孙喜：为什么AI能让鸡少吃抗生素？

孙喜（首都经济贸易大学副教授、中信改革发展研究基金会研究员）

K型分化的本质，不是传统企业不愿意转型，而是它们在产业数字化转型上遇到了真困难。孙喜把问题往回倒了一步：信息化、数字化、智能化的边界，产业界和政策界一直没有搞清楚——信息化构成基础设施，数字化提供分析能力，智能化负责构建价值闭环。从高炉里的2000个传感器，到蛋鸡舍里的机器视觉，从“天人合一”的老法师，到“卖奶牛、卖牛奶、送奶茶”的商业模式演进，这位自称“带着纸来的老登”的学者给出的结论是：企业的AI底座，是几十年甚至上百年知识积累的转化；老法师在未来依然非常重要——Old soldiers never die。

编者按：7月17日，2026世界人工智能大会暨人工智能全球治理高级别会议在上海开幕，国家主席习近平出席开幕式并发表主旨讲话，世界人工智能合作组织在上海成立。7月20日上午，由观察者网科工力量主办的WAIC 2026系列早餐会第三场（收官场）《AI、组织与人：当下潮头与历史韵脚》在上海举行。第一场《AI普惠：硅谷之外，全球南方》追问塔基，第二场《世界模型的天王山》仰望塔尖，本场回到金字塔承上启下的中段——企业、组织与人。香港大学经管学院助理院长谭亮、英诺基金驻场企业家张雷、TTC创始人肖玛峰、首都经济贸易大学副教授孙喜同台分享，观察者网CSO周宇舫主持。本文为孙喜的演讲及圆桌发言实录，由观察者网根据现场录音整理编辑，小标题为编辑所加。

以下是全文实录：

今天这个场合，带着纸上来的，就属于“老登”。刚才周总介绍的时候说，从成熟产业到新兴产业，我们的谱系很完整——我主要负责谱系那一头。

K型分化的本质：不是不愿转，是转型遇到了困难

今天听下来，我有一个非常突出的感受：这段时间，中国资本市场一直在讲K型分化。最近二级市场稍微好一点，一级市场其实一直在分化。

这里面有一个非常有意思的问题：为什么会出现K型分化？你现在看，凡是和AI沾边的都在飞升；但是传统产业里这些“老登”——刚才前面几位讲的，不愿意和AI拥抱的这些企业、这些人——慢慢开始一落千丈。

我理解，这个现象背后的本质问题是什么？刚才谭老师讲二八开——那个“八”，不是说他不愿意转,很多事情背后的本质是：绝大多数企业，在产业数字化转型这个事情上，遇到了困难，出现了问题。我自己理解，这个过程中比较突出的有几个矛盾。

第一个矛盾：很多企业讲数字化转型，推动数字化、智能化，但组织结构的重构没这么容易。很多时候，去做这个事情的还是原来信息科的那帮人。信息科的人推这个事，推着推着就不知道推到哪去了——我们企业里做技术的人讲：推着推着，他忘了本体是谁了。

第二个矛盾：很多企业都参与了政府牵头推的数字化转型项目——智能制造、研发自动化、各种各样的自动化。但自动化来自动化去，最后你会发现，大家都在围绕“提高运营效率”做文章。提高运营效率这条道，大家都去走，千军万马过独木桥，到最后和过去一样，挤来挤去，把利润都挤没了——你在美国遇到的问题：You have to lay off people（你不得不裁员）。慢慢地，时间长了，就会有越来越多的企业不敢转、不想转、不能转。

信息化、数字化、智能化：边界一直没搞清楚

理解这两个矛盾，我代表“老登”的思路，会再往前倒一步问：问题的根在哪？

我认为，最重要的一个瓶颈是：我们今天虽然在WAIC这个场合讲AI、讲智能化，但很深层次的问题是——大多数人，不管是产业界还是政策界，信息化、数字化、智能化这几个东西的边界，没有搞清楚。

从产业数字化转型的角度看，这三个东西，说白了：信息化构成基础设施，数字化提供分析能力，智能化最后负责构建价值闭环——你得把钱挣回来。光降本不行，得把钱挣回来，而且是变着花样把钱挣回来。

什么意思？拿交通体系举例子。什么叫信息化？很多路口装的V2X（vehicle to everything）系统——大家开车，导航会告诉你这个红绿灯还有几秒钟变绿，就是V2X干的。这是一套非常庞大的信息基础设施，它把数据告诉你的车机。

