在2026年CES（國(guó)際消費(fèi)電子展）現(xiàn)場(chǎng)，科技行業(yè)對(duì)AI的討論已從單一技術(shù)概念轉(zhuǎn)向場(chǎng)景化落地的深度探索。聯(lián)想集團(tuán)副總裁、中國(guó)區(qū)戰(zhàn)略及業(yè)務(wù)拓展副總裁阿不力克木·阿不力米提（以下簡(jiǎn)稱“阿木”）在與鈦媒體集團(tuán)聯(lián)合創(chuàng)始人、聯(lián)席CEO劉湘明的對(duì)話中，系統(tǒng)拆解了AI技術(shù)演進(jìn)的核心邏輯、終端融合的必然趨勢(shì)，以及個(gè)人AI與企業(yè)級(jí)AI的落地路徑。這場(chǎng)對(duì)話不僅勾勒出聯(lián)想在AI時(shí)代的戰(zhàn)略布局，更揭示了全球AI產(chǎn)業(yè)從公共服務(wù)向個(gè)人專屬、從消費(fèi)級(jí)應(yīng)用向企業(yè)級(jí)滲透的關(guān)鍵變革。
正如阿木所言——AI帶來(lái)的并非僅是一項(xiàng)技術(shù)，而是為所有事物提供了重新思考和定義的契機(jī)，這種重構(gòu)正在終端形態(tài)、商業(yè)生態(tài)和企業(yè)運(yùn)營(yíng)三個(gè)維度同步發(fā)生。
回顧科技產(chǎn)業(yè)發(fā)展歷程，每一次技術(shù)革命的深化都離不開底層算力與上層應(yīng)用的協(xié)同進(jìn)化。AI產(chǎn)業(yè)的發(fā)展同樣遵循這一邏輯，呈現(xiàn)出算力與模型雙螺旋上升的演進(jìn)態(tài)勢(shì)，并由此催生終端形態(tài)的根本性變革。IDC最新發(fā)布的《2026年全球AI算力市場(chǎng)報(bào)告》顯示，全球AI算力市場(chǎng)規(guī)模預(yù)計(jì)在2026年達(dá)到1152億美元，同比增長(zhǎng)42.8%，遠(yuǎn)超傳統(tǒng)通用計(jì)算市場(chǎng)的增長(zhǎng)速度，印證了阿木關(guān)于“AI算力進(jìn)入比摩爾定律更快迭代周期”的判斷。
與此同時(shí)，模型小型化技術(shù)的快速發(fā)展正在打破“參數(shù)規(guī)模決定性能”的固有認(rèn)知，“許多原來(lái)需70B+參數(shù)實(shí)現(xiàn)的模型，現(xiàn)在30B即可實(shí)現(xiàn)；原來(lái)30B+的模型，如今14B甚至7B和3B模型也能媲美過(guò)去幾十B模型的能力。”阿木指出。這種小型化趨勢(shì)為AI的終端下沉提供了關(guān)鍵支撐，因?yàn)檎嬲涞氐絺€(gè)人和企業(yè)時(shí)，模型必須具備快速、可靠、穩(wěn)定、無(wú)時(shí)延的特性，并在可接受成本下持續(xù)提供服務(wù)。
從技術(shù)演進(jìn)的底層邏輯來(lái)看，AI與終端的融合是解決公共AI兩大核心痛點(diǎn)的必然選擇。一方面，公共AI產(chǎn)品的個(gè)人化或企業(yè)專屬化屬性不足，其通用算法無(wú)法處理個(gè)人隱私數(shù)據(jù)或企業(yè)專屬數(shù)據(jù)，也無(wú)法根據(jù)特定需求演進(jìn)；另一方面，公共AI缺乏持續(xù)感知環(huán)境變化的能力，無(wú)法捕捉物理世界瞬息萬(wàn)變的信息并做出實(shí)時(shí)響應(yīng)。而終端作為連接數(shù)字世界與物理世界的橋梁，既能承載個(gè)人與企業(yè)的專屬數(shù)據(jù)，又能通過(guò)各類傳感器采集環(huán)境信息，為AI的個(gè)性化與場(chǎng)景化落地提供關(guān)鍵支撐。
算力與模型的協(xié)同進(jìn)化催生兩大核心趨勢(shì)：智能體崛起與終端創(chuàng)新?；谶@一邏輯，未來(lái)終端生態(tài)將呈現(xiàn)三大類形態(tài)：一是存量終端升級(jí)，通過(guò)增強(qiáng)智能計(jì)算能力和豐富感知方式，將傳統(tǒng)電腦、手機(jī)、平板等升級(jí)為AI終端；二是感知為主、輕交互的新型終端，以AI眼鏡為代表，實(shí)現(xiàn)24小時(shí)不間斷環(huán)境感知；三是邊緣計(jì)算終端，專注于私密化計(jì)算，可快速運(yùn)行數(shù)百億參數(shù)的模型，為個(gè)人和中小企業(yè)提供安全可控的AI算力支持。這三類終端共同構(gòu)成了AI落地的核心載體，也成為聯(lián)想等終端廠商的戰(zhàn)略布局重點(diǎn)。
個(gè)人AI的崛起標(biāo)志著AI服務(wù)從“平臺(tái)中心”向“用戶中心”的范式轉(zhuǎn)移。
在對(duì)話中，阿木表示，個(gè)人AI與公共AI存在本質(zhì)差異：以用戶立場(chǎng)為核心，具備全場(chǎng)景感知、可信計(jì)算、專屬服務(wù)連接與持續(xù)演進(jìn)四大特征。
一是感知能力同步，個(gè)人AI能夠感知用戶所看所聽的一切日常信息，而非僅接收經(jīng)大腦過(guò)濾后的輸入信息，這種全場(chǎng)景感知能力是公共AI無(wú)法實(shí)現(xiàn)的，因?yàn)橛脩綦y以將24小時(shí)的視聽數(shù)據(jù)托付給公共平臺(tái)；二是可信計(jì)算，個(gè)人AI僅將用戶數(shù)據(jù)用于服務(wù)本人，基于“擁有感”建立的信任關(guān)系，解決了公共AI的隱私泄露風(fēng)險(xiǎn)；三是專屬服務(wù)連接，個(gè)人AI直接調(diào)用各類生活與工作服務(wù)，以滿足用戶真實(shí)需求為導(dǎo)向，擺脫了公共AI的商業(yè)化植入模式；四是持續(xù)演進(jìn)能力，個(gè)人AI通過(guò)持續(xù)積累用戶記憶，不斷調(diào)整交互方向，最終成為“越來(lái)越像用戶”的專屬陪伴，而公共AI則始終服務(wù)于全人類的平均水平，無(wú)法實(shí)現(xiàn)真正的個(gè)性化演進(jìn)。
從場(chǎng)景角度出發(fā)，公共AI的個(gè)性化類似短視頻推薦，服務(wù)于平臺(tái)流量變現(xiàn)；而個(gè)人AI如同“專屬私家車”，通過(guò)終端載體實(shí)現(xiàn)數(shù)據(jù)隱私可控、服務(wù)精準(zhǔn)匹配，解決公共AI的信任與體驗(yàn)痛點(diǎn)。
在阿木看來(lái)，個(gè)人AI落地面臨四大技術(shù)挑戰(zhàn)：異構(gòu)算力平臺(tái)構(gòu)建、多模型與智能體調(diào)度、長(zhǎng)期記憶管理、核心體驗(yàn)創(chuàng)新。聯(lián)想提出的“隊(duì)友”式個(gè)人AI，通過(guò)情景感知、主動(dòng)服務(wù)、直接執(zhí)行三大能力，重構(gòu)交互邏輯——如游戲場(chǎng)景主動(dòng)優(yōu)化性能、營(yíng)銷場(chǎng)景完成內(nèi)容全流程發(fā)布。
多設(shè)備互聯(lián)是“隊(duì)友”式體驗(yàn)的核心支撐。聯(lián)想通過(guò)三大手段突破跨系統(tǒng)壁壘：構(gòu)建操作系統(tǒng)之上的智能體體系、打造個(gè)人可信云空間、實(shí)現(xiàn)終端近場(chǎng)互聯(lián)。
