本地优先、端侧处理，以及低于 100 毫秒的响应延迟。而这正是当前硬件竞争真正分出胜负的地方。我认为，在这一趋势上，AMD 比很多公司都看得更早、更清楚。

随着 AI 开始走向多智能体架构，我们也必须重新思考“算力”本身。未来，极致的 token 效率以及本地化处理能力会是关键。

自主企业将诞生：数据主权与ROI成为产业AI新坐标

苏姿丰博士：我想用今天早上大会开场白环节的一句话作为结束：AI 时代仍然处于非常早期的阶段，真正精彩的部分，其实还在后面。展望未来，开发者接下来最有可能创造出的东西里，什么最让你感到兴奋？

李开复博士：未来，真正意义上的“自主企业”会诞生。驱动它的，将是跨部门、多层级协同运作的智能体网络。下一阶段的产业 AI 转型，会同时围绕两个核心问题展开：数据主权，以及清晰可验证的 ROI（投资回报率）。类似 AMD 的头部合作伙伴，正是构建“智算主权”的关键地基。

对于今天的开发者来说，最大的机会，是去构建那些过去需要一个完整团队才能完成、如今却可以由 AI 独立交付商业结果的 AI。AI 的角色，已经不再是“帮助营销人员提升效率的 AI工具”，而是能够真正承担营销职能的 AI Agent；不是“协助金融分析师的 AI工具”，而是能提供自动化财务分析的 AI Agent。

我曾与零一万物的工程师紧密合作，构建了一个“开复 AI”，作为我个人的决策智能体。我们发现，在大型企业中推动 AI 落地最快的方法，往往是由 CEO 或董事长自上而下推动。因为一旦 CEO 或 CFO 真正开始使用这些智能体，他们很快就会离不开它。当管理层真正接受智能体之后，AI转型自然会沿着企业组织结构不断向下推进。

如果你正坐在这个会场里，带着一台笔记本电脑，对系统编排有所了解，并有一个大胆的想法，那么你现在会比世界上任何一家财富500强企业的战略部门都更有优势。这一代开发者，正站在一个极其少见的时代窗口面前。

在这样一个时代里，最不应该做的，就是把自己的创造力，提前锁进一家大公司的组织体系里。

去创造属于你自己的事业吧！

苏姿丰博士：谢谢你，开复。

Cube01：多智能体时代的智算基础设施

李开复博士：我们一直非常重视开发者的使用体验。这次，在 AMD 强大的硬件能力基础上，我们进一步整合了零一万物“万智企业大模型平台”的模型能力与工具体系。万智不仅内置了多种领先模型，同时也能够直接打通企业知识库与核心业务工作流。这意味着，开发者可以根据不同场景，灵活选择最合适的模型，并快速把 AI 能力真正接入自身企业研发体系。

接下来，我想重点介绍 Cube01 的三个核心能力。我们认为，这也是它在智能体 AI 开发中的真正价值所在。

以下三大核心特性，我相信会让 Cube01 成为你开发智能体项目时独一无二的利器：

• 多智能体编排层（Multi-Agent Orchestration Layer）： 万智的多智能体框架实现了毫秒级的响应速度。这款“一体机”（One-Box）解决方案允许自主工作流持续运行，并动态调用不同工具，对多个 Agent 进行实时协同编排。你的 AI 智能体将保持“永远在线”（always-on）。

• AI 员工实体映射（AI Worker Entity Mapping）： 与传统的 AI 机器人不同，系统会为每个 AI 智能体分配一个独立的“数字身份”。你可以为它配置真实的业务权限、数据权限以及组织角色。AI 智能体能够精准识别业务上下文，并主动介入协作工作流。这样一来，AI 智能体就能像人类一样，在组织内部嵌入各自的虚拟角色。它们每一个都会成为独立的生产力节点，并与其他智能体协同合作来完成任务。

• 算力主权与安全（Compute Sovereignty and Security）： 通过与 AMD 的此次合作，Cube01 将高昂的云计算算力转化为自主可控、安全可靠的本地基础设施，从而为企业和组织确立了“智算主权”。过去，大家可能一直在为云计算按量付费，就像打网约车一样。而现在，你拥有了一辆绝对安全的专属专车。

最后，我还是想再次强调：我鼓励所有的工程师都要带着“结果导向”的思维去进行开发。我们非常期待看到大家借助 Cube01 蜕变成为一名能够独立负责结果，在 AI 时代组织里不可或缺的 DRI。谢谢大家！