个人介绍

许涛，博士，同济大学创新创业学院教授，上海市管理科学学会理事，上海市管理科学学会新商科专委会主任，中国创造学会数智创新专委会副主任委员，中国教育发展战略学会教育政策与规划专业委员会学术委员，清华大学技术创新研究中心研究员，上海颂鼎社会公益创新发展中心理事，Asia Pacific Journal of Innovation and Entrepreneurship(APJIE《亚太创新创业研究》)副主编。知名创新管理与创新创业教育专家。

当下AI技术已在企业各场景广泛普及，但行业分水岭不再是技术应用，而是能否依托AI重构企业价值创造逻辑。本文立足产业实践与权威行业数据，剖析AI驱动下企业创新在主体、流程、边界与价值上的全方位变革，拆解企业落地AI创新的核心路径，并预判未来创新竞争的核心能力赛道，阐明人机协同、生态共创、人本可信，将成为企业构筑长效创新优势的核心关键。

如果说生成式人工智能让企业第一次看见机器生成创意的可能，那么智能体AI正在让企业面对一个更深层的问题：当机器不只回答问题，还能规划、执行、反馈和迭代，创新还是人类组织独有的活动吗？创新仍然是组织及其成员的价值创造活动，但不再是人的独占过程。AI真正改变的，不只是创新工具，而是创新的发生方式：从个体灵感转向人类智能与人工智能“共智创新”，从线性研发转向并行实验，从传统的封闭组织转向开放生态。

斯坦福大学以人为本人工智能研究院（HAI）2026年发布的《人工智能指数报告》显示，尽管AI智能体的规模化应用仍处于早期阶段，但2025年已有88%的组织在至少一个业务职能中使用AI，79%的组织常态化使用生成式AI。这意味着，技术扩散已经不是最难的问题，真正的分水岭在于企业能否把“使用AI”转化为“使用AI重构企业价值创造逻辑”。

01

范式变革：

从“人用工具”到“人机共智”

传统创新以人的经验、专业知识和组织资源重组为中心，基本遵循“发现问题或需求-提出方案-测试验证-规模推广”的线性流程。AI带来的变化，首先是创新主体的变化。所谓“共智创新”，不是人把命令交给机器，也不是机器取代人的创造，而是把人的价值判断、伦理取舍、跨界直觉和情境理解，与机器的数据挖掘、模式识别、虚拟仿真和多方案生成置于同一个创新回路。人负责回答“为什么做”“应不应该做”，AI帮助回答“可以怎样做”“怎样做得更好”。

其次是创新流程的变化。过去，市场调研、概念生成、样品测试、合规文案和上市推广往往串行展开。现在，AI可以同步捕捉用户弱信号、生成概念方案、开展虚拟测试、辅助代码开发和内容生产，使创新从“阶段门”变成持续迭代的并行实验系统。创新周期缩短，不只是因为机器更快，而是因为试错被前移到低成本、可逆的虚拟空间。

 

再次是创新边界的变化。AI降低了专业知识门槛，使研发、生产、营销、客服等不同岗位都能参与微创新，也让用户、供应商、科研机构和平台伙伴进入企业的创新回路。创新不再只是研发部门的职能，而成为全员、全流程、全生态的组织能力。

最后是创新价值的变化。只在旧流程上叠加AI工具，最多获得局部效率改善。而围绕人机分工重构业务，才可能产生商业模式、产品形态和服务体系层面的创新。联合国贸易与发展大会（UNCTAD）《2025年技术与创新报告》把基础设施、数据与技能视为AI扩散的三大杠杆，并强调AI应更多增强而非替代人的能力。这提示企业：AI竞争表面上是模型竞争，实质上是数据、场景、人才与治理能力的系统竞争。

02

企业如何用AI推动创新：

不是“上工具”，而是“建系统”

第一，从价值问题出发，而不是从技术热点出发。企业应先识别高频、高痛点、高价值场景，判断AI究竟能降低成本、改善体验、创造收入，还是重构商业模式。没有业务锚点的AI项目，容易停留在演示层面。

