配资查询

国联民生 AI博弈三重天｜国家战略、企业竞争力与组织能力

作者：admin 发布时间：2026-09-08 22:59:47

　　新浪财经ESG评级中心提供包括资讯、报告、培训、咨询等在内的14项ESG服务，助力上市公司传播ESG理念，提升ESG可持续发展表现。点击查看【ESG评级中心服务手册】

（来源：BCG波士顿咨询）国联民生

2026年，当美国和中国以截然不同的思路重塑各自的AI技术栈，当“Token”从技术术语变成企业的成本单位和竞争筹码，当越来越多的组织开始担心AI的出现导致员工技能逐渐“钝化”，AI竞争正在三个相互嵌套的层面上同时展开：国家如何配置资源；企业如何把资源转化为优势；组织如何在使用AI的同时守住自己的核心能力？

实际上，国家的资源禀赋决定了本国企业的Token价格和技术选项。企业能否把Token转化为真实的收入和利润增长，又取决于组织内部能否守住那些“最容易被AI替代却也是最重要”的人类技能。

第一部分

国家战略分野：

AI是竞争实力的放大器

一、美国：持续资本驱动的技术创新

BCG 2026年中美AI发展研究以资本、人才、知识产权、数据、能源、算力这六大要素为落脚点，我们发现美国在人才和资本两项上依然保持明显优势，中国则在算力上加速追赶，同时没有选择死磕前沿模型，而是依托AI相关的知识产权优势开辟新路，优先把AI能力铺向实体经济——构成了两国AI战略分野的起点（参阅图1）。

美国技术创新的起点可以概括为“赢在资本与人才（包括在美AI华人）”。2023年以来，美国AI初创企业已吸引约3,800亿美元风险投资，超过中国同期水平；20家最大科技公司2024年的研发投入超过3,000亿美元，同样领先中国。资本还在向基础设施层迁移：2025年美国顶级科技公司的资本开支已超过4,000亿美元，预计2026年将突破6,000亿美元，支撑起超过50吉瓦的数据中心装机容量（参阅图2）。

围绕OpenAI、Anthropic、英伟达、微软、甲骨文等公司，美国AI生态已形成一张价值超过1.5万亿美元的交叉投资和算力承购合同网络——这既是竞争优势的来源，也埋下了系统性风险的种子：无论是资本、AI公司，还是芯片设计厂商和科技巨头，任意一个关键节点的违约或需求不及预期，都可能产生“涟漪效应”快速感染整片网络。

二、中国：政策+企业成本效率双驱动的务实创新

中国选择了一条不同的路径：不追求在资本规模上的对等竞争，而是集中力量把模型做便宜、把应用做开花。自DeepSeek R1在2025年初发布以来，中国头部模型在能力上已能靠近美国前沿水平，价格却只是零头。例如，月之暗面Kimi K2.6在2026年5月的定价约为1.71美元/百万Token，而美国旗舰模型GPT-5.5的价格约为11.25美元，相差超过6倍。这种“性能贴近、价格甩开”的组合，很大程度上得益于开源模型生态：阿里巴巴、字节跳动、月之暗面、智谱、MiniMax等厂商相互借鉴架构和权重，共同把推理成本压了下来。

这种成本优势正在转化为现实中的普及速度。中国与全球的联系越来越紧密，打开了中国AI走出去的渠道。中国已是其他77个“全球南方”国家的最大贸易伙伴（较2015年增长约五成），并通过“一带一路”倡议持续深化与相关市场的基础设施和产业合作，为中国AI技术和解决方案的海外拓展创造了更广泛的商业基础。“低成本模型+快速普及”不断自我强化：2025年末，中国开源模型的全球累计下载量已超过美国同类产品（参阅图3）。

中国的应用导向既有企业的敏捷落地的需求，也有政策配套的支持。2025年8月，国务院发布《关于深入实施“人工智能+”行动的意见》，提出“三步走”目标：到2027年在科技、产业、消费、民生、治理、全球合作六大领域实现智能终端和智能体普及率超过70%；到2030年普及率超过90%，智能经济成为重要增长极。此后一年内，多部门密集出台配套细则，形成了从顶层设计到垂直行业的完整政策闭环。

