在人工智能現(xiàn)代紀(jì)元邁入第八個(gè)年頭之際，行業(yè)已褪去生成式 AI 1.0帶來(lái)的驚艷感。新鮮感逐漸消散，取而代之的是嚴(yán)苛審視。企業(yè)不再滿足于演示效果，而是對(duì)實(shí)際成果愈發(fā)迫切；市場(chǎng)觀察人士對(duì)模糊的敘事日益懷疑，行業(yè)討論也從 “人工智能能做什么” 轉(zhuǎn)向 “拿出實(shí)際收益，給予我們可見(jiàn)性與控制權(quán)”。

這一動(dòng)態(tài)背后的核心前提是：人工智能的關(guān)鍵在于數(shù)據(jù)，尤其是情境化數(shù)據(jù)。21世紀(jì)10年代的現(xiàn)代數(shù)據(jù)棧——以云為中心、計(jì)算與存儲(chǔ)分離、數(shù)據(jù)管道、儀表盤(pán)等——如今已顯得微不足道。行業(yè)目標(biāo)已轉(zhuǎn)向構(gòu)建智能體系統(tǒng)（agentic systems），這類系統(tǒng)需能跨企業(yè)運(yùn)作，處理海量結(jié)構(gòu)化與非結(jié)構(gòu)化數(shù)據(jù)、復(fù)雜工作流、沖突政策、多重身份認(rèn)證，以及業(yè)務(wù)流程中蘊(yùn)含的微妙語(yǔ)義，實(shí)現(xiàn)自主行動(dòng)、協(xié)同合作與持續(xù)學(xué)習(xí)。

行業(yè)仍充滿熱情，但同時(shí)也陷入矛盾。用一個(gè)常被引用的棒球比喻來(lái)說(shuō)：第一局是 2017 年前后的學(xué)術(shù)探索階段，相關(guān)論文闡述了 Transformer 模型與擴(kuò)散模型，但當(dāng)時(shí)多數(shù)人并未關(guān)注；第二局是 ChatGPT 引發(fā)的全球 AI 熱潮，帶來(lái)了空前興奮與大量炒作。

如今，我們已進(jìn)入人工智能現(xiàn)代紀(jì)元的第三局。在這份特別的深度分析中，我們將探討行業(yè)如何從 “生成式 AI 究竟是什么” 的震驚，轉(zhuǎn)向 “如何讓它為我們所用” 的務(wù)實(shí)思考，以及如何讓智能體（agents）可靠地采取行動(dòng)，兌現(xiàn)科技行業(yè)承諾的生產(chǎn)力提升。 

為此，CUBE Research舉辦第五屆年度數(shù)據(jù)預(yù)測(cè)專題研討會(huì)，本次參會(huì)的五位數(shù)據(jù)及相關(guān)領(lǐng)域?qū)＜野ǎ篠anjmo 的桑吉夫?莫漢（Sanjeev Mohan）、DB Insight 的托尼?貝爾（Tony Baer）、ISG 軟件研究的戴夫?門(mén)寧格（Dave Menninger）、BARC 的凱文?皮特里（Kevin Petrie），以及 Blue Badge Insights 的安德魯?布魯斯特（Andrew Brust）。

按照慣例，在進(jìn)入正題前，我們先分享來(lái)自企業(yè)技術(shù)研究公司（Enterprise Technology Research, ETR）的調(diào)查數(shù)據(jù)，以凸顯行業(yè)的巨大變化。ETR 每季度對(duì) 1700 多位信息技術(shù)決策者開(kāi)展支出意向調(diào)查，接下來(lái)我們將聚焦機(jī)器學(xué)習(xí)/人工智能領(lǐng)域，展示其發(fā)展態(tài)勢(shì)。下圖展示了各行業(yè)的支出情況：縱軸為凈得分（Net Score），即行業(yè)內(nèi)的支出 momentum；橫軸為滲透率（Pervasion），基于客戶賬戶滲透情況計(jì)算。數(shù)據(jù)可追溯至 2024 年 4 月，圖中 40% 的紅線代表極高的支出增速。如你所見(jiàn)，盡管近期支出 momentum 略有放緩，機(jī)器學(xué)習(xí) / 人工智能仍領(lǐng)先于所有行業(yè)。

圖1 行業(yè)支出態(tài)勢(shì)（2024年4月- 2026年1月）（圖表說(shuō)明：縱軸為行業(yè)支出凈得分，橫軸為行業(yè)滲透率；機(jī)器學(xué)習(xí) / 人工智能行業(yè)始終處于高支出增速區(qū)間，高于容器編排、數(shù)據(jù)庫(kù) / 數(shù)據(jù)倉(cāng)庫(kù)軟件、云計(jì)算等其他行業(yè)）

支出momentum的放緩或許表明，我們?nèi)孕枰鼉?yōu)質(zhì)的人工智能技術(shù)。Workday本周發(fā)布的一項(xiàng)調(diào)查顯示，85%的受訪者表示人工智能每周能為其節(jié)省1-7小時(shí)，但超過(guò)三分之一的節(jié)省時(shí)間被用于修正錯(cuò)誤、重寫(xiě)和驗(yàn)證內(nèi)容，僅有14%的受訪者稱人工智能能持續(xù)帶來(lái)積極成果。

盡管如此，ETR 數(shù)據(jù)顯示，過(guò)去六個(gè)月行業(yè)仍取得穩(wěn)步進(jìn)展。

圖2 企業(yè)人工智能應(yīng)用場(chǎng)景調(diào)查（樣本量 N=1746）

調(diào)查周期：2025年7月—2026年1月

調(diào)查問(wèn)題：在當(dāng)前經(jīng)濟(jì)環(huán)境下，貴公司如何利用人工智能解決人才短缺、提升生產(chǎn)力或推動(dòng)商業(yè)模式創(chuàng)新？

（圖表說(shuō)明：受訪者選擇分布為：通過(guò)自動(dòng)化或任務(wù)增強(qiáng)提升員工生產(chǎn)力（61%）、借助人工智能驅(qū)動(dòng)的分析與洞察支持員工決策（55%）、通過(guò)新的人工智能賦能服務(wù)或產(chǎn)品變革商業(yè)模式（25%）、通過(guò)特定職能或角色中的人工智能應(yīng)用限制未來(lái)人員編制增長(zhǎng)（30%）、通過(guò)人工智能減少現(xiàn)有人員編制（6%）、戰(zhàn)略性利用人工智能開(kāi)展這些領(lǐng)域的應(yīng)用（7%）、目前未在這些領(lǐng)域利用人工智能（15%）、不確定（8%）、其他（2%））