你的车机收到这些数据，去处理各种信息。过去这些数据是“多源异构”的：红绿灯什么时候变？老头老太太在哪走？旁边的车会不会变道？这些都是多源异构数据，只有都变成0-1格式的时候，才能统一处理。所以我说，“数字化”这个词，是从信息处理来的——是数字信号、模拟信号那个事儿来的。我们现在很多人一讨论数字化，喜欢把它和“数据”放在一起，其实搞错了。

你的车机收到数据，会分析：这个车现在面对的是什么路况？比如你的V2X、激光系统、视觉系统发现，前面那辆公交车的前方，有个老太太在过马路——你自己看不见，但车机收到了这个信号。数字化的结果就是告诉你：这个车不能往前开，开上去就把老太太撞了，就成“鬼探头”了。

那智能化是什么？智能化就是你的智驾系统，自动做出这个决策：停，不要往前走。

所以你看，为什么很多人愿意为智驾付费？为什么今天在中国，智能驾驶的车卖得这么好？说白了，是因为智能驾驶能给用户提供更好的体验，实现更好地服务价值——顾客愿意为智驾功能付费，愿意支付那个溢价。智能化，最终是实现功能、创造价值，改进用户体验，实现服务的溢价。

这三个东西加起来就是：以产品服务系统为节点，以泛在物联网为管道，对统一的零一数据进行采集、传输、分析、存储，并且在这个基础上，为客户、为用户提供实时的，甚至前瞻性的服务，为用户创造更好的体验，实现服务的溢价。

而在这三者结合的时候——数字化也好，智能化也好，决策自动化、服务自动化，它本质上最后靠的是什么？就是刚才肖总说的，人工智能如何起作用。我把它称为企业的人工智能底座。有了这个底座，它才能驱动决策的自动化、服务的自动化。

企业的AI底座：革命要有根据地，就像人要有屁股

构建企业的人工智能底座，成了所有行业的企业将来都要面对的一个非常严峻的课题。

刚才谭老师讲“老法师”，老法师在这个过程中会变得非常非常重要。让我想起来，当年毛主席说过一句话：革命要有根据地，就像人要有屁股。未来人工智能时代的企业，那个人工智能底座，就是它的“屁股”。而老法师，恰恰是把屁股的位置找准的、非常关键的一拨人——你这个行业的知识、技能、传统，你的本体在哪？这是搞信息化的人一直没搞明白的事。

但光有老法师够不够？不够。我看很多企业做这个事，单纯靠老法师不够。当然，谭老师讲的Fresh AI Builder会起很大作用，但更重要的是：很多行业、很多企业，在真正去建它的AI底座的时候，最重要的一项工作，是彻底打开这个行业的知识黑箱。过去很多行业里，大家习以为常、知其然不知其所以然的东西，你现在必须知其所以然，才能把它AI化。

什么意思？举几个例子。

高炉里的2000个传感器

中国钢铁行业有一家非常有名的企业，叫北科亿力，是中国最早做钢铁工业互联网的企业之一。这个企业当年做了一件非常有意思的事情：从创立之后，花了好几年时间，就研究明白一件事——怎么在高炉里面装传感器：在什么位置装？装什么样的传感器？所以它的传感器都是自己开发的。

研究了六七年，最后在一座高炉里装了2000多个传感器。摆完之后，高炉里的数据收集得是最充分、最彻底的，能够有效支持它的知识自动化——这2000多个传感器，告诉它高炉里发生了什么。

我当时会比较幼稚——我是文科生——就问：高炉这玩意儿一二百年了，你不知道里面发生了什么？不知道。高炉里面到底发生了什么样的物理化学反应、什么样的物理化学过程，其实在很长时间里，我们是不知道的。只有用这2000多个传感器，把这个过程全监控明白之后，你才能更好地监测高炉怎么运行，你的安全、能耗、投入产出，才能得到很好的提升。所以，北科亿力其实是中国钢铁工业绿色化转型非常重要的一个推手。

蛋鸡舍里的机器视觉

再讲一个更传统的例子。这家企业有个比较洋气的名字，叫沃德辰龙；它比较土的名字，叫华都峪口禽业——中国最大的蛋鸡苗出苗基地，中国50%以上的蛋鸡是从这个企业出苗的，做了40多年蛋鸡孵化、选种育种。

它是北京市人工智能应用先进企业。我问它怎么做。它说：机器视觉。每个鸡舍装上机器视觉，看鸡什么状态、鸡冠子什么状态、鸡眼睛什么状态；更重要的是环境数据监测——过去不知道怎么监测、监测哪些东西，现在知道了：温度控制到多少？湿度控制到多少？水里的菌群数量控制到多少？