这种政策合力已经开始在真实的产业数据中显影。中国的落地节奏更慢但更扎实，正处于从概念验证走向规模化的临界点（具身智能是这种落地最直观的体现，详见下文分析）。

网上配资

]article_adlist-->

中国具身智能迎来拐点

]article_adlist-->

2026年被普遍视为人形机器人的“应用元年”，中国人形机器人出货量占全球比重已超过八成，整机年产量有望突破10万台，上半年相关领域融资总额已达460亿元人民币，覆盖200余家企业，应用场景已从展示演示扩展到3C电子、汽车制造、仓储物流等真实产线（参阅图4）。

中国具身智能的快速崛起，本质上源于国家战略引导与资本持续投入的双重驱动。一方面，在人口老龄化、制造业智能化升级以及全球科技竞争加剧的背景下，具身智能被视为推动新质生产力发展的关键方向。

自2023年《人形机器人创新发展指导意见》首次将人形机器人定位为“颠覆性产品”以来，“具身智能”连续写入《政府工作报告》，并被纳入“十五五”规划建议重点培育的六大未来产业之一，国家通过顶层规划、创新平台建设、技术攻关和场景开放等政策工具，持续推动产业链协同发展，加速技术从实验室走向产业化。

与此同时，资本正成为产业发展的另一核心驱动力。2024年以来全球具身智能投融资显著升温，中国已成为全球最活跃的投资市场之一，资本持续向整机厂商、核心零部件、具身大模型及数据平台等关键环节集聚。此外，公开资料显示，近年来国家级产业基金、地方政府引导基金、国资平台以及市场化VC/PE共同构建起覆盖企业全生命周期的资本体系，北京、上海、深圳、武汉、苏州等地相继设立具身智能或机器人专项基金，重点支持核心技术攻关、产业链补链强链和场景验证，并通过“耐心资本”模式陪伴企业跨越研发周期长、商业化慢的技术门槛。

在政策与资本的协同作用下，中国依托全球最大的制造业体系、丰富的工业与服务业应用场景以及完整的机器人供应链，加速形成真实数据飞轮和规模化验证能力，在机器人整机制造、核心零部件配套以及产业化落地等方面逐步建立全球竞争优势，为具身智能进入规模化商业应用奠定了坚实基础。政策提供战略方向，资本加速资源配置，二者共同推动中国率先完成具身智能从技术突破、产业培育到场景规模化落地的闭环，形成区别于海外市场的“中国路径”（参阅图5）。

中美顶层战略出现分化：美国主攻前沿技术突破，中国侧重规模化落地与AI赋能实体经济。映射到企业竞争层面，AI领先企业与落后企业之间的差距不一定在于模型，而是“用AI出成绩”的能力。

第二部分

企业竞争力：

谁能把AI转化为护城河

一、只有6%的公司真正把AI变成了优势

BCG对600余家美国上市公司的另一项研究则回答了“谁真正做到了”。BCG基于AI技术、人才、部署三大支柱构建了一套“由外而内”的应用水平评分体系，发现只有6%的公司称得上真正的“AI领先企业”，但这一小体量群体创造的价值极为可观：过去三年行业调整后的股东总回报比行业中位数高出9.3个百分点，且这种超额回报几乎完全来自营收增长和利润率扩张，而非市盈率的估值溢价——市场奖励的是真实业绩，而非夸夸其谈。

值得注意的是，仅次于“领先企业”的“活跃企业”梯队几乎没有任何回报溢价，说明AI对企业的价值贡献并非线性累积，而是要跨过某个临界点才会显现（参阅图6）。

有别于“AI导致裁员”的主流舆论叙事，领先企业的员工数量增速反而比行业中位数高出3个百分点。它们没有收缩人力规模，而是把AI释放出的产能重新投入了增长。这与BCG《AI对就业市场的影响》的研究结论一致：AI不是简单地取代岗位，而是有效提高员工生产力。

AI提升单位工作产出效率后，不少岗位有望满足更多的市场需求，企业可以服务更多客户、加快交付产出、拓展相邻市场，实现收入增长与利润率的同步增长。更有21%的企业愿意承受短期利润受损的压力，依托AI搭建新产品、新服务、新商业模式。裁员并非必然的结局（参阅图7）。

