作者：彭昭（智次方创始人、云和资本联合创始合伙人）

物女皇：别抢红馒头

这是我的第410篇专栏文章。

3月28日，我在无锡参加并主持了2026年度人工智能素养技能提升研修营首期活动，聆听微软（中国）首席技术官韦青老师的演讲，题目是《系统工程视角下的机器智能落地》。

在当下这个被大模型、AGI、具身智能等热词轰炸得让人集体焦虑的节点，韦青的分享像是一盆冷水，也像是一剂清醒剂。他没有在台上展示各种炫酷的AI生成效果，而是从系统工程、认知神经科学和历史演进的角度，把高高在上的AI拉回了地面。

作为一个在物联网产业深耕多年、同时做产业投资的人，我从这场演讲中提炼了三个核心认知，分别对应三个问题：AI落地卡在哪？机会藏在哪？该怎么做？今天这篇文章，就来与你分享。

AI落地的“五个馒头困境”：绝大多数企业在拿第五个馒头的预算，补前四个馒头的课

韦青讲了一个生动的故事：张三饿得快死了，连吃五个馒头才活过来，恰好第五个是红色的，从此江湖盛传，只要拿到那个红馒头就能起死回生。于是所有人都拼命去抢第五个馒头，把前四个忘得一干二净。

这个寓言精准到“一针见血”，它就是今天AI落地的真实写照，所有人都在抢那第五个红馒头，也就是模型和智能，却忘了前四个馒头才是企业能站起来的原因。

真正卡住AI落地的，从来不是模型不够强。我们不妨放眼去看那些号称要All in AI的企业，模型买了、GPU抢了、API接了、智能体搭了…结果呢？大模型跑出来的东西没人敢用，因为数据是脏的；流程自动化推不动，因为没人说得清现有流程长什么样；老板说要全员拥抱AI，但底下人把它当成KPI作弊工具。

韦青解读了五个馒头的深意：第一个馒头是文化，组织能不能容忍试错？第二个是人才，团队能不能驾驭机器，而不是被机器的幻觉迷惑？第三个是流程，业务逻辑能不能被数字化建模？第四个是数据，数据资产是真正可被机器学习的，还是一堆散落在Excel和微信群里的碎片？

这四个馒头没吃，第五个馒头再红，吃了也没力气干活。

但眼下最大的问题不在于企业不知道这些，而在于资源错配。我见过太多企业，CTO在向董事会要算力、要GPU的预算，但真正需要投资的东西，数据治理团队、流程数字化改造、组织文化变革、复合型人才培养…这些在预算表上要么没有独立科目，要么被打包在一个不起眼的角落里。

最讽刺的场景是：预算表上最亮眼的那行“AI战略投入”，恰恰是投入产出比最低的一笔钱，因为它在给一个还不会走路的婴儿买跑鞋。

我的判断是，对于绝大多数不以AI模型为核心竞争力的行业企业来说，评估AI就绪度的标准应该倒过来看。不要看企业买了多少张GPU卡、接了多少个API，而是诚实地回答四个问题：数据能不能被机器学习？流程能不能被数字化建模？人才能不能驾驭工具而不是沦为工具的附庸？文化能不能接受“先做再改”而不是追求“一步到位”？

如果这四个问题的答案都是否定的，那么再先进的大模型到企业手里，也只是一个昂贵的聊天框。

物联网是AI时代的“电源插座”：无锡被严重低估的基础设施优势

如果说第一个观点是在诊断“缺什么”，那这个观点要指出的是“有什么”，而且是一种很多人视而不见的“有什么”。

韦青在演讲中用了一个让我感觉醍醐灌顶的历史类比。他说，仅仅拥有电力是不够的，只有当电源插座成为建筑的标准配置，才标志着人类社会真正进入电气化时代。想想看，发电厂再强大，电网再发达，如果我们的房子里没有插座，电力对我们来说就是一个遥远的概念。

他还提出了一个智能系统基模：I（输入）、P（处理）、O（输出）、F²（反馈+前馈）。

陪跑了物联网十几年，韦青提出的这个模型，不就是物联网的核心架构吗？传感器负责输入，通信网络负责传输，边缘和云平台负责处理，执行器负责输出，闭环控制负责反馈。所谓的AI落地，本质上就是在这条完整链路的“处理”环节，从传统算法升级到了机器学习。