这个很重要。重要在哪？过去有很长一段时间，我们关心中国的食品安全问题。从产业角度讲，这个问题的根源是什么？是我们供不应求，要提高农产品产量；提高产量怎么办？密植，增加养殖密度；增加养殖密度就要防病；为了防病，就投放抗生素。但你通过智能化的方式——机器视觉加环境数据监控——充分了解了鸡的成长环境，就可以不用加抗生素。

我当时问它：那你这样，养殖密度是不是还可以再提高一下？可以。不仅可以提高单层养殖密度，还可以建立体化鸡舍。

所以你看，它通过这样一个过程，重构了行业的知识基础、行业的知识底座。它对行业生产过程中哪些变量在起作用的理解，在很多时候，要比那个老法师理解得更深刻。

“天人合一”的本质，是复杂场景决策

说到老法师，中国的传统技能领域有一个词，叫“天人合一”。凡是讲天人合一的行业，都是老法师最牛的行业：中医、中餐，包括我们大多数的农业行业。

天人合一的本质是什么？其实是复杂场景决策：决策场景里的变量太多了，多到人自己很难用语言把它结构化地描述出来，没法把握它的顺序，没法把握它的作用关系——所以叫直觉，叫经验。

但人工智能的优势是什么？人工智能可以把天人合一的复杂场景决策降维：把不同的维度——温度、湿度、水的菌群数量——降维变成“if-then”（如果－那么）：水里的菌群数量如果达到一定水平，那么必须通风、必须换水。

这个时候你会发现，人工智能有可能在很多有“天人合一”技能传统的领域里，发挥非常重要的作用。而且我们知道，凡是讲天人合一的行业，都有一个特点：严重产能不足。全聚德的烤鸭、千岛湖的白茶，都属于严重产能不足——为什么？因为它严重依赖人。

我们现在讲中国式现代化，它是服务于绝大多数人口的现代化。光靠天人合一，解决不了产量问题。怎么突破产量瓶颈？将来，AI很有可能发挥非常大的作用。

这就是企业AI底座扮演的角色——驱动引擎的角色。本质上，它是行业、企业几十年甚至上百年知识积累的一个转化。

卖奶牛、卖牛奶、送奶茶

这是“来龙”。有来龙，就得有“去脉”：企业智能化转型、数字化转型之后，往哪走？

我说，智能化到最后，本质是要构建价值闭环。怎么构建价值闭环？我打个比方。

过去工业时代，很多产品企业的商业模式叫什么？叫卖奶牛：我把产品生产出来，送到用户那里，用户怎么用我不管。空气分离设备卖到化肥厂、钢铁厂，你自己去建气体车间、气体管道；就好像汽车厂，我生产出汽车，你自己去买保险、自己去加油。

后来慢慢到了工业互联网那个历史时期，卖奶牛的商业模式开始变成卖牛奶：生产企业开始给用户提供一定的、有限的服务支持。这个词，在中国产业界最早是杭氧提出来的——杭氧是“牵着奶牛卖牛奶”：把空气分离设备装到化肥厂、钢铁厂的车间里，我给你建好气体车间、气体管道，把气体直接打到你的高炉顶上。

到了数字化、智能化这个时代，我称之为送奶茶。过去，我给你提供的是有限的服务——我就那么大的想象力，觉得你可能需要这个东西。但慢慢地，到了智能化时代，因为人也好、企业也好，需求是演进的，所以场景也是演进的——你满足了老的需求，自然而然会产生新的需求。你用我这个产品，会需要什么样的衍生服务？在不同的场景下，又会衍生出新的、不同的衍生服务需求。这就是我们用手机的时候，每天都在下载新的APP的原因。

我当年走访过一家乳制品企业，它在乳制品行业里非常特殊：技术特长是研究母乳成分、母婴代谢物分析，从母乳成分和母婴代谢物分析，反推母婴肠道菌群状况——所以它比较擅长做配方酸奶。它给我讲完这个技术特长之后，我开玩笑说了一句话：你们这个企业，将来很有可能会变成一个功能性饮料服务商。它说：我们有这个思路。

什么意思？客户买了它的酸奶，喝上半个月，肠道菌群调整到一定的状态，这时候客户把相应的检测样本——某种代谢物或者别的样本数据——回传给企业；企业根据回传样本和数据分析，得出结论：他现在的肠道菌群，可以再往哪个方向调整？然后给他定制下一个阶段的新配方酸奶。

这就是送奶茶。送奶茶到最后，满足的是什么？是用户自己说不出来的需求——甚至是他自己还没有意识到的需求。

再举个例子。我们刚才讲气体设备企业，从卖奶牛到卖牛奶，还有可能是什么样？比如俄乌战争、海湾战争打起来了——如果这家企业完成了数字化转型，大模型会告诉它：哪个化肥厂、什么样的化肥要增产，你应该给它提供什么样的气体。你就别等着他来管你要设备了——你直接把气体按瓶拉过去就完了。这就是送奶茶。

