這屆達沃斯，西方讀懂了中國AI的效率哲學

文 / 梁添

來源 / 節點財經

毫無疑問，AI已經成為關乎世界經濟發展的主角。

在今年達沃斯世界經濟論壇上，大佬們金句頻出，馬斯克放話，我們可能在今年年底就擁有比任何人類都更聰明的 AI；微軟 CEO 納德拉警告，大公司在 AI 時代更容易被顛覆。

新觀點讓人應接不暇，在《節點財經》看來，主題為《原生AI應用驅動型企業》的Panel(圓桌論壇)，或許真正觸及到了企業的痛點，嘉賓們觀點交鋒，也讓今年達沃斯變得更具看點。

這場Panel集齊了包括Anthropic投資人/Lightspeed創始人Ravi Mhatre、Lightspeed風投合伙人/Rubrik CEO Bipul Sinha和Kimi總裁張予彤等業內人士。

去年1月DeepSeek R1引發AI巨震，一年之后，Kimi作為中國模型的代表，折射出在算力受限的背景下，中國AI如何憑借“極致效率”，向全球輸出中國大模型敘事。

從用AI到AI驅動，企業差在哪里？

用AI重塑業務已成為共識。

根據埃森哲數據，2025 年， 87% 的中國企業增加了對 AI 的投入，且超過一半的企業表示 AI 項目的進展速度快于預期。

趨勢固然明確，可落地體感卻十分割裂。麥肯錫研究指出，只有1% 的企業領導人認為自己的組織達到了成熟應用的階段。

錢花出去了，卻沒拿到好結果。這種高投入、低成熟度的落差，成為了今年達沃斯論壇上關于AI討論的重要背景。

企業究竟卡在了哪里？

Rubrik CEO Bipul Sinha一語道破癥結所在：“你不能把使用chatbot和AI搜索簡單等同于AI轉型。”

傳統公司組織臃腫，充滿運作慣性。他們在嘗試AI 轉型時，并不想大刀闊斧的改變原有工作流，只喜歡小修小補，這就導致了AI轉型只是隔靴搔癢，難觸及業務核心。

在這場論壇中，嘉賓們特意對AI驅動企業，在組織形式與協作方式上，給出了明確、可量化的定義。

“一家企業在所有業務線中，至少有3到5個工作流實現了AI端到端落地，才被認為是合格的AI驅動。而對于一個被認為是AI轉型領先的公司，超過一半的員工任務必須實現了20%的績效提升。”Bipul Sinha提出了自己的判斷。

張予彤則從組織形式的維度，對AI驅動型企業下定義，她提出了“人-Agent 比例”。

當下 AI 正在為所有公司帶來極高的運營杠桿。如果只是專注于應用層的構建，可能團隊人數不到 10 人，但卻擁有數百個智能體在干活，在運營層面協助完成大量工作。“因此我認為，目前 AI 正在賦予所有公司極高的運營杠桿。”

說到AI驅動，Claude Code就是一個鮮明的例子，Ravi Mhatre舉例，僅僅在 8 個月前才發布，如今已經達到 15 億美元的年化收入規模，并且擁有接近 1500 萬名開發者。能用 AI 產出顛覆性成果的公司，往往不受制于傳統組織結構、流程和工作方式。

組織形式松動后，更深層變革還有交互方式。

一個流行說法：軟件正在吞噬世界，可在Panel中，有一個核心共識：智能正在取代代碼和圖形界面（GUI），成為新一代通用語言。

Ravi Mhatre判斷，AI 將首先消滅大量尚未被軟件化的人工流程，但在高用戶規模、高體驗要求的應用中，工程與設計在相當長一段時間內仍需由人主導。長遠看，最終形態將是“人 + AI”的混合式協作，而非完全自動化。

這一點與張予彤的觀點不謀而合，她形容，未來的軟件將走向“無形化”，人類無需再通過點擊成百上千個按鈕或背誦復雜公式來操作GUI，取而代之的是通過自然語言，經由智能體調用一切功能。

而當軟件“無形化”，隨之而來的是，UI（用戶界面）和 UX（用戶體驗）變革。

“人們只要清晰地描述意圖，就能掌握 AI 使用方法，進而通過 AI 調用現有軟件所有功能。”張予彤談到，如果現有的軟件無法滿足需求，AI 還可以當場編寫出個性化工具，直接交付最終結果。

Ravi Mhatre補充道，我們處于“智能強度爆發”的指數曲線上，“智能”將成為人們表達自動化意圖的一種新語言。就像 Cursor所展示的那樣，代碼可以被vibe coded，并具備魯棒性，且幾乎達到準生產級別。

