5月19日，上海AMD AI开发者日2026，零一万物CEO李开复与AMD CEO苏姿丰进行了一场炉边对话。主题是”AI智能体新范式”，但真正引发现场两千多名开发者共鸣的，是李开复那句毫不客气的大实话——
“如果你的AI部署，最终没有改变任何一个出现在季度财报电话会议上的数字，那么你公司做的就不是真正意义的AI转型，只是浪费钱打造了一个AI实验室。”
表演式AI：一个价值千亿的集体幻觉
过去两年，企业对AI的热情几乎是无差别的——不管场景是否真正创造价值，先部署了再说。结果呢？大量企业选择了”不出错却价值极低”的场景：会议纪要自动生成、HR聊天机器人、内部知识库搜索。
这些场景确实稳妥。部署简单，效果看得见，还能写进年终汇报PPT。但李开复认为，这本质上只是在”建造AI实验室”，而不是真正的AI转型。
真正值得AI介入的核心环节是什么？收入、利润、防欺诈、动态定价、供应链、产品上市速度。这些直接影响损益表（P&L）的关键领域，恰恰也是大多数高管最不愿意让AI介入的地方。
这才是AI落地难的真正根源：愿意让AI改造的部分，价值不够大；真正有价值的部分，权力不愿意让渡。
2026年：AI替代的不再是岗位，而是整个部门
李开复在对话中提出了一个三阶段演进论，揭示了AI落地的质变节点：
| 年份 | 核心问题 |
|---|---|
| 2024年 | AI能否完成一个任务？ |
| 2025年 | AI能不能完成一整条工作流？ |
| 2026年 | AI能否替代一个企业的职能部门？ |
今年之所以是分水岭，源于两个关键变化。
第一，AI编程能力跨过临界点。 一年前AI只能辅助编写代码片段，现在它已经可以端到端地交付完整功能。李开复指出：”智能体在数字世界中的所有行为，本质上都落到代码层面。一旦AI编码能力跨过门槛，自主智能体就成为现实。”
第二，单一智能体的能力存在上限。 无论模型参数多大，单个Agent的推理能力终究会遇到瓶颈。多智能体架构打破了这一限制——李开复用”美第奇效应”来比喻：当不同领域的专家被放进同一个房间，产出远超任何单一个体。
一个具体场景可以说明这个变化。HR部门中，招聘Agent与绩效Agent联动，系统根据员工入职后的绩效数据自动调整前端筛选标准，从简历筛选、面试、入职到季度绩效跟踪形成完整闭环。这不再是单个AI工具，而是一个能自主运转的部门级智能系统。
CIO主导的AI转型，为什么注定失败
李开复在对话中提出了一个让现场很多CIO不太舒服的判断：
“传统CIO主导的自下而上AI转型模式大概率会失败，企业AI转型必须是’一把手工程’，由CEO自上而下推动。”
原因很直接：CIO的职责是管理软件运营，不是重新定义公司。
这个观点有深刻的现实依据。大多数由IT部门主导的AI项目，本质上是把AI当作一个效率工具——优化现有流程，而不是重构业务流程。这类项目的天花板，是现有流程本身的天花板。
真正有影响力的AI部署，需要重新定义权力边界和责任链条。这只有CEO才有足够的权威和动力去推动。
DRI模型：AI原生公司的组织架构
那么，如果CIO模式不行，什么才是正确的方式？
李开复提到了一个预测：DRI（Direct Responsible Individual，直接责任人）模型将成为AI原生公司最核心的组织架构。
DRI不是传统意义上的职位名称，而是一种明确的责任机制——一个人对某个跨职能结果承担端到端责任。
具体运作模式：人类DRI处于智能体系统的中心，周围环绕着研究Agent、执行Agent、合规Agent、监控Agent集群。DRI负责整体编排、关键决策和最终输出契约，实时数据流取代传统汇报，业务运转围绕可量化的结果展开。
在传统架构中，工程师的价值以代码行数衡量；在DRI架构中，工程师的价值以交付结果衡量。李开复指出：”在智能体时代，工程师的优势会被无限放大。你要对结果负责，拥有决策权，并有规划地配置智能体集群。”
多智能体落地的硬条件：本地优先+低于100ms
多智能体协同说起来很美好，但要具备现实可行性，系统必须满足三个硬条件：
- 本地优先
- 端侧处理
- 低于100毫秒的响应延迟
李开复认为，这才是”当前硬件竞争真正分出胜负的地方”。苏姿丰从AMD的角度印证了这个判断：”一个人加上合适的工具和算力，如今能完成几年前整个团队的工作。随着AI走向多智能体架构，极致的token效率以及本地化处理能力会是关键。”
开源vs闭源：中国开源生态的独特优势
关于开源，李开复有一个有趣的比喻：”闭源模型类似苹果iOS，追求高利润和强控制；开源社区则成了AI世界的安卓，拥有更广覆盖和更大规模。”
他特别指出中国开源生态的独特优势：因为硬件资源受限，中国开发者转向极致的工程效率、算法优化和架构创新，形成了有别于美国路线的独特竞争力。这与DeepSeek V4选择开源路线的逻辑一脉相承。
Cube01：私有智算节点，重新定义AI部署方式
对话的高潮，是零一万物联合AMD正式发布了首款私有化智算节点——”Cube01″。
这款产品依托AMD锐龙处理器平台打造，定位是”私有智算底座”，可以构建数字员工实体，承载企业智能。
它要解决的问题很具体：云端成本高昂、数据隐私安全、硬件带宽瓶颈。
李开复的比喻很形象：过去按量付费使用云计算，就像打网约车——随叫随到，但你永远不拥有那辆车。现在，你有了一辆专属专车。
这对应的是企业AI部署的下一个趋势：不再追求模型的参数量，而是追求部署方式的合理性。本地优先、数据可控、延迟可预期——这才是多智能体能真正落地的技术基础。
结语
整场对话的核心逻辑，其实很清晰：
CEO必须下场，否则AI永远停留在会议纪要和HR机器人层面。 2026年的真正分水岭，不是模型又强了多少，而是AI开始具备替代整个职能部门的能力——不是替代一个岗位，是替代一个部门。
这个转变需要的，不仅是技术投入，更是一场自上而下的组织变革。准备好了吗？
发表回复