2026年，大模型不再只是问答入口，而是演化成了能够调用工具、拆解任务、连接流程的智能体。

当智能体融入到我们的工作和生活、成了新时代的生产要素后，随之而来的是一系列问题：

我们的工作方式如何改变？我们的组织形态会如何改变？我们的生产形式又将如何改变？

为了回答这些问题，在AIEC 2026人工智能+生态大会现场，我们特别设置了一个AI会客厅，邀请到了五位来自知名高校、分析机构、科技大厂、OPC等不同领域的AI从业者，通过这一期原点Talk特别版-AI会客厅播客节目，来探讨AI时代我们亟需面对的这些问题。

01 霍锦洁：AI超级周期下，智能体重构软件入口当下AI处在一轮新的技术超级周期中，以个人电脑、手机、互联网等时代技术兴起来看，每一次技术周期都会带来工具变化和新机会。

这是IDC中国区总裁霍锦洁在AI会客厅与至顶科技CEO兼总编辑高飞对话中给出的一个重要观点。

她指出，“每一次改变其实来来去去都是这几个，你不要怕，只要学习就会改变，就会有新的机会。”

对此，高飞也谈到，“人身在周期之中的时候，反而不容易看到整个的面貌，其实它背后有着一些共性。”

这种共性首先体现在软件入口的变化上，例如Agent（智能体）和SaaS这两个时代产物的变化。

霍锦洁的一个判断是，传统SaaS形态会大幅下降，“现在软件市场SaaS占比约为三分之一，到2029年，SaaS的占比将不超过1%，不过我觉得这只是一个界面的改变。”

SaaS过去服务的是人，所以需要菜单、页面、模块和复杂入口，但未来很多操作都将由智能体完成，人不再直接进入每一个软件界面，而是通过智能体表达意图。

在霍锦洁看来，“SaaS界面会消失，但它背后的应用会越来越多，越来越重要。”

这意味着，Agent时代并不是软件不重要了，而是软件从“人来点按钮”转向“机器来调能力”。

过去SaaS公司沉淀的用户行为、工作流程、行业知识和数据并不会作废，反而会成为Agent理解用户意图的关键。

霍锦洁指出，“能给智能体提供足够多用户意图数据的，其实正是现在的SaaS公司。”

未来SaaS公司的竞争重点，不再是界面设计，而是谁更理解客户、工作和任务。

与此同时，Agent还将进一步改变企业组织架构。

据霍锦洁分析，有公司设想用四个超级智能体管理企业，分别管理客户、员工、研发、合作伙伴。

基于这样的判断，真正进入AI原生阶段后，企业组织将会从传统部门逻辑，转向围绕服务对象和任务目标重新设计。

02 汪晟杰：连接，是智能体的核心价值如果要评选出今年国内热门智能体榜单，腾讯的WorkBuddy绝对榜上有名。

作为第一个写WorkBuddy的产品经理，汪晟杰在与高飞的现场对话中介绍了WorkBuddy的成长经历。

据他回忆称，WorkBuddy最初来自腾讯内部需求，当时团队内部很多用户不是软件工程师，不会用终端、也不会用IDE，但他们同样需要完成研究、办公、应用生成等复杂任务。

因此，WorkBuddy就基于腾讯自己的CodeBuddy底座，做了一个更容易使用的产品形态。

对于这款产品的早期原型，汪晟杰只是希望做得要简单干净，并将内部调研得出的十大高频场景做出来就好。

WorkBuddy产品上线后，也是率先在腾讯内部进行了推广使用，通过反馈快速进行产品迭代，对此，汪晟杰也坦言，“腾讯内部自己先吃‘狗粮’，然后让大家给出更好的反馈，是我们做产品的第一个思考点。”

WorkBuddy的关键不是多了一个AI聊天框，而是站在用户视角真正解决用户的问题。

这就引出了WorkBuddy的一个核心价值点，连接。

用户真正需要的不是和模型聊天，而是让AI连接工具、文件和流程。

这也是为什么MCP会在2025年爆火的一个主要原因，汪晟杰也指出，“未来为什么越来越多的用户产品都在做CLI化，因为它本质上是要让AI能够调这些工具，而MCP更重要的是作为底层标准范式，让AI能够真正调用工具，进入工作流。”