既然AI可以直接在工程場景替代訓練有素的程序員，那么，關于更長遠的未來，一個激進的預判被提出——最好的AI將由AI來構建，而不是人。

這一觀點引發了關于自主化程度的討論。張予彤提出一個大前提，在擁有一個真正有用且可擴展的 AI 系統之前，AI 得先具備像人類一樣，長周期自主執行能力。

其余幾位嘉賓，似乎也更認可長周期的自主執行能力先行的觀點。

AI技術確實突飛猛進，但從重塑企業組織形式、工作流的角度看，還有很多值得人類慢慢探索的空間。

整體來看，這場 Panel嘉賓的大多觀點有共識之處，共識的背后，我們注意到了兩股力量，分別是中國與美國AI所代表的開源與閉源兩種路線。這不僅僅是發展路線不同，更是中美兩國在探索AGI時兩種發展理念的碰撞。

算力不是唯一變量，中國AI競爭力從何而來

去年1月DeepSeek R1發布以來，中國開源大模型憑借高性能，低成本特性迅速打開全球市場。

在全球開源社區GitHub上，DeepSeek、Qwen、Kimi等中國開源項目的關注度持續走高，Meta、Airbnb、Thinking Machines Lab等硅谷企業，紛紛將中國AI技術架構當作研發樣本。

中國大模型正在向硅谷發起一場反向技術輸出。據高盛與OpenRouter聯合統計，截至2025年底，近80%的美國初創企業采用了中國大模型。

現如今，“中國開源模型能大幅降低開發成本”已成業界共識，部分初創企業能將相關成本降至原閉源方案的10%到20%。

然而實現這一成績的背景，恰恰是在芯片資源被封鎖的情況下。要知道算力堪比大模型的源動力，在算力被卡脖子的當下，為什么中國AI能有這個成績？

這離不開中國在當前AI競賽中的三大驅動力，也是張予彤作為嘉賓在《中國AI+經濟》的另一場對話中的表達。

首先是規模化市場的賦能。

中國龐大的制造業與零售業為AI提供了得天獨厚的使用場景。這種海量數據與復雜業務邏輯的結合，使中國公司能夠在生產環節中構建真正可擴展的系統，讓技術在實際落地中完成高效迭代。

其次是社會對新技術的包容與開放態度。

回顧新能源汽車、太陽能、智能手機及自動駕駛的發展歷程，張予彤認為，中國用戶與企業對提升生產力的新工具展現出極高的擁抱意愿，“對技術的開放性和擁抱新技術的態度，是中國非常獨特的優勢”。張予彤補充。

最后是“基建先行”的思維模式。

中國在電力供應、跨區域高速公路以及多城市巨型數據中心方面的持續投入，有效降低了能源獲取成本。這種數字基建的領先地位，確保了前沿創新不受能源瓶頸阻礙，為技術爆發提供了穩固支撐。

中國AI的另類突圍之路

除了宏觀環境，還有企業在有限資源下，倒逼出的差異化路線。

作為對比，2025年，OpenAI、英偉達、甲骨文攜手大興基礎設施，這場建設熱潮累計投資超過2萬億美元。

如果說硅谷在探索AI算力的上限，那么中國正在探索AI效率的極致——他們告別了狂熱比拼算力規模的軍備競賽，聚焦能力密度，依托開源生態，構建能讓普通人用起來的Open weights（權重開放）技術方案。

以Kimi為例，資源只有美國頂尖實驗室的1%，“從創業第一天起我們就清醒地意識到，中國初創公司沒有隨意堆砌算力的條件”。

“這迫使我們通過大量的基礎研究創新來換取極致的效率。”張予彤透露，Kimi投入了大量精力將工程化思維引入研究環節，確保所有算法創新都能在生產系統中大規模穩定運行。

例如，Kimi是全球首個在大型語言模型訓練中跑通Muon優化器的公司；同時，自研的線性注意力機制（Kimi Linear）在處理速度上已顯著超越傳統的全注意力系統，實現了效率的跨越式提升。

晦澀的技術名詞背后，邏輯很簡單：通過重構底層算法，讓同樣的算力產出更高的智能。這種對于資源的高效利用，所沉淀下來的經驗與手感，不是堆砌算力就能獲得的壁壘。

就像張予彤在Panel中的觀點，AI會重構組織效率與協作形式，又反哺給了Kimi自身。

在全球開源榜單多次登頂的Kimi只有300人，而這種效率優勢正快速轉化為平權生產力。

“現在我們收到的大量簡歷不再是PDF，而是個人網站鏈接。即使是完全不懂代碼的人，也能通過AI生成的網頁代碼展示才華。AI讓專業技能平權化，釋放了每個人的個體創造力。”

而在達沃斯被問及今年是否會出現新的“中國AI時刻”時，張予彤笑著回應：“我們很快就會發布一個新模型。”

結尾

很多人會用中美AI技術競賽形容目前情況，但這并不是百米沖刺，而是漫長馬拉松，所以，AGI需要理想主義者的長期主義信仰支撐。

中國AI從早期的落后到如今幾乎追平，也為AI全球敘事書寫了新的一頁。

現如今，中美差距的本質是“路徑選擇”，若只看單一頂尖模型能力，差距確實存在。 但若看性價比與生態能力，中國企業與硅谷，既有競爭又有互補。現在，中國AI正在成為效率、創新、工程能力的出色代表，也為全球AI發展與企業創新提供了新的可能。