咖说｜专访普华永道中国刘亚霄：AI落地最大的阻碍，是“它发展太快了”
咖说｜专访普华永道中国刘亚霄：AI落地最大的阻碍，是“它发展太快了”
2026年07月23日 17:25
盛夏七月的上海，裹挟着蒸腾暑气的热浪席卷全城，而同步升温的，还有 人工智能 产业空前高涨的行业热度。2026世界 人工智能 大会如期举行，整座城市都沉浸在前沿技术交流的浓厚氛围里。这场盛会释放出清晰的行业转向信号：AI产业已然告别单纯展示技术、罗列技术可能性的阶段，正式从“能做什么”的展示阶段，进入“怎么做出价值”的攻坚期。
《中国经营报》记者了解到，正是在上述行业大背景下，普华永道中国在近期宣布成立了 人工智能 研究院。据悉，作为普华永道中国聚焦AI价值落地的重要引擎， 上述人工智能研究院依托前沿AI自研应用能力与全链条产业赋能优势，打造适配本土需求的AI能力引擎，同时链接全球资源，推动本土创新与全球实践深度互通，助力各行业把握人工智能发展机遇，实现价值跃升。
谈及为何要在中国成立人工智能研究院，普华永道中国人工智能行业专家、人工智能研究院院长刘亚霄博士在接受记者专访时提到：“普华永道认为，中国是全球AI发展中不可或缺且极为关键的一环。中国不仅拥有领先的开源模型体系，还积累了丰富的 AI应用 实践、广泛的产业采纳意愿和雄厚的AI人才储备。同时，中国完备的制造业体系也是全球AI供应链的核心支撑，从 稀土 之类的原材料，到光模块、 PCB 板、内存等核心部件，中国都是全球AI产业链的关键供应方。”
刘亚霄进一步告诉记者：“脱离中国谈全球AI，既不完整，也不可持续。基于这一认知，普华永道中国成立人工智能研究院，正是为了践行‘在中国，为中国’的理念，依托自身丰富的行业案例、资深的专家体系和合规的全球网络，为中国AI的应用普及尽己之力。”
实际上，科技企业自建AI实验室早已不是新鲜事。从海外巨头到国内大模型公司，研发投入动辄数十亿计，拼的是算力、参数和论文发表。普华永道中国此时入局成立人工智能研究院，难免被追问：一家深耕千行百业的 专业服务 机构，其打造的研究院到底有什么不一样？它们的优势有哪些？当下企业AI落地的最大阻碍是什么？带着这些问题，记者和刘亚霄进行了一场深度对话。
战略定位：成立AI研究院的优势有哪些？
《中国经营报》： 中国AI生态有哪些独特价值，普华永道在中国成立的人工智能研究院与新加坡中心如何差异化定位、协同联动？
刘亚霄： 研究院将从多个维度深入中国AI生态，与合作伙伴一道，从业务发展和实际挑战出发，探索AI在行业创新、新业态孵化、人才培养等环节的落地路径。此外，普华永道也将在合规框架下，助力中国 AI应用 实践与开源协作生态更好地融入全球体系，依托中国在产业链与应用场景上的积累，为全球AI的多元发展贡献中国智 慧与 实践案例，推动形成更加开放、协同、可持续的全球AI创新生态。
《中国经营报》： 科技企业自建AI实验室与普华永道研究院存在哪些本质区别？依托咨询基因，该院的核心竞争优势是什么？对内赋能业务、对外服务客户两大职能如何平衡？
刘亚霄： 从广义上看，无论是科技企业的AI实验室还是我们成立的研究院，都是企业面向未来的研发投入，代表着在知识边界上寻求突破的努力。但两者的侧重点存在明显差异：许多科技企业实验室一方面深耕基础研究，另一方面通过AI模型的快速迭代将其转化为Token，为智能化升级提供底层技术支撑。
相比之下，普华永道的核心优势在于“现场能力”——即对客户业务场景的深度理解与嵌入。大模型要输出真正有用的Token，必须通过提示词构建完整的业务上下文（Context），涵盖目标、背景、规范、正反例、工具及校验集等关键信息。而普华永道的现场能力，正是构建这一上下文的关键环节。
我们将现场经验拆解为5W+1H的业务要素框架，这也是普华永道AI“现场参考架构”的核心：Why（为什么）： 明确业务目标与背景，界定AI要解决的核心问题；What（做什么）： 划定任务边界与输出规范，避免模型偏离业务需求；Who（为谁做）： 锁定服务对象，适配不同角色的使用场景与决策逻辑；When（何时做）： 匹配时效要求与业务周期，确保信息与方案的及时性；Where（在哪做/来源）： 确认信息来源与具体场景，保障上下文的关联度；How（怎么做）： 整合可用工具、处理方法与正反案例，让输出结果可落地执行。