在现场对话中，高飞将一个正在令不少AI开发者头疼的问题丢给了汪晟杰：大模型越来越大、能力越来越强，会不会最终吃掉AI应用？

对于这一问题，汪晟杰给出的判断是，不会。

他指出，“超大模型本质上是一个调度器，负责理解复杂任务、拆解任务，再分配给云端数字员工、端侧模型或硬件设备执行，未来不会是一个模型包打天下，而是端云协同、多模型、多Agent共存。”

但汪晟杰也指出，Agent和skill并不是越多越好，太多skill会带来选择困难、token消耗和上下文混乱，更合理的方式是通过workflow、规则、小模型、专家Agent和逐步激活机制，让复杂任务保持可控。

03 魏晓刚：企业AI转型，要率先在高价值场景落地如果说WorkBuddy展示的是办公和软件工作流中的智能体实践，那么，美的集团美云智数副总裁魏晓刚则把问题拉回到了制造业和企业经营现场。

在他看来，无论是AI、云计算、大数据，还是数字化转型，本质上都不是为了本身的技术实现。“AI也好，包括之前的数字化转型也好，都是在为企业的经营赋能。”

正因如此，企业AI转型的核心，不是买软件、买算力、买模型，魏晓刚强调：“你单靠买软件、买算力，买AI这种新科技，无法驱动业务的变化，因为AI的转型，本质上是人的认知的转型。”

实际上，美的经验能够对外输出，也并不是因为单点技术，而是因为内部形成了可复制的体系。

据魏晓刚透露，美的的智能制造源自自身精益体系，已经在全球多个制造基地复制和推广，其数字化转型的初心，是形成“一个美的，一个体系，一个标准，统一经营语言。”

AI到来后，很多企业重新意识到数字化底座的重要性。

过去企业可能会觉得系统已经上了、软件也有了，数字化转型进入就算进入了深水区，但现在AI的到来，大家发现想用AI却用不上，这是因为企业内的数据、流程、系统、知识库依然没有打通。

魏晓刚指出，要想把AI用好，需要用高价值场景先牵引，“要让AI真正在企业高价值场景产生效果，基于此来反向牵引企业数字化转型向下半场迈进。”

实际上，这也是魏晓刚对美的自身AI落地路径的一个高度总结。

魏晓刚在对话中也回顾了美的AI落地路径，一开始美的各部门的AI应用也是散的，首先是将AI用给到了营销、研发、知识问答等方面，直到产生一定效果后，才上升到了统一管理的层面，这才在美的内部有了统一的平台、算力、算法和合规，也是具备了这些基础能力后，美的的AI才具备了规模化复制能力。

对于现在刚开始做AI的企业，魏晓刚认为，已经没必要再重新摸索一遍，AI的方向已经被验证，企业已经可以直接把AI放到战略级位置，再通过高价值场景分步推进。

04 韩家乐：将经验模型化，将模型落到产线中同样在通过人工智能技术服务制造业的，还有在这波AI浪潮中的创业团队。作为践行轻量化、高产出组织模式的“一人公司”(OPC，One PersonCompany)企业代表，素源矩阵就是这样一个创业团队。

素源矩阵CEO韩家乐在现场对话中指出，素源矩阵是一家“以材料机理模型为基础”，希望通过AI for Science赋能企业升级创新的企业。虽然是以高度精干的 OPC(一人公司)模式高效运转，但其释放的创新动能却能撬动传统巨头。

而他们最终选定的赛道，正是材料工业企业——面向材料工业企业提供节能减排、降本增效、提质增优服务。

材料工业的核心矛盾是输入端不稳定，输出端必须稳定。

韩家乐指出，“工业生产中，今天、明天、昨天的原材料都可能不同，但企业最终要生产出一致性的标准化产品，过去，这往往依赖老师傅经验判断配比、工艺和控制。”而素源矩阵作为新型 OPC的典型代表，其核心价值就在于用组织形式的“轻”，去解工业生产的“重”，通过模型化技术将个体效能放大至极限，为传统工业带来精准的确定性。