第二，把数据治理作为创新的基础设施。数据不是简单的生产原料，而是人机共智的共同语言。企业需要打通数据孤岛，统一标准，提升质量、完整性与可访问性，同时处理隐私、安全和知识产权问题。数据质量决定AI输出的上限，也决定企业能否形成“使用-反馈-学习-再创新”的数据飞轮。

 

第三，重构流程，而不是叠加工具。企业应明确人机分工：标准化、重复性、数据密集型任务交给AI，价值判断、客户共情、跨域创意和伦理决策由人承担。与此同时，组织需要三类角色协同：懂技术的AI实施者、懂业务的领域转译者，以及平衡技术可行性与商业价值的AI协调者。

第四，坚持小切口、强验证、可复制。从一个可量化场景开始，设定基线与指标，验证效率、质量、收入和用户体验变化，再通过平台化、模块化架构复制到更多业务。AI项目失败往往不是因为模型不够先进，而是因为流程没有改造、员工不会使用、收益无法衡量。

 

第五，投资于人和组织文化。AI素养不只是会写提示词，还包括数据理解、批判性判断、结果校验和跨学科协作。领导者也要完成从“我”到“我们”的心智跃迁：不是把AI当作控制员工的工具，而是把它作为赋能员工、激发集体创造力的基础设施。

第六，善用开放生态与节俭创新。企业不必都从零训练大模型。开源模型、云服务、产业平台和产学研协作，可以显著降低创新门槛。DeepSeek的实践提示，资源约束并不必然意味着创新劣势。聚焦真实场景、优化工程路径、以少成多，同样可以形成加速创新。关键不是模型越大越好，而是技术与场景匹配得越好越有效。

03

未来趋势：

创新竞争将转向四种能力

其一，从辅助生成走向智能体协同。AI将从回答问题的副驾驶，逐步变成能够拆解目标、调用工具、执行流程的数字协作者。未来不会立即出现完全自主的创新机器，但代码开发、客户服务、知识管理、供应链调度等边界清晰、反馈可测的场景，将率先形成多智能体与人协同的新工作流。人的角色将转向目标设定、异常处理、结果评价和伦理把关。

其二，从通用模型竞争走向场景知识竞争。随着领先模型能力趋同、开放权重模型竞争力增强，模型本身将越来越像基础设施。真正稀缺的是行业洞察、专有数据、组织隐性知识和流程嵌入能力。企业的护城河，不是拥有哪个模型，而是能否把模型变成自己的创新系统。

 

其三，从企业内部研发走向开放生态共创。AI创新越来越依赖算力、数据、标准和人才的跨组织流动。未来领先企业不只是自己会创新，更要能开放平台、连接伙伴、吸纳用户共创，形成生态级创新能力。

其四，从效率优先走向可信、包容的人本创新。随着AI进入核心业务流程，隐私保护、算法公平、透明度和责任归属将从合规事项变成市场准入条件。最有竞争力的企业，不是把AI用到最极致的企业，而是能让员工信任、用户安心、伙伴愿意协同、监管能够认可的企业。

04

结语

人工智能正在重塑各行各业，催生全新的职业岗位，同时淘汰部分传统工作。教育、金融、医疗、媒体与娱乐等领域的实例已然证明，人工智能正在从根本上改变企业与各类组织开展创新的底层逻辑。

 

然而，必须明确的是，AI不会自动带来创新。它降低的是创意生成、知识获取和快速试错的成本，却不能替代企业回答为何创新、为谁创新、以何种价值创新。未来企业的创新力，可以概括为：人的问题定义力，乘以机器的认知计算力，乘以组织的学习速度，乘以生态的协同广度，再乘以治理的可信度。AI时代真正的竞争，不是人与AI之争，而是“共智组织”与“工具组织”之争。能够把AI效率、员工创造力与负责任的治理融为一体的企业，才可能把AI技术浪潮转化为企业可持续竞争与创新优势。

END

《现代物流》| 文章精选142

引领产业发展，成为世界级专业供应链物流媒体

本文版权归中国《现代物流》杂志所有，欢迎文末分享、点赞、在看！转载请联系后台。