这套5W+1H框架，本质上是将咨询顾问的现场经验、知识库积累与案例集沉淀，转化为大模型可理解、可使用的结构化上下文，也是企业AI能够快速产生效益的基础。我们的人工智能研究院正基于这一基因范式，探索、融合并推动符合中国企业实际的AI上下文生态建设，助力企业实现真正的智能化落地。
《中国经营报》： 研究院定位为AI技术与业务的转化载体，AI落地最大阻碍来自技术、组织还是其他层面？大量企业手握AI工具却难以规模化落地，研究院有怎样标准化落地方法论？
刘亚霄： 当前AI落地的直接阻碍是：“AI发展太快了！”大模型及AI理论的飞速进步和产业界大量的AI相关投入，让中国企业（乃至全球企业），都面临如何把自己的业务融合到这个飞轮里面去的挑战。尤其是最近两三年来，AI在企业中的落地从Chat、知识库、图像识别等简单任务，快速迭代到智能体、长程任务、软件工程、AI科研等复杂体系，很多企业会觉得无所适从，感觉传统上买来用的方式不再合适。换而言之，企业目前的AI工具，有些是缺乏“上下文”的前沿模型，有些是几个月甚至几年前的AI小工具，他们普遍的问题是缺乏合适的人员将其集成和迭代到企业的具体业务和生态融合上。
因此，研究院希望成为企业的“外脑的外脑”，为标杆企业、新型业务和产业融合提供加速服务。具体而言，我们希望通过快速原型等方法，迅速验证“发展太快”的AI如何让企业提速增效的真实场景，并将其融合为“上下文”与工具，成为企业迭代的参考框架和实用基盘。同时，我们会融合生态伙伴的能力，让这个上下文和基盘成为企业自己也可以快速掌握和迭代的能力，从而形成智能化的发展路径。
我们会不断推出 AI应用 的参考架构，最佳实践，行业基盘，并提供专家能力，陪伴企业进行0到1 的探索，但不会提供“标准化”的产品。从企业的视角看，我们将在大模型Token外提供更有价值的企业应用“Token”，让企业驯服“太快的AI”为自己的“太快的发展”服务。如果说标准，我们希望企业每天都有新功能上线，每周都有可衡量的回报，每月都有更丰富的融合场景，换言之，速度即标准。
落地方法论：如何破解AI规模化难题？
《中国经营报》： 企业搭建AI治理体系常面临标准统一与业务创新的平衡难题，落地过程中的核心难点是什么？研究院如何协助企业构建适配自身的AI治理架构？不同行业、不同规模的企业，在AI治理体系的搭建上是否存在可复用的差异化路径？
刘亚霄： 治理体系并非孤立的管控规则，而是企业内部信息沟通框架的外化，是企业架构建设的核心组成部分。我们将企业AI治理的内容拆解为四个可落地的模块，分别对应不同的责任主体与建设重点：技术脚手架（Scaffold）： 由企业IT与技术部门负责，界定AI运行的安全边界与扩展规则，解决“AI能在什么范围内跑、如何快速扩容”的问题。
模型工具集（Harness）： 由企业AI中心负责，整合AI能力与业务场景的衔接方式，解决“AI具备哪些能力、如何真正落地产生价值”的问题；业务技能组（Skills）： 由业务与产品部门负责，将AI融入日常沟通与数据处理流程，解决“业务人员如何用AI提效、如何快速复制推广”的问题；AI原生数据基盘（Data Substrate）： 需由C-Level高管牵头建设，构建包含Repo Wiki（既有数据摘要）与主题Wiki（面向业务的交付内容）的数据体系，并与上述三个模块深度融合，同时由领导者定义AI产出的Benchmark——明确以产量、交付时效、工时节省、新业务增量还是外包成本削减作为衡量标准。
我们人工智能研究院即将推出的中国企业AI参考架构，既可作为企业设计自身治理体系的基础框架，也能帮助企业快速搭建起“足够快”的AI建设能力。不同企业的治理体系，本质上是通过差异化组合脚手架、工具集与技能组，结合大模型应用实现的；而AI落地的过程，本身就是企业对智能进行强化学习、持续迭代优化的过程。
《中国经营报》： 研究院设研究、工场、生态、发展、人才五大板块，实体工场如何快速将研究成果转化为商用方案？工场原型共创和传统咨询交付有何区别，原型到规模化部署的核心障碍是什么？
