眼下，全球人工智能（AI）产业正超越单纯的大模型竞争，向科学智能、智能体（Agent）、具身智能、AI+视频等场景化核心能力突破，推动产业体系加速重构。日前在沪举行的2026全球开发者先锋大会（GDPS 2026），为AI竞争的转型作出了更为清晰的注解。
对此，毕马威中国人工智能转型办公室（AITO）主管合伙人、变革咨询数字化转型业务牵头人柳晓光在接受采访时表示，从点状创新到体系化能力，智能转型中的企业应重点关注AI在企业中“落好”和“用好”所需的土壤和环境：生成式AI的企业界应用治理与落地框架。
迈向关键转折点
根据毕马威的长期观察与近期调研，国内企业应用人工智能正处于从技术叠加向业务价值重构转移的关键转折点。
“当前企业已普遍不再局限于是否引入技术的初步探讨，而是将智能化升级升维至业务模式重塑、底层架构革新与组织治理优化的全局战略层面。”柳晓光表示，“很多企业开始构建以业务价值为核心的战略闭环，涵盖规划、实施、运营与价值检视四大环节，以此务实地推进落地。”
与此同时，不同行业的应用侧重点则呈现显著差异。例如，在金融业，核心诉求集中于数据合规前提下的复杂推理与风控建模。金融机构更倾向于利用本地化部署的模型处理高价值密度的数据，实现投研分析、授信审查与自动化报告的深度融合。
而在工业制造领域，企业侧重于技术与物理生产环境的交互。智能系统正逐步接入生产控制节点与供应链管理网络，以自主分析和优化排产等方式提升全要素生产率。各行业都在依据自身业务痛点，寻找能释放实际生产力的应用场景。
智能体应用广阔
“龙虾热”的来袭让更多人看到了智能体应用广阔前景。柳晓光表示，在传统模式下，人类员工是各项独立系统之间的唯一串联者。智能体的引入彻底颠覆了这一模式。企业只需向智能体下达一个宏观目标，如完成海外投资标的的尽职调查，它便会自主拆解为数十个步骤，自动连接外部数据库、调用内部模型、启动合规审核。
他认为，未来的企业运营将演变为由大量智能体构成的网状敏捷协同中枢。法务、财务、业务等不同智能体可并行处理、交叉验证。而人类员工的核心职责，将从流程执行者，升维为规则定义者、战略目标设定者与最终风险的审核决策者。
值得关注的是，智能体深度介入生产与决策也带来了新的治理挑战。对此，柳晓光表示，一方面是数据隐私合规，本地部署虽能缓解部分数据泄露风险，但系统权限的下放引发了操作越界与执行偏差的隐患。企业在引入此类技术时，宜建立严格的权限管控机制与人工审计节点，明确人机协同的权责边界，确保技术在可控及合规的框架内运行。
突破落地瓶颈
毕马威此前发布的《新智启新质：生成式AI赋能产业变革的实践与路径》报告认为，企业可通过“外观内察”明确转型起点。外观方面，通过行业研究持续扫描关键技术演进趋势、行业竞争格局等，识别生成式AI对自身所处行业的适配性机遇和潜在风险挑战。内察方面，综合运用专业方法与工具，对企业自身业务场景积累、数据和技术资产、人才储备及市场竞争力等进行全面客观评估，识别不同业务领域的高价值AI应用场景，关注具体场景中AI变革前与后的流程对比、所需的数据依赖以及预期的可量化效率价值。
在柳晓光看来，企业在推进AI落地的过程中，面临几个核心痛点。首要挑战在于实现技术与业务场景的深度融合。许多企业引入了先进的算法模型，但缺乏以业务价值为导向的顶层规划，导致应用停留在边缘支持场景，未能触及核心业务流程，投资回报率难以量化与有效检视。
其次，既定IT建设路径与新兴智能化需求之间存在系统性摩擦。企业内部通常拥有复杂的历史系统与数据孤岛，将新的智能架构无缝接入传统生产环境并保障更多模态的数据实时流通，是一项成本较高且周期较长的系统工程。
此外，组织配套机制的滞后也是重要制约因素。技术的引入伴随着业务流程的重组与岗位的重新定义。现阶段，不少企业的组织架构与绩效考核体系未能及时适应人机协同的新形态，导致内部推力不足。因此，构建涵盖技术、数据、流程与组织的企业级转型配套机制，是突破落地瓶颈的关键路径。
毕马威参与本次GDPS 2026，旨在加强与政策、产业、研究等领域的合作，为相关企事业机构提供了一种可供参考的实践思路，在战略、组织和执行等层面为企业提供系统性赋能。