△ 唐秋勇博士，HRFlag 总经理
本文内容来自于2026年4月23日第六届狮山人力资源管理大会「AI向实，人效向善」现场，唐秋勇博士带来的主题分享《超级智能到来：涟漪与巨浪》。
1. 超级智能正在逼近，AI能力已跨越天才线，并持续逼近爱因斯坦级。
2. 今天人、企业之间最大的差距，已经不只是知识差，而是对AI的认知差、使用差和协作差。
3. AI不是简单的降本增效工具，而是提质、创新和重构组织能力的重要引擎。
4. 企业AI转型如果停留在先易后难、局部替换、工具先行，大概率会失败。
下文为演讲笔记
文 | 唐秋勇
整理 | 盖雅工场
今天非常高兴和大家分享一个话题：超级智能到来，会给世界带来怎样的涟漪与巨浪？
今天大家常说AGI，也就是通用人工智能。但从另一个角度看，它正在一步步走向另一个词：Super Intelligence，超级智能。
关于超级智能究竟是什么，今天仍然有很多争议。但有一点越来越清晰：人工智能正在快速逼近，甚至在一些关键任务上已经超过人类顶尖智力水平。
最近，越来越多AI领域的重要人物都在发出类似的判断。无论是Anthropic CEO Dario Amodei，还是伊隆·马斯克，他们都在强调同一件事：我们即将面对的，不是一个更聪明一点的工具，而是一个可能持续拓展人类知识边界、能力边界和组织边界的全新智能体。
这也正是今天这场分享想讨论的核心问题：当超级智能真正到来，企业到底应该如何理解它、使用它，并避免在这场变革中做出致命误判？
超级智能正在逼近
如果把人类智商画成一条正态分布曲线，大多数人会落在平均水平附近；140左右通常被视为“天才线”，而爱因斯坦则常常被认为接近165这个位置。
而今天，多个领先大模型已经跨过了天才线。某些前沿模型在复杂推理、编程、研究等场景中的表现，已经逼近甚至触达爱因斯坦级。
这意味着什么？
过去我们形容“神”，常常会说全知、全能。
从知识覆盖范围来看，今天的AI已经越来越接近全知；而随着Agent、技能市场和工作流系统的发展，它也正在逐渐接近全能。
过去几个月，智能体技能生态的增长速度尤其惊人。年初时，很多相关能力还处于非常早期的阶段，但到了今天，各类可安装、可组合、可自动调用的技能，已经呈现爆发式增长。
对人类来说，一个人能掌握的技能总量是有限的；但对AI来说，它的技能数量和能力边界，正在以远超人的速度扩张。
所以今天的AI，已经不再只是一个会聊天、会生成内容的工具，它正在成为一个持续增强、快速迭代、可规模化调用的智能执行系统。
为什么很多人还没感受到AI巨浪
一个很值得警惕的现象是：我们每天都在用AI，但很多人仍然没有感受到它真正的冲击力。
为什么？
因为大多数人接触到的，并不是最前沿的AI。
很多人的日常使用场景，还停留在写发言稿、做PPT、出图片、写短视频脚本、做简单搜索和摘要。这些体验当然有价值，它们并不能代表今天AI的能力上限。
更大的问题在于，很多人用的是免费的、早期的、泛用型的模型，于是很容易得出一个结论：AI也就这样。
但事实上，你看到的可能只是冰山露出水面的那一角。
如果我们拿旧版本的体验，去判断新一代模型的能力；拿免费版的体验，去判断前沿模型的能力；拿浅层场景的体验，去判断复杂任务中的能力，那结论大概率会严重失真。
今天真正危险的，不是我们没有听说过AI，而是我们以为自己已经见过AI的全貌。
AI鸿沟正在迅速拉大
OpenAI 联合创始人 Andrej Karpathy 曾提出一个很重要的判断：今天人们对AI的理解，正在出现巨大的鸿沟。
