达沃斯的新隐喻
2026年世界经济论坛，全球精英的目光聚焦到了一个新概念：Neural Spine，神经脊柱。
这不仅是一个技术名词，更是一个精准的组织隐喻。企业正在寻找自己的智能核心，一个能感知、决策并协调的中枢系统。在瑞士达沃斯的雪山之巅，Lightspeed合伙人Ravi Mhatre、You.com创始人Richard Socher，以及来自中国的Kimi总裁张予彤围坐在一起。他们试图拆解一个核心命题：当AI不再是外挂的工具，而是成为组织的骨架时，企业会变成什么样。
定义“AI原生”的两种视角
AI时代，企业应如何设计组织、衡量效率？这不再是一个理论问题，而是一个迫在眉睫的实践挑战。
Ravi Mhatre，Lightspeed合伙人，也是Anthropic和Reflection AI的投资人，他首先抛出了一个极 具颠覆性的想象力框架，传统公司与AI原生公司的根本区别在于思维起点：“传统公司往往聚焦于现有技术和既定工作流，思考如何用AI优化存量；而真正的AI原生公司，思考的起点是‘如果我们拥有无限的智能，我们应该创造什么？’他们不受限于既有组织和流程的束缚。”
这个“无限智能”的思维实验，引出了如何定义AI驱动型企业的话题。Rubric的创始人Bipul Sinha给出了一个可量化的业务视角：“当一家公司能在所有业务线中，有三到五个核心工作流是完全由AI实现的，它才能被真正视为AI驱动。”这意味着企业需要超越简单的信息搜索或ChatGPT界面调用，进入由AI自主执行完整业务流程的阶段。
在这一框架下，Kimi总裁张予彤提出了一个衡量未来组织效率的新颖度量单位：人与智能体比率（Human-to-Agent Ratio）。她观察到，一些新兴公司，团队成员甚至不到10人，却拥有数百个智能体在运营层面协助处理大量事务。这背后，正是大模型驱动的组织设计（LLM-driven org design）所带来的惊人运营杠杆。
变革并非一蹴而就。Richard Socher强调了技术之外人的因素。他认为多数人并非天生擅长管理AI智能体，有效的培训和认证体系，是帮助员工接纳并高效使用AI的关键。
与此同时，一种自下而上的变革力量正在涌现。张予彤观察到“带上你自己的AI去上班”（BYOAI）的趋势。“我们通过用户调研发现，大量用户在工作中使用AI，并且愿意自掏腰包付费，”她分享道，“这表明个体生产力的觉醒，正与企业的顶层组织变革形成共振。”AI带来的不仅是效率，还有技能平权。一个生动的例子是：“我们现在收到的很多简历不再是PDF，而是个人网站链接。即使是完全不懂代码的求职者，也能通过AI生成精美的个人网站，充分展示自己的才华。”
软件正在“消失”？关于无形化的达沃斯共识
当讨论深入到工具层面，主持人引用了一个流行说法：「软件正在吞噬世界」曾是著名的预言，但现在大家说的是「AI正在吞噬软件」。
面对这个问题，张予彤给出了一个更精确的定义：软件不会消失，但它会变得无形。一场深刻的交互变革正在发生。过去的我们依赖点击、键盘，甚至记忆复杂的公式。未来，人类通过自然语言，就能经由智能体调用所有工具和软件的功能。如果现有软件无法满足需求，AI甚至可以利用其编码能力，即时生成个性化的工具来交付结果。
Ravi Mhatre认同这一观点，并从投资视角给出了逻辑支撑。他指出，人们没有意识到AI能力的提升是一条陡峭的指数曲线。在过去一年，AI推理的平均单Token成本下降了100倍，在许多场景下甚至下降了1000倍。
Ravi Mhatre补充，正是这条成本曲线，让智能本身变得极其廉价，从而催生了可丢弃软件（disposable software）的概念。代码可以被氛围化编写（vibe-coded），按需生成，也无需长期维护。不过他也提出了例外，对于像Instagram这样极其看重精细打磨的界面和用户内容生态的应用，传统的软件开发模式在长期内可能仍有其必要性。
从试点到生产：跨越信任的鸿沟
在AI成为企业“神经脊柱”之前，一个普遍的挑战必须被克服：信任。如何让企业放心地将核心业务交给一个“黑盒”？
Bipul Sinha指出了大型企业，尤其是美国公司面临的现实困境。合规与治理是AI落地最 大的限制之一。许多客户从AI试点走向规模化生产的主要障碍，正是对合规风险的担忧。为此，Rubric的解法是构建一个合规基础设施，为不同业务职能预先定义允许使用的数据和经过认证的模型。
Richard Socher则从文化和方法论层面点出了另一个障碍。大多数传统公司缺乏基准测试或评估集的思维。他们需要建立一套更科学的流程来评估AI模型和智能体的表现，不能仅仅停留在感性的试用层面。
信任的建立，最终需要技术来支撑。You.com的创始人Richard Socher指出，他们的实践是通过提供清晰的引用来源，让每一个信息的出处都可追溯，这是他们最早申请专利并实现的功能之一。张予彤也认为，AI不能只提供一个直接答案，它必须通过展示思维链，将整个推理过程“开箱”给用户看。
这共同指明了AI从辅助工具走向企业核心的必经之路：透明度是信任的基石。只有当AI的思考过程变得可见、可追溯、可审查时，企业才能放心地将决策权交予它。
下一个常识是什么？2026年的AI趋势预测
当讨论走向尾声，主持人向嘉宾们提了一个未来式问题。今天听起来激进，但到明年此时会成为常识的事情是什么？
这个问题引发了一连串快速而精彩的预测：
Richard Socher的预测最为大胆：最 好的AI将由AI自己来构建，而非人类。这意味着模型构建过程本身的自动化，以及递归式自我改进。他还预言，我们将看到模型具备持续学习能力的初步迹象，使其能动态适应环境变化。
张予彤则从应用层面构想，极长周期的自主代理将成为现实。她打了个比方，就像团队成员领走一个周度任务，一周后交付结果。未来的AI智能体也能独立处理跨度数周的复杂工作，并工作直至交付。谷歌DeepMind高管Ioannis Antonoglou也附议，他同样认为极长周期的自主代理会变得非常普遍。
Bipul Sinha将目光投向了具体的AI技术应用。他认为，目前尚未被充分理解的强化学习，将在商业流程中得到广泛应用，并极大加速企业对AI的采纳。这意味着AI将能动态优化营销活动、供应链管理等复杂系统，不再只是执行预设指令。
Bipul Sinha还强调了智能体编排的重要性，未来将出现一个“编排者”，能够根据需求动态创建和组合各种工作流。而Ioannis Antonoglou则指出了更深层的挑战，即多智能体系统的动力学问题。当多个AI智能体与人类在同一个系统中交互时，其行为和涌现现象目前尚无坚实的科学基础去理解和优化，这将是一个紧迫的研究课题。
效率的追求，也折射出不同区域的发展路径。讨论中，主持人曾向张予彤提问，并提到“让你代表整个中国可能不公平”，但这恰恰引出了关于中国AI生态独特性的探讨。从创业第 一天起就明确，在无法比拼算力规模的不对称竞争中，必须通过极 致的基础研究创新换取效率。这种效率追求，与中国在市场规模、用户开放心态和基建先行带来的低成本能源优势相结合，共同构成了其独特的竞争力。
这场对话并未给出所有答案，但它清晰地指明了方向：未来的商业竞争，将是关于“神经脊柱”的竞争，是关于“人与智能体比率”的竞争，更是关于构建信任与拥抱变革的想象力的竞争。
