姚乐

CIO时代创始人兼研究院院长

兼任深圳点用工业互联网研究院联席院长、成都信息工程大学产业互联网研究院院长、中国电子标准化技术协会数字政府工委会专家委秘书长、中国电子信息行业联合会数字经济专委会副理事长、中国低空经济百人会执行理事长。曾任北京大学信息化与信息管理研究中心秘书长、北大CIO班教务办主任、中国新一代IT产业推进联盟秘书长。北京大学信息科学博士、美国宾夕法尼亚大学沃顿商学院访问学者（北京大学公派）。在吉林大学、成都信息工程大学等多所高校担任兼职教授或研究员。在云南白药担任首席数字技术顾问。

主笔强调

AI技术正突破传统工具属性，通过快速替代脑力劳动、搭建AI协同体系，深度重构行业价值创造逻辑，而这一AI技术变革的影响已渗透到产业运行的多个关键维度，重塑着企业的核心竞争力与行业的发展格局。

在AI技术掀起产业变革浪潮的当下，关于“AI究竟能为行业带来什么”的讨论从未停歇。有人将其视为高效的辅助工具，有人担忧其对就业市场的冲击。从企业架构研究与产业实践的双重视角，一个更具前瞻性的观点：AI正在超越“工具属性”，逐步成为“参与价值创造的劳动者”。

AI的角色跃迁：

从“赋能人的生产力工具”，

到“新的劳动者”

在技术发展的漫长历程中，过往的工具革新始终停留在“延长人手”的范畴——无论是互联网提升信息传递效率、云计算拓展数据存储与运算能力，还是各类工业机械强化体力输出，本质都是通过技术手段放大人类的现有能力，核心决策与创造性工作仍完全依赖人类主导。

而AI工具的出现，彻底打破了这一传统范式，实现了从 “赋能人的生产力工具” 到 “新的劳动者” 的关键跃迁。在知识性创造领域，AI工具可独立完成文档撰写、报告生成，甚至基于训练数据进行吟诗作画；在部分设计场景中，AI工具能根据需求参数自主生成多版设计方案，无需人类从头构思。

这种“独立创造”能力打破了传统工具的边界，AI工具不再是被动响应人类指令的“辅助设备”，而是具备一定自主输出能力的“参与者”，AI工具能够在特定领域独立产出有价值的成果，这也是AI技术与互联网、云计算等过往技术革新最核心的差异所在。

转型中的思考：

脑力劳动为何更易被AI替代？

从表面看，体力劳动涉及身体协调、精准操作等复杂动作，似乎比依赖思维的脑力劳动更难被替代，但现实中AI工具对脑力劳动的替代速度却明显更快。

脑力劳动的核心是“信息处理与规则应用”，更易被标准化拆解。无论是撰写报告、数据分析，还是法律文书起草、基础代码编写，这类脑力工作往往遵循明确的逻辑规则、知识框架或格式要求这些“可标准化”的特征与AI技术优势高度契合。AI工具通过学习大量行业数据与规则，能快速掌握这类工作的核心逻辑，进而使AI工具高效替代人类完成任务。

体力劳动的“行为能力门槛”远高于AI当前的技术边界。体力劳动不仅需要认知能力，更依赖“身体平衡、精准控制、环境适应”等复杂行为能力。AI的这些能力涉及机械运动、传感器感知、实时反馈调节等多维度技术协同，而当前AI难以像人类身体一样灵活应对动态变化的物理环境，因此AI的替代难度远高于脑力劳动。

未来实现完整AI智能的关键：

以“人脑分工”为鉴，

构建“协同+落地”体系

AI要突破当前局限、实现“完整智能”，关键不在于单一技术的升级，而在于复刻人脑“大脑主导决策、小脑支撑执行”的AI协同逻辑，并使AI从技术突破、机制构建、场景落地三个维度系统推进。

突破“小脑级”AI技术瓶颈：补齐AI的“行为能力”短板 当前AI的优势高度集中在“大脑层面”——无论是AI大模型的逻辑推理、自然语言理解，还是AI复杂数据的分析决策，AI工具都已展现出接近甚至超越人类的能力。但AI与之对应的“小脑能力”，即AI与物理世界交互的“行为能力”，却存在明显短板，成为制约AI技术落地的核心障碍。

构建“大脑-小脑”AI协同机制：AI工具让智能从“割裂”走向“联动” 完整智能绝非“大脑的决策能力”与“小脑的执行能力”的简单叠加，而是二者之间“决策-执行-反馈-优化”的AI深度联动。当前AI效果未达预期的重要原因，正是“大脑”与“小脑”的割裂——AI大模型能制定精细方案，却无法精准指导物理执行；AI技术执行模块能完成简单动作，却无法根据复杂情况动态调整，形成“决策与执行脱节”的困境。

AI技术深耕“领域化”适配，将“通用大模型”与“领域专属小模型”结合以AI通用大模型为基础，结合细分领域的AI小模型，让“大脑”的决策更贴合行业需求。

结语

当AI技术逐步具备“认知-决策-执行”的完整能力，当“人操作机器干活”成为新的工作形态，行业的价值创造逻辑将被重构。而在这场AI技术变革中，主动理解AI、拥抱AI的企业和个人，将更有可能抓住新的机遇，在未来的竞争中占据先机。