郭为：算力即权利，智能即资产

题记：2026年6月23日，北京大学国家发展研究院与机械工业出版社联合举办承泽商学第60期·大讲堂系列活动，本文根据神州数码董事长、《数字化的力量》《时间的力量》作者郭为的主题分享整理。

AI正在改变我们工作的方方面面，它既让很多任务变得更容易推进，也拉高了竞争的门槛——当所有人都能用AI时，最终的胜负就取决于谁能用得更好、更深入，竞争也会更加多元化。

对此，我用六句话分享我的思考。

一、数字化不是信息化

直到今天，很多人依然对数字化和信息化的概念存在模糊理解。

从技术发展的脉络看，阿尔文・托夫勒（Alvin Toffler）在1980年出版的《第三次浪潮》中提出，信息化时代已经到来。当时提到的信息化，其实是以计算机为代表的，属于数字化形态的信息化。

从更底层的逻辑看，自从人类创造语言与文字以来，其实就进入到了一个现实实体和信息世界并行的时代，虚拟空间（赛博空间）也随之出现，并跟现实世界发生耦合。今天大模型的底层逻辑，依然延续着“语言的边界决定思想的边界”这一核心观点：人所有清晰的思考，都要依靠语言完成，如果缺少对应的词语、表达方式，很多感受与念头就只能模糊存在，无法梳理成清晰的思想。

在过去几十年间，信息化持续进行技术迭代：计算机从大型机到微型计算机，网络从互联网到移动互联网，后来大数据、云计算， AI相继出现，以至于很多人认为数字化是信息化的新发展阶段，但数字化不是信息化。

简单来说，数字化和信息化最核心的区别是二者追求的目标完全不一样。

传统信息化的起源，要从1940年代提出系统概念讲起，系统的核心就是不同要素的组合。以制造业为例，制造业的复杂度可以用2ⁿ来形容。n既可以是流程节点的数量，如半导体制造有5000个工艺节点，任意一个节点出问题，最终良率都会趋近于0。n也可以是零部件的数量，一架飞机有200万个零部件，组合起来的复杂度难以想象。

到1960年代，管理学发展出管理信息系统，从复杂系统中发展出一个子系统。管理信息系统建立在系统论、控制论、信息论的基础上，核心目标就是让系统可控制，做成闭环管理。在此之前，计算机主要用来做科学计算，比如计算弹道、研发核武器，今天AI的分支AI for Science做的还是这类工作。从管理信息系统开始，计算机才真正进入企业管理领域，工资、财务都开始用计算机管理，我们也就进入了信息化时代。

由此可知，信息化本质只是一个管理和控制的过程。1992年乔布斯在MIT演讲时表示，当时的信息技术做的只是“管理生产力”，还不是“运营生产力”，未来计算机会成为运营生产力本身。放到今天来看，AI已经是运营生产力。

简单来说，过去，信息属于上层建筑，服务于生产关系；今天，数据已经从生产关系层面进入生产力层面，本身就是生产要素。

我们还可以用不同文明的财富标志来理解这个变化。

1. 农耕文明时代，财富的标志是土地。划分阶级成分的核心依据就是拥有多少土地。

2. 工业化时代，财富的标志是资本，并且进入虚拟化阶段。马克思在《资本论》中称资本以增值为目的，哪怕是货币本身，作为一般等价物是虚拟的，价值来自共识，发钞本身就是权力。

3. 数字化时代，财富的标志就是数据资产。AI火爆背后是大量数据使大模型变成数字化时代的“永动机”，AI本身还能生成大量有价值的数据，这种财富创造能力，是传统生产方式完全无法比拟的。

因此，“数字化不是信息化”的核心意思是：数字化时代所有经营活动的根本目标，是实现数据资产的不断增值，而不是传统资产的增值。对此，资本市场已经给出最直接的反馈：传统行业用传统资本衡量价值，股价大多能保本就不错，而代表数据资产生产能力的企业，市值一直在高速增长，哪怕存在泡沫，这种增长速度也是传统行业完全无法想象的。

