联想智库2026企业AI十大趋势核心观点 - 人工智能技术正经历从“概念验证”到“产业深度融合”的关键转折，企业核心挑战转向将AI与业务战略、组织架构、产业生态协同演进，实现从“效率提升”到“价值创造”的跨越 [1] - 企业应用AI的方式正发生根本性升级，牵引出涵盖组织建设、商业模式、AI治理、基础设施等十大趋势 [3] - 十大趋势与联想的判断和实践契合，公司于2017年布局AI，2023年提出混合式AI战略，在个人和企业AI领域发力，以AI驱动业务实现跨越式增长 [3] 趋势一：从“+AI”到“AI+”，涌现AI原生企业 - 企业当前多处于“+AI”阶段，即在既有架构上外挂式引入AI工具进行辅助 [7] - 当AI能力进化至L3级智能体时，将触发“AI+”式架构升级，倒逼企业以“4A视角”重构业务/组织、应用、知识、技术与安全架构 [7] - 核心是从“流程驱动”转变为由多智能体协同的“价值网络”驱动，并构建“碳硅融合”组织，这一升级是根本性的，绝大多数非AI原生企业需多年分阶段完成 [7] - 目前，一些完全由智能体协同构成的“一人公司”已展示AI原生组织的雏形 [7] 趋势二：从大模型token付费到智能体结果付费 - 企业评估与使用大模型的准则正从“单纯追求模型能力”转向综合考虑模型性能与算力成本的“模算效能” [8] - 评价AI方案时，需将算力部署形态、推理成本、延迟、并发、运维复杂度、可靠性与安全合规等纳入同一指标体系，衡量综合性价比 [8] - 供给侧将持续提升中小参数模型能力、发展垂直/行业模型，并强化多模型协同与工具链 [8] - 需求侧将更常态化采用通用+垂直、多参数规模混合配置与调度，并形成云-边-端混合部署，以在可控成本下实现低延迟、高可用与可扩展的AI能力供给 [8] 趋势四：AI-Ready成为企业知识治理新标准 - 企业对知识的治理标准正发生转变，“非AI Ready”知识难以被AI系统直接、精准、高效地利用 [10] - “AI Ready”的知识可被AI稳定使用并可审计，是知识有清晰来源与版本、结构化/半结构化表达、可追溯引用、可持续运营，并具有明确权限的核心资产 [10] - 企业将把知识治理从“资料管理”升级为“面向智能体的知识工程”，通过自动化采集与清洗、语义标签与本体/术语体系、检索与引用链路审计、持续评测与纠偏，使高质量知识与知识治理智能体成为关键资产 [10] 趋势五：AI治理从被动应对进入主动构建 - AI在释放发展动能的同时，也放大了安全、隐私、伦理与系统性风险等多重挑战 [11] - 安全合规已不仅是防御性需求，更是构筑客户信任与业务韧性的长期竞争力 [11] - 企业亟需构建安全、可靠、可信、透明、可解释、可持续的全过程全要素的AI治理链条，坚持发展和安全并重 [11] - 通过“治理左移”将风险控制前置至技术源头，通过“动态可控”确保对系统的实时监督与干预，通过持续强化数据安全与隐私保护守住核心资产底座 [11] 趋势六：企业推理需求爆发，AI工厂加速落地 - 2026年将成为企业算力采购市场的关键分水岭，随着AI应用从概念验证迈向规模化推广，渗透到更多价值链环节，智能体将执行更复杂、上下文更长的任务 [12] - 企业客户将形成稳定、持续的规模化推理算力需求，非大模型企业由此引发的算力采购规模增长速度首次超过CSP厂商 [12] - 企业的投资重心将向支撑大规模并发业务的推理算力基建倾斜 [12] - 联想于去年年底正式发布了“AI工厂”，提供包括数据采集、智能体开发、模型训练到推理服务的标准化全栈AI解决方案，重塑AI应用的开发与部署流程 [4] 趋势七：软硬一体，推动算力效率革命 - AI算力优化已从“单点提速”转向“端到端软硬协同优化”，软件与硬件深度适配、协同演进 [13] - 硬件上，GPU通信、CXL、高速网络交换芯片持续迭代，“超节点”新型计算集群兴起，集群性能上限快速提升 [13] - 软件上，围绕芯片、内存、集群拓扑做编译、调度、访存、通信等全栈优化，大幅拉高硬件利用率，还将反向推动“软件定义硬件”的架构取舍 [13] - 对于企业而言，选择或构建具备全栈协同优化能力的算力平台，将成为在AI规模化落地中控制成本、提升性能、确保业务弹性的关键 [13] 趋势八：算电协同，降低AI总拥有成本 - AI基础设施正从单一的算力建设转向“计算与能源”的一体化演进，基础设施将更加重视“计算、能源、碳效与成本”的深度融合 [14] - 未来，电力条件将成为AI工厂选址、建设及运营的核心变量 [14] - 通过将FinOps理念引入算力全生命周期，电力运营成为优化AI供给成本的核心杠杆 [14] - 利用电力运营的柔性调度，如绿电配比、储能消纳、液冷技术与能效指标等，结合全链路碳足迹追踪，企业将实现从单一算力指标向“单位算力能效”与“单位算力成本”的双重优化 [14] - AI供给将实现从“能耗驱动”向“能效驱动”的跨越，构建低成本、低碳化、可度量的绿色AI供给网络，将成为大规模推理时代的核心竞争力 [14] 趋势九：RaaS，物理AI落地第一步 - 物理世界的AI能力（感知、规划、控制与人机协作）正在加速走向工程化、规模化落地，工业与物流等场景率先形成标准化交付 [15] - “机器人即服务”降低了使用门槛，并推动标准化场景包、远程运维与持续迭代，成为物理AI从试点走向规模化的重要商业路径 [15] 趋势十：国产&开源，中国企业AI创新新动能 - 中国企业AI的发展路径正形成独特范式，其核心由“国产创新”与“开源普惠”双轮驱动 [16] - 国产创新将沿“芯片-系统软件-框架工具链-模型-智能体应用”形成更完整的技术体系，生态成熟度持续提升，并在更多行业与场景实现可规模化部署 [16] - 开源普惠（模型、推理引擎、工具链与数据/知识治理组件等）将显著降低企业采用门槛，推动“国际+国产、开源+商业”的混合技术路线成为常态 [16] - 两者共同构成中国企业AI发展的新范式：在可控、安全与成本优势下，加速规模化应用与持续创新 [16]