但问题在于，如果前面的感知和传输不存在，后面的行动和反馈也没有，AI就是一个悬空的大脑，既感受不到真实世界的温度、压力、振动和流量，也改变不了任何物理层面的结果。它能做的全部事情，就是处理人类喂给它的文本和图片，然后输出人类看着像那么回事的文字。

韦青自己也说了一句话，让我印象极深。他说，无锡这样的城市最不需要追AI的潮流，而是要驾驭这个潮流为己所用，因为AIoT的基础已经在了。这话从一个微软CTO嘴里说出来，分量不一样。他不是在安慰无锡，他是在陈述一个被严重低估的结构性事实。

到各种技术论坛上看，物联网早就不是性感的话题了，流量和资本全跑到大模型那边去了。但现在回头看，物联网的传感器一个一个装、协议一个一个调、数据管线一条一条铺，这些上不了头条的工程，正是AI落地最稀缺的物理根基。

真正的AIoT融合，不是通常理解的“AI赋能IoT”，好像AI是高高在上的赋能者，IoT是被动的接受者。恰恰相反，是IoT为AI提供了落地的物理根基。AI需要的“感知-传输-记忆-计算-行动-反馈”完整闭环，每一个环节都指向物联网。没有这个闭环，AI就永远停留在Demo阶段，Demo给投资人看，Demo给领导看…但就是没法给客户看，给实际的生产线看。

无锡拥有的是一种被严重低估的结构性优势，只不过在大模型的光芒下，这种优势暂时不太上镜。但潮水终究会退。当市场从“比谁的Demo炫”转向“比谁的系统真正跑起来”时，手里有“插座”的人终将会发现，自己站在一个极好的位置上。

拒绝“物理相加”，拥抱“化学反应”：别在马车上装喷气式发动机

诊断了问题，发现了机会，最后一个问题是：到底怎么做？

韦青转述了一位城市“AI+”领导的原话，那位领导说，别给我物理性的“+”！我需要化学性的“+”！

站在产业观察者的位置，我看到太多企业把AI转型做成了物理叠加，但仔细看看，部门还是那些部门，流程还是那些流程，KPI还是那些KPI，AI只是被硬塞进旧体系里，当了一个体面的外挂。

韦青用了一个更扎心的比喻。他问，如果给一辆马车配上一个喷气发动机，下场是什么？答案不是飞起来，而是被自己跑散架。喷气发动机固然强大，但马车的木轮子、缰绳和马车夫甩鞭子的全部技能体系，根本无法匹配这种动力，强行启动的结果不是加速，是解体。

虽然AI生成了内容，但审核流程没有建立，人工复核的成本比手写还高。虽然AI跑出了数据洞察，但决策链条还是层层审批的老路径，洞察到了决策者面前已经过了保鲜期。虽然AI输出了优化方案，但执行层面还是依赖经验丰富的老师傅拍脑袋…最后大家得出一致结论：AI这东西不好用。

其实不是AI不好用，是他们把喷气发动机装在了马车上。

真正的“化学反应”意味着什么？我从韦青的演讲中提炼了一个判断框架：技术落地有三个层次：“有”、“有用”和“有作用”。“我也有AI了”是第一层，全公司都买了账号，PPT上多了一个AI标签。“AI帮我省了点事”是第二层，局部效率提升了，但商业模式纹丝未动。“AI改变了我的组织形态和商业逻辑”是第三层，到了这一层，才能说发生了化学反应。

从“有”到“有用”靠的是采购和部署，花钱就行。但从“有用”到“有作用”靠的是整个系统的重构。

因此，韦青预判了一种未来组织形态：前沿组织与超级个体的结合。这种组织的核心效率指标不再是传统的人均产出，而是“人机比例”，一个超级个体能调度多少个智能体为自己工作。组织结构也不再是固定的部门墙，而是由任务定义的动态柔性编队，任务来了临时组队，任务完了自动解散。

这种组织的最终标志是什么？是AI化于无形。

今天没有人会说“我们是一家用电的企业”，因为电已经像空气一样融入了所有生产环节。同样的道理，当有一天没有人再标榜“我们是一家AI企业”的时候，AI才真正完成了它的使命，从一个光鲜的物理外挂，变成了融入企业骨骼里的化学基因。

写在最后

三个观点，三个隐喻，指向同一个结论：AI不是魔法，AI是系统工程。

正如韦青所言，阻碍转型与创新的真正因素，不是技术，是心态。技术的指数曲线已经起飞了。问题是，我们的认知曲线跟上了吗？