當(dāng)被問(wèn)及如何利用人工智能時(shí)，1700多位受訪客戶仍將生產(chǎn)力提升、決策支持和業(yè)務(wù)轉(zhuǎn)型列為主要收益，且提及比例逐步上升。值得注意的是，自去年7月以來(lái)，“限制未來(lái)人員編制增長(zhǎng)” 的選擇比例顯著上升，從開(kāi)始時(shí)的21% 增至如今的30%。

最后，我們來(lái)看行業(yè)內(nèi)主要參與者的表現(xiàn)——其中部分企業(yè)我們今日將重點(diǎn)討論。

下圖維度與前文一致：縱軸為支出增速，橫軸為客戶賬戶滲透率，但呈現(xiàn)了一些顯著變化。右下角的圖表展示了數(shù)據(jù)點(diǎn)的繪制方式 —— 凈得分與調(diào)查樣本量（Ns），需注意的是，紅線以上區(qū)域代表極高的發(fā)展 momentum。

機(jī)器學(xué)習(xí) / 人工智能領(lǐng)域主要參與者現(xiàn)狀（2026 年 1 月）

（圖表說(shuō)明：OpenAI 和微軟盡管近期面臨一些負(fù)面輿論，但在客戶賬戶滲透率和支出增速方面仍處于領(lǐng)先地位；Meta 的 Llama 從第一大增長(zhǎng)動(dòng)力企業(yè)大幅下滑至紅線以下，而 Anthropic 則蓬勃發(fā)展；亞馬遜云科技與谷歌仍處于激烈競(jìng)爭(zhēng)中，谷歌正逐步縮小與亞馬遜云科技的差距；Snowflake 兩年前在機(jī)器學(xué)習(xí) / 人工智能領(lǐng)域尚無(wú)人問(wèn)津，如今與 Databricks 不相上下，其中 Databricks 的支出增速更高，而 Snowflake 的客戶賬戶滲透率略勝一籌；TensorFlow 并非供應(yīng)商，傳統(tǒng)企業(yè)參與者則扎堆競(jìng)爭(zhēng)，試圖在市場(chǎng)中保持相關(guān)性） 

核心結(jié)論是，行業(yè)格局仍在不斷變化，客戶必須在紛繁復(fù)雜的環(huán)境中明辨方向、做出抉擇。 

從 2025 年評(píng)級(jí)到 2026 年預(yù)測(cè) 

基于以上背景，先我們來(lái)回顧2025年的預(yù)測(cè)情況。下表匯總了 Data Gang 各位分析師 2025 年的所有預(yù)測(cè)。（篇幅有限，全文請(qǐng)留言申請(qǐng)） 

參考2025的預(yù)測(cè)情況，我們2026年預(yù)測(cè)的具體形式為：每位指定分析師提出一項(xiàng)預(yù)測(cè)，隨后由其他 1-2 位分析師發(fā)表評(píng)論。如下表所示，2026 年的預(yù)測(cè)均與數(shù)據(jù)相關(guān)（或至少密切相關(guān)），涵蓋情境、語(yǔ)義層、服務(wù)化軟件等主題，同時(shí)包括對(duì) OpenAI 的質(zhì)疑以及治理作為阻礙因素的觀點(diǎn)。接下來(lái)，我們深入探討這些預(yù)測(cè)。

2026 年 Data Gang 預(yù)測(cè)表 

2026 年預(yù)測(cè)：桑吉夫?莫漢 ——“情境至關(guān)重要” 但2026年將浪費(fèi)在 “情境圖譜” 的爭(zhēng)論上

桑吉夫?莫漢將其2026年展望描述為一次 “中途調(diào)整” 的結(jié)果。他最初的本能是預(yù)測(cè) “整合” 敘事的延續(xù) —— 更多的整合與并購(gòu)活動(dòng)，例如 Snowflake 收購(gòu) Observe，并認(rèn)為行業(yè)敘事已不再僅僅是 “數(shù)據(jù)作為基礎(chǔ)設(shè)施”。但在2026年初，他發(fā)現(xiàn)了另一個(gè)趨勢(shì)。靈感來(lái)自LinkedIn上一篇題為《下一個(gè)萬(wàn)億美元機(jī)遇是情境圖譜》的論文，隨后該平臺(tái)上關(guān)于情境圖譜的日常討論 “爆發(fā)式增長(zhǎng)”。這種話語(yǔ)轉(zhuǎn)變促使他提出了這一 “雙向” 預(yù)測(cè)。

一方面，莫漢表示 “絕對(duì) 100% 確信”，大型語(yǔ)言模型——以及他提到的大型行動(dòng)模型—— 要有效發(fā)揮作用并取得成功，必須依賴情境。另一方面，他預(yù)測(cè)行業(yè)將浪費(fèi)2026這一年的時(shí)間，陷入對(duì)情境圖譜的爭(zhēng)論之中，最終 “無(wú)法取得實(shí)質(zhì)性進(jìn)展”。在他看來(lái)，這一模式似曾相識(shí)：一個(gè)宏大概念、明確的瓶頸，但實(shí)際落地情況薄弱。他將其與數(shù)據(jù)網(wǎng)格（data mesh）相提并論——一個(gè)極具吸引力的理念引發(fā)了廣泛爭(zhēng)論，但缺乏持久、可復(fù)制的應(yīng)用模式。

莫漢的批評(píng)核心在于，情境圖譜缺乏基本基礎(chǔ)：沒(méi)有公認(rèn)的標(biāo)準(zhǔn)、沒(méi)有一致的實(shí)施模型，也沒(méi)有穩(wěn)定的定義。他提出了一系列尖銳問(wèn)題，旨在揭示言辭與工程實(shí)踐之間的差距：例如，如何確定我擁有 “核心情境圖譜”？是否存在相關(guān)標(biāo)準(zhǔn)？是否有統(tǒng)一的存儲(chǔ)方式？他認(rèn)為行業(yè)無(wú)法就定義達(dá)成共識(shí)，如今 “情境圖譜” 這一術(shù)語(yǔ)的定義過(guò)于寬泛，這將導(dǎo)致供應(yīng)商和行業(yè)社區(qū)產(chǎn)生大量噪音，卻難以取得相應(yīng)的進(jìn)展。