很多人会问，传统企业就没有数据资产吗？在传统企业里，设计方案、技术专利是无形资产，厂房、库存、应收账款是有形资产，大量真正有价值的数据资产从来没有入表。财政部近年来也出台了相关政策，对企业数据资源相关会计处理作出规范。比如出版社的读者平台和作者平台，从来没有体现在资产负债表里，但它们是出版社非常核心的竞争力，因为读者画像、作者画像都是出版社的核心数据资产。还有编辑沉淀的爆款内容策划经验、提炼出的高效内容生产工作流，转化为数据化工作流之后同样是数据资产。

过去，沉淀这些资产需要几十年，大模型出现后只要把既有经验输入，就能快速完成复制，这个过程以秒、分钟计。这种财富创造速度在人类历史上前所未有。

我在很多调研中也发现，企业老板经常误以为自己早就完成数字化，因为企业ERP、CRM等各种系统都齐备。这其实还是信息化思维，做的还是管理信息系统。真正的数字化是要问企业积累了多少数据资产、有没有给员工做画像、员工数据和工作流数据的匹配度等问题。

现在很多人担心AI会导致大量失业，我认为这是在制造恐慌。社会发展本来就存在人才的结构性不平衡，经济学很重要的一项研究，就是从不平衡到动态平衡的学问，平衡了社会就停滞，正是不平衡才带来发展动力。我们要关注的是不平衡带来的机会，而不是恐惧。就像当年汽车代替马车，赶马车的人失业了，但驾驶员变成了一个热门职业，甚至今天开车已经变成很多人都会的基础技能。每个时代都有自己的变化，我们要顺应变化，而不是害怕变化。

二、智能化不是工具，而是系统

现在很多企业谈到AI，第一反应是：DeepSeek来了赶紧买个大模型，GPU会涨价先囤几台服务器，甚至很多企业骄傲地表示已经做了上百个内部智能体。这种思维是典型的信息化工具思维。

你要问问自己：这些智能体到底提升了多少劳动生产率？投入了这么多人力、电力、财力，创造的价值到底有多少？很多时候并无答案。今天AI行业都在讲结果导向计费，本质就是对这种工具思维的修正，不是买个工具就代表转型。AI对企业的改变，一定是整体的、系统性的，必须从整体层面看它对企业运营的改变。

我以某航空公司为例。飞机运行是一个极其复杂的体系，该航空公司每天约有2000个航班，每个航班提前三个月开始卖票，直到旅客下飞机、飞机准备下一次飞行，这是一个完整的周期。其中很多环节都需要AI系统性调度。

我列举几个常见的环节：

一是发动机安全管理。飞机发动机绝对不能空中停机，但是商业航班不可能像战斗机、赛车一样，运行一次就全面大修，发动机一次大修就要数千万美元，所以必须用AI模型结合发动机运行数据、物理化学特性、全生命周期数据做模拟，主动预测风险，做预防性维护，在保证安全的同时降低成本、延长使用寿命。

二是航线动态调整。飞行途中每个节点的天气变化对飞行影响极大，只靠通用天气预报还不够。借助AI就可以实时计算调整，比如原定京广线的武汉段有雷雨，绕到华东或者西南就能准点到达。该航空公司专门做了气象大模型，整合多种数据重新计算，所以复杂天气下的准点率依然能保持很高。取消一次航班损失巨大，该航空公司正是通过精细化运营降低了这类损失。

三是舱位利用优化。比如一架787飞机满载是300人，如果只卖出200张票，剩余舱位可以提前规划，包括提前装入货运，额外赚取运费，这些优化都必须通过AI计算才能做到实时高效。

