王兴兴李彦宏同台谈AI:一个最激动人心,一个最紧迫
在深圳举行的亚太经合组织(APEC)工商领导人峰会上,宇树科技创始人王兴兴与百度创始人李彦宏同台谈及人工智能,却给出了截然不同的判断。王兴兴用“最激动人心”来形容AI技术正接近突破的临界点,李彦宏则用“最紧迫”表达了对AI商业回报的担忧——如果企业无法真正从AI应用中获得收入和利润增长,所谓的AI泡沫就可能成为现实。
两种体感并不矛盾,它们折射出AI产业化进程中不同角色所处的不同位置:机器人企业最关心的是模型泛化能力何时突破,让机器人真正具备规模化干活的能力;而持续加码AI投入的科技公司,面对的是技术已经明显进步之后,如何让应用创造实际商业价值的问题。

一个期待技术突破,一个警示AI泡沫
王兴兴的判断建立在对技术节奏的观察上。他表示,目前大家看到的AI技术、机器人技术进步其实还只是“水面以上”的部分,“水面以下”的情况更加波涛汹涌,每天的技术突破还要快很多。在他看来,AI大模型和机器人未来的潜力非常大,应该花更多时间去拥抱和使用AI。
但技术跑得快,落地仍有瓶颈。王兴兴提到,最近几年全球机器人行业热度很高,大家都希望借助AI让机器人真正干活、解决工作中的问题,而目前最大的挑战之一仍是模型的泛化能力。“我们希望一个模型、一台机器人到千家万户都可以马上干活,而不是需要更换场景、重新训练。”他说。
在他看来,全球相关技术已经看到了突破的临界点,真正的突破可能很快到来。他最近经常思考一个问题:如果明年机器人AI模型取得重大突破,当下以及未来几年最重要的事情会是什么?这个假设背后,他关注的已不只是模型能力本身,还有突破之后的产业化挑战。
他举例说,目前机器人企业一年可能生产几万台机器人,但如果未来需求迅速扩大,需要生产几百万台甚至几千万台,生产制造、产品可靠性以及售后服务都将面临巨大考验。此外,未来机器人对算力的需求可能远超大多数人的想象,随着机器人进入更多真实场景,安全性问题也会成为重要挑战。
相比王兴兴对模型突破的期待,李彦宏更关注AI技术能否真正创造经济价值。他表示,过去三年AI技术迭代非常快,投入也越来越大,每年可能是翻倍甚至不止一倍往上增长,大家花了很多钱去买算力;最近Token消耗量很大,算力租赁价格也上涨较快。然而投入增长并未带来与之相匹配的商业回报。
李彦宏认为,AI真正产生价值的地方是在模型之上的应用层。尽管产业在底层技术方面竞争激烈,但大部分企业并没有因为使用AI而获得明显的收入和利润增长。“如果我们不能够解决这个问题,大家所担心的AI泡沫就有可能变成现实。”他表示,当前最紧迫的问题,就是找到真正适合AI的应用场景,让AI应用帮助企业产生收入和利润。
两人的判断指向AI产业的不同环节:王兴兴关注技术能力何时能够满足真实世界的复杂需求,以及突破后如何应对大规模交付;李彦宏关注的则是,当模型能力已经足够强大时,为什么企业仍然难以从中获得预期收益。无论是机器人从实验室走向千家万户,还是大模型从技术展示进入企业经营,AI都需要跨越从技术能力到实际应用的距离。
技术突破之后,产业还要补上什么
对于如何推动AI真正落地,两人分别从产业协作和企业组织方式提出了自己的思考。
王兴兴认为,机器人行业的发展离不开合作共赢。只有整个行业共同发展,市场规模才能扩大,参与者也才能获得更多机会。他提到,中国在生产制造方面具有优势,但在尖端AI模型、算力和人才等方面存在弱势,不同国家之间可以通过更多合作推动产业发展。这一判断也与他对机器人未来规模化生产的担忧相呼应——即使模型泛化能力实现突破,机器人要真正进入大量家庭和企业,仍然需要制造、算力、安全和服务等环节共同支撑。
李彦宏则认为,让企业真正从AI中获益,除了技术进步,还需要改变原有的组织方式。他以工业革命时期电力的应用作类比:在电机已经进入工厂、但流水线尚未形成时,电力对经济增长的贡献十分有限。今天的大模型能力已经很强,但如果企业组织方式没有相应改变,同样难以释放技术价值。
结合百度内部的实践,李彦宏提出了建设智能组织的三个原则:
- 打破岗位边界。在AI的帮助下,一个人可以同时扮演多个角色、端到端完成不同任务,传统岗位分工需要随之调整。
- 沉淀隐性知识。过去大量工作经验只存在于员工头脑中,没有实现数字化,企业需要将这些经验转化为组织可以积累和利用的知识资产。
- 形成工作流闭环。通过人与多个智能体协作,让不同环节之间的数据顺畅流动,使AI能够在持续使用中积累数据、优化能力,实现自我进化。
李彦宏认为,当这些变化发生后,中小企业的竞争力有望得到提升,从而真正从AI技术中获益。
算力:两人共同关注的不同侧面
AI也正在改变科技企业自身的经营模式。李彦宏表示,传统意义上,百度这样的互联网公司被认为是轻资产企业,但进入AI时代后,需要大量购买算力,业务正逐步变得更加重资产,对资本投入的依赖也在加深。“这方面全球都非常紧张。”他谈及算力需求时表示。
值得注意的是,算力也成为两人共同关注的问题,只是所处的位置不同。王兴兴担忧的是,一旦机器人模型实现重大突破,未来大规模机器人运行所需的算力可能远超当前预期;李彦宏面临的则是,AI产业已经投入大量算力资源,但这些投入尚未充分转化为应用层的收入和利润增长。
从这个角度看,王兴兴所期待的技术临界点,与李彦宏所强调的商业回报问题,实际上指向AI产业发展的不同环节:前者关注技术突破能否打开大规模应用的空间,后者关注应用能否形成可持续的商业价值。对AI产业而言,模型能力的持续提升固然重要,但技术突破之后,如何完成规模化制造、组织调整和商业价值兑现,同样决定着AI能走多远。
一边是技术临界点前的兴奋,一边是投入与回报失衡下的紧迫感。两种声音合在一起,或许才是当下AI产业最真实的切面。