為使概念更具體，莫漢區(qū)分了知識(shí)圖譜與他認(rèn)為大型語(yǔ)言模型將受益的情境類型。他認(rèn)為，知識(shí)圖譜有助于處理傳統(tǒng)交易數(shù)據(jù) —— 誰(shuí)在何時(shí)購(gòu)買了什么 —— 但通常無(wú)法解釋 “為什么”。而 “為什么” 存在于交易系統(tǒng)之外，如網(wǎng)絡(luò)搜索、日志、電子郵件和支持互動(dòng)等數(shù)據(jù)中。在他的框架中，當(dāng)這些信號(hào)與傳統(tǒng)企業(yè)數(shù)據(jù)相關(guān)聯(lián)時(shí)，情境便應(yīng)運(yùn)而生，形成更豐富的圖景。然而，他的預(yù)測(cè)并非認(rèn)為這一問(wèn)題將在 2026 年得到廣泛解決；而是認(rèn)為每家公司都會(huì)宣稱擁有情境圖譜，但行業(yè) “不會(huì)取得真正的成功”。

托尼?貝爾的回應(yīng)：情境難以界定，人工智能或可助力構(gòu)建，但挑戰(zhàn)真實(shí)存在

托尼?貝爾認(rèn)同莫漢的判斷，并通過(guò)比喻進(jìn)一步補(bǔ)充了批評(píng)意見(jiàn)。他認(rèn)為 “情境極具模糊性”，難以在操作層面進(jìn)行定義 —— 你 “看到時(shí)能認(rèn)出它”，但很難提前清晰地描述它。貝爾表示，莫漢的預(yù)測(cè)反映了行業(yè)在知識(shí)圖譜方面面臨的同樣困境 —— 試圖理解知識(shí)是什么以及如何構(gòu)建知識(shí)體系。

貝爾分享了其播客搭檔蘇迪爾?哈斯貝（Sudhir Hasbe，來(lái)自 Neo4j，前谷歌員工）的適度樂(lè)觀觀點(diǎn)。正如貝爾所說(shuō)，兩人的核心觀點(diǎn)是人工智能可以幫助指導(dǎo)整合過(guò)程。他將其類比為語(yǔ)言模型可以檢查數(shù)據(jù)庫(kù)，并就模式、索引和相關(guān)操作決策提出建議。在貝爾看來(lái)，人工智能可能在構(gòu)建和組織情境方面發(fā)揮一定作用，但他 “完全” 同意莫漢的觀點(diǎn)，即行業(yè)將在 2026 年陷入對(duì)情境定義的糾結(jié)之中。

小組評(píng)論：爭(zhēng)論與實(shí)施的差距，以及構(gòu)建企業(yè) “四維圖譜” 的難度

小組其他成員的評(píng)論進(jìn)一步強(qiáng)化了概念與執(zhí)行之間的差距。大家普遍認(rèn)為，相關(guān)討論將大量涌現(xiàn)，但實(shí)際實(shí)施卻寥寥無(wú)幾，這與桑吉夫的核心觀點(diǎn)一致。

討論隨后擴(kuò)展到研究界內(nèi)部的不同觀點(diǎn)：一派認(rèn)為企業(yè)必須下苦功構(gòu)建企業(yè)知識(shí)圖譜或 “四維圖譜”—— 涵蓋人員、地點(diǎn)、事物和流程，類似于企業(yè)的數(shù)字化表征，并引用了 Palantir 的相關(guān)方法和 Celonis 的案例；另一派則認(rèn)為，這一問(wèn)題過(guò)于復(fù)雜，無(wú)法通過(guò)人工大規(guī)模解決，人工智能需要承擔(dān)更多繁重工作 —— 這與貝爾提出的 “人工智能可助力實(shí)現(xiàn)目標(biāo)” 的觀點(diǎn)相呼應(yīng)。

2026 年預(yù)測(cè)：托尼?貝爾 —— 語(yǔ)義層比情境更 “可行”，將固化為 “語(yǔ)義影響圈”

托尼?貝爾將其 2026 年預(yù)測(cè)定位為對(duì)情境圖譜爭(zhēng)論的務(wù)實(shí)回應(yīng)。在他看來(lái)，語(yǔ)義比情境更具可行性，這主要是因?yàn)檎Z(yǔ)義是 “已知量”，擁有數(shù)十年的實(shí)踐基礎(chǔ)。他回顧了 BusinessObjects Universe 時(shí)代，指出語(yǔ)義層當(dāng)時(shí)的功能類似于指標(biāo)存儲(chǔ)庫(kù)，旨在避免團(tuán)隊(duì)每次進(jìn)行報(bào)告時(shí)都 “重復(fù)造輪子”。

貝爾的觀點(diǎn)并非語(yǔ)義能徹底解決情境問(wèn)題，而是語(yǔ)義 “能在很大程度上推動(dòng)問(wèn)題解決”，但 “無(wú)法完全實(shí)現(xiàn)” 情境構(gòu)建。他強(qiáng)調(diào)的實(shí)際洞察是，去年對(duì) “優(yōu)質(zhì)數(shù)據(jù)” 的關(guān)注被證明是不夠的 —— 關(guān)鍵在于獲取 “正確的數(shù)據(jù)”，而這必然要求明確數(shù)據(jù)的含義和相關(guān)性。他對(duì)比了商業(yè)智能時(shí)代的語(yǔ)義層與現(xiàn)代人工智能的需求：商業(yè)智能在 “圍墻花園”（數(shù)據(jù)倉(cāng)庫(kù) / 數(shù)據(jù)集市）內(nèi)運(yùn)作，相關(guān)性是隱含的，因?yàn)閿?shù)據(jù)是為特定問(wèn)題精心篩選的；而在人工智能時(shí)代，這一邊界不復(fù)存在 —— 系統(tǒng)需突破 “圍墻花園” 的限制，因此情境必須明確，而貝爾認(rèn)為語(yǔ)義是將這一能力投入實(shí)際應(yīng)用的關(guān)鍵一步。

基于此，貝爾預(yù)測(cè)行業(yè)將重新聚焦語(yǔ)義層和指標(biāo)存儲(chǔ)庫(kù)，并將其與大型企業(yè)應(yīng)用供應(yīng)商在人工智能時(shí)代的影響力擴(kuò)展聯(lián)系起來(lái) —— 這些供應(yīng)商必須與其他系統(tǒng)實(shí)現(xiàn)互操作。他稱，SAP、ServiceNow、Salesforce 和 Workday 等供應(yīng)商 “一直擁有自己的語(yǔ)義體系”，但在歷史上，它們 “像保護(hù)源代碼一樣小心翼翼地守護(hù)著這些語(yǔ)義”。

