人机共智时代的价值重构

人机共智时代的价值重构技术驱动型CEO的五大特质Z世代消费新宣言解码30万亿银发经济 人机共智时代 内容提要 当人工智能（AI）从工具变成伙伴之后，人类与AI开始深度协同、彼此赋能，实现整体智能的指数级提升。在人机共智时代，企业的核心竞争力不仅源于技术能力的提升，更在于以人类为主导设计人机协同的运营模式，将AI带来的生产力红利有效转化为增长动能。 图书在版编目（CIP）数据 人机共智时代/埃森哲中国编.⸺上海：上海交通大学出版社，2026. 6.⸺（“埃森哲中国”丛书）.ISBN 978-7-313-34532-5I . TP18中国国家版本馆CIP数据核字第2026TK6737号 人机共智时代 RENJI GONGZHI SHIDAI 编者：埃森哲中国出版发行：上海交通大学出版社邮政编码：200030印制：上海锦佳印刷有限公司开本：787mm×1092mm 1/16字数：153千字版次：2026年6月第1版书号：ISBN 978-7-313-34532-5定价：50.00元 地址：上海市番禺路951号电话：021-64071208 经销：全国新华书店印张：5.75 卷首语 人机共智与乐观主义 乐 观 是 一种 选 择 。面 对经 济与市 场 的不 确 定性，以及颠覆性技术的加速涌现，焦虑与不安似乎正在成为这个时代最普遍的情绪。但真正推动时代前行的不是悲观者的迟疑，而是乐观者的行动，他们选择积极应对，拥抱变化，并在不确定中持续寻找新的可能。我认为，这是今天最重要的姿态。 差距不在于用没用AI，而在于组织与AI之间协同的深度，这是我们在大量实践中得出的核心判断，也是本辑《展望》想探讨的议题：人机共智。 过去一年，我们在客户实践中观察到两个正在加速的趋势： 其一，效率的整体抬升正在消解局部优势。领先企业已将AI深度嵌入组织中枢，将线性的业务流程重构为“持续学习—实时决策—快速迭代”的闭环系统。产品开发、运营响应与客户洞察之间的时间差正被极速压缩。问题在于，当行业内大多数玩家都在拥抱AI并提速，单纯的增效正从竞争优势退化为生存门槛。 然而，乐观并不等于盲目。每一次技术革命，都会先制造一场幻觉――以为拥有技术本身，便拥有了优势。蒸汽机出现时，率先购置机器的工厂主以为胜券在握；互联网兴起时，最早建站上网的企业以为占据了先机。但历史一次次证明，真正拉开差距的，从来不是谁先用上了新技术，而是谁更早理解了技术改变竞争逻辑的方式。 其二，人才价值正在被重新评估。当AI能够自主生成文本、分析数据甚至参与复杂决策，重复性的认知工作将加速被替代；但与此同时，另一类能力的价值正在急剧上升：对复杂、模糊商业情境的直觉判断；超越逻辑的客户共情与信任构建；面对伦理边界时的责任担当；以及在高度不确定环境中推动突破 今天，人工智能（AI）正在重演这个规律，且速度更快、烈度更强。同样的基础模型、同样的应用工具，正以趋近于零的门槛向所有企业开放。我们在过去一年里被客户反复追问：“我们已经在用AI了，为什么差距反而在扩大？”这个问题本身，已经道出了困境的本质：部署AI与真正驾驭AI，是两件截然不同的事情。 在中国，这场变革有着格外丰沛的土壤。“十五五”规划将“创新”与“人工智能”列为核心议题，政策引领与市场活力形成良性合力；开源生态的蓬勃、应用场景的规模、人才梯度的厚度，共同催生出全球最活跃的AI应用生态。本期两篇消费洞察《Z世代消费新宣言》《解码30万亿银发经济》，从两个截然不同的人群切口印证了：AI正在重塑中国消费者感知品牌、消费决策、建立信任的新方式――技术渗透的深度，已远超我们的想象。 的创造力。这些人类独有的能力恰恰是AI最难习得之处。 这引出了新时代最本质的追问：人机共智，究竟意味着什么？ 《人机共智时代的价值重构》一文给出的答案是：“人机共智”不是人与AI的博弈游戏，而是一种深层的组织重构――让机器在它最擅长的层次上运行（速度、规模、一致性），让人类在机器无法企及的层次上发挥作用（判断、创造、责任），并在两者之间建立起真正有效的协同机制。 