素源矩阵想做的，是把这些经验变成可解释、可复用的模型，据韩家乐透露，素源矩阵就是通过机理把中间不稳定因素表示出来，把经验变成可解释的机理。

韩家乐认为，企业真正关心的不是在产线上实现了某项功能，而是能不能在产线上看到切实指标，“我们带来的收益很直观，通过我们的模型可以直接在产线上产生真实的降本。”

在技术门槛上，韩家乐强调，公司有自己的材料基础大模型，他们的模型并不是单纯由数据驱动，而是把数据与材料科学中的字段、结构、性质、原子作用力、能量等可解释数据结合起来，形成这样一个材料基础大模型。

这决定了AI for Science进入材料工业，不能只是把通用模型套进工厂，而要把材料机理、工业经验和产线目标结合起来。

在韩家乐看来，AI带来的机会正在从Benchmark走向下沉场景，用户并不关心你API调的是什么，而更在乎可用性。

AI的价值，最终要在真实场景中被验证，这也成了智能体落地过程中的一条铁律。

05 彭凯平：人应该有一个时间没有AI当AI进入软件、组织、产品，乃至工业现场，人类又该如何面对这样的大趋势？

清华大学全球产业研究院院长彭凯平认为，这一次AI革命与过去技术革命不同，过去技术更多改变外部环境，而AI开始影响人的内心。

他指出，“现在AI出现的一些现象开始影响到我们自己内心，例如我们现在要靠AI提供信息，需要AI来帮助形成自己的判断。”

AI确实能提高效率、补足信息，让人获得更强的自我效能感，但问题在于，这也或将导致人类将判断、分析和学习都交给了机器。

彭凯平说：“判断由AI来做，分析由AI来做，学习也由AI来完成，这是认知外包对我们的影响。”

由此，未来的差距可能不只是数字鸿沟，而是人工智能鸿沟——一部分人擅长用AI增强自己，另一部分人排斥、害怕，或者过度依赖AI。

彭凯平在现场对话中特别强调了“心理主权”这一概念。

他指出，“心理主权是人能自由、自主、自发地做出判断和决策的能力，这是不能让机器代替的。”在他看来，AI的顺从和迎合可能让人误以为世界总会回应自己，但真实生活需要冲突、碰撞和不同意见。

因此，人和AI的关系需要分轻重缓急。

任务型、重复型、低风险的事情可以交给AI，但感情、隐私、创造冲动和重要决策不能全部让渡给AI。

彭凯平认为：“我始终觉得我们的感情不能由AI来主导，我们的隐私不能让AI全都知道。”

基于此，他还提出，“人应该要有一个时间是没有AI的。”

在彭凯平看来，现如今真正重要的问题已经从“AI能做什么”转向“人该做什么”。

当下恰逢高考填报志愿之际，高飞也特别就学生选择专业和就业方向向彭凯平教授咨询了建议。

面对年轻人的专业和职业选择，彭凯平认为年轻人应该具备三种比专业更重要的能力：终身学习、合作能力和韧性。

在AI时代，技能会变化，专业会变化，但持续学习、理解他人、与人合作、承受挫折，仍然是人类必须具备的能力。

06 AI的下一站，是从可用工具走向重构系统回看AIEC 2026 AI会客厅的播客现场，在高飞与五位来自不同领域的AI从业者交谈中，我们可以看到，AI从可用工具走向重构系统的一条清晰的逻辑。

在软件层，智能体重构SaaS入口，SaaS旧界面消失，但应用能力变得更强大；

在产品层，Agent必须连接真实工作流，才能成为生产力；

在企业层，AI倒逼组织、流程、数据和经营语言重新统一，而AI也正在把经验、机理和数据变成可解释模型；

在人的层面，人要重新守住判断、情感和创造的边界。

AI越深入真实世界，越不是简单替代某个工具、岗位或流程，而是在逼迫软件、组织、产业和人，重新回答自己真正创造价值的位置在哪里。