他認(rèn)為這種情況正在改變。作為證據(jù)，他指出 SAP 正致力于協(xié)調(diào)其應(yīng)用產(chǎn)品組合中的數(shù)據(jù)模型，并將其打包為 SAP 所稱的 “數(shù)據(jù)產(chǎn)品”—— 這些資產(chǎn)不能簡(jiǎn)單導(dǎo)出，但可以在 “駐留于 SAP 內(nèi)部” 的前提下實(shí)現(xiàn)共享。貝爾認(rèn)為這是 SAP 與 Databricks 合作關(guān)系的核心，強(qiáng)調(diào)這兩家 “極具獨(dú)立性的公司” 之間的合作機(jī)制具有重要意義。

小組要求他 “直奔主題”，談?wù)?OSI（開(kāi)放語(yǔ)義交換框架，Open Semantics Interchange）。貝爾將 OSI 比作開(kāi)放系統(tǒng)互聯(lián)（Open Systems Interconnect）模型，其目的是使語(yǔ)義能夠在不同主體之間移植和解讀。在貝爾看來(lái)，OSI 使一個(gè)組織能夠定義諸如 “客戶” 之類的概念，并讓另一個(gè)系統(tǒng)按預(yù)期解讀該定義，從而有效統(tǒng)一概念界定。他表示，OSI 基于 dbt Labs 開(kāi)發(fā)的框架，“有點(diǎn)像公開(kāi)指標(biāo)存儲(chǔ)庫(kù)”。在他看來(lái)，若非語(yǔ)義正成為定義人工智能系統(tǒng)所使用的大部分情境的核心，OSI 框架 “根本不會(huì)出現(xiàn)”。

貝爾還提到了兩個(gè)相關(guān)趨勢(shì) —— 本體論（ontologies）在 “邊緣領(lǐng)域” 的早期進(jìn)展（他認(rèn)為這是自然延伸），以及微軟在 Fabric IQ 中開(kāi)展的相關(guān)工作。但核心預(yù)測(cè)方向明確：語(yǔ)義影響圈不僅正在興起，還將在 2026 年逐步固化，并將塑造組織使用數(shù)據(jù)和人工智能的方式。

托尼?貝爾的核心觀點(diǎn)是，語(yǔ)義層是行業(yè)當(dāng)前最可行的 “下一步”，比情境圖譜更易實(shí)現(xiàn)。成功者將不僅利用語(yǔ)義標(biāo)準(zhǔn)化指標(biāo)，還將借助語(yǔ)義擴(kuò)展人工智能時(shí)代生態(tài)系統(tǒng)中的互操作性和持久影響力。

戴夫?門(mén)寧格的回應(yīng)：語(yǔ)義至關(guān)重要，但以 SQL 為中心的方法無(wú)法捕捉業(yè)務(wù)規(guī)則

戴夫?門(mén)寧格認(rèn)同貝爾關(guān)于語(yǔ)義和情境對(duì)人工智能成功的重要性的觀點(diǎn)，但也提出了警告。他引用其團(tuán)隊(duì)的數(shù)據(jù)分析研究稱，組織在人工智能應(yīng)用中面臨的首要數(shù)據(jù)挑戰(zhàn)是數(shù)據(jù)可用性，而語(yǔ)義和情境是這一挑戰(zhàn)的重要組成部分（盡管并非全部）。門(mén)寧格承認(rèn)，已有多家供應(yīng)商聲稱支持語(yǔ)義模型，且許多供應(yīng)商宣布支持 OSI，這表明行業(yè)確實(shí)取得了一定進(jìn)展。

他的批評(píng)聚焦于這些努力所采用的核心機(jī)制 —— 以 SQL 作為捕捉語(yǔ)義的語(yǔ)言。在門(mén)寧格看來(lái)，SQL “不足以” 表達(dá)大多數(shù)企業(yè)運(yùn)營(yíng)背后的業(yè)務(wù)規(guī)則。他認(rèn)為，若沒(méi)有更豐富的表達(dá)語(yǔ)言，就無(wú)法為人工智能系統(tǒng)提供所需的全部情境。他的結(jié)論是，語(yǔ)義正成為熱門(mén)投資領(lǐng)域，行業(yè)確實(shí)取得了實(shí)際進(jìn)展，但要徹底解決這一問(wèn)題，仍 “有很長(zhǎng)的路要走”。

小組評(píng)論：語(yǔ)義層作為抽象層、大型語(yǔ)言模型的防護(hù)欄，以及邁向完整情境的中間步驟

小組評(píng)論強(qiáng)化了語(yǔ)義層 “既古老又具新相關(guān)性” 的觀點(diǎn)。有評(píng)論認(rèn)為，如今的語(yǔ)義模型與數(shù)十年前所謂的 OLAP 立方體并無(wú)本質(zhì)區(qū)別，其價(jià)值在于當(dāng)多個(gè)數(shù)據(jù)源導(dǎo)致歧義時(shí)，語(yǔ)義層能提供一個(gè)抽象層和統(tǒng)一的定義體系 —— 防止大型語(yǔ)言模型在多種相互沖突的解讀中 “隨意選擇”。從這個(gè)意義上說(shuō)，語(yǔ)義層是一種實(shí)用的防護(hù)欄，因?yàn)榇笮驼Z(yǔ)言模型 “有編造含義的壞習(xí)慣”，除非定義明確。

語(yǔ)義被視為邁向完整情境的 “良好開(kāi)端”—— 超越指標(biāo)存儲(chǔ)庫(kù)，涵蓋維度、類別和實(shí)體定義（產(chǎn)品、客戶、訂單等）。但小組也強(qiáng)調(diào)了語(yǔ)義的局限性，包括無(wú)法覆蓋時(shí)間要素和更豐富的關(guān)系，這與門(mén)寧格提出的 “SQL 存在不足” 的擔(dān)憂相呼應(yīng)。盡管如此，小組普遍認(rèn)為，語(yǔ)義層是許多客戶尚未邁出的中間步驟，而那些已經(jīng)建立語(yǔ)義規(guī)范的企業(yè)，在開(kāi)展大規(guī)模人工智能項(xiàng)目之前，就已在人工智能領(lǐng)域占據(jù)了領(lǐng)先優(yōu)勢(shì)。