从例子能看出，今天的AI应用绝对不是买个大模型就能解决，而是系统化的人机交互过程，建立在企业原有经验不断升华的基础上。

按照认知科学来划分，人和AI之间存在几种不同的知识组合：你知、AI也知；你不知、AI知；你知、AI不知；以及你和AI都不知。企业沉淀的大量隐性知识，往往属于“人知、AI不知”，因此需要把人的经验转化到企业自己的AI体系中，让这些能力真正成为企业的竞争力。AI某种意义上是经验的累积，重要的价值就是把组织和人头脑里的隐性知识显性化。

清华大学原副校长杨斌曾提出，现在大家都讲“AI+”，其实更应该是“AI次方”。原来的业务基础越强，AI带来的放大作用也越明显；如果基础不好，AI同样可能把原有的问题进一步放大。

所以，越是传统业务基础比较好的企业，越应该更快从系统角度推进AI化。这个系统不仅包括流程和组织，也包括员工能不能真正掌握AI。今天很多大模型已经开源、开放，真正的问题是如何把AI和我们的工作结合在一起，改变整个工作流。AI不是买一个大模型或者一块GPU就能解决的，它需要系统化的构建、开发和运营。

三、创新是业务模式、技术范式和管理方法的相互作用

1912年，熊彼特在《经济发展理论》中提出，创新是建立新的生产函数，即对生产要素进行新的组合。我们很多时候把创新讲得过于泛化。科学更多是在发现自然规律，技术更多体现为发明，而商业创新最终要落到新的经济价值和增长空间上。

从企业实践来看，我认为创新是业务模式、技术范式和管理方法相互作用的结果。移动支付就是一个例子。过去信用卡支付需要部署大量POS机，移动互联网和二维码普及以后，一部手机就可以完成交易。这里既有技术范式的变化，也有业务模式和管理方式的变化。瑞幸咖啡同样如此，它从一开始就建立在移动互联网的技术底座上，门店和员工的管理也高度依赖数字化技术。技术、业务和管理共同发生变化，才真正形成了创新。

进入AI时代，这三个要素里又增加了新的变量。过去企业的数据主要来自内部系统和外部采购，今天AI本身也开始大量生成数据。我判断，随着AI进一步应用，企业的数据结构会发生非常大的变化，企业战略、创新模式和管理方法也会随之改变。

我去景德镇调研时，对这个问题有很深的感受。过去制瓷高度依赖一个老师傅，后来整个过程被分解成几十道工序，不同专业的人承担不同工作，同时出现计件、计时等新的管理方法。这种生产方式和管理方式的变化，推动了陶瓷产业的发展。

今天又增加了一个新的“朋友”——Agent。过去集中在一个老师傅身上的能力，可以重新组合成人和多个Agent之间的协作。这个过程中，我们必须进一步研究，Agent和人的特质到底有什么不同。

人最重要的能力之一是体验、直觉以及由此产生的创造力。社会上经常讨论AI会不会替代人，但人经过漫长进化，还有大量隐性知识没有被充分认识。未来真正需要研究的是，怎样把碳基人类和硅基智能组织在一起，发挥各自的优势。管理本身研究的就是怎样把人组织起来，而AI出现之后，管理面对的是一种新的组合方式。

四、AI的决战不是聊天窗口，而是嵌入工作流

前面谈到，真正考验企业的，是如何把AI和工作结合起来，改变整个工作流。现在用豆包、ChatGPT做一个问答，是不是就意味着实现了AI化？我认为这还只是一个很初步的阶段。真正的AI发挥作用，是建立在一个流程里。我把它称为AI for Process，也就是说，AI一定要进入工作流。

我以北京协和医院为例。胰腺癌是非常难治疗的癌症，国际上的五年存活率较低，而协和在相关诊疗方面积累了很强的能力。协和专家告诉我们，一个非常重要的问题是术后并发症。如果无法提前预测，就很难及时预防。基于这样的需求，我们和协和一起开发了胰腺癌术后并发症智能体，按照医院的标准，准确率达到94%以上，目前已经投入临床使用。