企業(yè)級(jí)AI落地需完成基礎(chǔ)設(shè)施、流程、人才三大協(xié)同準(zhǔn)備。其一，升級(jí)數(shù)字化底座為完整AI基礎(chǔ)設(shè)施，包含大模型平臺(tái)、智能體運(yùn)行平臺(tái)等；其二，重構(gòu)業(yè)務(wù)流程，將傳統(tǒng)線性流程轉(zhuǎn)為并行動(dòng)態(tài)模式；其三，培養(yǎng)AI人才，中層管理人員是關(guān)鍵。
而在阿木看來(lái)，人才培養(yǎng)是三個(gè)之中最為重要的一個(gè)，“我們?cè)?026年的調(diào)研顯示，企業(yè)在AI落地中面臨的最大痛點(diǎn)并非前兩項(xiàng)，而是人才。沒(méi)有合適的人才，一切都無(wú)法落實(shí)。因此人才培養(yǎng)成為重中之重，且無(wú)捷徑可走，必須反復(fù)培訓(xùn)，”阿木進(jìn)一步指出，“其中有一個(gè)關(guān)鍵策略：從中層管理人員開始培養(yǎng)。不應(yīng)直接要求基層。”
聯(lián)想自身智能化轉(zhuǎn)型路徑為行業(yè)提供參考：遵循“主價(jià)值鏈優(yōu)先”原則，率先在供應(yīng)鏈領(lǐng)域應(yīng)用AI，實(shí)現(xiàn)成本降低與周轉(zhuǎn)效率提升，再向營(yíng)銷、售后等環(huán)節(jié)推廣。對(duì)比之下，優(yōu)先切入員工輔助場(chǎng)景的企業(yè)，AI價(jià)值轉(zhuǎn)化有限。同時(shí)，企業(yè)需規(guī)避三大陷阱：誤入輔助價(jià)值鏈、預(yù)算先行而非POC驗(yàn)證、基礎(chǔ)設(shè)施投資不足。
AI時(shí)代的核心競(jìng)爭(zhēng)力在于“整合與落地”。2026年是AI從概念走向落地的關(guān)鍵節(jié)點(diǎn)，行業(yè)競(jìng)爭(zhēng)焦點(diǎn)已從技術(shù)參數(shù)轉(zhuǎn)向場(chǎng)景價(jià)值。企業(yè)需明確生態(tài)定位，通過(guò)基礎(chǔ)設(shè)施、流程、人才協(xié)同推進(jìn)轉(zhuǎn)型；用戶將迎來(lái)更個(gè)性化、更安全的服務(wù)體驗(yàn)。未來(lái)，把握趨勢(shì)、深耕落地的企業(yè)，將成為智能時(shí)代的最終贏家。
00:01:21 AI算力進(jìn)入比摩爾定律更快迭代周期
00:07:24 AI算法與終端結(jié)合過(guò)程中的兩個(gè)挑戰(zhàn)
00:12:00 AI+終端的三個(gè)類型
00:14:31 個(gè)人AI與聊天助手的區(qū)別
00:23:22 個(gè)人AI落地過(guò)程中的四大挑戰(zhàn)
00:29:59 多設(shè)備互聯(lián)面對(duì)三大技術(shù)挑戰(zhàn)
00:34:41 未來(lái)AI生態(tài)存在的企業(yè)類型
00:44:45 從“助手”到“隊(duì)友”，個(gè)人AI的能力升級(jí)
00:48:54 聯(lián)想生態(tài)的“變與不變”
00:55:34 企業(yè)部署AI需要的三個(gè)準(zhǔn)備工作
01:03:07 聯(lián)想落地AI的經(jīng)驗(yàn)與需要規(guī)避的三大陷阱
劉湘明：從你的角度，分析一下未來(lái)AI的發(fā)展趨勢(shì)如何？
阿木：正如20多年前討論互聯(lián)網(wǎng)趨勢(shì)一樣，AI同樣充滿一切可能。除了去年以來(lái)大家討論的投資價(jià)值與AI發(fā)展速度是否會(huì)改變之外，AI本身帶來(lái)的并非僅是一項(xiàng)技術(shù)，而是為所有事物提供了重新思考和定義的契機(jī)。
若將其解構(gòu)，可分為兩個(gè)方面。首先，談?wù)勅斯ぶ悄茏鳛榧夹g(shù)本身的發(fā)展走向。
最底層是近期討論較多的算力層面。從最初的CPU通用計(jì)算，發(fā)展到以人工智能神經(jīng)網(wǎng)絡(luò)為主要算法架構(gòu)的并行計(jì)算，即GPU計(jì)算。AI算力已進(jìn)入比摩爾定律更快的迭代周期，目前完全沒(méi)有放慢節(jié)奏，且在全球范圍內(nèi)形成了多個(gè)不同主體快速推進(jìn)的局面，包括美國(guó)公司和中國(guó)芯片廠商都在快速進(jìn)步。我認(rèn)為AI算力的技術(shù)升級(jí)還將持續(xù)一段時(shí)間。
第二層是在算力之上運(yùn)行各種大模型的算法，包括訓(xùn)練與推理兩個(gè)方向，即構(gòu)建大模型和應(yīng)用大模型。目前，構(gòu)建大模型方面正從文本為主向語(yǔ)音、視頻拓展，2026年將進(jìn)入原生多模態(tài)創(chuàng)新成熟期。同時(shí)，為推動(dòng)物理AI快速進(jìn)入生產(chǎn)生活，與物理AI相關(guān)的世界模型也在快速探索中。此外，模型小型化技術(shù)發(fā)展非常迅速，真正落地到個(gè)人和企業(yè)時(shí)，模型需快速、可靠、穩(wěn)定、無(wú)時(shí)延，并在可接受成本下持續(xù)提供服務(wù)。因此，模型小型化技術(shù)可能比超大規(guī)模模型創(chuàng)新更值得關(guān)注。許多原來(lái)需70B+參數(shù)實(shí)現(xiàn)的模型，現(xiàn)在30B即可實(shí)現(xiàn)；原來(lái)30B+的，現(xiàn)在14B甚至7B和3B模型也能媲美過(guò)去幾十B模型的能力。這一節(jié)奏同樣非?？臁?/p>
在應(yīng)用大模型方面，后訓(xùn)練技術(shù)從強(qiáng)化學(xué)習(xí)到各類后訓(xùn)練方法正從少數(shù)大模型公司下沉至更多非AI公司，使其能夠自主操作和執(zhí)行，越來(lái)越工程化、越來(lái)越可落地。這些應(yīng)用技術(shù)的創(chuàng)新也將快速進(jìn)展。算力和模型這兩個(gè)層面的技術(shù)變化疊加起來(lái)，形成了雙螺旋結(jié)構(gòu)，以比摩爾定律更快的節(jié)奏進(jìn)化。
在此之上催生了兩個(gè)新的AI趨勢(shì)。一是向智能體方向發(fā)展，這是數(shù)字世界中的創(chuàng)新。從最初的問(wèn)答工具到豐富的內(nèi)容生成，再到可進(jìn)行任務(wù)編排和自主執(zhí)行的數(shù)字智能體，變化非常迅速，既包括個(gè)人使用，也包括企業(yè)應(yīng)用。
另一個(gè)趨勢(shì)是終端創(chuàng)新。終端不僅包括電腦、手機(jī)、平板，還包括大量正在催生的原生終端設(shè)備。今天媒體進(jìn)行的很多直播都涉及這些內(nèi)容，如AI眼鏡、穿戴設(shè)備、陪伴型設(shè)備，以及為使算力更接近使用場(chǎng)景而出現(xiàn)的超強(qiáng)算力盒子等本地化運(yùn)算設(shè)備。這些都是AI真正催生的新形態(tài)。更大規(guī)模的包括各類機(jī)器人，無(wú)論是人形機(jī)器人、運(yùn)動(dòng)仿生機(jī)器人，還是自動(dòng)駕駛車輛，都屬于機(jī)器人范疇?？傮w來(lái)看，終端正在發(fā)生演變。終端演變與智能體演變相融合，將在眾多場(chǎng)景中催生出新的產(chǎn)品形態(tài)。