作为技术乐观主义者，埃森哲始终致力于以技术创新助力企业重塑转型，我们与客户一起，在实践中不断校准这条边界，哪些判断应该交给机器，哪些必须由人来承担，哪里是两者真正协同的节点。我们相信，最终定义这个时代的，不是AI有多强大，而是人与AI如何共同进化――机器帮助我们看见更多可能，而人类决定这些可能通向何方。后者正是我们对未来保持乐观的根本原因。 在人机共智时代中，领导力不会因AI进步而弱化，反而变得更加关键。《技术驱动型CEO的五大特质》探讨了技术进步对领导力提出的新要求――亲自拥抱技术、以技术重塑商业模式、将数据视为战略资产、成为技术人才的引力中心，以及深化关键技术合作伙伴关系。CEO不能将变革拱手交给CIO或CTO，而是应该亲自站在转型的最前沿。 目录 卷首语 24重塑学习：加快人机协作进程 埃森哲最新研究指出，84%的高管预期未来三年智能体将与员工并肩工作，但仅26%的员工接受过协作培训。本文揭示了11%领先企业如何通过协同学习，将好奇心、实时工作流学习、透明治理与自适应技术相结合，为组织提供人机共进的实战路线图。 2人机共智与乐观主义 专栏 30AI时代的组织进阶：从单点布局到全局重塑 6智能体比你想象中更近一步 智能体的发展已从概念热潮快速迈向可规模化落地，其进展仍被普遍低估。企业当前的关键不在于观望技术是否成熟，而在于尽早布局，从而在即将到来的智能体时代中获得先发优势。 几乎所有企业都在拥抱AI，但真正实现规模化价值的却是少数。问题不在技术成熟度，而在于企业是否为AI准备好了承载它的“土壤”――组织。只有完成从企业到部门、从战略到流程、从执行到编排、从后台支撑到业务前线的整体组织转变，企业才能让AI真正发展成支撑业务运转的“认知神经系统”，并在下一阶段竞争中建立不可复制的优势。 聚焦 12人机共智时代的价值重构 访谈 人机共智时代正在到来。随着人工智能（AI）从单点工具演进为可规模化协作的智能体系统，价值创造的逻辑正在被系统性重写。本文从经济、个体、组织与社会四个层面，系统探讨人机共智如何改变增长来源、重塑技能价值、重构组织运行方式，并对责任、信任与合法性提出新的要求。 36三一重工：从数字化转型到AI 当制造业步入AI深水区，三一的路径更显务实：一把手亲自挂帅，并以极为严苛的投资回报要求推动落地⸺大多数AI项目的回收周期不超过两年。作为这场变革的亲历者，树根互联首席运营官黄路川直言：AI规模化应用的最大掣肘并非技术本身，而是运营能力与数字底座的成熟度。 18技术驱动型CEO的五大特质 究竟是什么让那些能够利用技术创造真正战略优势的高管脱颖而出？不妨着眼五个关键特质，审视自身状况。 62解码30万亿银发经济 前沿 中国正处于向重度老龄化快速迈进的关键阶段，“新银发”正成为消费核心力量，其消费理念从基础保障逐步转向品质享受与自我实现。企业需摒弃传统老龄刻板印象，聚焦情感需求与数字场景，以适配内容与渠道布局，把握这一关键增长机遇。 42行胜于言：2025年“AI应用之星”实践洞察 世界经济论坛和埃森哲合作的“AI应用之星”研究显示，企业AI竞争已从概念走向实际成效，规模化落地取决于一套相互强化的系统能力：将AI纳入运营核心，以人机协同放大专业智慧，夯实高质量数据底座，升级平台化与混合架构的技术栈，并以负责任AI治理内置信任与合规。案例表明，当战略、数据、技术与人才同向发力时，AI价值将产生乘数效应，持续驱动业务创新与长期增长。 72奢侈品价值新定义 中国奢侈品市场在消费者主导下进入价值定义重构阶段：奢侈不再由品牌单向定义，而由文化认同、渠道与体验以及长期价值等因素共同塑造。品牌需要从讲故事转向参与文化叙事，在产品上平衡个性表达与价值确定性，并以数字化与服务体系陪伴消费者完成决策，持续证明其不可替代的价值。 