2021年，我们怀揣求知之心走进国发院，彼时未曾想到，这段求学之旅将与一个剧变的时代同频共振。
三年间，我们亲历了疫情的考验，见证了GPT掀起的人工智能浪潮，更在学院深厚的学术底蕴与同窗的卓越风采中，完成了认知的迭代与视野的升维。
2025年接过班委的接力棒，我们以"身体健康、心理健康、知识共享、富足自强"为理念，持续践行国发院人的责任与担当，与侯宏老师、学院企业家AI启航班等同学、校友的频繁交流，杭州"六小龙"的实地参访，都在不断拓宽我们对商业与技术的理解边界。
去年受托于学院的一篇约稿，因思虑未熟而搁置，直至今日——在与众多企业家的深度交流中，我们突然发现：面对AI这一划时代技术，即便是同样优秀的企业家与校友，理解路径与认知深度也呈现出丰富的差异性——这种"和而不同"的观察，既让我们看到思想碰撞的珍贵，也让我们意识到弥合认知鸿沟、促进共识形成的价值。深感于此，遂将平日所思与现场所悟融会贯通，终得此文。
从课堂到商场，从理论到实践，国发院赋予我们的不仅是知识，更是洞察本质的思维利器。愿这篇源于实践观察的文字，能为读者提供理解AI商业化的另一重视角。
——作者：北大国发院EMBA2021级、北京万宝德智能科技有限公司创始人 夏锦泉
站在2026年3月的时间节点，人工智能（AI）产业正经历着一场深刻的价值观重塑。从早期的狂热追捧到如今的理性回归，这一历程完美印证了罗伊·阿马拉提出的著名定律：人们总是高估技术的短期效应，而低估其长期影响。本文旨在透过当前的行业表象，拆解这一“预期错位”背后的认知逻辑与商业机制，探讨在泡沫挤出的阵痛期，企业决策者如何识别真正的技术红利，并布局即将到来的“人工智能”时代。
时光步入2026年，当70万人卸载ChatGPT，数百万人开始“养龙虾”，我们该如何看待这场AI变局？关于人工智能的叙事正在发生微妙而剧烈的转变。
OpenAI的遭遇，是一场典型的“信任危机”。 当一家公司掌握着数亿用户的对话数据，当AI被接入军事系统、用于情报分析，用户突然意识到：原来我每天聊天的那个“朋友”，可能成为权力的延伸。这不是技术能力的问题，而是价值选择的问题。用户用卸载表达态度，用迁移表明立场。
而OpenClaw的走红，则是一场“掌控感”的狂欢。 它让AI第一次真正有了“手脚”——不再是对话框里等指令的聊天机器人，而是能自动操作电脑、整理文件、收发邮件的数字员工。它运行在用户的本地设备上，由用户自己掌控。这种从“被动对话”到“主动执行”的跨越，击中了无数人对AI的终极想象：它应该是我的助手，而不是别人的工具。
时间再往前看，2022年底ChatGPT横空出世，全球陷入AI狂喜，生成式AI以一种近乎“神迹”的姿态闯入大众视野时，世界曾陷入一种集体性的亢奋。资本竞相追逐，仿佛AGI（通用人工智能）就在明早抵达，所有重复性劳动将在顷刻间被终结。然而，随着时间的推移，当自动驾驶汽车仍在L3与L4之间徘徊，当大模型偶尔显现的“幻觉”依然让企业级应用小心翼翼，市场情绪不可避免地滑向了另一端——质疑、失望，甚至是对技术价值的重新审视。
这种从巅峰跌落谷底再缓慢爬升的曲线，并非AI产业独有的尴尬，而是技术发展史上不断重演的剧本。美国科学家罗伊·阿马拉提出的“阿马拉定律”，为我们理解当下的困境提供了最佳的注脚。站在这一关键的历史节点，我们需要剥离掉媒体头条的喧嚣与资本市场的躁动，以一种更为冷静、深邃的商业视角，去重新审视AI的现实与未来。
为什么每一次技术革命初期，人类总是难以避免地陷入盲目乐观？这并非单纯的群体非理性，而是深植于认知模式、媒体传播与工程落地复杂性的必然结果。
AI技术的突破往往具有极强的戏剧性。从AlphaGo在围棋盘上落下那令世界震惊的一子，到ChatGPT输出第一行流畅的诗歌，这些“高光时刻”构成了公众对AI认知的起点。人类的思维本能倾向于将当下的成就线性外推。
当AI在封闭规则的游戏中战胜人类冠军，人们便理所当然地认为它也能在开放世界的复杂博弈中游刃有余；当它能写出漂亮的代码片段，人们便断言程序员职业即将消亡。这种认知偏差源于对“智能”概念的过度简化。在公众眼中，AI的某一项能力突破（如语言生成），被等同于全能型智慧的觉醒。