今天我詳細(xì)參觀了展區(qū)，明顯感覺(jué)到很多地方在介紹AI時(shí)幾乎不再單獨(dú)介紹算法，而是將模型與某種形態(tài)的終端產(chǎn)品結(jié)合、嵌入、內(nèi)置，用以改變傳統(tǒng)終端體驗(yàn)或創(chuàng)造新的終端。今年的這一感受非常強(qiáng)烈。
劉湘明：AI對(duì)硬件影響很大，聯(lián)想作為終端公司，在AI時(shí)代，有哪些新的可能性？
阿木：自2022年11月ChatGPT首次帶來(lái)生成式體驗(yàn)產(chǎn)品、GPT大模型展現(xiàn)涌現(xiàn)能力以來(lái)，至今絕大多數(shù)不依賴終端的AI均為公共服務(wù)產(chǎn)品。這類公共服務(wù)由具備超強(qiáng)生成能力的模型為所有人提供標(biāo)準(zhǔn)化服務(wù)，當(dāng)時(shí)并未催生出專門用于體驗(yàn)ChatGPT、豆包、元寶或Gemini等產(chǎn)品的新型終端。
然而從去年起，AI算法開始與終端緊密結(jié)合，這源于兩大新趨勢(shì)帶來(lái)的挑戰(zhàn)：
第一大挑戰(zhàn)是公共AI產(chǎn)品的個(gè)人化或企業(yè)專屬化屬性不足。其算法為通用算法，所接觸的數(shù)據(jù)既非隱私數(shù)據(jù)，也非企業(yè)專屬數(shù)據(jù)；且無(wú)法根據(jù)個(gè)人或企業(yè)需求演進(jìn)，迭代節(jié)奏完全取決于服務(wù)商所使用的互聯(lián)網(wǎng)數(shù)據(jù)及其優(yōu)化方向（如變得更“溫柔”或更“刻板”），與個(gè)人和企業(yè)無(wú)關(guān)。因此，要讓大模型算法真正接觸、處理并使用個(gè)人私密數(shù)據(jù)或企業(yè)內(nèi)部數(shù)據(jù)，就必須下沉到個(gè)人和企業(yè)層面，而其下沉路徑顯然需要與終端結(jié)合、嵌入終端內(nèi)部才能實(shí)現(xiàn)。
第二大挑戰(zhàn)在于持續(xù)感知環(huán)境變化的能力。AI不能僅依賴鍵盤輸入或語(yǔ)音提供的語(yǔ)言信息，還需感知環(huán)境信息——溫度、冷熱變化、移動(dòng)速度、路過(guò)人群、前方畫面、海報(bào)、演講者的表情神態(tài)變化，乃至企業(yè)工廠生產(chǎn)作業(yè)環(huán)境中突發(fā)的事故等。這些物理世界瞬息萬(wàn)變的信息必須與終端結(jié)合，因?yàn)橹挥薪K端才能將感知能力帶入該環(huán)境并采集所需的信息素材，供AI理解、感知并最終響應(yīng)。
綜上，無(wú)論是接觸個(gè)人/企業(yè)知識(shí)數(shù)據(jù)，還是理解其所處環(huán)境并做出針對(duì)性、獨(dú)一無(wú)二的快速理解、規(guī)劃、編排與執(zhí)行，都需要將公共AI向個(gè)人AI乃至企業(yè)AI下沉。這一趨勢(shì)自去年已開始顯現(xiàn)：大量企業(yè)采用開源模型進(jìn)行私有化部署，終端也越來(lái)越多地將AI算法嵌入內(nèi)置。例如許多顯示器在驅(qū)動(dòng)主板中內(nèi)嵌芯片，可實(shí)時(shí)進(jìn)行畫面處理、色彩補(bǔ)償、運(yùn)動(dòng)補(bǔ)償?shù)冗\(yùn)算，直接在終端內(nèi)完成。因此，要實(shí)現(xiàn)AI的無(wú)所不在及個(gè)性化，必須與終端結(jié)合，這是背后的根本邏輯。
基于這一邏輯，終端結(jié)合將呈現(xiàn)三大類形態(tài)：
第一類是存量終端升級(jí)。包括電腦、手機(jī)、平板、電視、汽車等存在已久的產(chǎn)品形態(tài)，其算力感知交互能力已非常成熟。只需將通用計(jì)算能力增強(qiáng)為智能計(jì)算能力，將感知從簡(jiǎn)單的觸控或運(yùn)動(dòng)感知擴(kuò)展為更豐富的感知，或使電腦除鍵盤鼠標(biāo)外還能實(shí)現(xiàn)感知與跟蹤，即可升級(jí)為AI終端，讓AI落地并創(chuàng)造新價(jià)值。
第二類是感知為主、輕交互的新型終端。目前最受關(guān)注的是AI眼鏡——雖無(wú)強(qiáng)大算力，但在環(huán)境感知和快速交互方面遠(yuǎn)優(yōu)于手機(jī)電腦等笨重設(shè)備，且可實(shí)現(xiàn)24小時(shí)不間斷感知（除非摘下）。這類終端替用戶觀察所見一切，與AI結(jié)合更側(cè)重于感知與交互。
第三類是邊緣計(jì)算終端。這類終端恰恰不具備感知交互功能，而是出現(xiàn)不帶顯示、不帶互動(dòng)但算力極強(qiáng)的產(chǎn)品，可快速運(yùn)行數(shù)百億參數(shù)的模型。形態(tài)可能是個(gè)人家庭放置的設(shè)備，也可能是律師、會(huì)計(jì)師等處理絕密數(shù)據(jù)的辦公室設(shè)備，亦或是為二三十人中小企業(yè)服務(wù)的邊緣服務(wù)器。這類純粹保障私密化計(jì)算的終端形態(tài)將逐漸涌現(xiàn)。
綜合算力強(qiáng)交互類、感知類、純粹私密計(jì)算類終端共同構(gòu)成了未來(lái)的終端生態(tài)，聯(lián)想布局終端正是圍繞這一邏輯推進(jìn)。
劉湘明：你覺(jué)得個(gè)人AI與之前的聊天助手之間有何區(qū)別？
阿木：首先需明確，“個(gè)人AI”指的是“Personalized AI”（個(gè)性化AI），而非“Personal AI”。當(dāng)前全球領(lǐng)先的AI助手如ChatGPT、Gemini、Grok、Meta AI、Perplexity，以及國(guó)內(nèi)的豆包、元寶、DeepSeek、通義千問(wèn)等，本質(zhì)上都是公共產(chǎn)品。它們的個(gè)性化類似短視頻推薦——雖內(nèi)容因人而異，但仍是以商業(yè)平臺(tái)為中心推送的個(gè)性化服務(wù)，最終目的服務(wù)于平臺(tái)流量變現(xiàn)。
而個(gè)人AI的第一個(gè)核心特征，是以個(gè)人的立場(chǎng)和利益為中心。在電腦手機(jī)時(shí)代，“個(gè)人”意味著所有權(quán)——“這是我的手機(jī)、我的電腦”。但AI不同，AI不僅是工具，更是有思想的主體。其本質(zhì)差異如同“租用小貓獲得短暫情緒價(jià)值”與“飼養(yǎng)一只屬于自己的小貓”，或“乘坐公共交通”與“擁有可按自己意志裝飾改裝的私家車”。平臺(tái)再怎么個(gè)性化，始終以商業(yè)目的為歸宿；個(gè)人AI則以滿足個(gè)人需求為最終目標(biāo)，由用戶為實(shí)際獲得的服務(wù)付費(fèi)。若服務(wù)不滿意，用戶可選擇不付費(fèi)，這與公共平臺(tái)通過(guò)補(bǔ)貼、廣告等機(jī)制影響推薦結(jié)果有本質(zhì)區(qū)別。