二、Token竞争：从降本工具到价值创造

AI模型带来的竞争优势主要源于两大特性。其一，随着底层模型不断迭代、系统不断从交互中学习，AI赋能下的流程变得更加智能、更加高效、更加经济，形成持续自我强化的“增长飞轮”。其二，AI系统的规模具备弹性伸缩的能力，企业能够根据需求变化动态调整资源配置，精准地实现产需匹配。

AI能力普及的本质回到“谁能更高效地把智能应用到具体业务的价值创造上”。而所谓的智能是通过消耗Token实现的，我们把这种新竞争形态称为“基于Token的竞争”，与BCG早在1988年提出的“时基竞争”的概念遥相呼应。BCG对107家年营收超5亿美元的上市科技公司的分析显示，Token使用量最高的五分之一企业，其营收同比中位数增速达16.5%，是使用量最低组的三倍以上，为“Token消耗与商业表现正相关”提供了初步的实证支持（参阅图8）。

尽管Token的重要性逐渐深入人心，但在Token使用上广泛存在两种误区：要么只盯着“省了多少人力成本”，会让企业系统性地低估AI能创造的新增长机会；要么一味追求“Token消耗最大化”（tokenmaxxing），诱导员工为刷数据而使用AI，制造虚假繁荣。为此，BCG建议采用“智能回报率”（ROInt）指标，把AI产出的价值除以人力与Token的总成本，从而在替代型场景（如客服自动化）和增强型场景（如软件研发）之间建立统一的比较基准。围绕这一指标，企业还需要把Token预算的归属权从IT成本中心转移到战略规划、卓越中心或财务部门，并把“减少的人力”重新定义为“释放出可投入更高价值工作的产能”。

随着Token本位竞争重塑工作与职场，领导者不应纠结于“投资AI”还是“投资于人”，这本身就是道伪命题。只有两者兼顾才有机会破茧突围，而突破口或许就在组织内部。

第三部分

组织与技能：

AI红利背后的隐性风险

回溯组织由落后走向领先的轨迹，BCG把AI变革拆解为三次转型：第一次是从零散试用现成工具扩展到构建更完整的AI技术生态；第二次是把试点转化为覆盖多部门、可规模化生产的真正部署——这一阶段完成后，同时具备“广度”与“深度”的企业占比会从约12%跃升至过半；而最关键的第三次是跨越“人才鸿沟”。

数据显示，从“活跃企业”跃升到“领先企业”梯队时，技术和部署维度得分几乎没有变化，唯独人才得分几乎翻了三倍——领先企业中具备AI相关技能的员工占比达13%，是落后企业（1%）的十几倍；AI专职岗位占比更达3.5%，是落后企业（0.1%）的35倍。

这一发现呼应了一个朴素的商业逻辑：当所有企业都能从同样的供应商那里买到同样的AI工具，工具本身就不再构成壁垒，真正稀缺的是把工具嵌入具体业务的组织能力——这正是BCG长期强调的“10-20-70法则”（10%在于技术、20%在于算法和数据、70%在于人员、流程和组织变革）在AI时代的最新验证。

一、“分布式去技能化”：不是个人问题，而是系统问题

如果说前两部分回答的是“如何用好AI”，第三层则提出了一个更尖锐的问题：当组织成功把AI嵌入几乎所有工作流程之后，它是否正在悄悄丧失某些无可替代的能力？

BCG把这种现象称为“分布式去技能化”——当技能退化同时发生在成百上千名员工身上时，侵蚀的不只是个人能力，而是整个组织的韧性和判断力。在一项覆盖70位高管的全球调研中，半数受访者表示已在自己的组织中观察到这种退化迹象，超过六成认为能力退化将在未来三到五年内构成实质性威胁。

更值得警惕的是，受访高管认为对组织长期表现最重要的能力——判断与决策、问题理解与界定、创造性思维、分析与因果推理、方案构建与评估——恰恰也是他们认为最容易被AI侵蚀的能力（参阅图9）。

其中，“问题理解与界定”被认为是长期表现最关键的能力，而“判断与决策”则是去技能化风险评分最高的能力：一个组织如果连“定义正确的问题”这一能力都开始退化，就很难指望靠更好的分析或更快的执行去弥补。

相比之下，共情与倾听、自我认知、好奇心、韧性、领导力与社会影响力等更依赖人际关系和具身经验的能力，暂时处于相对安全区，而且能反过来保护那些正在被侵蚀的核心能力——例如，共情与倾听能维系正被AI悄悄取代的师徒关系，领导力与社会影响力能在思维趋同的环境里鼓励结构化辩论。

