全球存储芯片行业迎来前所未有的“超级周期”。

　　美国东部时间6月24日，美光科技发布2026财年Q3财报，营收、毛利率、前瞻指引全面超出市场预期，为“AI驱动全球扩产”提供了产业端验证。同日，英伟达年度股东大会上，黄仁勋宣告智能体时代正式到来。标普全球也曾提出，全球科技巨头2026年计划向数据中心和AI基础设施投入约6350亿美元，围绕算力和能源的战略博弈进入白热化阶段。

　　狂热之下，隐忧仍存。就在科技大厂纷纷推出各类专属“龙虾”产品之际，C端卸载“龙虾产品”的情绪却在蔓延，折射出技术供给热与落地需求冷之间的尖锐温差。

　　“这一现象反映出当前AI商业化进程中典型的供需错配，也是技术爆发初期常见的阶段性困境。”德勤亚太管理委员会主席、德勤亚太首席战略与创新官戴耀华在夏季达沃斯论坛期间接受21世纪经济报道记者专访时指出，AI对经济增长的赋能是深刻且长期的，我们正处于“数字化之后的智能化初期”，生产力层面的全面跃升将在未来五至十年逐步显现。而算力基础设施建设与智能服务发展实际处于同步推进之中，智能服务的规模化落地预计在2028年后步入爆发期。

　　在AI重塑全球经济版图的背景下，戴耀华留意到，中国企业的出海模式也出现了变化，从以往以营销渠道构建为主的产品输出型出海，转变为真正意义上的“国际化”发展战略。戴耀华表示，“中国企业不仅力求在海外目标市场扎根，实现供应链与运营机制的本土化自成体系，更在各国间统筹布局研发、生产制造乃至知识产权等多重功能。在满足各国产业保护与技术主权要求的前提下，它们以全球化视野为指引，致力于构建适应国际化发展目标的全球生态。”

　　AI对经济赋能长期存在

　　21世纪：对比历史上工业革命、电气化革命和互联网革命，AI对经济增长的驱动模式有何独特性？AI对经济增长的赋能是短期脉冲式，还是长期结构性的？

　　戴耀华：工业革命、电气化革命与互联网革命，本质上都是对人类特定能力局限的突破。与前三次技术革命不同，人工智能的突破性在于：它首次系统性地模拟乃至延伸人类的认知能力，并将这种能力泛化至对物理世界的理解、判断与干预。更重要的是，AI具备自我优化的内生动力——模型使用越频繁、数据积累越丰富，其性能便越强，进而吸引更多用户与场景，由此形成“数据—模型—价值”的正向循环。这种非线性增长特征，是以往技术革命所不具备的独特禀赋。

　　从经济影响来看，AI对增长的赋能是深刻、复杂且长期的。一方面，AI本身即构成一个规模庞大的新兴产业，涵盖算力、能源、基础设施等多个环节，其自身发展便能为GDP增长带来可观贡献；另一方面，AI作为通用技术，能够广泛赋能传统行业，既提升组织决策效率，也释放人才潜能，具有跨越周期的战略意义。

　　当前，我们正处于“数字化之后的智能化初期”——企业仍在推进数据积累、流程重构与组织适配，生产力层面的全面跃升，预计将在未来五至十年逐步显现。经典增长模型中“资本+劳动”的框架，正在扩展为“数据+算法+算力+人才”的新组合。AI不仅推动全要素生产率的提升，更催生了自动驾驶、生成式内容、智能制药等全新产业形态，为经济增长打开了结构性空间。

　　与此同时，AI正在倒逼企业治理结构、工作组织方式、教育体系乃至政策框架的系统性变革。从更宏观的视角看，AI已成为国家与地区间竞争力的核心维度。围绕AI战略布局、技术标准制定与产业生态构建的全球博弈，将进一步驱动长期投入与持续创新，形成源源不断的经济增长动能。

　　AI资本开支超级周期远未结束

　　21世纪：人工智能（AI）热潮加速袭来，各行业面临的数据处理需求爆发式增长。AI驱动的需求正在催生“超级周期”，这轮周期将持续多久？目前是否已经从聚焦算力等基础设施，转向智能服务的发展阶段？

　　戴耀华：本轮由人工智能驱动的“超级周期”被广泛视为一次长期结构性增长机遇，国际多家投资机构亦对此形成相关研判。贝莱德、摩根士丹利、富达国际、KKR等外资机构在2026年中期展望中达成共识，认为“AI资本开支超级周期远未结束”。

　　另据IDC预测，2024至2029年间，中国生成式AI市场的复合年增长率将达到68%，至2029年市场规模有望接近千亿美元，反映出中期应用落地的加速态势。基于此，IDC认为中国将成为全球最活跃的AI应用市场之一。