個(gè)人AI與公共AI的差異可歸結(jié)為四個(gè)核心點(diǎn)：
第一，感知能力同步。個(gè)人AI能夠感知用戶所看所聽的一切日常信息，而非僅接收用戶輸入的、經(jīng)大腦過(guò)濾后的信息。很難想象用戶敢將24小時(shí)的視聽數(shù)據(jù)托付給公共AI，這種心理層面的信任障礙是公共AI無(wú)法逾越的。
第二，可信計(jì)算。個(gè)人AI僅將用戶個(gè)人數(shù)據(jù)用于服務(wù)用戶本人，這種可信不僅是隱私保護(hù)，更是基于“擁有感”產(chǎn)生的信任。正如人們更信任自己的助理而非臨時(shí)訪客，因?yàn)閾?dān)心隱私泄露。只有確立“這是我的”的擁有關(guān)系，信任才能建立。
第三，專屬服務(wù)連接。個(gè)人AI負(fù)責(zé)連接并調(diào)用外部各類生活服務(wù)、學(xué)習(xí)、娛樂(lè)、出行、教育等資源，始終以滿足用戶真實(shí)需求為導(dǎo)向。這與公共AI以商業(yè)價(jià)值為導(dǎo)向、通過(guò)高流量植入商業(yè)化內(nèi)容的模式截然不同。用戶對(duì)有價(jià)值的服務(wù)愿意付費(fèi)，公共服務(wù)之所以免費(fèi)，是因?yàn)槠脚_(tái)需先吸引流量再進(jìn)行商業(yè)轉(zhuǎn)化，而非真正以用戶為中心。
第四，持續(xù)演進(jìn)能力。公共AI不會(huì)真正“越來(lái)越像你”，用戶每天需重新編寫數(shù)萬(wàn)字提示詞，AI才會(huì)短暫理解，次日又需重復(fù)。而個(gè)人AI能持續(xù)接觸用戶記憶，根據(jù)行為習(xí)慣調(diào)整后續(xù)交互方向，甚至在未來(lái)算法本身也能進(jìn)行后續(xù)訓(xùn)練，最終成為越來(lái)越像用戶的AI陪伴。公共AI服務(wù)于全人類平均水平，與用戶個(gè)體無(wú)關(guān)；而個(gè)人AI服務(wù)于“獨(dú)特的我”，而非平均水平。
從歷史維度看，電腦最初也是公共商用產(chǎn)品，IBM曾認(rèn)為全球幾百臺(tái)計(jì)算機(jī)已足夠。但最終因人人都有不同需求，演變?yōu)閭€(gè)人電腦（Personal Computer）。同理，AI也正處于從公共為主向個(gè)人轉(zhuǎn)移的階段。這種轉(zhuǎn)移并非意味著公共AI消失——公共產(chǎn)品因規(guī)模效應(yīng)成本低，始終存在——而是個(gè)人AI將逐漸崛起并加速普及。因其依托終端下沉，帶給用戶擁有感和駕馭感，而非虛無(wú)縹緲的軟件。
劉湘明：在實(shí)現(xiàn)個(gè)人AI的過(guò)程中，有何挑戰(zhàn)？
阿木：技術(shù)挑戰(zhàn)主要體現(xiàn)在以下幾個(gè)方面（不分先后順序）：
第一大挑戰(zhàn)是算力承載能力。當(dāng)前大模型依然是AI最關(guān)鍵的能力，因?yàn)楦兄h(huán)境、理解意圖（包括根據(jù)環(huán)境猜測(cè)意圖）、編排任務(wù)步驟、調(diào)度其他智能體進(jìn)行測(cè)試驗(yàn)證以尋找最優(yōu)解，以及多模態(tài)處理等場(chǎng)景均需要大模型支持。因此，終端算力必須快速提升。這要求算力架構(gòu)從以CPU為核心的通用計(jì)算，轉(zhuǎn)變?yōu)镃PU+GPU+NPU的異構(gòu)算力平臺(tái)，使不同規(guī)模的模型都能在終端有效運(yùn)行；而超大規(guī)模、復(fù)雜意圖的處理則需在個(gè)人云空間中完成。因此需要盡快升級(jí)高算力設(shè)備，如聯(lián)想的AI PC、AI手機(jī)、AI平板，使AI算力成為內(nèi)置標(biāo)配，從而將AI能力真正下沉。
第二大挑戰(zhàn)是模型調(diào)度與智能體網(wǎng)絡(luò)調(diào)度。這一挑戰(zhàn)比模型算法和單個(gè)智能體應(yīng)用更復(fù)雜。每次請(qǐng)求可能需要調(diào)度七八個(gè)模型在終端或云端協(xié)同工作，以最低成本、最快速度完成響應(yīng)。此外，為滿足某項(xiàng)服務(wù)需求，還需調(diào)度數(shù)百甚至上千個(gè)小型智能體，如何選擇合適的智能體成為關(guān)鍵問(wèn)題。這需要建立智能體網(wǎng)絡(luò)調(diào)度機(jī)制。簡(jiǎn)言之，模型與智能體技術(shù)本身是挑戰(zhàn)所在，但這不是基礎(chǔ)科學(xué)問(wèn)題，而是工程化問(wèn)題——需投放市場(chǎng)，根據(jù)用戶需求持續(xù)優(yōu)化，而非僅進(jìn)行理論創(chuàng)新。
第三大挑戰(zhàn)是個(gè)人知識(shí)與記憶管理。當(dāng)前短期記憶處理已相對(duì)成熟，但長(zhǎng)期記憶的管理（如何遺忘、何時(shí)抽象、何時(shí)長(zhǎng)期保留）更為復(fù)雜。例如，當(dāng)某個(gè)意圖出現(xiàn)時(shí)，是否應(yīng)調(diào)取三個(gè)月前的對(duì)話記錄或郵件往來(lái)作為參考，這涉及記憶的治理技術(shù)，非常復(fù)雜。記憶技術(shù)必須在2026年實(shí)現(xiàn)明顯進(jìn)階，否則個(gè)人AI的個(gè)性化程度將不足。缺乏記憶的AI如同行尸走肉，正因擁有記憶，人才成為有血有肉的個(gè)體。此外，個(gè)人沉淀的大量數(shù)字化文檔資料（如照片、視頻）也需要進(jìn)行有效處理，以便快速抽取和調(diào)取。這方面技術(shù)反而更有信心，因?yàn)樵S多大模型公司正在努力處理人類整體知識(shí)。
第四大挑戰(zhàn)是體驗(yàn)創(chuàng)新。任何產(chǎn)品要成功引爆市場(chǎng)，必須找到剛性需求——非其不可、其他皆可容忍的“Must Have”體驗(yàn)。本屆CES上，每家企業(yè)都在試圖挖掘這一體驗(yàn)點(diǎn)。雖然終端形態(tài)眾多，但當(dāng)被問(wèn)及主要用途時(shí)，部分企業(yè)無(wú)法明確回答，僅羅列多項(xiàng)功能。這種“Nice to Have”的功能無(wú)法真正驅(qū)動(dòng)個(gè)人AI普及。因此，找準(zhǔn)體驗(yàn)點(diǎn)并將硬件、軟件、服務(wù)與大模型整合交付，圍繞該體驗(yàn)進(jìn)行聚焦而非貪多求全，極為關(guān)鍵。
綜上所述，這些挑戰(zhàn)均需持續(xù)研發(fā)投入方能解決。聯(lián)想的布局主要包括兩方面：一是研發(fā)個(gè)人超級(jí)智能體，解決感知、理解、規(guī)劃、調(diào)度及個(gè)人知識(shí)記憶處理、自然交互等問(wèn)題；二是進(jìn)行終端研發(fā)，提升算力、改變終端形態(tài)、豐富感知方式，并實(shí)現(xiàn)終端之間的能力接力與協(xié)同，確保在部分終端關(guān)閉時(shí)其他設(shè)備（如眼鏡）仍能保持服務(wù)。當(dāng)終端無(wú)法承載時(shí)，還需通過(guò)個(gè)人可信云空間保障體驗(yàn)不中斷。這些正是聯(lián)想當(dāng)前投資的核心方向，每個(gè)技術(shù)挑戰(zhàn)都值得持續(xù)深入鉆研。