二、去技能化如何在组织内部扩散

能力侵蚀有一条清晰的传导链条，始于对AI输出“不加质疑地照单全收”。近九成受访高管观察到这一现象；随之而来的是责任感和归属感的稀释，超过半数高管注意到“AI说的”正在成为员工推卸责任的挡箭牌；接下来是建设性思辨减少、思维多样性下降、团队协作弱化，因为当所有人使用同一套AI工具、基于同一批训练数据时，产出和思路会自然趋同。

更深层的问题出现在人才梯队上：超过半数的高管指出，当AI接管了初级员工传统上通过做研究、写初稿、调试代码等“苦活累活”，新人失去了积累判断力的机会，缺少形成专业直觉所必需的重复训练，而组织却在同时期待他们承担过去需要五到十年经验才能完成的任务——职业阶梯重塑的速度，已经超过了配套培养路径重新设计的速度。

三、六条应对策略

面对这一风险，目前只有一成企业制定了系统性的应对策略，三分之一的企业甚至从未正式讨论过这一问题。基于对企业实践的观察，可以归纳出六条相对成熟的路径：

设定组织层面的使用边界：明确哪些场景必须有人工复核、哪些任务划为“AI禁用区”，并纳入正式的AI行为准则。

重新设计工作流程：明确哪些任务必须保留人类主导，尤其是承载师徒传承和隐性知识转移的环节——例如壳牌要求初级员工先独立完成问题界定和基线分析，再借助AI优化。

把技能发展显性地纳入绩效考核：例如法国数据保护监管机构CNIL要求管理者评估员工“质疑AI输出”的能力，而非仅限于“使用AI”的能力。

在日常工作中嵌入固定的“技能补给仪式”：如印度某银行每月固定一天开展全员AI禁用的案例研讨与团队复盘。

训练员工以“非线性”方式使用AI：要求AI先给出“行不通的方案”以倒逼批判性思考，而非直接索取“更好的答案”。

元股证券:ygzq.hk

在AI工具内嵌反思提示：强制用户在获得AI建议前先给出简要判断依据，让工具本身成为保持思考习惯的“拐杖”，而非替代思考的捷径。

这六条策略共同指向一个结论：人类的判断力、创造力和因果推理能力不是一次性配置好就能永远保有的固定资产，而是一种“用进废退”的可再生资源——正如我们在本节开头的论述：无论是企业跨越AI价值创造的门槛，还是组织抵御去技能化的侵蚀，解题思路关键在于对人的持续投入。

● ● ●

纵观三个层面：国家层面的资源禀赋和政策选择，决定了企业面对的Token价格、技术栈选择和落地节奏——美国靠资本堆出规模和前沿模型优势，中国靠成本效率和政策合力换取普及速度；企业层面的竞争，比拼的不是谁消耗的Token更多，而是谁能用“智能回报率”的框架把Token转化为真实的营收增长，而这条路几乎无一例外要跨过“人才鸿沟”；组织层面的挑战则提醒所有人，即便跨过人才鸿沟，成为少数的“6%”，如果不能同时守住员工的判断力和问题界定能力，这种优势也可能在AI红利的糖衣下被悄悄透支。

对于身处这场竞争中的企业管理者而言，摆在眼前的是三个层层递进的问题：你的企业依附于哪一种国家AI供给逻辑、又该如何在两种技术栈之间保持韧性？你的组织是否已建立起能把Token消耗转化为真实价值的管理框架，还是仍停留在“谈AI”而非“用AI”的阶段？在推动全员使用AI的同时，你是否为员工——尤其是初级员工——保留了能真正练出判断力的“笨功夫”？三层问题环环相扣，答案也终将决定谁能穿越这场竞争，成为真正的领头羊。

注：文中数据均引自下述公开来源，如需追溯原始出处请查阅对应原文。

向下滑动查看资料来源：

BCG全球智库：AI Talk Is Cheap, Value Creation Is Rare；

The Era of Token-Based Competition Is Here；

The Great Divide: How the US and China Are Splitting the AI World；

When Everyone Uses AI, Companies Risk Losing Critical Skills；

其他参考资料：

中国国务院及相关部委公开政策文件；长江商学院；IDC；新华社等公开报道。