　　综合来看，AI驱动的“超级周期”具体能延续多久仍较难预判，其根本取决于AI产业投资与实际经济价值之间形成正向回报的速度。当前阶段，投资规模明显超过回报水平，唯有当回报逐步赶超投资，方能形成良性循环。

　　值得关注的是，算力基础设施建设与智能服务发展实际处于同步推进之中。当前各方更侧重于基础设施建设，核心在于对算力及相关资源（如土地、能源、光纤等）的争夺——这些均为AI发展中的关键瓶颈资源，提前布局将构筑显著先发优势。相较之下，智能服务的投资时点更具灵活性，二者由此呈现出当前阶段的战略性差异。不过，智能服务的规模化落地已初现曙光，预计在2028年后将逐步进入应用爆发期。

　　企业组织将呈现“人机共生”架构

　　21世纪：微软、亚马逊、谷歌母公司Alphabet和Meta计划在2026年投入约6350亿美元用于数据中心和AI基础设施建设。全球科技巨头都在加速投入打造算力网络和下一代人工智能基础设施，而AI赛道比拼重心从单一模型性能转向完整生态建设，产业落地不再局限于解决“AI能不能用”，核心命题转变为如何将智能体融入企业组织架构，管理数字化新型劳动者。我们该如何重新定义企业数字化转型的中心和企业管理的边界？

　　戴耀华：重新定义企业数字化转型的侧重点：其正从“流程自动化”转向“智能体协同”范式。传统企业数字化转型以流程自动化与系统集成为核心，目标在于提升效率、降低成本。然而，在AI驱动下，转型重心已从“让系统更连贯”演进为“让智能更深入”。当前的关键命题不再局限于AI能否执行任务，而在于如何将智能体作为新型劳动者，深度嵌入企业的决策链条、知识流动与组织行为之中。组织架构的再设计须将智能体视为正式的“数字员工”，企业管理亦需重新审视人力资源的构成与协作模式。未来的企业组织将呈现“人机共生”的混合架构——人类员工专注于高阶战略、创意及伦理判断，而智能体则承担知识检索、数据分析、流程执行等认知型工作。

　　与此同时，企业管理的边界亦需重新划定。随着智能体具备跨系统调用数据、接口与业务流程的能力，管理范畴不再囿于内部职能部门，而是延伸至整个价值生态网络。供应商、客户、合作伙伴的AI系统可与企业的智能体直接交互，实现端到端的自动化协同。

　　由此，AI正推动企业数字化转型进入全新阶段——其核心不再是“用技术辅助人”，而是“构建一个人机共治的新组织”。在此时代背景下，企业竞争力的关键在于三点：一是有效整合AI智能体；二是妥善管理数字员工；三是有远见地重塑组织流程。

　　我们提出，智能体可被视为“数字白领”，物理AI则相当于“数字蓝领”，两者与AI赋能的人类员工共同构成新的企业运营格局。数字白领涵盖流程智能体、领域专家智能体及行业智能体；数字蓝领包括人形机器人、工业机器人、自动驾驶车辆、无人机等。二者均依托AI基础设施，与掌握新技能的人类员工协同运营新产品与新服务，这将成为未来企业管理与运营的主流模式。

　　AI商业化出现供需错配

　　21世纪：科技大厂纷纷推出各类专属“龙虾”产品，但C端市场已出现“花钱卸载”的抵触情绪，面对“技术供给热”与“落地需求冷”的巨大温差，你认为这种现象揭示了当前AI商业化进程中的什么核心瓶颈？

　　戴耀华：这一现象反映出当前AI商业化进程中典型的供需错配，也是技术爆发初期常见的阶段性困境。其核心瓶颈可归结为以下三个方面：一是，功能导向而非问题导向，忽视真实用户场景。多数“龙虾产品”以展示技术先进性为目标，而非解决具体痛点。例如，某些AI助手频繁强制弹出、占用系统资源、推送无关信息，甚至自动开启语音监听，却未能提供精准、省时、个性化的服务。这种“为AI而AI”的设计逻辑，使产品沦为技术演示品，而非生活必需品。当AI功能带来的更多是干扰而非便利时，“花钱卸载”便成为理性选择，这恰恰体现了市场对伪需求产品的自然出清。

　　二是，封闭生态绑定，削弱用户自主权。“龙虾产品”常深度嵌入厂商自有生态系统，强制用户使用特定账户、云服务或订阅套餐，形成技术绑架。虽然短期内可提升用户黏性与数据收集能力，但长期却损害了体验的流畅性与选择自由。AI时代用户期待跨设备、跨平台、无缝协同的智能体验，而非被割裂于各自为政的“AI孤岛”中。封闭模式与开放互操作性的期待形成鲜明冲突，进一步加剧了用户的抵触情绪。