这不是简单的观点差异，而是认知层、能力层和协作层的分化。
认知分化：有人把AI当聊天工具，有人把AI当生产力引擎
今天仍有很多人把AI理解成一个“会聊天的工具”，觉得它不过是生成几段文案、做几页PPT、画几张图。
但也有越来越多的人，已经把AI当作真正的工作搭档，甚至是认知系统和执行系统的延伸。
这两类人，虽然都在说AI，但其实讨论的根本不是同一种东西。
能力分化：同样用AI，结果为什么天差地别？
即使使用同样的大模型，不同人得到的结果也可能完全不同。
为什么有的人能让AI高质量完成复杂任务，有的人却只能得到一堆漏洞百出的结果？
为什么有的人用AI做开发，一遍就能跑通；有的人却觉得AI只会胡说八道？
关键差异，往往不在工具本身，而在于以下几个方面：
- 使用的是不是最先进的大模型
- 有没有配套高质量的 skill
- 有没有足够强的提示词工程能力
- 能不能构建完整的 knowledge 和 workflow
也就是说，未来真正拉开人与人之间差距的，不只是经验和知识本身，而是你是否具备把AI真正变成自己能力放大器的能力。
协作分化：决定上限的，不是“用了没有”，而是“协作有多深”
今天很多企业已经全员用AI了，但结果往往是：大家都用了，公司却并没有实现显著的人效提升。
问题就在于，AI的价值不取决于有没有接触，而取决于有没有深度协作。
如果AI只是被用于边缘场景、低价值场景、辅助场景，那么它带来的大多只是零散优化。
但如果AI真正进入了企业最重要、最复杂、最能创造价值的流程，那么它带来的就是能力结构和组织效率的整体跃迁。
AI不是线性提效，而是指数级跃迁
我们过去习惯用线性思维理解效率。
- 提效10%，很好；
- 提效30%，很厉害；
- 提效100%，已经非常惊人。
但AI不是这样发展的。
在很多关键场景里，它不是每年好一点，而是某个版本跨过去之后，突然从“做不了”变成“可以直接做成”。
这也是为什么很多人会说：
“我去年试过，不行。”
“我前阵子用过，也没有那么神。”
但问题在于，你用过去的体验，已经无法准确判断今天的AI。
尤其在编程、复杂推理、研究分析、长上下文任务、自动化执行等领域，AI正在发生的，已经不是量变，而是质变。
这也提醒我们，AI时代最容易犯的错误，就是用线性思维看待指数级技术。
很多企业还在讨论——能不能提效20%、能不能降一点成本，但真正的问题是：
如果竞争对手借助前沿AI，在某些核心流程中实现了10倍、100倍甚至更高量级的跃迁，那你原来的效率认知、组织认知和竞争认知，都会被彻底改写。
企业AI转型，为什么大多失败
今天不是没有企业在做AI转型，真正的问题是：很多企业做了，但没有做成。
原因也许并不复杂。
过去一年，我接触了大量企业AI转型案例，看到最多的一种失败逻辑是：
先易后难
自下而上
工具先行
局部替换
把TOKEN和模型投入当成本
用旧认知判断新能力
用旧流程叠加新工具
看起来每一步都很合理，但这些路径叠加在一起，最后往往会导致一个结果：企业误以为自己在转型，实际上只是做了一些局部修补。
先易后难，最容易让组织低估AI
很多企业最开始会让员工先用AI写稿、出图、做纪要。这些场景当然可以做，但如果AI转型一直停留在这些低门槛场景，整个组织最终形成的认知就会是：
- AI就这些能力
- 提效有限
- ROI一般
而真正有效的路径，往往恰恰相反：应该先难后易，先切入最复杂、最核心、最具价值的业务环节。
因为只有在高价值流程里，AI的指数级能力才会真正释放。
