在2026年新领军者年会上来自商业、学术界和各机构的领导者深入探讨了企业在AI转型过程中面临的挑战。从基础设施部署到数据准备企业必须跨越多重障碍才能实现AI技术的规模化应用。以下是与会领导者分享的四大核心洞见。一、AI技术已准备好但多数企业尚未准备好这是世界经济论坛2026年新领军者年会6月23日至25日中国大连上讨论最为集中的话题之一。清华大学苏世民书院院长薛澜将AI的引入类比为汽车诞生初期汽车刚出现时由于基础设施完全不匹配大规模普及根本无从谈起——道路是为马车设计的即便后来加以改造也还需要配套的加油站才能让人们行驶更远的距离。我们真心希望技术能够扩散到整个社会但这需要两类基础设施硬基础设施如数据中心和能源以及软基础设施如法规等。他表示而这些配套建设相比前沿模型的发展追赶速度要慢得多。AI 71首席产品与技术官迈赫迪·吉萨西延续了这一比喻指出真正以AI为核心的企业必须以同样的思路重新设计内部流程。他说如果你在规划一座城市的街道时已经知道未来会有自动驾驶汽车那你大概不会按照现有方式来规划。企业只有做好流程重塑的艰苦工作才能真正用好AI。二、数据质量决定AI的上限AI技术的价值完全取决于输入数据的质量。NTT DATA首席战略官罗利·阿格拉瓦尔警告称如果数据本身混乱AI只会让错误发生得更快。我们在客户那里看到的数据很多时候是高度碎片化的。如果你在一团混乱上构建AI得到的仍然是混乱只不过在GPU上跑得飞快。阿格拉瓦尔分享了她所在机构总结的1-2-3-4法则企业每花1美元构建AI智能体建议同时投入2美元用于变革管理、3美元用于架构治理与风险防控、4美元用于数据准备。她表示只有这样企业才能真正实现AI的规模化落地成为智能化组织。三、人类的使用方式比技术本身更重要ManpowerGroup董事长兼首席执行官乔纳斯·普里辛认为要真正理解AI将把我们带向何方必须聚焦人类如何使用它而非其原始能力本身。人类已经经历过许多次这样的技术演进最终决定结果走向的往往是人类如何运用技术而非技术本身能做什么。他说目前的讨论过于集中在算力、人才和资本上而对如何推动员工、工人和组织大规模采用AI以造福组织、社会以及技术使用者本身关注还远远不够。四、不要等待完美条件先跳进去再说尽管上述每项挑战都需要认真应对但等待万事俱备并非出路。中国移动首席科学家冯俊兰认为许多架构层面的障碍虽需时间解决但培养AI能力与熟悉度必须同步推进。企业在数据、系统、感知技术等方面都还没有准备好……但你不应该试图把所有基础问题都解决掉因为那可能需要好几年的时间。她说如果AI是一片海洋我们现在还在水面上。想要在海洋里游泳就得先跳进去。QAQ1夏季达沃斯领导者提到的1-2-3-4法则是什么意思A这是NTT DATA首席战略官罗利·阿格拉瓦尔分享的AI投入框架企业每花1美元构建AI智能体应同时投入2美元用于变革管理、3美元用于架构治理与风险防控、4美元用于数据准备。其核心逻辑是AI落地的成败不仅取决于技术本身更取决于数据质量、组织流程和治理体系的配套建设。Q2为什么说数据准备好了才能真正用好AIAAI的输出质量完全依赖于输入数据的质量。NTT DATA的罗利·阿格拉瓦尔指出很多企业的数据高度碎片化在混乱的数据基础上构建AI只会让错误以更快的速度发生。因此数据整合与治理是AI规模化应用的前提而非可选项。Q3企业AI转型是等基础设施完善后再推进还是现在就开始A中国移动首席科学家冯俊兰建议不要等待完美条件。她认为数据、系统等基础问题完全解决可能需要数年时间企业应在推进基础建设的同时同步培养员工的AI技能与使用习惯。正如她所说如果AI是一片海洋想要游泳就得先跳进去。