48别再堆模型了，开始构建AI系统 人工智能（AI）竞争的护城河已不是算法本身，而是让AI落地的工程化能力，即把智能深度嵌入企业专属数据、治理体系与业务流程中的本事。别再迷信算法奇迹，企业真正要深耕的是系统工程。 80售后：中国车企出海下半场的“胜负手” 中国车企出海正从销量扩张迈向全球经营，售后能力不足已成为决定成败的关键短板。随着海外保有量上升，服务网络不足、合规趋严与残值不确定性等问题将集中显现。售后需从支撑功能转为全球化基础设施，通过提前介入产品设计、加强开放且可治理的服务网络建设、主动开展残值管理及强化本地生态协同，支撑中国车企真正“走进去”。 行业 54Z世代消费新宣言 Z世代 如 今已成为消费 关 键 力量 。埃森 哲最 新研究显示，在不确定成为常态的当下，这一代年轻人既没有放弃进取，也没有回归保守，而是通过更理性、更主动、更精细的方式重建对生活的掌控感。对企业而言，能否持续提供稳定价值与长期陪伴，正成为赢得Z世代消费者的关键能力。 86从“出海”到“入海”：打造中国企业全球软实力 为什么“产品赢了，品牌没赢”？中国企业如何化解全球化过程中激增的管理摩擦力？本文揭示了中国企业全球化进程中被忽视的软实力鸿沟，并提出重塑叙事、品牌、运营、技术四大软实力支柱的战略框架，助力企业实现从“物理走出去”到“价值走上去”的跃迁。 智能体比你想象中更近一步 关岚文 6|人机共智时代 提要 智能体的发展已从概念热潮快速迈向可规模化落地，其进展仍被普遍低估。企业当前的关键不在于观望技术是否成熟，而在于尽早布局，从而在即将到来的智能体时代中获得先发优势。 围绕智能体的讨论正在迅速升温――这究竟是一场被过度夸大的技术叙事，还是一个已悄然加速的现实进程？ 多智能体的未来 如图一所示，近年来生成式AI的发展大致经历了三个关键阶段。 从当前的发展轨迹来看，更接近真实的答案是后者。人工智能（AI）正从简单的提示响应，快速演进为具备规划、执行与协作能力的智能体系统，而这一进程正以超出预期的速度发生。驱动这一变化的，并不仅仅是模型能力的提升，更重要的是标准化与互操作性的逐步形成，这些通常被视为技术走向规模化落地的关键信号。因此，真正值得讨论的议题已经不再是“智能体时代是否会到来”，而是企业究竟能多快将其转化为可规模复制的价值。 第一阶段是以大语言模型为核心的“提示驱动”模式。在这一阶段，用户通过自然语言与模型交互，完成信息查询、内容生成等任务。尽管这一模式极大地降低了使用门槛，但其本质仍然是对输入的即时响应。由于模型主要基于公开数据训练，缺乏企业特有的语境与知识，许多组织通过引入检索增强生成（RAG）来补足这一短板，将内部数据接入模型以提升结果的相关性与准确性。这一模式已成为当前最主流的实践路径，在大量概念验证（PoC）项目中被反复验证。然而，它的局限同样明显：无论是信息检索还是内容总结，这类系统始终停留在被动响应的范畴，既不会主动规划，也无法独立完成多步骤任务。 这种紧迫感，正来自企业所面临的现实压力。单 靠问答式A I已 经 难以 满 足需求，组 织不仅希望获得效率的提升，更期待AI能够参与复杂推理，拉通割裂的流程，并在更大范围内实现决策协同。这也意味着，AI的角色必须发生根本性转变：从一个被动响应的工具，转变为能够主动规划、持续行动并与其他系统协作的参与者。理解这一转变路径，对于企业当下的技术投入与能力布局至关重要。 第二阶段的出现，标志着AI能力的实质性跃迁。单智能体在大语言模型之上引入了规划、多步推理以及工具调用能力，使AI首次具备了围绕目标持续行动的可能性。一个典型的例子是研究型智能体，它可以像人类研究员一样处理模糊问题，从不同来源获取信息，对内容进行整合分析，并最终形成结论。这类系统通常具备明确的角色设定、记忆机制以及执行能力，可以被理解为一个专注于特定任务的数字学徒。然而，单智能体的局限也逐渐显现出来：它们大多运行在各自封闭的生态之中，缺乏跨系统协同的能力。当任