　　三是，缺乏透明度与信任机制，触发隐私与控制焦虑。AI功能的高侵入性放大了用户的不安情绪。部分产品在未充分告知的情况下采集语音、图像及行为数据，甚至产生严重的误操作，直接动摇了AI应用的信任基础。用户“花钱卸载”不仅是对功能的否定，更是对数字主权的主动捍卫。

　　总的来说，这些问题是颠覆性技术市场化进程中常见的曲折表现。随着实践深入，企业和行业必将持续学习、螺旋上升，逐步走通AI商业化道路。值得注意的是，消费者端的反应与企业面临的挑战异曲同工——AI只有形成清晰可见的价值回报，真正面向真实场景、主动管理生态、构建可信机制，才能彻底打通商业化的路径。

　　技术推动中企迈向国际化发展

　　21世纪：全球主要经济体正在探索“AI+实体经济”的多路径赋能模式。对于想要在亚太区域布局的跨国企业或出海企业而言，战略制定变得极其复杂。在一个缺乏统一路径的亚太市场中，你建议企业应如何平衡自身的“全球化技术标准”与“本地化产业需求”？能否分享一个企业成功跨越这种路径差异、实现AI与当地实体经济深度融合的案例？

　　戴耀华：首先，全球化技术标准正日趋多样化。过去，标准制定基本以西方为主导，亚太地区主要扮演跟随者角色；而如今，中国已从跟随者转变为技术标准的制定者与开拓者，越来越多的全球技术标准实际上源于中国。这一转变背后，是AI技术发展的驱动，也体现了各国对AI主权的日益重视。因此，企业在技术选择上，不仅要满足业务层面的需求，还需兼顾各国政府对技术主权的合规要求。

　　当前，我们看到两条清晰的发展路径：一是，国际化企业在全球化技术标准与本地化产业需求之间，寻求“In China, for China”的策略。这意味着企业需要综合考量本地化环境、生态特点以及全球技术的可落地性，审慎判断哪些领域遵循全球标准以适配中国落地，哪些领域则需响应中国的技术主权要求，寻求本地化支持。目前，德勤服务的诸多大型转型项目就是围绕这一方向展开，这不仅是业务层面的战略服务，更是从业务延伸至技术体系的战略服务。

　　二是，中国企业出海。这些企业并不简单照搬国内技术方案，而是基于出海目标国家或地区的产业要求与技术标准，因地制宜地构建技术体系。海外AI的落地亦非国内方案的简单复制，而是在统一治理架构下，针对不同市场实现差异化的技术部署。例如，阿里云、腾讯WeChat等中国技术，已在海外多地得到广泛应用和落地。

　　21世纪：过去的企业出海是“产品或资本输出”，在AI超级周期下，出海的逻辑是否变成了“技术与数据驱动的生态输出”？你观察到近期亚太企业，特别是中国企业在出海模式上发生了哪些显著变化？

　　戴耀华：所谓“技术与数据驱动的生态输出”，或许仅是此轮出海浪潮的表层结果，其本质转变在于：中国企业正从以往以营销渠道构建为主的产品输出型出海，迈向真正意义上的“国际化”发展战略。

　　我发现，中国企业不仅力求在海外目标市场扎根，实现供应链与运营机制的本土化自成体系，更在各国间统筹布局研发、生产制造乃至知识产权等多重功能。在满足各国产业保护与技术主权要求的前提下，它们以全球化视野为指引，致力于构建适应国际化发展目标的全球生态。这正是亚太企业，尤其是中国企业，在出海模式上最为显著的变化；正是这一战略转变，带来了对全球化布局、技术生态建设以及数据保护合规的相应要求。

　　以智能分析制定咨询服务标准

　　21世纪：世界各国市场数字化成熟度差异巨大，当你在不同区域内推行AI驱动的咨询服务标准化时，是否遇到部分市场“水土不服”的挑战？要如何平衡全球AI战略和本地市场特殊性的关系？

　　戴耀华：咨询服务需要因地制宜，毕竟不同国家的数字化基础、AI法规、业务形态及对AI的认知文化各有差异。因此，我们遵循“在可标准化处实现标准化，在需定制化处提供定制化”的原则，力求在标准化与定制化之间取得平衡。以德勤推出的Zora.AI智能体平台为例，该平台包含财务分析、销售分析等多种智能体，底层能力均已实现标准化；但在落地不同国家、服务不同客户及适配不同场景时，德勤仍会提供定制化服务。

　　此外，德勤中国也推出了基于开放模型的智能平台，并已从中国市场推广至东南亚地区。该平台内置六个基础智能体，在实际应用中，我们会根据各国数字化成熟度及客户具体场景进行灵活组合与定制，这些便属于非标准化应用范畴。

（文章来源：21世纪经济报道）