北京
在2026年新领军者年会上，来自商业、学术界和各机构的领导者深入探讨了企业在AI转型过程中面临的挑战。从基础设施部署到数据准备，企业必须跨越多重障碍，才能实现AI技术的规模化应用。以下是与会领导者分享的四大核心洞见。
一、AI技术已准备好，但多数企业尚未准备好
这是世界经济论坛2026年新领军者年会（6月23日至25日，中国大连）上讨论最为集中的话题之一。
清华大学苏世民书院院长薛澜将AI的引入类比为汽车诞生初期：汽车刚出现时，由于基础设施完全不匹配，大规模普及根本无从谈起——道路是为马车设计的，即便后来加以改造，也还需要配套的加油站才能让人们行驶更远的距离。
"我们真心希望技术能够扩散到整个社会，但这需要两类基础设施：硬基础设施，如数据中心和能源；以及软基础设施，如法规等。"他表示，"而这些配套建设相比前沿模型的发展，追赶速度要慢得多。"
AI 71首席产品与技术官迈赫迪·吉萨西延续了这一比喻，指出真正以AI为核心的企业必须以同样的思路重新设计内部流程。他说："如果你在规划一座城市的街道时，已经知道未来会有自动驾驶汽车，那你大概不会按照现有方式来规划。企业只有做好流程重塑的艰苦工作，才能真正用好AI。"
二、数据质量决定AI的上限
AI技术的价值完全取决于输入数据的质量。NTT DATA首席战略官罗利·阿格拉瓦尔警告称，如果数据本身混乱，AI只会让错误发生得更快。"我们在客户那里看到的数据，很多时候是高度碎片化的。如果你在一团混乱上构建AI，得到的仍然是混乱，只不过在GPU上跑得飞快。"
阿格拉瓦尔分享了她所在机构总结的"1-2-3-4法则"：企业每花1美元构建AI智能体，建议同时投入2美元用于变革管理、3美元用于架构治理与风险防控、4美元用于数据准备。她表示，只有这样，企业才能真正实现AI的规模化落地，成为智能化组织。
三、人类的使用方式比技术本身更重要
ManpowerGroup董事长兼首席执行官乔纳斯·普里辛认为，要真正理解AI将把我们带向何方，必须聚焦人类如何使用它，而非其原始能力本身。
"人类已经经历过许多次这样的技术演进，最终决定结果走向的，往往是人类如何运用技术，而非技术本身能做什么。"他说，"目前的讨论过于集中在算力、人才和资本上，而对如何推动员工、工人和组织大规模采用AI，以造福组织、社会以及技术使用者本身，关注还远远不够。"
四、不要等待完美条件，先跳进去再说
尽管上述每项挑战都需要认真应对，但等待万事俱备并非出路。中国移动首席科学家冯俊兰认为，许多架构层面的障碍虽需时间解决，但培养AI能力与熟悉度必须同步推进。
"企业在数据、系统、感知技术等方面都还没有准备好……但你不应该试图把所有基础问题都解决掉，因为那可能需要好几年的时间。"她说，"如果AI是一片海洋，我们现在还在水面上。想要在海洋里游泳，就得先跳进去。"
Q&A
Q1：夏季达沃斯领导者提到的"1-2-3-4法则"是什么意思？
A：这是NTT DATA首席战略官罗利·阿格拉瓦尔分享的AI投入框架：企业每花1美元构建AI智能体，应同时投入2美元用于变革管理、3美元用于架构治理与风险防控、4美元用于数据准备。其核心逻辑是：AI落地的成败不仅取决于技术本身，更取决于数据质量、组织流程和治理体系的配套建设。
Q2：为什么说"数据准备好了"才能真正用好AI？
A：AI的输出质量完全依赖于输入数据的质量。NTT DATA的罗利·阿格拉瓦尔指出，很多企业的数据高度碎片化，在混乱的数据基础上构建AI，只会让错误以更快的速度发生。因此，数据整合与治理是AI规模化应用的前提，而非可选项。
Q3：企业AI转型是等基础设施完善后再推进，还是现在就开始？
A：中国移动首席科学家冯俊兰建议不要等待完美条件。她认为，数据、系统等基础问题完全解决可能需要数年时间，企业应在推进基础建设的同时，同步培养员工的AI技能与使用习惯。正如她所说："如果AI是一片海洋，想要游泳，就得先跳进去。"
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