2026 年預(yù)測(cè)：戴夫?門(mén)寧格 —— 軟件即服務(wù)（SaaS）供應(yīng)商承壓，服務(wù)提供商蓬勃發(fā)展

戴夫?門(mén)寧格 2026 年的預(yù)測(cè)聚焦于一個(gè)他認(rèn)為將日益凸顯的市場(chǎng)張力：智能體人工智能的需求增長(zhǎng)速度遠(yuǎn)超商業(yè)軟件工具的可靠支持能力，這將為服務(wù)提供商（尤其是全球系統(tǒng)集成商）創(chuàng)造發(fā)展機(jī)遇，而傳統(tǒng)軟件即服務(wù)（SaaS）供應(yīng)商則將面臨壓力。

門(mén)寧格的預(yù)測(cè)始于一個(gè)現(xiàn)實(shí)判斷：他認(rèn)同行業(yè)正取得 “巨大進(jìn)步”，但強(qiáng)調(diào)關(guān)鍵能力的構(gòu)建 “需要時(shí)間”，“我們尚未完全準(zhǔn)備就緒”。與此同時(shí)，“智能體人工智能無(wú)處不在”，其最直接的應(yīng)用場(chǎng)景之一便是軟件平臺(tái)本身。門(mén)寧格指出，供應(yīng)商正將智能體嵌入其產(chǎn)品中，以自動(dòng)化任務(wù)或幫助用戶完成工作，這種方式 “進(jìn)展順利” 且 “取得了成功”。

但在他看來(lái)，更艱巨的挑戰(zhàn)是從嵌入式產(chǎn)品智能體邁向能夠跨組織處理各類事務(wù)的通用智能體能力 —— 這 “確實(shí)是一項(xiàng)巨大的挑戰(zhàn)”。

他引用了其調(diào)查中的應(yīng)用數(shù)據(jù)來(lái)支撐這一觀點(diǎn)：在涵蓋約 1200 個(gè)用例的調(diào)查中，約 32% 已投入生產(chǎn) —— 較一年前的 15% 有所上升 —— 這意味著仍有三分之二的用例尚未落地。門(mén)寧格將這一差距直接歸因于小組討論中反復(fù)提及的各種限制因素，并補(bǔ)充了一個(gè)具體事實(shí)：大規(guī)模構(gòu)建和運(yùn)營(yíng)智能體所需的工具棧尚未成熟。

為量化工具就緒度，門(mén)寧格引用了對(duì) “數(shù)十家” 人工智能平臺(tái)供應(yīng)商的評(píng)級(jí)結(jié)果：

• 僅有 17% 的供應(yīng)商在智能體設(shè)計(jì)工具方面獲得 A 級(jí)及以上評(píng)級(jí)；

• 僅有 11% 的供應(yīng)商在智能體評(píng)估工具方面獲得 A 級(jí)及以上評(píng)級(jí)。

他提出疑問(wèn)：如果沒(méi)有支持智能體構(gòu)建和部署的基本工具，如何能實(shí)現(xiàn)智能體的大規(guī)模應(yīng)用？他的結(jié)論是，現(xiàn)成的商業(yè)工具尚未準(zhǔn)備好投入大規(guī)模應(yīng)用。他以當(dāng)天參加的一場(chǎng)供應(yīng)商簡(jiǎn)報(bào)會(huì)為例：供應(yīng)商的路線圖聽(tīng)起來(lái)很有吸引力，但相關(guān)能力仍處于 “規(guī)劃中”，“尚未推向市場(chǎng)”。

這帶來(lái)的經(jīng)濟(jì)和競(jìng)爭(zhēng)影響是，隨著智能體人工智能 “成為熱門(mén)”，企業(yè)不會(huì)等待打包工具的成熟。門(mén)寧格表示，其研究顯示，定制工具目前是人工智能應(yīng)用中第二常用的工具類型，這自然為那些能夠設(shè)計(jì)、集成和運(yùn)營(yíng)定制化解決方案的組織帶來(lái)了優(yōu)勢(shì)。他對(duì)比了應(yīng)用供應(yīng)商向客戶傳遞的信息 —— 例如 SAP 宣傳其 “150 個(gè) Joule 智能體” 已嵌入業(yè)務(wù)應(yīng)用 —— 與系統(tǒng)集成商在幕后的實(shí)際行動(dòng)。

根據(jù)其同事對(duì)服務(wù)提供商的了解，門(mén)寧格表示，他們接觸的全球系統(tǒng)集成商（GSIs）已構(gòu)建了數(shù)百個(gè)，甚至數(shù)千個(gè)人工智能智能體。這些智能體的復(fù)雜程度各不相同，但他強(qiáng)調(diào)，大多數(shù)智能體比通用工具更具針對(duì)性，能夠更快地實(shí)現(xiàn)生產(chǎn)級(jí)成果。由于無(wú)需 “全面出擊”，它們可以限定問(wèn)題范圍、快速交付，更迅速地為企業(yè)客戶創(chuàng)造價(jià)值。

在門(mén)寧格看來(lái)，企業(yè)對(duì)智能體實(shí)際成果的迫切需求，加之商業(yè)工具的不成熟，將使 2026 年成為服務(wù)提供商蓬勃發(fā)展、軟件即服務(wù)（SaaS）供應(yīng)商承壓的一年。這并非因?yàn)橹悄荏w本身失敗，而是因?yàn)檫\(yùn)營(yíng)落地的重任將價(jià)值轉(zhuǎn)移到了那些能夠提供集成、定制和部署服務(wù)的主體身上。

凱文?皮特里的回應(yīng)：集成復(fù)雜性是核心障礙 —— 這正是系統(tǒng)集成商的專長(zhǎng)領(lǐng)域

凱文?皮特里認(rèn)同門(mén)寧格的評(píng)估，并引用其研究指出，集成復(fù)雜性是智能體工作流成功落地的主要障礙。他認(rèn)為，許多組織明白，要獲得真正的收益，需要將多個(gè)功能整合到多步驟的智能體工作流中，而這一需求 “恰好是系統(tǒng)集成商（SI）的專長(zhǎng)領(lǐng)域”。

皮特里還引用數(shù)據(jù)指出咨詢公司和系統(tǒng)集成商面臨 “發(fā)展順風(fēng)”，他提到了肖恩?羅杰斯（Shawn Rogers）和默夫?阿德里安（Merv Adrian）近期的一份報(bào)告，核心發(fā)現(xiàn)是：企業(yè)對(duì)外部咨詢公司的滿意度高于內(nèi)部 IT 部門(mén)。他承認(rèn)這一現(xiàn)象 “并非史無(wú)前例”，但強(qiáng)調(diào)這一數(shù)據(jù)進(jìn)一步印證了系統(tǒng)集成商在企業(yè)跨系統(tǒng)整合智能體工作流過(guò)程中的重要價(jià)值。