劉湘明：手機(jī)、平板、電腦之間的串聯(lián)體驗(yàn)確實(shí)是一個(gè)大挑戰(zhàn)，你們是如何解決的？
阿木：當(dāng)前終端操作系統(tǒng)呈現(xiàn)多元化格局：電腦端以蘋果macOS和微軟Windows為主導(dǎo)；手機(jī)端核心為谷歌Android（海外與中國(guó)版本存在差異，但底層架構(gòu)一致）；平板則存在瀏覽器操作系統(tǒng)等輕量方案；此外，各類IoT設(shè)備如機(jī)器人、AI眼鏡、可穿戴設(shè)備、智能戒指等均采用不同操作系統(tǒng)。
實(shí)現(xiàn)多設(shè)備互聯(lián)需解決三大技術(shù)挑戰(zhàn)：
第一，跨操作系統(tǒng)服務(wù)。并非將操作系統(tǒng)AI化，而是使其下沉為智能體調(diào)用的工具。類比計(jì)算機(jī)啟動(dòng)時(shí)的BIOS，在Windows啟動(dòng)后BIOS便下沉完成底層初始化；當(dāng)智能體體系建立后，操作系統(tǒng)同樣需要下沉。唯有如此，才能在多端之間保持一致互聯(lián)體驗(yàn)。當(dāng)前各生態(tài)體系規(guī)模龐大、演進(jìn)緩慢，彼此基本隔離，僅偶有合作。
第二，端云混合架構(gòu)。需構(gòu)建個(gè)人可信云空間（非公共云），即每個(gè)用戶專屬的端到端封閉可信計(jì)算通道，數(shù)據(jù)在計(jì)算后銷毀。聯(lián)想去年與火山引擎合作，在中國(guó)率先落地了首個(gè)個(gè)人可信云空間，確保任何數(shù)據(jù)（包括火山引擎、聯(lián)想及其他第三方）均無(wú)法觸碰和使用，且不保存。該云環(huán)境與終端結(jié)合，可在終端不連續(xù)時(shí)實(shí)現(xiàn)知識(shí)遷移，將感知數(shù)據(jù)跨終端傳遞并延續(xù)記憶，保障體驗(yàn)不中斷。
第三，終端近場(chǎng)互聯(lián)。當(dāng)兩個(gè)終端距離僅三五米時(shí)，需通過(guò)設(shè)備直連技術(shù)實(shí)現(xiàn)算力共享與內(nèi)容、感知信息的互通。例如，AI眼鏡的感知能力可由手機(jī)完成，眼鏡負(fù)責(zé)畫面采集，手機(jī)利用多模態(tài)模型理解場(chǎng)景（如識(shí)別直播狀態(tài)、觀眾增長(zhǎng)等）。這種直連方式可解決實(shí)時(shí)性問(wèn)題，消除時(shí)延，優(yōu)化能耗，并由最佳終端完成計(jì)算任務(wù)，同時(shí)實(shí)現(xiàn)傳感信息的共享。
綜上，聯(lián)想通過(guò)“操作系統(tǒng)之上的智能體體系”、“端云架構(gòu)配合”以及“多端近場(chǎng)互聯(lián)”三大手段，致力于實(shí)現(xiàn)終端間渾然一體、不中斷的連續(xù)體驗(yàn)。
劉湘明：還有一個(gè)小問(wèn)題。你剛也提到計(jì)算系統(tǒng)、操作系統(tǒng)下沉，意味著原先熟悉的計(jì)算環(huán)境發(fā)生了翻天覆地的變化。這其中也會(huì)有很大的機(jī)會(huì)，聯(lián)想準(zhǔn)備如何抓住這樣的機(jī)會(huì)？
阿木：以個(gè)人AI為例，未來(lái)生態(tài)中主要存在三類企業(yè)：
第一類是整合者。首先需要回顧核心概念：個(gè)人AI的主權(quán)屬于個(gè)人。因此，整合者需將硬件、大模型、智能體、服務(wù)連接規(guī)則與方法、安全保護(hù)機(jī)制以及各類傳感技術(shù)整合起來(lái)，交付給個(gè)人用戶。用戶可以從手機(jī)、電腦等具備算力的終端開始使用，單純的眼鏡因算力不足無(wú)法獨(dú)立承載。在個(gè)人AI的語(yǔ)境下，因其必須永遠(yuǎn)是“你的AI”而非商業(yè)化機(jī)構(gòu)提供的版本，整合商的角色至關(guān)重要。
第二類是服務(wù)提供者。個(gè)人AI若僅停留在生成層面則無(wú)意義，必須能夠直接調(diào)用旅行、生活、娛樂(lè)、辦公等各類服務(wù)。需要明確概念：不應(yīng)稱為“開發(fā)者”或“APP”，因?yàn)槠浔举|(zhì)是“service”。個(gè)人AI應(yīng)直接完成服務(wù)交付，而非通過(guò)商業(yè)平臺(tái)中轉(zhuǎn)。例如，不應(yīng)是“搜索后推薦”，而應(yīng)直接抓取最符合用戶需求的餐廳并給出結(jié)果，否則中間平臺(tái)會(huì)截留商業(yè)價(jià)值，影響個(gè)人AI的代表性。因此，未來(lái)每個(gè)商戶、航空公司、景區(qū)、產(chǎn)品提供商都應(yīng)成為直接服務(wù)提供者，個(gè)人AI可根據(jù)其服務(wù)描述直接調(diào)用，將最匹配的服務(wù)推送給用戶。application是流量經(jīng)濟(jì)的語(yǔ)言，在個(gè)人AI時(shí)代已不適用——因?yàn)閭€(gè)人AI的核心是服務(wù)本身，而非流量。
第三類是能力保障層。包括大模型提供商、感知器件供應(yīng)商、GPU算力提供商、安全技術(shù)環(huán)境提供商等。他們不直接接觸客戶，但為整個(gè)體系提供基礎(chǔ)能力支撐。
明確這一分層架構(gòu)后，可以回答聯(lián)想的定位：聯(lián)想扮演的是整合者角色。負(fù)責(zé)將設(shè)備、各類能力（算力、傳感、感知等）整合為成本可控的終端設(shè)備，嵌入個(gè)人超級(jí)智能體以及服務(wù)連接的標(biāo)準(zhǔn)與規(guī)則，最終完成交付。
整合者角色并非聯(lián)想獨(dú)有。眾多終端+應(yīng)用類公司以及公共AI提供商都在進(jìn)入該領(lǐng)域。目前幾乎沒(méi)有不涉足硬件的大模型公司，因其發(fā)現(xiàn)要觸達(dá)個(gè)人用戶必須完成整合交付。但公共AI廠商面臨一大挑戰(zhàn)：其原有商業(yè)模式依賴流量變現(xiàn)和廣告，用戶會(huì)質(zhì)疑其是否能始終代表用戶利益。初期嘗鮮尚可，但深度使用時(shí)用戶會(huì)擔(dān)憂AI究竟代表用戶、商戶還是平臺(tái)利益，可信度成為關(guān)鍵障礙。
服務(wù)層呈現(xiàn)兩類格局：一類是三年前開始創(chuàng)業(yè)的原生智能體公司，其天生就提供直接服務(wù)，但為提升銷售可行性也在推出終端產(chǎn)品；另一類是傳統(tǒng)APP開發(fā)者，目前出現(xiàn)巨大分裂——部分固守原有流量模式，因智能體沖擊而損失嚴(yán)重；另一部分嘗試改造，但改造后封閉性較強(qiáng)，不允許被外部AI調(diào)用，仍在轉(zhuǎn)型過(guò)程中。
