Sponsored 人工智能

以自主 AI 重新定义企业智能

可组合的基础设施、主权数据和跨职能协调能够使智能流动，让 AI 变得更聪明。

2026年10月2日

与 Uniphore 合作

企业 AI 已不再是未来的愿景，而是已全面投入运营。模型能力的进步速度超过了大多数组织的吸收能力，而性能成本却在持续下降。全球范围内，AI 投资预计将在 2026 年达到 2.5 万亿美元，同比增长 44%。

对许多企业而言，这种投资带来了碎片化。智能可能在孤岛中积累，例如销售代理不知道未解决的客服工单，或者营销系统在个性化内容时无法了解财务部门已经掌握的客户信息。每个职能单独来看可能表现良好，但企业整体学到的很少，可用于行动的信息也更少。

下载报告

从 AI 作为工具到 AI 作为运营模式的转变——我们在本报告中称之为“代理式转变”——需要的不仅仅是更好的模型或更快的基础设施。它要求实时连接人员、流程和数据，并具备治理和控制能力，以可靠地基于这些智能采取行动。

这意味着需要同时重新思考架构和运营模式。第一，重建数据基础设施，以可访问性而非数据量为目标。第二，用可组合的架构替代固定的技术栈，使其能够随着模型和工具的变化而演进。最后，解决 AI 主权问题，包括智能在哪里运行、由谁控制，以及它如何跨越组织和司法管辖区边界运作。

主要发现包括：

• 企业 AI 的扩展问题是结构性的。 流程优先的公司正在脱颖而出。全球 AI 支出急剧上升，模型能力的进步速度超过了大多数组织的整合能力。然而，大多数企业仍未通过 AI 实现收入增长，也未从根本上重新思考其运营方式。持续获得回报的公司有一个共同的纪律：它们将流程重新设计视为模型选择之前的工作，为技术的演进方向而构建，而非在部署后改造角色和工作流程。对它们而言，代理式转变始于运营模式。
• 数据就绪度，而非数据丰富度，才是使 AI 产生复利效应的关键。 大多数企业发现得太晚：拥有数据和拥有 AI 就绪的数据是截然不同的两件事。一个主权化、可组合的基础——在数据所在之处进行查询和准备，无需迁移或集中化——可以将原始数据资产转化为 AI 代理能够据以行动的智能。随着数据驻留法律、多云环境和结构性复杂性使集中化越来越不切实际，对模型运行位置和数据存储位置的主权控制，才是保持这种适应能力的关键。

下载报告。

本内容由 Insights 制作，Insights 是 MIT Technology Review 的定制内容部门，并非其编辑团队。内容由人工研究和撰写，任何可能使用的 AI 工具仅限于在人工监督下的生产流程。

分享 在 linkedin 上分享故事 在 facebook 上分享故事 通过电子邮件分享故事

热门

• AI 的递归自我改进可能不会那么快到来 Michelle Kim
• 以下是 AI 代理为了达成目标而撒谎和欺骗的原因 Grace Huckins
• 不要被这个夏天的 AI 炒作所迷惑 Timnit Gebru、Emily M. Bender
• 这些初创公司正在追逐 LLM 的下一个大事件 Will Douglas Heaven

深度探索 人工智能

AI 的递归自我改进可能不会那么快到来 看来，AI 代理还不够有创造力，无法开展真正创新的开放式 AI 研究。

以下是 AI 代理为了达成目标而撒谎和欺骗的原因 这种行为被称为奖励黑客。以下是你需要了解的内容。

不要被这个夏天的 AI 炒作所迷惑 关于 AGI 和新能力的夸张说法在审视之下很快就会瓦解。

这些初创公司正在追逐 LLM 的下一个大事件 来认识一下正在紧追 AI 巨头的新秀们。

保持联系

插图：Rose Wong

获取 MIT Technology Review 的最新动态 发现特别优惠、热门故事、即将举办的活动等。

输入你的电子邮件

隐私政策

感谢你提交电子邮件！

探索更多新闻通讯

看起来出了点问题。我们在保存你的偏好时遇到了麻烦。请尝试刷新此页面并再次更新。如果你继续收到此消息，请通过 customer-service@technologyreview.com 联系我们，并附上你想接收的新闻通讯列表。