专访德勤亚太管理委员会主席戴耀华：AI是长期红利 企业数字化进入“智能体协同”阶段

全球存储芯片行业迎来前所未有的“超级周期”，狂热之下，隐忧仍存。就在科技大厂纷纷推出各类专属“龙虾”产品之际，C端卸载“龙虾产品”的情绪却在蔓延，折射出技术供给热与落地需求冷之间的尖锐温差。

“这一现象反映出当前AI商业化进程中典型的供需错配，也是技术爆发初期常见的阶段性困境。”德勤亚太管理委员会主席、德勤亚太首席战略与创新官戴耀华在夏季达沃斯论坛期间接受21世纪经济报道记者专访时指出，AI对经济增长的赋能是深刻且长期的，我们正处于“数字化之后的智能化初期”，生产力层面的全面跃升将在未来五至十年逐步显现。而算力基础设施建设与智能服务发展实际处于同步推进之中，智能服务的规模化落地预计在2028年后步入爆发期。

在AI重塑全球经济版图的背景下，戴耀华留意到，中国企业的出海模式也出现了变化，从以往以营销渠道构建为主的产品输出型出海，转变为真正意义上的“国际化”发展战略。戴耀华表示，“中国企业不仅力求在海外目标市场扎根，实现供应链与运营机制的本土化自成体系，更在各国间统筹布局研发、生产制造乃至知识产权等多重功能。在满足各国产业保护与技术主权要求的前提下，它们以全球化视野为指引，致力于构建适应国际化发展目标的全球生态。”

AI对经济赋能长期存在

《21世纪》：对比历史上工业革命、电气化革命和互联网革命，AI对经济增长的驱动模式有何独特性？AI对经济增长的赋能是短期脉冲式，还是长期结构性的？

戴耀华：工业革命、电气化革命与互联网革命，本质上都是对人类特定能力局限的突破。与前三次技术革命不同，人工智能的突破性在于：它首次系统性地模拟乃至延伸人类的认知能力，并将这种能力泛化至对物理世界的理解、判断与干预。更重要的是，AI具备自我优化的内生动力——模型使用越频繁、数据积累越丰富，其性能便越强，进而吸引更多用户与场景，由此形成“数据—模型—价值”的正向循环。这种非线性增长特征，是以往技术革命所不具备的独特禀赋。

从经济影响来看，AI对增长的赋能是深刻、复杂且长期的。一方面，AI本身即构成一个规模庞大的新兴产业，涵盖算力、能源、基础设施等多个环节，其自身发展便能为GDP增长带来可观贡献；另一方面，AI作为通用技术，能够广泛赋能传统行业，既提升组织决策效率，也释放人才潜能，具有跨越周期的战略意义。

当前，我们正处于“数字化之后的智能化初期”——企业仍在推进数据积累、流程重构与组织适配，生产力层面的全面跃升，预计将在未来五至十年逐步显现。经典增长模型中“资本+劳动”的框架，正在扩展为“数据+算法+算力+人才”的新组合。AI不仅推动全要素生产率的提升，更催生了自动驾驶、生成式内容、智能制药等全新产业形态，为经济增长打开了结构性空间。

与此同时，AI正在倒逼企业治理结构、工作组织方式、教育体系乃至政策框架的系统性变革。从更宏观的视角看，AI已成为国家与地区间竞争力的核心维度。围绕AI战略布局、技术标准制定与产业生态构建的全球博弈，将进一步驱动长期投入与持续创新，形成源源不断的经济增长动能。

AI资本开支超级周期远未结束

《21世纪》：人工智能（AI）热潮加速袭来，各行业面临的数据处理需求爆发式增长。AI驱动的需求正在催生“超级周期”，这轮周期将持续多久？目前是否已经从聚焦算力等基础设施，转向智能服务的发展阶段？

戴耀华：本轮由人工智能驱动的“超级周期”被广泛视为一次长期结构性增长机遇，国际多家投资机构亦对此形成相关研判。贝莱德、摩根士丹利、富达国际、KKR等外资机构在2026年中期展望中达成共识，认为“AI资本开支超级周期远未结束”。

另据IDC预测，2024至2029年间，中国生成式AI市场的复合年增长率将达到68%，至2029年市场规模有望接近千亿美元，反映出中期应用落地的加速态势。基于此，IDC认为中国将成为全球最活跃的AI应用市场之一。