聯(lián)想在服務(wù)層主要扮演連接角色，制定調(diào)用標(biāo)準(zhǔn)協(xié)議和分成結(jié)算機(jī)制。結(jié)算邏輯是用戶為服務(wù)付費(fèi)后，服務(wù)提供者向聯(lián)想支付費(fèi)用，而非聯(lián)想代付。計(jì)費(fèi)依據(jù)是實(shí)際服務(wù)交付而非調(diào)用次數(shù)。在能力層，聯(lián)想主要采取合作模式，與英偉達(dá)、英特爾、AMD、微軟、高通等算力提供商，以及國(guó)內(nèi)外大模型廠商建立深度合作關(guān)系。
劉湘明：那你覺(jué)得FIFA是哪一類呢？
阿木：FIFA屬于中間的服務(wù)層，直接提供服務(wù)——即足球賽事服務(wù)。未來(lái)還有一類可探索的模式：背后的俱樂(lè)部乃至球員本身也可能成為直接的服務(wù)層。
足球的真正粉絲（而非普通看客）通常會(huì)對(duì)某個(gè)俱樂(lè)部、國(guó)家隊(duì)或特定球星保持長(zhǎng)期忠誠(chéng)，甚至可能對(duì)國(guó)家無(wú)感，唯獨(dú)鐘情于個(gè)別球員。因此，服務(wù)提供者未必僅限于FIFA這類大型機(jī)構(gòu)，每個(gè)球員都有可能成為直接服務(wù)節(jié)點(diǎn)。
屆時(shí)，球員可直接與個(gè)人AI建立聯(lián)系，但前提是需要對(duì)自身進(jìn)行準(zhǔn)確地描述與呈現(xiàn)。目前這一環(huán)節(jié)尚屬空白。聯(lián)想開發(fā)的football AI之所以能深度挖掘、分析并評(píng)析每支球隊(duì)和每名球員，背后是與球隊(duì)及FIFA合作完成了大量的數(shù)據(jù)整理工作，從而使football AI具備極強(qiáng)的縱深理解能力，能夠精準(zhǔn)把握每位球員在每場(chǎng)比賽中的狀態(tài)。
劉湘明：聽說(shuō)聯(lián)想的個(gè)人AI目標(biāo)今年是從“助手”升級(jí)為“隊(duì)友”，這個(gè)“隊(duì)友”能具體幫我做什么現(xiàn)在“助手”做不到的事？
阿木：“隊(duì)友”是一個(gè)擬人化比喻，指AI作為協(xié)作伙伴與人共同完成某項(xiàng)事務(wù)——可能是一個(gè)專題、項(xiàng)目、工作任務(wù)或生活需求。
當(dāng)前能力主要體現(xiàn)在以下三個(gè)層面：
第一，情景感知。AI能夠感知用戶當(dāng)前經(jīng)歷和未來(lái)意圖，理解“context”（情境）而非僅處理用戶輸入。例如，當(dāng)用戶晚上8點(diǎn)48分打開拯救者電腦，AI能判斷其準(zhǔn)備進(jìn)入游戲狀態(tài)；當(dāng)發(fā)現(xiàn)用戶在游戲過(guò)程中暫停并陷入思考，AI可識(shí)別其正在反思戰(zhàn)術(shù)策略或與其他隊(duì)友討論。目前情景感知主要在電腦、手機(jī)、平板等數(shù)字設(shè)備中實(shí)現(xiàn)，未來(lái)隨著陪伴式設(shè)備和機(jī)器人普及，將擴(kuò)展至物理世界的情境感知。
第二，主動(dòng)服務(wù)。在感知情境后，AI能夠主動(dòng)推薦、主動(dòng)服務(wù)，無(wú)需用戶召喚即可介入，直接生成結(jié)果。這種主動(dòng)性體現(xiàn)為“我知道你正在經(jīng)歷什么，因此我來(lái)主動(dòng)改變你的狀態(tài)、提供服務(wù)”。
第三，直接執(zhí)行。AI不再僅提供執(zhí)行建議，而是直接完成任務(wù)閉環(huán)。諸如Atlas、Comet（Perplexity旗下產(chǎn)品）以及豆包手機(jī)助手等，已實(shí)現(xiàn)基于用戶意圖直接完成任務(wù)。雖然用戶操作看似簡(jiǎn)單，但其背后運(yùn)用了復(fù)雜的技術(shù)組合。目前在工作、學(xué)習(xí)等場(chǎng)景中，“隊(duì)友”已能直接生成最終結(jié)果（如營(yíng)銷人員直接生成并發(fā)布小紅書內(nèi)容），而非甩給用戶自行處理。這種擔(dān)當(dāng)意味著AI需花費(fèi)數(shù)分鐘甚至更長(zhǎng)時(shí)間進(jìn)行深度研究、反復(fù)推理、計(jì)算試錯(cuò)，最終交付成果。
總結(jié)而言，“隊(duì)友”的核心特質(zhì)在于：知曉你的狀態(tài)并為你所急、無(wú)需召喚主動(dòng)服務(wù)、擔(dān)當(dāng)責(zé)任而非僅提供建議。
劉湘明：在生態(tài)方面，未來(lái)聯(lián)想和生態(tài)伙伴的合作方式會(huì)不會(huì)有一些變化？
阿木：聯(lián)想與生態(tài)合作存在“一個(gè)不變”與“一個(gè)變化”：
不變的是，聯(lián)想一貫從用戶角度出發(fā)思考產(chǎn)品，并據(jù)此規(guī)劃產(chǎn)業(yè)鏈角色與協(xié)同方式。聯(lián)想內(nèi)部通過(guò)戰(zhàn)略研討、戰(zhàn)略論證和產(chǎn)品規(guī)劃，始終遵循這一邏輯。這里的“用戶角度”并非簡(jiǎn)單等同于“用戶需求”——客戶或許只能想到“跑得快需要好鞋”，卻想不到“其實(shí)可以騎自行車”。因此，站在客戶立場(chǎng)定義好產(chǎn)品后堅(jiān)持開放合作，這是不變的。
變化的是，合作形態(tài)從成熟商務(wù)模式轉(zhuǎn)向共創(chuàng)迭代。傳統(tǒng)成熟市場(chǎng)的合作通常是對(duì)接、簽合同、分錢，但AI領(lǐng)域的場(chǎng)景創(chuàng)新與產(chǎn)品創(chuàng)新尚不穩(wěn)定清晰，需要不斷試錯(cuò)，甚至硬件方向也可能在半年一年后調(diào)整放棄。因此，必須與服務(wù)提供商、能力提供者開展大量共創(chuàng)，這與傳統(tǒng)的成熟開放合作模式有本質(zhì)不同。
服務(wù)共創(chuàng)層面，聯(lián)想與中國(guó)本土平臺(tái)“什么值得買”、騰訊視頻等合作智能體服務(wù)連接。當(dāng)用戶意圖明確指向其內(nèi)容為最佳選擇時(shí)，個(gè)人AI會(huì)調(diào)用這些服務(wù)，但是否調(diào)用、何時(shí)調(diào)用完全由個(gè)人AI根據(jù)用戶意圖決定，而非由聯(lián)想進(jìn)行排序干預(yù)。
算力共創(chuàng)層面，聯(lián)想與高通、Intel、AMD、英偉達(dá)等算力提供商開展深度合作，針對(duì)智能體運(yùn)算需求進(jìn)行大量算力適配，目標(biāo)是降低算力依賴、降低成本、降低能耗，尤其要在手機(jī)和平板上實(shí)現(xiàn)不影響續(xù)航的終端AI運(yùn)算。各方需共同測(cè)試后上線，再根據(jù)用戶反饋和實(shí)際使用情況，持續(xù)優(yōu)化芯片內(nèi)部算法及算子庫(kù)，不斷迭代。這一合作模式已持續(xù)三四年。
總體而言，這是一種開放與共創(chuàng)的做法。
劉湘明：之前你說(shuō)服務(wù)商需要進(jìn)行搜索引擎優(yōu)化，在智能時(shí)代，是不是就要對(duì)智能助手進(jìn)行優(yōu)化？