然而，现实中的AI更像是一个偏科的天才，它在特定任务上的表现可能超越人类，但在跨领域的常识推理、因果判断上，却往往不及格。这种“峰值效应”的误导，让市场在短期内对AI的能力边界做出了过于激进的各种假设。
如果说公众的直觉是燃料，那么资本与媒体就是助燃的鼓风机。在商业世界中，叙事往往先于价值兑现。为了追逐热点、推高估值，资本倾向于构建一个“技术乌托邦”的故事。媒体则敏锐地捕捉这种情绪，通过放大“颠覆”、“取代”等刺激性字眼来获取流量。
这就形成了一个巨大的“回声室”。在这个封闭的循环中，AI的短期价值被无限放大，任何一个微小的技术进步都被解读为行业变革的前奏。企业为了迎合市场预期，往往会提前透支技术成熟的节奏，过度承诺落地时间表。当现实的进度条跟不上PPT上的宏大愿景，泡沫的破裂便在所难免。
造成短期高估的最根本原因，在于从实验室演示到商业落地之间，隔着一条巨大且幽暗的鸿沟。
· 实验室场景：环境是纯净的，数据是标准的，任务是单一的。
· 真实商业场景：充满了噪声、模糊性和不可预知的意外。
一个能考高分的大模型，并不代表它能像一个普通人类同事那样理解办公室政治的微妙，或者操作一个它从未见过的咖啡机。从“智能”到“智慧”，从“感知”到“行动”，这中间的每一步都充满了工程挑战。
例如，在医疗领域，AI或许能精准识别影像中的病灶，但要让它承担诊断责任，涉及法律责任界定、患者隐私保护、多源数据融合等一系列非技术难题。这些“脏活累活”，往往被乐观的预测者所忽视，却正是阻碍技术短期爆发的关键障碍。
如果说短期的失望是泡沫挤出的必要阵痛，那么对长期潜力的低估，则可能让企业错失整个时代。阿马拉定律的后半句警告我们：当我们将目光聚焦于眼前的苟且时，往往忽略了远处正在积聚的风暴。
人类的大脑进化自线性世界，我们习惯于“一份耕耘一份收获”的线性增长逻辑。然而，在算力、数据与算法三重驱动下的AI技术，遵循的是指数级增长规律。
这种增长具有极强的欺骗性。在初期，指数曲线与直线几乎重合，技术进步看似缓慢甚至停滞。这正是当前许多质疑者的视角——他们看到了AI如今的笨拙，却忽视了算力每几个月翻倍的底层定律。当技术积累跨过某个临界点，曲线将陡峭上扬，呈现出爆发式增长。
这种“涌现”现象，往往超出了线性思维的预测范围。今天的AI看起来还在牙牙学语，但几年后，当算力提升百倍、算法进一步优化，它可能就悄无声息地跨过了某个关键的“能力阈值”，彻底改变行业的游戏规则。
真正改变世界的技术，最终都会走向“隐形”。电力刚出现时，曾被视为点亮黑夜的神迹，如今却像空气一样不可或缺且不被察觉。互联网也曾是极客的玩物，如今已成为水电煤一样的基础设施。
AI的长期潜力正是在于它的“水煤电化”。它将不再是独立的产品或APP，而是渗透进科学研究的每一个领域、每一个产业的每一个环节：
· 在药物研发中，预测蛋白质结构的标配工具；
· 在工业制造中，优化生产流程的隐形大脑；
· 在办公软件中，润色文档、整理数据的无声助手。
这种根本性的、润物细无声的变革，在初期很难被量化，也不会产生惊天动地的新闻头条，但它在长期积累后所释放的能量，将重塑整个商业社会的底层逻辑。
当我们孤立地看待AI技术时，容易陷入盲区。技术的进化史告诉我们，伟大的变革往往源于多种技术的“组合创新”。
当AI的某项基础能力（如语言理解、图像识别）达到一定水平后，将它们与机器人、脑科学、纳米技术等其他前沿领域结合，将催生出全新的物种。就像当初人们发明晶体管时，很难想象它能发展出今天的智能手机和移动互联网生态。
AI的长期潜力，在于它作为一种“元技术”，能够加速其他技术的迭代：
· AI + 机器人→ 柔性制造成为现实；
· AI + 脑科学→ 脑机接口走出实验室。
这种跨界融合所激发的无限可能，正是人类线性思维最难预见的“黑天鹅”。
站在2026年的中期视角，我们有必要对当前的AI应用现状进行一次清醒的盘点，厘清哪些是被高估的泡沫，哪些是被低估的金矿。
1. 通用人工智能（AGI）的即刻降临
尽管模型参数不断膨胀，但在逻辑推理、自主决策等核心领域，AI仍缺乏对物理世界的真实理解。AGI仍是一个遥远的目标，当前的“智能”更多是统计概率的胜利，而非认知能力的觉醒。
2. 大规模失业的即刻发生