自下而上、局部优化，无法带来系统升级
如果AI只是基层员工在局部使用，组织的整体流程、部门协作方式和管理逻辑并没有变化，那么这类改善很难转化成真正的经营结果。
局部优化不等于系统优化。
工具叠加不等于组织升级。
就像给马车装上方向盘，给旧轮子换上更贵的轮胎，它看起来变了，但本质上还是一辆马车。
把AI投入当成本，而不是投资
今天很多企业一看到TOKEN费用增长，就会本能地担心成本，甚至马上去找更便宜的替代方案。
但AI时代一个非常反常识的地方在于：贵，不一定代表浪费；便宜，也不一定代表高效。
便宜的大模型、低配的工具、浅层的使用方式，往往带来的不是省钱，而是认知扭曲和机会损失。
企业真正应该关心的，不是单纯的工具单价，而是它是否真正带来了更高质量、更高效率和更强创新能力。
企业如何真正走进AI时代
回到最后一个问题：如果企业不想在这场巨浪中掉队，应该怎么做？
1. 先接触SOTA级前沿模型，刷新认知
如果没有真正用过当前最先进的模型和工作流，那么我们关于AI的大部分判断，可能都是不准确的。
不要用免费工具、旧版本体验，去推测最前沿AI的能力。判断AI之前，先确保自己真的接触过AI最强的状态。
2. 把AI嵌入最重要、最高难度、最高价值的流程
AI不是只能做辅助工作。
真正值得企业投入的，是让AI进入那些最复杂、最核心、最能创造价值的工作流中。
只有这样，它才能真正带来提质、创新和组织能力提升，而不只是一些零散的小修小补。
3. 围绕AI重构流程，而不是给旧流程打补丁
如果工作流、组织方式、协作机制完全不变，只是在原有系统上加一个AI插件，那么结果大概率有限。
AI不是旧系统上的外挂，而更像是一种新的基础设施。它要求企业重新思考流程设计、任务分配、人才要求、协作模式和管理方式。
4. 管理者必须亲自下场
今天很多顶级科技公司的创始人和高管，之所以重新回到一线、亲自体验AI、亲自参与编程和流程重构，本质上不是因为技术兴趣，而是因为他们必须形成对AI的一手判断。
如果管理者没有亲自体验过，就很容易低估AI，或者只停留在听汇报、看演示、做表面部署的层面。
而AI带来的，不是一个可以轻易外包理解的变量，它很可能决定企业接下来几年的组织效率、人才结构和竞争格局。
结语：真正的风险，不是AI太强，而是我们还以为它不够强
回到今天的主题，超级智能带来的，不只是水面上的涟漪，更可能是改变企业组织方式、岗位结构和产业竞争格局的巨浪。
而对企业来说，真正危险的状态不是没有入局，而是以为自己已经理解了AI，实际上却只接触到了最浅的一层。
AI向实，不只是把工具用起来；人效向善，也不只是做一些局部提效。
更重要的是，企业能不能真正用新的认知、新的投入方式、新的组织方法，去面对这场已经到来的能力革命。
专题报告首发
《AI拐点已至：企业与HR行动指南》
关于盖雅工场
盖雅工场专注于解决企业在劳动用工方面的四大问题：「需要多少人」「实际多少人」「干得怎么样」「怎样找到人」，利用科技手段预测劳动力需求并排班，优化调度劳动力安排并补充灵活劳动力，管理多样化劳动力队伍的出勤与时间，分析并提升劳动力效率与销售效能，同时连接劳动力市场中的企业与一线员工，实现降本增效、满意合规。
目前，盖雅工场的客户分布在全球34个国家与地区，每天，全球1,800余家客户的700余万员工使用盖雅提供的实时考勤、智能排班、精益工时、技能管理、激励性薪酬等数字化服务。
劳动力管理，盖雅搞得定。
精益人效
客户案例
行业方案
WFM系统选型建议
点击阅读原文▼，免费预约系统演示