阿木：需要首先明確的是，這里討論的不是“助手”，也不是以商業(yè)平臺(tái)為核心、以流量變現(xiàn)為目的的公共AI。前面所討論的個(gè)人AI，是指代表個(gè)人立場(chǎng)、以個(gè)人利益為中心的AI。理清這一概念至關(guān)重要，因?yàn)椴糠钟^眾可能未觀看前面的內(nèi)容。在這一背景下，我們?cè)賮?lái)看剛才的問(wèn)題。
關(guān)于個(gè)人AI的優(yōu)化，嚴(yán)格來(lái)說(shuō)其主要優(yōu)化來(lái)源在于個(gè)人自身。商業(yè)機(jī)構(gòu)如聯(lián)想需要持續(xù)引進(jìn)和升級(jí)的有兩個(gè)方面：
主要優(yōu)化來(lái)自用戶側(cè)：基于個(gè)人知識(shí)、個(gè)人記憶以及個(gè)人所處的感知環(huán)境進(jìn)行優(yōu)化。這部分聯(lián)想無(wú)法干預(yù)，因?yàn)檫@些數(shù)據(jù)和環(huán)境情景均屬于用戶個(gè)人。交付給用戶后，聯(lián)想無(wú)法接觸這些數(shù)據(jù)，否則將違背個(gè)人AI的本質(zhì)。因此，使用越多，AI越像用戶本人，越了解其喜好和期待。用戶只需簡(jiǎn)單操作（如連續(xù)點(diǎn)擊“不要了”），AI便能學(xué)習(xí)并調(diào)整，這是基于個(gè)人使用和數(shù)據(jù)記憶的優(yōu)化。
需要持續(xù)優(yōu)化的兩個(gè)方面：
一是算力。個(gè)人無(wú)法自行打開芯片進(jìn)行修改，因此需要聯(lián)想持續(xù)與芯片廠商合作優(yōu)化。
二是模型升級(jí)。當(dāng)前模型迭代并未放緩，原生多模態(tài)、世界模型、小型化等技術(shù)快速發(fā)展，開源模型進(jìn)步迅速，且出現(xiàn)了許多在特定專業(yè)領(lǐng)域表現(xiàn)優(yōu)異的專用模型。例如，銀行從業(yè)者可能需要金融領(lǐng)域的專業(yè)模型，其生活與工作可能高度聚焦于該領(lǐng)域。因此，引入最適合個(gè)人AI的模型，以及能夠承載對(duì)應(yīng)智能體運(yùn)算的算力，需要聯(lián)想持續(xù)與大模型廠商、云廠商和算力提供商合作。
新增優(yōu)化點(diǎn)：從去年開始，可信安全成為新的優(yōu)化重點(diǎn)。傳統(tǒng)安全（應(yīng)用安全、設(shè)備安全、內(nèi)容安全）已討論成熟，當(dāng)前更關(guān)注智能體安全、智能體網(wǎng)絡(luò)安全、大模型推理計(jì)算過(guò)程的安全，以及授權(quán)后調(diào)用APP過(guò)程中未被“下毒”的安全。例如，被惡意干擾后可能出現(xiàn)執(zhí)行結(jié)果偏差（如將紅色變?yōu)楹谏?。這些新的AI安全體系是個(gè)人AI可信的前提條件，需要持續(xù)迭代優(yōu)化，而這是個(gè)人無(wú)法做到的。
劉湘明：除了個(gè)人AI之外，聯(lián)想有一半的業(yè)務(wù)來(lái)自企業(yè)級(jí)。在企業(yè)級(jí)AI方面，聯(lián)想有何戰(zhàn)略，包括個(gè)人AI和企業(yè)級(jí)AI在企業(yè)的部署，需要做好哪些準(zhǔn)備工作？
阿木：首先需要說(shuō)明的是，盡管名為“CES”（消費(fèi)者電子展），但當(dāng)前展區(qū)內(nèi)容已遠(yuǎn)超出消費(fèi)級(jí)范疇?，F(xiàn)場(chǎng)展出了大量企業(yè)級(jí)（Enterprise）產(chǎn)品，涵蓋汽車、挖掘機(jī)（如卡特彼勒）、農(nóng)業(yè)解決方案等各類工業(yè)領(lǐng)域。展會(huì)內(nèi)涵已遠(yuǎn)超“Consumer Electronics”的命名范疇，“C”字母實(shí)際上已名不副實(shí)。如今，探討企業(yè)級(jí)應(yīng)用已成為CES的核心主題。
在企業(yè)展區(qū)中，絕大多數(shù)展示內(nèi)容都圍繞AI在企業(yè)環(huán)境中的應(yīng)用展開，范圍從城市治理到中小企業(yè)、SOHO辦公乃至門店管理。AI在企業(yè)中的滲透恰逢其時(shí)：三年前AI成本高昂，企業(yè)難以接觸；前兩年AI僅能用于內(nèi)容生成，無(wú)法投入實(shí)際生產(chǎn)，且存在幻覺(jué)等問(wèn)題。但2025年以來(lái)，隨著開源模型將成本降至極低水平，模型推理能力也顯著增強(qiáng)，AI已能在企業(yè)內(nèi)部執(zhí)行某些流程并達(dá)到可接受的水平（人類本身也會(huì)犯錯(cuò)，只要AI表現(xiàn)略優(yōu)于人工且無(wú)需培訓(xùn)即可使用）。
因此，自2025年起，企業(yè)開始在流程中真正應(yīng)用基于大模型的智能體（Agent AI），但當(dāng)前應(yīng)用仍主要集中在生成環(huán)節(jié)，如生成海報(bào)、文檔、會(huì)議紀(jì)要、工廠操作手冊(cè)，或基于故障知識(shí)庫(kù)診斷問(wèn)題。這些本質(zhì)上都是“生成”行為——根據(jù)提問(wèn)從海量知識(shí)庫(kù)中匹配最相關(guān)答案。雖然已開始認(rèn)真使用，但應(yīng)用深度有限。
AI要在企業(yè)內(nèi)部真正創(chuàng)造價(jià)值、轉(zhuǎn)化為生產(chǎn)力，必須重構(gòu)業(yè)務(wù)流程。生產(chǎn)力決定生產(chǎn)關(guān)系，而在企業(yè)內(nèi)部，生產(chǎn)關(guān)系體現(xiàn)為流程——規(guī)范員工權(quán)限分配與執(zhí)行順序的體系。
因此，AI在企業(yè)內(nèi)部深度落地需完成三項(xiàng)準(zhǔn)備：
第一，升級(jí)數(shù)字化底座。將原有數(shù)字化平臺(tái)升級(jí)為AI平臺(tái)，構(gòu)建包含大模型平臺(tái)、智能體開發(fā)運(yùn)行平臺(tái)、知識(shí)管理平臺(tái)、GPU推理算力管理平臺(tái)以及可信計(jì)算平臺(tái)的完整AI基礎(chǔ)設(shè)施。調(diào)研顯示，61%的企業(yè)尚未建立AI底座，僅39%開始建設(shè)。因此，無(wú)論發(fā)布會(huì)展示多么炫目，企業(yè)首先需完成基礎(chǔ)設(shè)施升級(jí)，智能體AI才能落地。
第二，重構(gòu)企業(yè)內(nèi)部流程。當(dāng)前CES展示的許多企業(yè)AI方案無(wú)法在真實(shí)企業(yè)中落地，因其無(wú)法嵌入現(xiàn)有流程。傳統(tǒng)流程是線性步驟（1-2-3-4-5），引入AI后可能變?yōu)?-5（跳過(guò)中間環(huán)節(jié)），甚至將步驟并列執(zhí)行。例如，產(chǎn)品研發(fā)傳統(tǒng)流程為“研發(fā)→測(cè)試→報(bào)告→上市”，引入測(cè)試智能體后，研發(fā)第一天即可同步啟動(dòng)測(cè)試，實(shí)時(shí)預(yù)警散熱、老化、電磁干擾等問(wèn)題，實(shí)現(xiàn)研發(fā)與測(cè)試并行。若流程不變，僅增加測(cè)試智能體，除增加成本外價(jià)值有限，員工與流程均未改變。只有重構(gòu)流程，讓研發(fā)人員直接使用測(cè)試智能體（而非測(cè)試人員使用），才能實(shí)現(xiàn)根本變革。企業(yè)需由業(yè)務(wù)負(fù)責(zé)人牽頭，逐一梳理在具備自主編排執(zhí)行能力的智能體支持下，流程應(yīng)如何重塑。