2026 年預(yù)測(cè)：凱文?皮特里 —— 隨著市場(chǎng)重新評(píng)估風(fēng)險(xiǎn)與轉(zhuǎn)換成本上升，OpenAI 或遇挫折

凱文?皮特里 2026 年的預(yù)測(cè)直接挑戰(zhàn)了市場(chǎng)對(duì) OpenAI 傳聞中 1000 億美元融資的投資熱情。他認(rèn)為，OpenAI 的風(fēng)險(xiǎn)高于市場(chǎng)定價(jià)，可能會(huì)遭遇挫折。皮特里的預(yù)測(cè)基于他在創(chuàng)新熱潮中反復(fù)觀察到的歷史模式 —— 快速采用和過(guò)度興奮會(huì)導(dǎo)致技術(shù)人員和投資者忽視基本風(fēng)險(xiǎn)。

皮特里從個(gè)人職業(yè)經(jīng)歷出發(fā)，表達(dá)了他的質(zhì)疑。他最初是一名財(cái)經(jīng)記者，在互聯(lián)網(wǎng)泡沫時(shí)代見(jiàn)證了 “眼球數(shù)量比利潤(rùn)更重要” 等指標(biāo)最終崩盤(pán)；他還將當(dāng)前情況與 2005 年進(jìn)行對(duì)比 —— 當(dāng)時(shí)散戶投資者將債務(wù)抵押債券（CDOs）視為降低抵押貸款投資風(fēng)險(xiǎn)的途徑，這是另一個(gè)風(fēng)險(xiǎn)本質(zhì)被誤解的案例。他的核心觀點(diǎn)并非歷史會(huì)完全重演，而是人性會(huì)不斷重復(fù)：在繁榮時(shí)期，風(fēng)險(xiǎn)往往被低估，直到突發(fā)危機(jī)。

在此基礎(chǔ)上，皮特里認(rèn)為，無(wú)需工商管理碩士（MBA）學(xué)位，僅憑 “數(shù)據(jù)” 和對(duì)公司抱負(fù)規(guī)模的了解，就足以對(duì) OpenAI 產(chǎn)生擔(dān)憂。他承認(rèn) OpenAI 取得了 “令人矚目的成功”，并列舉了多個(gè)規(guī)模指標(biāo)：7 億用戶（約占全球人口的 8%）為周活躍用戶，已融資 600 億美元 ——“超過(guò)任何一家私營(yíng)公司”。他最關(guān)心的是接下來(lái)的發(fā)展：OpenAI “計(jì)劃再融資 1000 億美元”，他稱這一舉措 “相當(dāng)大膽”，并指出這一金額將超過(guò)任何一家公司在公開(kāi)市場(chǎng)的融資規(guī)模。

皮特里隨后轉(zhuǎn)向資金使用方式及其對(duì)可持續(xù)性的影響。他估計(jì)，OpenAI 2025 年的收入約為 130 億美元，最終營(yíng)收率可能達(dá)到 200 億美元，但虧損規(guī)模超過(guò)了收入。他引用從微軟財(cái)務(wù)數(shù)據(jù)和其他渠道推斷的信息稱，僅第三季度的虧損就高達(dá) 110 億美元。他還提出了一個(gè)進(jìn)一步的擔(dān)憂 —— 明確表示這一觀點(diǎn)帶有推測(cè)性 —— 即 OpenAI 可能 “在每項(xiàng)推理任務(wù)上都在虧損”，這意味著其運(yùn)營(yíng)利潤(rùn)率為負(fù)，成本結(jié)構(gòu)面臨巨大壓力。

皮特里更核心的戰(zhàn)略批評(píng)是，OpenAI 為追求通用人工智能（AGI）做出了巨額基礎(chǔ)設(shè)施投入，而這可能與近期從業(yè)者的需求不匹配。他表示，OpenAI 已簽署意向書(shū)，計(jì)劃新增 1.3 萬(wàn)億美元的數(shù)據(jù)中心容量，用于訓(xùn)練 “超智能模型”，但他的數(shù)據(jù)顯示，從業(yè)者當(dāng)前最需要的是數(shù)據(jù)質(zhì)量提升、集成支持和更專業(yè)的人才培訓(xùn) —— 而非通用人工智能。他還聲稱，OpenAI“欠甲骨文（Oracle）300 億美元”，并認(rèn)為這將導(dǎo)致一種尷尬局面：可能需要通過(guò)新的融資來(lái)履行現(xiàn)有承諾。

皮特里將 OpenAI 的處境與谷歌進(jìn)行了對(duì)比。在他看來(lái)，Gemini 現(xiàn)在的模型性能已 “不相上下”，且谷歌可以用現(xiàn)有現(xiàn)金為投資提供資金，無(wú)需依賴大規(guī)模融資。他對(duì) OpenAI 的戰(zhàn)略方向提出質(zhì)疑：在大規(guī)模押注通用人工智能的同時(shí)，還試圖涉足芯片制造領(lǐng)域，并與博通（Broadcom）合作設(shè)計(jì)芯片。他認(rèn)為 OpenAI 應(yīng) “更加專注”，并以 Anthropic 作為對(duì)比對(duì)象：Anthropic 更聚焦于安全問(wèn)題，安全 “事故” 更少，戰(zhàn)略更清晰。皮特里還提到了盈利時(shí)間表 —— 據(jù)他回憶，Anthropic “預(yù)測(cè) 2027 年實(shí)現(xiàn)盈利”，而 OpenAI 則為 “2029 年”。

他對(duì)企業(yè)數(shù)據(jù)和人工智能領(lǐng)導(dǎo)者的建議是，在與供應(yīng)商合作前，應(yīng)就供應(yīng)商穩(wěn)定性提出根本性問(wèn)題，因?yàn)檗D(zhuǎn)換成本正在上升。皮特里認(rèn)為，由于模型能力相關(guān)的元數(shù)據(jù)以及模型與治理架構(gòu)的集成方式，更換生成式人工智能模型變得越來(lái)越困難。這意味著當(dāng)轉(zhuǎn)換成本高昂時(shí)，供應(yīng)商風(fēng)險(xiǎn)會(huì)增加，而在他看來(lái)，OpenAI 的風(fēng)險(xiǎn) “遠(yuǎn)高于 Anthropic 或谷歌等替代方案”。

