李开复 VS 苏姿丰：企业AI转型，不要只听你们CIO的

2026年5月19日，上海。零一万物CEO李开复与AMD董事会主席苏姿丰，在AMD AI开发者日的舞台上，进行了一场颇具风向标意义的对话。

当多智能体技术开始打破AI的能力天花板，2026年的竞争焦点也随之彻底改变。问题不再是“AI能不能做到”，而是“谁能真正让AI替代一个部门、交付商业结果，并为这个结果负责”。技术路径在变，组织逻辑在变，工程师的角色，也到了必须重新定义的时候。

多智能体元年：我们跨过了哪条线

苏姿丰的开场提问直指核心：2026年的智能体，与此前两年的生成式AI浪潮相比，究竟有什么本质区别？

李开复从两个关键维度给出了答案。

首先，是AI的编程能力跨过了临界点。一年前，AI还只能辅助编写函数；如今，它已经能够端到端地交付完整功能。这件事的深远意义在于，智能体在数字世界的一切行为，归根结底都是代码。只有当AI自己能写代码，自主智能体才真正成为可能。

其次，是单一智能体的能力存在天花板。无论模型参数有多大，单个Agent在面对真实世界的复杂问题时，终究会碰到瓶颈。破局的办法只有一个，那就是多智能体协作：让规划、评估、研究、执行等不同职能的Agent彼此辩论、相互接力，在彼此的工作成果上持续迭代。

李开复用了一个词来形容这个机制——“美第奇效应”。文艺复兴时期，正是因为将不同领域的专家聚集在同一个空间，才催生了超越任何单一个体的辉煌成果。而在21世纪的今天，这套协作机制第一次被完整地搬进了AI世界。

从技术路径上看，这意味着AI正从“用一个超级大脑完成所有事情”的执念中抽身，转向“异构智能”。不同类型的模型与算法被组合在一起，用群体智慧来解决更复杂的现实问题。

苏姿丰补充道，AMD自己的工程师已经在使用AI智能体来加速产品设计的验证流程。一个配备了合适工具的人，今天能做到几年前需要整个团队才能完成的工作。

2026年：不止“完成任务”，直接“替代部门”

在这场对话中，李开复勾勒出一个清晰的时间轴：

2024年，大家问的是：“AI能否完成一个任务？”
2025年，问题升级为：“AI能否完成一条工作流？”
到了2026年，核心命题变成了：“AI能否替代一个企业的职能部门？”

这并非夸张的修辞。以人力资源部门为例，当招聘Agent与绩效评估Agent实现联动，系统就能根据员工入职后的真实绩效数据，自动调整前端的人才筛选标准。从简历筛选、面试安排，到新员工入职、月度季度绩效追踪，整个流程将由多智能体系统驱动，形成一个能够自我进化的数据飞轮。

这种架构正在催生一个明确的趋势：“一人公司”。借助模块化的多智能体框架，单个开发者如今有能力像“总架构师”一样，快速启动并运营一家高度自动化运转的公司。

李开复将这种转变总结为一次范式转移：从“提示与响应”模式，转向“目标与执行”模式。这意味着，你不再需要告诉AI具体怎么做，只需要明确告诉它最终要什么。

真正的AI转型，一定要触及核心业务职能

苏姿丰在对话中还提了一个尖锐的问题：你和那么多CEO交流过，他们是如何对待AI转型的？

李开复的回应非常直接：“几乎每家企业都在把AI部署在那些‘不出错但价值很低’的地方——比如整理会议纪要、充当HR答疑机器人、优化内部搜索。这些都只是表面文章。”他甚至直接向CEO们喊话：“AI转型，不要只听你们CIO的。”

在他看来，典型CIO的核心职责是保障现有软件系统的稳定运行，而非重新定义公司。CIO擅长安全地部署AI工具，但并不一定擅长推动组织层面的根本性变革。大多数由IT部门自下而上推动的AI转型，最终都难逃失败的命运。

真正能改变公司经营结果的，是那些直接影响损益表的核心业务职能——收入增长、利润提升、欺诈防范、动态定价、供应链优化、产品上市速度。然而讽刺的是，这些领域恰恰是大多数高管最不愿意让AI介入的“深水区”。

“传统CIO的角色不会消失，但其重要性会被大幅削弱。因为AI并不仅仅是一个新的软件工具，企业AI转型绝对是一把手工程，需要企业领袖完成根本性的思维转变。”李开复强调，“如果你的AI部署，最终没有改变任何一个会出现在季度财报电话会议上的关键数字，那么你的公司所做的就不是真正意义上的AI转型，只是在浪费资金打造一个华丽的AI实验室。”

同样的话，他也送给了广大开发者：“停止构建那些‘装饰性的包装’，开始构建能够真正推动业务底线的结构性引擎。”

一种打破边界的运营架构：DRI模式

这场对话中最具实操价值的部分，是李开复详细阐释的DRI模式。

根据他的观察，大多数开发者习惯于在代码层面定义“所有权”——比如负责某个GitHub代码库，负责某次值班，或者负责某项服务。但这种所有权的天花板非常明显：它只覆盖你能通过键盘直接控制的部分，而恰恰是这部分编码工作，正越来越多地被AI接管。

DRI模式正是为了打破这个天花板而生的。它指的是由一个人，对某个跨职能的、端到端的业务结果承担直接责任。这不是一个职位头衔，而是一种明确的责任契约——就像运维手册里指定的唯一on-call工程师，无论发生什么，结果和影响都算你的。

在这个模式下，一个人类DRI处于整个智能体系统的中心。围绕他的，是由研究、执行、合规、监控等专业化Agent组成的协作集群。DRI本人不从事具体执行，而是负责整体编排、做出关键决策，并对最终输出契约负责。“我预测，DRI模型会成为AI原生公司最核心的组织架构。”李开复认为，这一模式也是传统企业进行AI转型时必须重视的组织变革方向。

有意思的是，工程师们其实是天生的DRI。他们一直在训练自己成为DRI，只是可能还没意识到——编写技术规范，本质上是在定义可量化的商业成果；配置监控告警，是在建立衡量结果的机制；而在凌晨两点主动排查线上故障，展现的正是DRI模式最核心的“主人翁”意识。

“工程师的优势，在这个时代会被无限放大。”李开复表示，“你们拥有的将不只是建议权，而是直接的决策权。AI正在成为赋能技术人的新形态超能力。”

留给技术人的时间窗口其实很短。未来的选择或许很清晰：要么成为那个定义目标、承担责任的DRI，要么就被另一个更高效的DRI系统所替代。