而送奶茶的结果、这个商业闭环的背后是什么？其实还是企业的人工智能底座：底座上的自动化决策告诉它，什么样的人需要什么样的服务，什么样的用户需要什么样的服务。

所以我们讲，老法师到未来仍然非常非常重要。Old soldiers never die——老兵不死。谢谢大家。

圆桌发言

不是所有行业都要变成定制化

主持人问：当后端全面AI化，炼钢还是要炼钢、养鸡还是要养鸡，相对传统的这一端该往哪走？

这是一个非常有意思的问题。我自己理解，对产品企业来讲，将来的挑战会非常大。所有的产品、所有的服务作为一个整体送到用户手里的时候，刚才谭老师讲，它会高度定制化、高度专业化。但高度定制化、高度专业化的产品底座，将来是什么样子？现在来看，存在很多种不同形态。

我个人不是特别同意“将来所有的行业都一定要变成定制化的商业模式”。一方面，它存在成本的问题；另一方面，它和每个企业、每个行业的技术基础有关系——你的技术体系的成熟水平、模块化水平，会直接决定你定制化、差异化的成熟度。

另外，现实当中有一个非常典型的反例：苹果手机。iPhone 4之后，每一个型号全球出货量都在1亿台以上。但这些“街机”，从富士康出来的时候，都是最标准化的工业产品。

真正实现定制化的是谁？是用户自己。用户按照自己的需求，在苹果提供的服务生态中去选择相应的服务——当然苹果自己也会提供一些服务，但这些服务的产品载体，很多时候也是高度标准化的。最典型的就是智能手表，现场很多人戴着：你跌倒了，或者由于特殊情况心率出现巨大波动的时候，华为的和苹果的智能手表，都会直接弹出对话框：你是不是需要帮助？要不要帮你呼叫120？

这个产品本身是高度标准化的，只不过是看每一个用户，在自己的使用场景中调用了什么样的服务。这就是我一直在讲的“自动化”——但这个自动化，真正落地的时候，很多时候是人机协同的：标准化的产品，依托它的服务生态，提供差异化的服务支持；人，在最关键的时刻做价值判断——选这个服务，还是选那个服务。

所以，基座有可能是非常统一的；但在这个更高水平的基座上，我们可以有多样化的选择。我也希望，未来是一个整个社会“短板更高”的社会，大家都能在这样的高地上自由发展。

给年轻人：你想做哪个行业的老法师？

我的观点跟刚才两位有非常大的共鸣。前几天我们也在讨论：人工智能走到今天这一步，对教育系统提出了什么样的挑战？我当时提了一个观点：教育系统将来很重要的功能，是要鼓励人自我发现。但我们知道，现在的教育在很大程度上还没有达到这一步，甚至在往回内卷。

所以，如果对年轻的朋友们有什么建议，那就是：不要等着学校发生什么变化，你可以自己更开放地去发现，自己对什么事情感兴趣。

我为什么加“更开放”这个前提？因为我们会看到，虽然今天都在讲人工智能、讲自动化，但很多工作，在肉眼可及的时间段内，是没法被自动化的。

举个最简单的例子。养老行业的朋友给我讲过一个很现实的问题。我问他：你觉得什么工作不能自动化？他说：我最需要人的工作，恰恰是不能被自动化的——给老人翻身。这个工作对用力技巧的要求非常高：你得有足够大的劲，还不能把老人的皮肤弄坏了。这个环节，现在高度依赖人力投入。

当然，从我们今天的社会来讲，很多时候并不太鼓励人去做类似这样的工作——这是将来我们要面对的一个问题。

我这段时间也经常想起，20年前我读书的时候，投入产出课上老师给我们讲过一个故事：撒切尔时代，英国国内坚决反对推进工业机器人，反对机器人自动化。结果日本企业在英国搞了一个展览，展示日本的工业机器人——机器人替代劳动，同时也展示了很多机器人发展起来之后带来的替代性劳动环境，以及补充性、衍生性的服务和岗位。撒切尔去了那个展览，看完走出来，说的第一句话就是：很多人都认为英国不应该发展机器人，认为发展机器人会消灭就业岗位；但我今天看完这个展览，我认为这是完全错误的。

这个事情，在今天也在发生。我们会看到，将来会出现越来越多的线下服务支持的需求——因为你的服务需求，会越来越差异化。

所以最后，再给年轻人一句话：不要管那些所谓世俗的眼光，也不要受那个制度框架的约束——去看一看，你到底想做哪个行业的老法师。