刘亚霄： 如我刚才所说，企业部署AI的最大挑战就是“AI发展太快了”。即使是大模型企业，汇聚了诸多高级AI人才，我们也可以看到这几年来的变化和兴衰。因此，普华永道设计的研究院，更重要的是帮助中国企业能够更快地思索，更快地实践，更快地扩展，更快地迭代。这不是我们找几个高级人才就能一劳永逸的，而是要结合普华永道的业务咨询资产、咨询顾问能力、研究体系输出和客户实例的分析一起进行的。可以说，研究院是我们整体AI能力的一个窗口，以及和业务融合的纽带。
从研究院的角度，我们更多做0到1 的工作，我们将支持到我们其他团队或者客户，或者伙伴能够在我们的原型上继续迭代，产生1到100的效应为止。
《中国经营报》： 五大板块如何协同服务客户，能否结合行业案例说明？各板块如何设定价值标准，研究院整体如何量化产业与客户价值？
刘亚霄： 量化产业与客户价值，是通过“影响力Impact”来衡量的。简而言之，客户通过普华永道或者我们的伙伴获得的增长，就是我们的产出。我们有AI模型来计算，例如，在很多制造业、游戏、 跨境电商 的案例中，我们发现我们的直接贡献是增长的加速度，即增长率的增长率，让客户可以在二次方的上面，无论是新业务启动，还是既有业务转型，都能够获得可量化的结果。
未来图景：AI将如何重塑产业与全球化？
《中国经营报》： AI正从生成式向代理式、物理AI演进，研究院在物理AI领域有哪些研究与合作布局？该演进路上的技术与产业瓶颈是什么，代理式AI将重塑企业哪些业务与组织模式？
刘亚霄： 如我刚刚所言，物理AI和世界模型还在研究前期。我们研究院并不会投入大量精力在这方面的基础研究上，而是会支持中国合作伙伴进行多方向的探索，发挥各自的优势。同时，我们会结合伙伴的产品，以及前述的合理场景，协助用户进行可用的物理AI的快速落地与扩展。
智能体的应用已经产生了数百亿美元的经济效应，我们希望企业在我们的参考治理架构的基础上，考虑从数字化到智能化的业务发展，即多了10000 个数字员工，业务是不是能更多，更好。以终为始地进行业务和组织模式变革，将成为企业重塑自身的典型入口点。
《中国经营报》： 研究院联动多家云与软件厂商搭建生态，选择合作伙伴的核心标准是什么？合作侧重工具整合还是场景共创，未来是否拓展高校、初创企业等合作方？
刘亚霄： 中国AI产业的发展是全生态、多主体共同推进的：一方面以清华大学为代表的高校已经在产出世界级的科研成果，另一方面不少初创企业，尤其是大模型赛道的创业公司，增长速度极快，已经跑出了有史以来增长最快的投资和收入曲线。
正是因为当下AI技术迭代速度太快，我们并没有预设固定的技术筛选标准来选择合作伙伴，而是一直秉持“结果先于设计”的合作原则：先通过实际效果 benchmark 的迭代优化识别各方的核心价值，再用“5W+1H”的框架拆解明确各自的定位和切入点，最终推动不同伙伴协同共创，适配整个AI产业高速发展的节奏。
《中国经营报》： 普华永道计划打通中外AI经验双向输出，这套资源流动模式存在哪些落地难点，研究院承担何种枢纽角色？国内哪些AI实践具备全球输出价值，如何为出海企业提供AI合规支撑？
刘亚霄： 这个领域的价值最终要靠实际落地成果验证，而非口头论述。今年我们已经观察到大量海外用户正在依托中国的开源模型生态推进自身的业务落地与智能化升级，无论是大模型服务，还是端侧AI、视频AI、推理框架等专业技术领域，都已经展现出明显的全球合作趋势。
普华永道拥有覆盖全球的服务网络，我们的知识、能力与专业智力成果本就希望能服务全球用户，因此研究院会以全球AI产业的发展现状与真实需求为锚点，规划中国AI模型的全球化落地路径。
进一步来看，AI出海本质上仍然要面对很多跨境业务的传统问题，税务合规、数据管理、法务风险、文化差异等挑战依然存在。我们希望把普华永道在这些领域的积累整合到AI全球化服务体系中，形成能够服务全球客户的全新服务框架。
《中国经营报》： 未来3—5年，希望研究院成为行业怎样的平台，一句话概括其终极愿景？评判研究院成功，更看重客户规模、方案沉淀、行业影响力还是价值创造？
刘亚霄： 我希望研究院成为“中国AI发展的加速器，助力中国企业智能化发展，推动AI在行业中的可视化落地”。研究院的成功不能只看单一维度，而应体现在客户价值，方案沉淀，行业影响力和新生态创造等多方面的具体成果。“独立的思考、积极的行动、广泛的合作、实在的累积”是我们一以贯之工作的方法。
（文章来源：中国经营报）