第三，人才培養(yǎng)。企業(yè)普遍缺乏能熟練使用AI的人才。僅少數(shù)因使用個(gè)人AI而有經(jīng)驗(yàn)的員工能在企業(yè)環(huán)境中應(yīng)用，絕大多數(shù)員工未做好準(zhǔn)備。這如同2000年時(shí)PPT技能成為入職門檻，AI協(xié)作能力將成為新的基礎(chǔ)要求——員工需學(xué)會(huì)與智能體共處，將其視為隊(duì)友，容忍其錯(cuò)誤并耐心調(diào)教，使其在流程執(zhí)行中變得可靠貼心。但基層員工通常缺乏管理技能（中層管理人員因長(zhǎng)期帶團(tuán)隊(duì)而具備調(diào)教能力），容易產(chǎn)生抱怨與恐懼情緒（如擔(dān)心被替代），進(jìn)而導(dǎo)致“AI不準(zhǔn)”的負(fù)面評(píng)價(jià)。實(shí)際上，新員工也需三個(gè)月試用期培訓(xùn)，智能體同樣需要培養(yǎng)過(guò)程。
2026年調(diào)研顯示，企業(yè)在AI落地中面臨的最大痛點(diǎn)并非前兩項(xiàng)，而是人才。沒(méi)有合適的人才，一切都無(wú)法落實(shí)。因此人才培養(yǎng)成為重中之重，且無(wú)捷徑可走，必須反復(fù)培訓(xùn)。
其中有一個(gè)關(guān)鍵策略：從中層管理人員開始培養(yǎng)。不應(yīng)直接要求基層員工改變，因?yàn)橹袑庸芾砣藛T若不變革，其仍按原有流程管理，一句“研發(fā)完再測(cè)試”便將優(yōu)化努力全盤否定。只有當(dāng)中層管理人員提升AI素養(yǎng)后，才能帶領(lǐng)團(tuán)隊(duì)實(shí)現(xiàn)真正的轉(zhuǎn)變。
劉湘明：最后一個(gè)問(wèn)題，聯(lián)想自身也用了很久AI了，在這些過(guò)程中，踩過(guò)哪些坑？有哪些經(jīng)驗(yàn)可以與大家分享的？
阿木：聯(lián)想的AI戰(zhàn)略可追溯至2017年，當(dāng)時(shí)全球仍在討論數(shù)字化轉(zhuǎn)型，企業(yè)普遍投入大數(shù)據(jù)平臺(tái)并熱衷于建設(shè)可視化大屏。聯(lián)想在當(dāng)時(shí)已率先推動(dòng)智能化轉(zhuǎn)型，探索如何運(yùn)用AI算法挖掘數(shù)據(jù)價(jià)值，實(shí)現(xiàn)預(yù)測(cè)、預(yù)警、推理規(guī)律乃至為產(chǎn)品規(guī)劃提供決策建議。歷經(jīng)八年多迭代，擎天平臺(tái)已從1.0的敏捷化、2.0的判別式AI，發(fā)展到3.0引入生成式AI，并于2024年在4.0版本中融入智能體AI。長(zhǎng)期以來(lái)，聯(lián)想持續(xù)在不同業(yè)務(wù)領(lǐng)域驗(yàn)證AI價(jià)值，以業(yè)務(wù)數(shù)據(jù)（收入提升、成本降低、周轉(zhuǎn)加速、客戶滿意度與忠誠(chéng)度改善、粉絲增長(zhǎng)）證明技術(shù)有效性，因?yàn)槠髽I(yè)真正關(guān)心的是技術(shù)背后的商業(yè)價(jià)值。
實(shí)踐路徑遵循主價(jià)值鏈優(yōu)先原則。聯(lián)想率先在供應(yīng)鏈領(lǐng)域應(yīng)用AI——因其數(shù)據(jù)量最為龐大且復(fù)雜，涉及數(shù)千個(gè)組件、數(shù)十家工廠及面向180多個(gè)國(guó)家和地區(qū)的48小時(shí)交付，海量數(shù)據(jù)無(wú)法靠人力處理。隨后在營(yíng)銷、銷售、售后服務(wù)等環(huán)節(jié)推廣，最后才應(yīng)用于員工層面。值得注意的是，許多企業(yè)優(yōu)先選擇員工場(chǎng)景切入，但這屬于輔助價(jià)值鏈，創(chuàng)造的價(jià)值極其有限。供應(yīng)鏈成本節(jié)約直接轉(zhuǎn)化為利潤(rùn)，而員工工作時(shí)間節(jié)省一小時(shí)僅相當(dāng)于增加一小時(shí)刷短視頻時(shí)間，并未帶來(lái)實(shí)際成本節(jié)約。因此，應(yīng)在主價(jià)值鏈應(yīng)用AI，若技術(shù)不成熟寧可等待，切勿將精力浪費(fèi)在郵件生成、紀(jì)要自動(dòng)生成等輔助功能上。智能體之間若可直接對(duì)話，紀(jì)要本身已無(wú)必要。
企業(yè)應(yīng)用AI需規(guī)避三大陷阱：
陷阱一：誤入輔助價(jià)值鏈。每個(gè)企業(yè)都有核心價(jià)值鏈，若AI應(yīng)用未作用于主價(jià)值鏈，價(jià)值微乎其微。真正的目標(biāo)應(yīng)是讓智能體直接完成任務(wù)，而非生成僅供人閱讀的建議。
陷阱二：預(yù)算先行而非POC驗(yàn)證。企業(yè)內(nèi)部立項(xiàng)通常要求先明確價(jià)值再批預(yù)算，但當(dāng)前無(wú)人確切知曉AI在特定企業(yè)的價(jià)值空間，僅確信其價(jià)值必然存在。正確做法是先進(jìn)行3-6個(gè)月的POC測(cè)試，在此期間完善知識(shí)庫(kù)、培訓(xùn)員工、優(yōu)化流程。待驗(yàn)證真實(shí)價(jià)值后再立項(xiàng)投資并規(guī)?；瘡?fù)制，而非沿用傳統(tǒng)IT項(xiàng)目的預(yù)算審批模式。
陷阱三：基礎(chǔ)設(shè)施投資不足。企業(yè)寧可采購(gòu)一體機(jī)供百人使用，也不愿升級(jí)數(shù)據(jù)中心，因其認(rèn)為固定資產(chǎn)投入無(wú)法回收。然而，AI底座升級(jí)是一項(xiàng)戰(zhàn)略性投資，周期為3—5年，絕非IT部門預(yù)算可決定的課題。正如2000年ERP系統(tǒng)的“上ERP找死，不上ERP等死”困境，與等死相比，尋死尚可向死而生。此類投資必須由CEO、董事長(zhǎng)或總裁自上而下戰(zhàn)略批復(fù)，不能按單個(gè)智能體項(xiàng)目零星投入。這是從數(shù)字平臺(tái)到AI底座的突變式升級(jí)，而非漸進(jìn)改良。部分前瞻企業(yè)已直接將收入的千分之幾甚至百分之幾（如金融公司）專項(xiàng)投入基礎(chǔ)設(shè)施建設(shè)，再尋找應(yīng)用場(chǎng)景，因其屬于固定資產(chǎn)投入，不會(huì)全額沖減當(dāng)年利潤(rùn)。
劉湘明：謝謝你今天的分享。
（本文首發(fā)于鈦媒體APP）
快報(bào)
根據(jù)《網(wǎng)絡(luò)安全法》實(shí)名制要求，請(qǐng)綁定手機(jī)號(hào)后發(fā)表評(píng)論