从炒作到现实：企业采用人工智能为何面临深层结构性障碍

在 Trunity，我们从去年下半年开始形成类似的观点：

• 企业数据结构、安全标准和合规机制尚未为人工智能做好准备。
• 遗留流程和组织惯性降低了实施效率。
• 基础设施支出处于前期，领先于实际业务转换——造成短期供应过剩。

这些问题共同构成了可见性和可用性之间的差距。我们认为，人工智能股票的当前回调并非技术枯竭的信号，而是对其商业化时间表的重新评估。

“但顺便说一句，典型的供应方是，‘嘿，让我建好它，他们就会来。’”

但到了一定时候，供给和需求必须相互呼应。这就是我追踪供给和需求两端的原因。——萨蒂亚·纳德拉

尽管基础设施蓬勃发展，但企业需求仍不明朗。“计算能力的增长”反映的是预期猜测，而非需求满足。纳德拉进一步指出：

“这就是为什么即使披露推断收入也...有趣的是，没有多少人谈论他们的实际收入。”

最终，要释放人工智能的价值，取决于组织如何升级其数据治理、决策工作流、激励措施、IT 系统和合规协调——这是一个涉及权力结构和战略设计的复杂过程。

📎 案例研究：Slack 推广为何未能成功

几年前，我的一位朋友牵头在他们的投资团队中推广 Slack。这款产品在 2014 年推出时，可以说重新定义了组织沟通。其“基于渠道”的架构承诺用实时协作取代线性的电子邮件对话。理论上，它可以更有效地组织和促进团队讨论。

但在实践中，实施遇到了阻力——并非由于工具本身，而是因为其他问题——主要集中在

知识产权及激励机制：

• 共享讨论会被存档吗？最终版本归谁所有？
• 当多个团队成员合作同一个研究项目时，如何衡量贡献？
• 初级员工和高级员工是否应该享有平等的战略信息获取权？

这些担忧不仅仅是将聊天框迁移到新软件，还揭示了更深层次的组织紧张：知识是个人资产、团队资产还是公司资产？无论哪种情况，我们该如何管理它？

在转向更加集中和协作的工作流程（在本例中为 Slack，假设已同意使用中央数据存储库）之前，团队或组织需要决定：

• 重视协作工作的激励制度
• 仔细考虑频道权限管理
• 与现有 IT 基础设施、审计和合规系统集成

最终，Slack 的部署被搁置了。但他们的教训一直萦绕在我的心头：企业技术最难的部分并非技术本身，而是它所需的组织架构重新设计。



🧭 中小企业为何可能引领人工智能应用 | Trunity 的案例

与结构僵化的大型机构相比，中小型企业 (SME) 可能更适合实施人工智能：

• 更短的决策链；
• 更大的流程灵活性；
• 降低政治和结构阻力。

在 Trunity，我们的研究团队一年前在内部试用了通用人工智能辅助工具。通过标准化数据结构和简化工作流程，我们在透明度和效率方面取得了显著的提升——我认为这在大规模情况下很难实现。

历史或许会重演：AWS 的早期采用者也都是中小企业。在 AI 浪潮中，模式或许会类似。

🧮 我们的 2024 年实地研究：结构性错配

在整个 2024 年，我们对人工智能价值链进行了广泛的实地研究，包括估值、基础设施建设和企业准备情况。

通过对AI基础设施公司、云服务提供商以及AI SaaS初创公司的采访，我们得出了一个明确的结论：

人工智能基础设施的资本支出远远领先于企业需求的成熟度。总体而言，商业可行性仍不完善。

这些前线见解帮助我们在制定战略时保持清醒的头脑：

• 避免炒作周期；
• 专注于长期架构演变；
• 并专注于具有真正端到端技术和商业集成的公司。

🔚 结论

萨蒂亚·纳德拉阐述的不是人工智能炒作，而是组织转型的严肃现实。

人工智能的下一阶段将不再基于 GPU，而是基于流程图。这并非基于参数数量，而是基于制度设计。

“人工智能就像知识工作的精益……这将是管理团队的艰苦工作。”——萨蒂亚·纳德拉

如果您想关注我们在企业人工智能、数字基础设施或创新治理方面的长期研究，欢迎随时联系我或给我留言。我们很乐意交流想法。

免责声明：本文仅供参考和教育之用，不构成财务、投资、法律或税务建议。文中表达的观点仅代表我个人，并不一定反映Trunity Partners Ltd.或其关联公司的观点。任何对特定资产、历史事件或个人的提及均仅供参考，并不代表对未来表现的认可或预测。读者在做出投资决策前，应自行进行尽职调查或咨询持牌顾问。