安德魯?布魯斯特的回應(yīng)：OpenAI 擁有品牌影響力和先發(fā)優(yōu)勢(shì)，但行業(yè)競(jìng)爭(zhēng)格局不斷變化

安德魯?布魯斯特在很大程度上認(rèn)同模型領(lǐng)導(dǎo)地位具有流動(dòng)性，但反對(duì)僅基于當(dāng)前技術(shù)水平評(píng)估 OpenAI 的地位。他觀察到，他認(rèn)識(shí)的許多專業(yè)人士正在使用 Anthropic/Claude，并認(rèn)為其性能更優(yōu)，甚至將 Claude Code 用于非編程任務(wù)，將其作為個(gè)人和商業(yè)人工智能工具。但他警告稱，基礎(chǔ)模型供應(yīng)商 “每隔幾個(gè)月就會(huì)相互超越”，因此很難根據(jù)當(dāng)前情況判斷最終贏家。他以谷歌的復(fù)蘇為例：許多人曾認(rèn)為谷歌落后，但如今 Gemini “正處于鼎盛時(shí)期”。

布魯斯特還認(rèn)為，OpenAI 擁有一種獨(dú)特的先發(fā)優(yōu)勢(shì) —— 品牌默認(rèn)效應(yīng)。他將其比作 “舒潔（Kleenex）” 或 “谷歌（Google）” 這類成為通用動(dòng)詞的品牌。他分享了一個(gè)軼事：年輕用戶將 ChatGPT 簡(jiǎn)稱為 “Chat”（“我在 Chat 里查了一下”），并指出這與企業(yè)中 “影子人工智能”（通常是 ChatGPT）的普及有關(guān) —— 人們?cè)诩抑芯烷_(kāi)始使用 ChatGPT，對(duì)其感到熟悉和舒適。他認(rèn)為這一優(yōu)勢(shì)可能在未來(lái)產(chǎn)生重要影響。

最后，布魯斯特引用了一個(gè)歷史類比：亞馬遜曾長(zhǎng)期虧損，被視為 “資金黑洞”，但最終通過(guò)在電商市場(chǎng)的市場(chǎng)份額和先發(fā)優(yōu)勢(shì)取得了成功。這意味著，若能將用戶采用轉(zhuǎn)化為可持續(xù)優(yōu)勢(shì)，長(zhǎng)期虧損并不一定意味著企業(yè)會(huì)失敗。

小組評(píng)論：亞馬遜的 “第二曲線”、盈利模式、使用份額，以及 OpenAI 是否 “大而不倒”

小組的評(píng)論進(jìn)一步拓展了這場(chǎng)辯論。例如，有評(píng)論指出，亞馬遜的零售業(yè)務(wù)實(shí)現(xiàn)了盈利，但真正的利潤(rùn)來(lái)自亞馬遜云科技（AWS）—— 這是其 “第二曲線”。若沒(méi)有亞馬遜云科技，亞馬遜可能只是 “一個(gè)更大的沃爾瑪在線”。這一評(píng)論表明，OpenAI 面臨的真正問(wèn)題是能否構(gòu)建類似的相鄰盈利引擎，以及當(dāng)前舉措（如購(gòu)物領(lǐng)域的應(yīng)用）是否顯示出相關(guān)跡象。另有評(píng)論更直接地質(zhì)疑其盈利模式：廣泛使用并不等同于付費(fèi)使用（“他是否為此付費(fèi)？”）。

小組討論還引入了使用數(shù)據(jù)，使競(jìng)爭(zhēng)分析更加復(fù)雜。在提及包含 1200 個(gè)用例的同一數(shù)據(jù)集時(shí)，盡管 “定制工具” 是第二常用的工具類型，但最常用的工具是 ChatGPT。Gemini 和 Claude 的使用份額約為 OpenAI 的三分之一。

另一個(gè)被提出的問(wèn)題是：OpenAI 是否 “大而不倒”？這一問(wèn)題強(qiáng)化了一個(gè)觀點(diǎn)：規(guī)模和默認(rèn)地位可以帶來(lái)獨(dú)立于短期盈利能力的韌性。盡管政府不太可能在 OpenAI 陷入嚴(yán)重困境時(shí)出手相救，但行業(yè)集體（英偉達(dá)、微軟等）很可能會(huì)介入支持。

小組其他評(píng)論進(jìn)一步拓展了成本相關(guān)的辯論，認(rèn)為隨著基礎(chǔ)設(shè)施的完善，推理成本可能會(huì)大幅下降，這將隨著時(shí)間的推移改變單位經(jīng)濟(jì)效益。同時(shí)，小組也再次強(qiáng)調(diào)了 OpenAI 雄心所隱含的營(yíng)收增長(zhǎng)軌跡的規(guī)模 —— 稱所需的增長(zhǎng) “令人難以置信”。事實(shí)上，部分預(yù)測(cè)顯示，OpenAI 到本十年末的收入將超過(guò) 3000 億美元。

經(jīng)過(guò)一番辯論，我們讓皮特里對(duì)其預(yù)測(cè)做出最終總結(jié)。他澄清，關(guān)于推理業(yè)務(wù)運(yùn)營(yíng)利潤(rùn)率為負(fù)的說(shuō)法是推測(cè)性的，并指出這一觀點(diǎn)來(lái)自評(píng)論員埃德?齊特龍（Ed Zitron）—— 一位 “略帶人工智能懷疑態(tài)度” 的人士。埃德在 11 月撰文稱，據(jù)他估計(jì)，OpenAI 當(dāng)年的推理成本超過(guò)了收入。皮特里表示，這一信息僅作為擔(dān)憂的背景，而非確鑿的財(cái)務(wù)聲明。

總體而言，皮特里的預(yù)測(cè)核心是：盡管 OpenAI 的用戶采用率和文化影響力無(wú)可否認(rèn)，但巨額資金投入、龐大的承諾和廣泛的戰(zhàn)略布局帶來(lái)了顯著的風(fēng)險(xiǎn)。隨著轉(zhuǎn)換成本上升和治理架構(gòu)圍繞選定供應(yīng)商固化，數(shù)據(jù)和人工智能領(lǐng)導(dǎo)者不能忽視這一風(fēng)險(xiǎn)。

