AI的未来，属于什么样的公司？
过去两年，企业对AI的反应速度明显加快，All-in-AI、AI First等战略不再停留在口号层面。生成式AI带来的情绪被概括为“兴奋>焦虑>不确定性>卷>拼命卷”，但真正的分水岭已经出现：一边是仍在观望和浅层试用的大多数企业，另一边是把AI嵌入战略、组织、数据和真实业务场景的先行者。未来十年，AI将像互联网和移动互联网一样重塑产业边界，而机会不会平均分配给每一家公司。
百模大战收兵，真实场景成耐力赛
基础模型数量正在持续收敛，竞争焦点从“谁的模型更大”转向“谁能让模型在真实场景中跑出价值”。中国信通院的报告显示，基础模型数量正持续收敛，真实场景中的应用效果成为关注重点。以大模型“六小虎”为例，百川智能已深耕医疗，零一万物则转向为企业部署定制解决方案。曾经硝烟弥漫的“百模大战”落下帷幕，等待参与者的是围绕真实场景渗透、产业生态构建与应用价值深挖的耐力赛。
这意味AI的未来不属于只会发布模型参数的公司，而属于能把模型能力转化为产品、流程和行业解决方案的公司。
- 腾讯已把自研大模型在内部超过900个场景和应用落地，核心思路是把AI深度融入场景，让好用的AI成为普惠生产力。
- 百度新设立基础模型研发部、应用模型研发部。李彦宏判断，未来AI领域只会剩下少数几个基础模型，但在应用层，将出现许多在不同方向上都取得成功的参与者，那里才是机会最多的地方。
- Manus把模型能力外溢转化为可使用的智能体产品；美的依托长期积累的数据、流程和产业知识推动AI落地；理想从未来汽车产业终局判断反推当下研发与组织布局；和睦家借助AI探索全生命周期健康管理。
这些案例指向同一个结论：AI竞争的下一个阶段，为谁解决什么问题成为关键。高质量的数据、广泛的生态和场景，将成为拉开竞争差距的重要因素。
模型瘦身与算力“自来水”同时发生
AI未来的另一条主线，是模型效率与算力基础设施同时升级。GPT-4等生成式AI模型在面向公众使用的短时间内显示出巨大前景，但其局限性也已众所周知。AI未来的定义将是转向用于实验的开源大规模模型，以及开发更小、更高效的AI模型，以提高易用性并降低成本。
Llama 3.1以4000亿参数的开源姿态推进社区协作，Mistral Large 2面向研究目的发布，说明开源协作与商业权利可以并行。与此同时，GPT-4o-mini等小型模型快速且具有成本效益，适合嵌入智能手机等设备。随着成本不断降低，端侧AI将不再只是概念。中金公司2026年展望报告显示，消费电子的“端侧AI时代”已经来临，今年有望成为AI消费终端大规模普及的关键年份。
算力侧也在从“稀缺资源”走向“可按需调用”。无问芯穹把不同厂商、不同架构的AI芯片高效融通，像搭建“立交桥”一样利用分散算力资源。其联合创始人夏立雪描述愿景：“未来算力就像自来水，打开能用、关上会停，不用关心它从哪里来。”当算力、模型和终端成本同时下降，AI将更快进入个人与商业生活的方方面面。
未来属于那些既能用好开源与小型模型、又能把算力变成可调度能力的公司。它们不一定拥有最大模型，但一定拥有更低的创新门槛和更快的产品迭代速度。
把AI放在次方位置，组织先长出原生小分队
清华大学经济管理学院教授杨斌提出“AI次方”概念，强调AI的指数级影响力会倒逼作为底数的组织发生质变，而非仅作为工具叠加。把AI放在次方位置，组织就会从大写变成小写，更好迎接AI带来的变革，特别是对于“中年期组织”来说。这个过程中，组织最好由“AI原生”小分队自驱地创建AI原生新业务，让组织的未来生意和未来的组织形态，在生成式涌现的变革中长出来。
这解释了为什么同样接入大模型，有的公司只能做效率优化，有的公司却能重构业务。AI转型不是单纯的技术部门项目，而是需要一号位承担判断与取舍的长期工程。企业需要培养具有AI First思维的人才，重构人与AI协同的工作流，建立更加扁平、敏捷和任务导向的组织，并由最高领导者持续推动认知升级、资源投入和组织变革。