“AI取代人类”的恐慌在2023-2024年达到顶峰。然而，2026年的现实表明，AI更多是在扮演“副驾驶”的角色。企业发现，完全自动化某一岗位的成本和风险极高，而“人机协作”才是当下的最优解。工作并未消失，而是在被重构。
3. 完全自动驾驶的全面普及
尽管Robotaxi在部分城市试运营，但在复杂路况、极端天气以及法律伦理层面，自动驾驶仍面临巨大挑战。L5级全自动驾驶的商业化落地，远比预想的漫长。
1. 科学研究的加速器
AI正在改变科学发现的方式。从AlphaFold预测蛋白质结构到新型材料的筛选，AI正在将科研效率提升几个数量级。这种影响虽然发生在实验室深处，不为人所见，却将深刻改变医药、能源等基础产业的未来。
2. 个性化服务的全面爆发
随着模型成本的降低和能力的提升，AI将为每个人配备专属的“导师”、“医生”和“顾问”。这种极度个性化的服务，将打破教育、医疗资源的稀缺性，重塑社会服务的分配模式。
3. 人机协作的新范式
未来的创造力将不再源于纯粹的人类，而是“人类意图+AI的无限生成与优化能力”的结合。这种新范式将大幅降低创作门槛，带来文化与艺术领域的繁荣，催生新的内容产业形态。
面对阿马拉定律的魔咒，企业与个人该如何自处？在2026年这个承上启下的时间窗口，理性的商业策略应当包含以下几个维度：
在短期高估的泡沫期，企业最危险的行为是盲目跟风，为了AI而AI。决策者应穿透营销话术，回归商业本质：AI能否降本？能否增效？能否创造新的客户价值？关注具体场景的落地，比追逐宏大叙事更为重要。
然而，企业在建立ROI评估体系时，必须警惕传统静态财务模型的陷阱。AI并非即插即用的静态工具，而是一种随着数据喂养和交互迭代不断增值的“动态资产”。其前期投入往往主要用于构建数据飞轮、清洗数据底座与模型调优，价值释放存在显著的滞后性。
若仅以短期静态回报作为唯一准绳，极易低估前期投入的战略必要性，从而在模型即将跨越“能力阈值”的前夜按下暂停键。因此，科学的评估体系应当平衡“即时业务回报”与“长期资产增值”，既要验证AI在具体业务环节的真实效能，也要为模型能力的“涌现”预留足够的成长空间，而非仅仅满足于演示环境中的惊艳效果或即刻的财务报表。
在AI长期被低估的潜力中，数据是核心的驱动力。企业应当意识到，算力和算法或许可以被大厂标准化，但行业数据是企业的核心护城河。
在当下积累高质量、结构化的私有数据，就是在为未来的智能化转型储备“石油”。那些在2026年依然忽视数据治理的企业，将在未来的竞争中处于绝对劣势。
不要将AI视为替代者，而应视为能力的延伸。企业需要培养员工的“AI意识”，建立人机协作的新型工作流。未来的竞争优势，将属于那些能够熟练驾驭AI工具、将人类智慧与机器效率完美融合的组织。这意味着传统的科层制管理可能失效，组织结构将变得更加扁平、灵活，以适应AI带来的快速迭代。
对于那些具有战略眼光的企业，当下的低谷期正是布局未来的良机。在市场情绪低落时，技术人才的成本更低，竞争噪音更小。企业应当在核心业务之外，留出一部分资源进行前瞻性探索，容忍合理的试错成本，为那个虽缓慢但确定会到来的“潜力释放期”做好准备。
阿马拉定律不仅是一条技术定律，更是一条关于耐心与远见的商业哲学。回顾过去三年，我们见证了AI从神话跌落凡间，也目睹了它在静默中积蓄力量。
看待AI最好的方式，或许就像对待一颗刚刚破土的种子。既不要因为它在第一周只长出了一点点嫩芽而失望，甚至将其丢弃；也不要因为它现在看起来弱小，就忘记了它未来可能长成一片森林的事实。
回望技术史，从蒸汽机到互联网，每一次重大变革都经历了相似的周期：技术突破引爆狂热，落地困难催生幻灭，安全争议引发反思，最后默默渗透迎来重塑。
当下的AI，正处于“狂热-幻灭-重塑”周期的关键节点。那些因OpenAI的伦理争议而彻底退却的人，或许忽略了技术向善的可能；那些因OpenClaw的安全漏洞而失望离场的人，可能会错过未来十年的主浪潮；而那些被短期狂热裹挟、盲目投入的人，也可能倒在黎明前的黑暗。
真正的智慧，或许在于：对眼下的困难保持清醒，对远处的可能保持开放，对技术的边界保持敬畏，对价值的演化保持耐心。 既不因泡沫而否定未来，也不因愿景而忽视当下，更不因争议而放弃追问。
正如计算机科学家艾伦·凯所说：“预测未来最好的方式，就是创造它。”
访问学者申请
EMAIL
北京大学
ENGLISH