综合来看，AI驱动的“超级周期”具体能延续多久仍较难预判，其根本取决于AI产业投资与实际经济价值之间形成正向回报的速度。当前阶段，投资规模明显超过回报水平，唯有当回报逐步赶超投资，方能形成良性循环。

值得关注的是，算力基础设施建设与智能服务发展实际处于同步推进之中。当前各方更侧重于基础设施建设，核心在于对算力及相关资源（如土地、能源、光纤等）的争夺——这些均为AI发展中的关键瓶颈资源，提前布局将构筑显著先发优势。相较之下，智能服务的投资时点更具灵活性，二者由此呈现出当前阶段的战略性差异。不过，智能服务的规模化落地已初现曙光，预计在2028年后将逐步进入应用爆发期。

AI商业化出现供需错配

《21世纪》：科技大厂纷纷推出各类专属“龙虾”产品，但C端市场已出现“花钱卸载”的抵触情绪，面对“技术供给热”与“落地需求冷”的巨大温差，你认为这种现象揭示了当前AI商业化进程中的什么核心瓶颈？

戴耀华：这一现象反映出当前AI商业化进程中典型的供需错配，也是技术爆发初期常见的阶段性困境。其核心瓶颈可归结为以下三个方面：一是，功能导向而非问题导向，忽视真实用户场景。多数“龙虾产品”以展示技术先进性为目标，而非解决具体痛点。例如，某些AI助手频繁强制弹出、占用系统资源、推送无关信息，甚至自动开启语音监听，却未能提供精准、省时、个性化的服务。这种“为AI而AI”的设计逻辑，使产品沦为技术演示品，而非生活必需品。当AI功能带来的更多是干扰而非便利时，“花钱卸载”便成为理性选择，这恰恰体现了市场对伪需求产品的自然出清。

二是，封闭生态绑定，削弱用户自主权。“龙虾产品”常深度嵌入厂商自有生态系统，强制用户使用特定账户、云服务或订阅套餐，形成技术绑架。虽然短期内可提升用户黏性与数据收集能力，但长期却损害了体验的流畅性与选择自由。AI时代用户期待跨设备、跨平台、无缝协同的智能体验，而非被割裂于各自为政的“AI孤岛”中。封闭模式与开放互操作性的期待形成鲜明冲突，进一步加剧了用户的抵触情绪。

三是，缺乏透明度与信任机制，触发隐私与控制焦虑。AI功能的高侵入性放大了用户的不安情绪。部分产品在未充分告知的情况下采集语音、图像及行为数据，甚至产生严重的误操作，直接动摇了AI应用的信任基础。用户“花钱卸载”不仅是对功能的否定，更是对数字主权的主动捍卫。

总的来说，这些问题是颠覆性技术市场化进程中常见的曲折表现。随着实践深入，企业和行业必将持续学习、螺旋上升，逐步走通AI商业化道路。值得注意的是，消费者端的反应与企业面临的挑战异曲同工——AI只有形成清晰可见的价值回报，真正面向真实场景、主动管理生态、构建可信机制，才能彻底打通商业化的路径。

技术推动中企迈向国际化发展

《21世纪》：过去的企业出海是“产品或资本输出”，在AI超级周期下，出海的逻辑是否变成了“技术与数据驱动的生态输出”？你观察到近期亚太企业，特别是中国企业在出海模式上发生了哪些显著变化？

戴耀华：所谓“技术与数据驱动的生态输出”，或许仅是此轮出海浪潮的表层结果，其本质转变在于：中国企业正从以往以营销渠道构建为主的产品输出型出海，迈向真正意义上的“国际化”发展战略。

我发现，中国企业不仅力求在海外目标市场扎根，实现供应链与运营机制的本土化自成体系，更在各国间统筹布局研发、生产制造乃至知识产权等多重功能。在满足各国产业保护与技术主权要求的前提下，它们以全球化视野为指引，致力于构建适应国际化发展目标的全球生态。这正是亚太企业，尤其是中国企业，在出海模式上最为显著的变化；正是这一战略转变，带来了对全球化布局、技术生态建设以及数据保护合规的相应要求。