7 月 17 日，2026 世界人工智能大会在上海开幕。作为 36 氪连续第三年深入 WAIC 现场的重要内容窗口，「氪话未来」直播间也在大会首日同步开启现场对话。曾鸣教授在 WAIC 现场接受 36 氪「氪话未来」特邀专访，围绕 AI 时代企业增长、组织变革、智能复利、AI 原生业务以及企业落地路径等话题，分享了他对于人工智能如何重塑商业模式与价值创造方式的观察与判断。

本届 WAIC 以 " 智能伙伴，共创未来 " 为主题。随着人工智能产业进入应用深化阶段，行业关注点正在从模型能力竞争逐步转向应用价值创造。相比过去几年围绕参数规模、模型性能和技术突破的讨论，2026 年的 AI 产业正在更加关注一个核心问题：AI 如何真正进入企业业务流程，如何降低应用门槛，如何通过实际业务结果创造价值。

在这一趋势下，AI 带来的变化已经不只是效率工具的升级，而是对企业增长方式、组织形态和商业逻辑的重新定义。曾鸣教授认为，AI 是一场底层技术变革，它将推动经济、商业和组织发生系统性变化。企业未来需要关注的，不只是如何使用 AI，而是如何让 AI 深入核心业务，通过真实任务和反馈闭环不断学习，形成持续增长的 " 智能复利 "。

从 " 千人千面 " 到 " 一人千面 "，AI 也正在改变企业理解用户需求和提供产品服务的方式。相比依赖标签和历史行为的传统推荐体系，AI 能够通过持续互动和深入理解，实现更动态、更个性化的服务体验。而对于企业而言，真正有价值的 AI 应用，需要突破 Demo 阶段，让 AI 具备独立完成任务并承担结果的能力。

在曾鸣教授看来，AI 时代企业竞争的关键，将不再只是技术能力的比拼，而是能否构建 AI 原生业务，让 AI 真正进入工作流，并通过持续反馈形成自我增强的价值循环。未来，能够率先完成这一转变的企业，将获得新的增长机会。

以下为对谈实录，经 36 氪编辑：

36kr：您在《智能商业》里讲网络协同和数据智能。到了这本《智能》，讨论已经进入 AI 时代的增长、组织和战略。您觉得这几年最大的变化是什么？是技术本身变了，还是企业创造价值的方式变了？

曾鸣教授：我觉得 AI 技术的发展是一场非常底层的变革。大家经常会拿它的影响力与工业革命进行比较，甚至认为它可能比工业革命更加重要和深刻。当出现这样一次巨大的技术变革时，经济、商业模式以及组织形态都会发生基本层面的变化。所以我写这本新书，也是希望从第一性原理出发，探讨未来商业和组织的基本形态会如何不同于过去。

36kr：这两年很多企业都在上 AI，但大家的体感并不一样：有人觉得提效很明显，也有人觉得还没带来根本变化。您最近和企业家交流时，听到最多的困惑是什么？

曾鸣教授：最大的困惑，其实是短期内 AI 投资回报并不明显。企业可能能够看到员工效率有所提升，但对于整个组织来说，AI 到底带来了什么价值、产生了什么回报，目前很多企业还没有清晰答案。

但我认为这是非常自然的阶段。无论是 AI 技术的发展，还是企业使用 AI 的方法，目前都还处于非常早期的阶段。因此，暂时没有看到特别明显的回报，是可以理解的。

36kr：如果一家企业想认真用 AI，而不是跟风试一试，您会建议先从哪个具体的业务环节开始？为什么不是先从最炫的技术或最宏大的战略开始？

曾鸣教授：不同企业的切入点可能都不同。但有一个非常重要的变化，就是企业需要重新审视自身业务：在公司内部，是否存在一个业务环节可以被 AI 真正接管？只有做到这一点，企业才能获得真正的价值回报。

36kr：您在书里讲 " 智能复利 "，核心是系统在真实使用中不断学习、变强。放到企业里，什么样的业务最有机会形成这种循环？反过来，哪些场景看起来热闹，但很难积累复利？

曾鸣教授：具体情况还是取决于每家企业自身的业务场景。但企业在初期探索 AI 时，可以选择一个相对简单的业务进行尝试。不过最终，企业一定要回到核心业务，将 AI 真正融入工作流，并基于 AI 的特点重新改造工作方式，才能逐步走向 AI 原生业务。

36kr：您提出从 " 千人千面 " 到 " 一人千面 "。放到今天的商业场景里，AI 会怎样改变企业理解用户需求、提供产品和服务的方式？

曾鸣教授：这是一个非常重要的变化。即使在推荐时代，我在 2010 年提出 " 千人千面 " 时，我们希望通过更精准的匹配，让消费者与商品、服务之间建立更好的连接。但经过十多年发展，今天的推荐系统本质上仍然依赖标签和行为数据，通过分析用户过去的行为，判断他可能喜欢什么。

而 AI 最大的价值在于，它可以低成本地与一个人持续互动，同时具备更强的理解能力。因此，AI 有机会更加全面、持续、深入地理解一个人，做到真正的个性化。因为每个人的需求本身都是不断变化的，只有真正实现个性化理解，才能从 " 千人千面 " 走向 " 一人千面 "。

36kr：WAIC 现场会有很多早期项目和 AI 应用。您在书里强调真实任务和反馈闭环的重要性，您觉得一个项目从 demo 走向真正业务，最关键要完成哪几类验证？

曾鸣教授：最重要的是建立反馈闭环。只有形成反馈闭环，AI 才能自主学习并不断提升。但反馈闭环有两个前提条件： 第一，AI 是否能够端到端完成一项任务。 第二，AI 是否能够对结果负责。如果 AI 无法承担结果责任，就必须由人进行兜底。而只要人在中间环节不断介入，AI 的学习过程就会被打断。

所以最核心的一点是，AI 需要能够 " 独立上岗 "。我把这个阶段称为 "60 分基点 "。当 AI 真正达到可以上岗的水平后，智能复利的飞轮才能开始运转，它可能会快速从 60 分提升到 100 分，甚至 200 分、500 分。但突破 60 分，让 AI 真正具备独立工作的能力，往往是最困难的阶段，需要持续创新、长期实验和大量实践积累。