从企业类型看，未来更可能胜出的是三类参与者：
- 推动者：集中在芯片、算力和数据端等基础设施领域，胜出概率高于早期“吃螃蟹”的先驱者。
- 变革者：信息化和数字化能力较强、数字化转型基础较好的企业，主动性强，能把AI嵌入现有业务链条。
- AI原住民与AI新移民中的先行者：前者如Manus、Rokid乐奇、BrainCo强脑科技，后者如美图、美的、和睦家、理想、高途，它们分别在智能体、AI+AR、脑机接口、影像设计、智能制造、医疗健康、智能汽车和教育等场景中推进落地。
大量“适应者”会跟随潮流，其中部分能够胜出；没有及时转型的“落后者”则注定被时代淘汰。AI的未来，属于愿意让组织先变、让人才先变、让工作流先变的公司。
一号位反推战略，数据与工程能力筑起护城河
算力可以购买，算法可以借助开源模型，但企业长期沉淀的高质量数据、行业知识和工程能力难以复制。技术能否真正落地，决定性因素仍然在人。杨国安的判断是，企业需要从“哪些环节可以使用AI”转向思考“未来产业将变成什么样、企业希望在新的产业版图中占据什么位置”，并以此反推今天的战略选择。
这意味着AI时代的公司竞争力，越来越像一场“场景+数据+工程”的组合战：
- 场景决定AI能否产生真实价值，脱离业务的模型演示很难形成持续收入。
- 数据决定模型能否理解行业细微差别，经过更具体信息训练的LLM可以为专门行业提供深厚专业知识，成为随时帮助完成任务的代理。
- 工程能力决定AI能否稳定、低成本、规模化地嵌入生产、供应链、营销和服务。
- 一号位决定资源投入和组织取舍，缺乏最高层持续推动的AI项目容易停留在部门级试点。
与此同时，AI民主化正在降低门槛。用户友好型平台让非专家也能把商用AI用于业务、个人任务、研究和创意项目，类似今天的网站构建器，使企业家、教育工作者和小型企业无需深厚技术专业知识即可开发定制AI解决方案。但门槛降低不等于壁垒消失，真正稀缺的仍是对场景的理解、对数据的治理和对组织变革的驾驭。
负责任的AI走向终端，多模态打开新入口
AI未来不仅属于跑得快的公司，也属于走得稳的公司。构建同人类价值观匹配的负责任AI，涉及公平性、可靠性和安全性、数据所有权和隐私、包容性等。企业需要严格遵守既定原则和法律法规，监控法律变化，制定降风险政策，并通过风险管理框架进行定期报告和监控。同时，把负责任AI作为核心业务，为所有员工提供培训，确保他们理解并能将原则转化为实际行动。
在技术形态上，多模态AI将从起步走向成熟。单模态AI侧重于单一数据类型，而多模态AI更接近人类通过视觉、语音、面部表情和语调变化进行沟通的方式。它将整合文本、语音、图像、视频和其他数据，在人与计算机系统之间创建更直观的交互，并支撑高级虚拟助理和聊天机器人理解复杂询问，提供定制文本、视觉辅助或视频教程。
更远的趋势是，AI不仅是数字世界的“思考者”，也将逐渐成为物理世界的“行动者”。中外专家认为，AI正在与真实世界互动中构建理解和模拟物理规律的“世界模型”，物理智能将赋予AI在真实世界中感知和行动的能力，如机器人自主完成复杂任务、智能驾驶从容应对复杂路况。仓储与制造领域，凯傲集团、埃森哲与英伟达合作打造数字孪生系统，实时获取仓库物理信息，说明具身智能体正在持续增强。
60多个国家或地区已经制定国家AI战略，AI预计将为全球经济增加4.4万亿美元的价值。面对这样的长期变量，AI的未来属于那些把开源协作与成本效率结合、把真实场景与数据工程结合、把组织变革与一号位推动结合，并把负责任AI写进业务底线的公司。这样的公司不一定今天最大，但更可能在未来十年把AI的指数级影响转化为可持续的竞争优势。
