從模型能力到企業生產力：AI落地需要跨越的距離
AI模型越來越強，企業生產力為何沒有同步提升？從歷史上的技術變革到今天的企業實踐，模型能力與經營價值之間，仍有一段需要通過流程與組織調整來跨越的距離。2026年9月16日，由香港大學CAMO AI落地實驗室發起，聯合華興資本、深圳科創學院舉辦的「AI in Action·落地有聲——2026 AI產業落地研討會」在香港大學經管學院深圳校區舉行，圍繞AI如何進入真實業務、從試點走向規模化展開交流。研討會發起人、港大經管學院管理及商業策略學副教授、AI落地實驗室主任王培淳教授在「企業AI落地：從試點到規模化」主題分享中提出，模型能力的提升，並不意味著企業能夠自動獲得相應的生產力提升。如何跨越兩者之間的距離，是這場研討會關注的核心問題。 一邊討論AI是否失控，一邊還在摸索如何用起來 王培淳教授在「AI in Action·落地有聲——2026 AI產業落地研討會」中發言 在開場中，王培淳教授把兩個相距甚遠的AI話題放在了一起：一邊，是前沿研究者對AI可能導致人類滅絕的警告，以及放慢前沿模型發展的呼聲；另一邊，則是本次大會報名問卷中的一個數字——55%。 在參與本次報名問卷的企業中，55%仍處於觀察評估或試用AI工具的階段，22%已在具體業務場景中開展試點，23%進入規模化應用或系統性佈局階段。一邊已經在擔心AI的能力超出人類控制，另一邊卻有超過一半的填答企業還在摸索怎樣把AI用起來。 未來的安全風險，與今天企業的應用困難，可以同時存在。王培淳教授強調，模型能力並不等於企業生產力，而兩者之間的距離，正是本次研討會希望討論的問題。 王培淳教授在「AI in Action·落地有聲——2026 AI產業落地研討會」中演講 王培淳教授指出，即使AI技術從今天起停止發展，很多企業仍需要數年時間，才能將現有能力真正融入業務流程。反過來看，這也意味著，即使不等待下一代模型，充分吸收今天已經可用的技術，也有可能帶來明顯的生產力提升。 但這段距離值得跨越，因為技術真正進入生產流程後，可能帶來的收益十分可觀。王培淳教授在演講中援引Anthropic經濟團隊的情景推演：在其「顯著變化」與「極端變化」情景下，2030年美國GDP相較於無AI基準分別高出8.3%和32.4%。 從蒸汽機到AI：技術突破為何不等於生產力提升 回看歷史，重大技術突破與生產力收益的顯現之間，往往存在時間差。王培淳教授在分享中以蒸汽動力、電力和個人電腦為例，分別用約60年、40年和15年的時間尺度，說明技術突破轉化為生產力所經歷的滯後。不同技術的計時起點和衡量口徑有所不同，但這些比較指向同一個問題：企業需要時間學習如何重新組織工作，才能充分發揮新技術的作用。 AI的發展可能比過去的技術革命更快，但企業面對的挑戰有相似之處。新的工具出現後，原有的工作方式未必仍然適用；技術能做什麼，與企業應當怎樣使用它，是兩個不同的問題。 在王培淳教授看來，企業首先需要思考，更強大的工具究竟應該用來創造什麼。如果生產成本降低了，最終創造的產品和服務卻沒有被用戶使用，技術的價值仍然有限。其次，企業需要重新設計工作流程，調整人與AI之間的任務分工，而不是簡單地把原有流程中的瓶頸轉移到其他環節。 代碼改動量約25倍，版本發佈量為何只增加約30% 軟件開發提供了一個直觀例子。王培淳教授引用了沃頓商學院、麻省理工學院等機構研究者開展的一項研究：對多代AI編碼工具的累計效果估計顯示，在研究樣本中，代碼改動量約為基準水平的25.5倍，但軟件版本發佈量的增幅約為30%。…