2026 年預(yù)測(cè)：安德魯?布魯斯特 —— 由于治理無(wú)法跟上自主性發(fā)展，企業(yè)人工智能將陷入停滯

安德魯?布魯斯特 2026 年的預(yù)測(cè)是一個(gè)警示：企業(yè)人工智能的發(fā)展將在今年陷入停滯 —— 并非因?yàn)槟Ｐ蜕形闯墒?，而是因?yàn)橹卫眢w系不完善。在他看來(lái)，人工智能能力正 “飛速發(fā)展”，而相關(guān)管控措施卻滯后不前，企業(yè)無(wú)法長(zhǎng)期容忍這種日益擴(kuò)大的差距。其結(jié)果是：實(shí)驗(yàn)活動(dòng)激增，試點(diǎn)項(xiàng)目不斷推出，但當(dāng)風(fēng)險(xiǎn)上升時(shí)，大規(guī)模部署將放緩甚至逆轉(zhuǎn)。

布魯斯特的論點(diǎn)始于一個(gè)前提：企業(yè)在基礎(chǔ)管控方面有明確標(biāo)準(zhǔn)，但智能體人工智能的發(fā)展速度已超過(guò)這些管控措施的構(gòu)建和運(yùn)營(yíng)落地速度。他強(qiáng)調(diào)的關(guān)鍵缺失環(huán)節(jié)包括：控制自主水平的具體機(jī)制、工作流審批流程、生命周期治理，以及部署前的智能體測(cè)試能力。布魯斯特認(rèn)為，在這些機(jī)制到位之前，圍繞語(yǔ)義、情境和智能體工作流討論的諸多生產(chǎn)力提升仍將主要停留在理論層面。他的理由是，缺乏規(guī)范約束的情況下，“幾乎任何事物都可能失控”，而如果智能體失控，它們可能會(huì)被部署后又被撤回，因?yàn)?“相關(guān)責(zé)任風(fēng)險(xiǎn)過(guò)于廣泛”。

桑吉夫?莫漢的批評(píng)

桑吉夫?莫漢的后續(xù)評(píng)論并未否認(rèn)治理是阻礙因素，但對(duì) “治理會(huì)阻止人工智能發(fā)展” 的觀點(diǎn)提出了質(zhì)疑。莫漢認(rèn)為，人工智能 “無(wú)處不在，無(wú)法阻擋”，因此企業(yè)將通過(guò)選擇風(fēng)險(xiǎn)較低、影響范圍較小且危機(jī)場(chǎng)景較少的用例，來(lái)規(guī)避治理缺口。他認(rèn)為，2026 年可能是 ChatGPT 推出以來(lái)，行業(yè)首次在治理方面取得實(shí)質(zhì)性進(jìn)展的一年 —— 恰恰因?yàn)轱L(fēng)險(xiǎn)已明顯到不容忽視的程度。

然而，莫漢也認(rèn)同布魯斯特的部分預(yù)測(cè)，并引用了當(dāng)天與一家大型供應(yīng)商的簡(jiǎn)報(bào)會(huì)內(nèi)容：治理相關(guān)問(wèn)題成為焦點(diǎn)，該供應(yīng)商坦承其在治理方面的進(jìn)展未達(dá)預(yù)期 ——“目前尚無(wú)成熟的解決方案”。在莫漢看來(lái)，這一坦承本身就證明治理滯后于市場(chǎng)能力發(fā)展，但同時(shí)也表明行業(yè)已開(kāi)始將治理視為首要問(wèn)題。

隨后，討論擴(kuò)展為一系列小組評(píng)論，核心主題是：企業(yè)部署的并非智能體本身，而是問(wèn)責(zé)制和智能體系統(tǒng)。有評(píng)論強(qiáng)調(diào) “重力效應(yīng)”—— 只有當(dāng)供應(yīng)商推出符合企業(yè)風(fēng)險(xiǎn)狀況的治理方案時(shí)，智能體的采用率才會(huì)提升；即使企業(yè)強(qiáng)行推進(jìn)部署，如果智能體無(wú)法得到規(guī)范管控，失望情緒也會(huì)導(dǎo)致部署放緩。另一條評(píng)論將當(dāng)前階段比作 “需要自行組裝的圣誕禮物”—— 治理不會(huì)完全阻止部署，但企業(yè)必須自行解決缺失的環(huán)節(jié)，才能實(shí)現(xiàn)生產(chǎn)級(jí)應(yīng)用。

小組還提出了其他實(shí)際問(wèn)題。大家普遍認(rèn)同，智能體浪潮仍處于早期階段 —— 智能體進(jìn)入主流討論僅約 18 個(gè)月，現(xiàn)在期望其成熟并不現(xiàn)實(shí)。更切合實(shí)際的預(yù)期是，智能體將首先出現(xiàn)在定義明確、獨(dú)立完整的流程和特定用途場(chǎng)景中（例如數(shù)據(jù)科學(xué)智能體），而關(guān)于近期將實(shí)現(xiàn)企業(yè)范圍內(nèi)廣泛 “智能體轉(zhuǎn)型” 的說(shuō)法可能言過(guò)其實(shí)。相關(guān)評(píng)論還指出，目前被算作 “生產(chǎn)級(jí)智能體” 的很多應(yīng)用，實(shí)際上是現(xiàn)有軟件中的智能體功能，而非跨系統(tǒng)運(yùn)行的自主多步驟工作流。

除治理外，小組還指出，企業(yè)人工智能的機(jī)遇是真實(shí)存在的，但阻礙因素是多維度的。評(píng)論提到，在過(guò)去一年半中，數(shù)據(jù)質(zhì)量已成為首要障礙，同時(shí)還存在 “人員問(wèn)題”—— 例如培訓(xùn)員工、構(gòu)建確保企業(yè)持續(xù)應(yīng)用的運(yùn)營(yíng)模式等。小組還注意到，企業(yè)內(nèi)部知識(shí)工作者的人工智能使用率可能正在下降 —— 原因包括就業(yè)安全焦慮、缺乏焦點(diǎn)以及缺乏可復(fù)制的流程 —— 這進(jìn)一步印證了治理和運(yùn)營(yíng)模式成熟是成功部署的前提。

總之，布魯斯特的預(yù)測(cè)凸顯了企業(yè)技術(shù)領(lǐng)域的一個(gè)普遍真理：缺乏治理會(huì)導(dǎo)致風(fēng)險(xiǎn)，而風(fēng)險(xiǎn)會(huì)導(dǎo)致發(fā)展停滯。盡管如此，共識(shí)是人工智能不會(huì)為治理而暫停發(fā)展，因此企業(yè)將通過(guò)限定用例來(lái)規(guī)避治理缺口，同時(shí)行業(yè)將構(gòu)建智能體