但做出一个智能体并没有解决全部问题。术前准备同样非常复杂，肿瘤是原发还是转移、处于什么分期，都会影响手术方案和准备工作。因此，我们又完成了术前相关智能体。这些能力能够快速建立，一个非常重要的基础就是协和高水平医生长期形成的隐性知识和高质量数据集。

之后，协和又提出了多学科会诊的需求。单一领域的专家再强，也需要影像、基因等其他专业的支持。因此我们又围绕MDT，把影像数据、生化数据、临床数据、基因数据等整合进来，由不同领域的Agent辅助完成分析。再往后，患者出院以后，还可以通过智能体持续跟踪服药、身体反应和恢复情况。

当这几个智能体串联起来之后，真正有价值的变化就出现了。人的判断仍然非常重要，手术以及对智能体结果的判断仍然需要医生完成。但与此同时，智能体不断生成新的数据，形成新的数据通道。每完成一个病例，新的数据又可以用于相关模型的持续优化。

这是什么？这就是一个工作流。

所以未来的AI不是一个数字分身，不是一个窗口，也不是一个问答，而是一个工作流。围绕不同学科和诊疗环节，通过流程的方式实现智能化，我把它称为Agentic Process，也就是一个能够自适应、自我进化的体系。

AI发展的目标，不是提升某一个单一智能体的能力，而是提升整个业务。AI的决战，不是你能不能做出一个Agent或者一个大模型，而在于你能不能在业务流程里实现“人机共舞”。

五、企业的目的是创造数据资产，进而更好地创造顾客

德鲁克曾经说过，企业的目的是创造客户。这句话直到今天仍然有意义。但在今天这个时代，我们还可以进一步从“创造客户”走向“创造生态”：企业之间互为客户，并发挥每一家企业自己的天然禀赋。每个企业都有自己的天然禀赋，这往往和企业创立时对世界的理解，以及长期聚集起来的人和能力有关。

人也是一样。一个人要找到自己喜欢的事情，也要判断自己有没有相应的天赋。我喜欢踢足球，但没有踢世界杯的天赋，就没有必要一定成为职业球员。找到自己喜欢、同时又有天然禀赋的事情，成功的可能性会更大。

除此之外，成功还和机遇有关。时代、环境以及你和什么样的人在一起，都会影响机会的产生。一个人的爱好、价值观，也会决定他与什么样的人建立联系，从而形成自己的环境和机缘。

所以回到数字化和AI时代，企业未来的竞争，仍然要建立在自己的天然禀赋上。单纯复制和模仿不会形成真正的竞争力，企业最终还是要找到自己独特的位置。而数据资产的积累，就是企业能力的积累、智慧的积累。过去很多资产体现为企业外在拥有的东西，而到了AI时代、数字化时代，企业的发展越来越体现为一种内在能力。这种能力同时又建立在生态体系之中。

六、算力即权利，智能即资产

算力即权利，智能即资产，前面的所有内容其实也是想要表达这个概念。

大模型、算力都已经成为这个时代最稀缺的基础设施。英伟达的市值快速增长，反映出算力基础设施的重要性。大模型其实也是一种算力，同样是这个时代的基础设施。

一如我在《数字化的力量》里写道：一个时代的文明，永远由它的基础设施定义，谁掌握了这个时代的基础设施，谁就掌握了这个时代的竞争主动权。从这个意义上来讲，在人工智能与数字化时代，算力即权利，你有足够的算力，就有参与竞争的机会。

智能即资产，说的就是我们要把企业沉淀的隐性知识，通过AI转化为显性的能力，变成业务流程里的伙伴，变成属于企业自己的核心竞争力。这是AI时代企业最重要的资产。

AI重塑生产力的大幕刚刚拉开，愿所有企业找到方向，沉淀自己的数据资产，构建适配AI的业务体系，在这个新的时代占得先机。

整理：王志勤 |编辑：王贤青