达沃斯定调规模化，AI迈向盈利新阶段

2026年6月的终章，两件大事并行：大连夏季达沃斯上，全球1700多位嘉宾争相涌入AI专场；大洋彼岸，黄仁勋在英伟达股东会上抛出重磅观点——“AI不仅能用，还能直接创造利润，回报率已见分晓。”

一方探讨“规模化创新”的实施路径，一方验证“规模化盈利”的商业成果。这两条轨迹汇合，指向同一个终点：AI正从单纯的技术演示，蜕变为实实在在的产业应用。

6月23日至25日，2026夏季达沃斯于大连启幕，90多个国家代表云集，核心议题仅四个字——“规模化创新”。AI成为绝对焦点：专属AI论坛超10场，关联议题超30场，几乎场场爆满，热门环节门外大排长龙。

但真正的变化在于关注点的迁移。与去年还在激烈辩论“大模型能否理解现实”不同，今年的AI讨论已完全走出实验室。论坛高频词汇变为：全链路投入、数据治理、软性基建、全球监管协同。没人再问“AI能不能用”，所有人都在追问“如何应用、如何规模化、如何防止失控”。

NTT DATA首席战略官提出了一个发人深省的“1-2-3-4”模型：若在AI技术上投入1美元，必须配套2美元用于变革管理（人员培训与组织跟进）、3美元用于产业生态架构（治理体系、安全护栏、多智能体协同）、4美元用于底层数据治理。这一模型揭示了企业常被忽略的真相：AI落地的核心成本不在模型本身，而在“配套环节”。

清华大学薛澜教授则指出了另一隐忧：行业普遍“重硬轻软”——数据中心建设如火如荼，但规范、监管框架及数据流通规则严重滞后。“这就像汽车发明了，却未同步建设加油站与道路。”

与此同时，6月24日英伟达举办年度股东大会。黄仁勋的核心论点可概括为：“具备实用价值的AI已至，且已能创造收益。”

他提出了“词元工厂”概念：现代AI数据中心实则是生产“词元”的工厂，每个词元均可直接转化为代码、答案、设计方案或自动化决策，进而转化为商业利润。英伟达2026财年营收2160亿美元，同比增长65%，其中数据中心收入达1940亿美元，增幅68%。

更具说服力的是软件开发领域的实证数据：GitHub上AI生成的代码合并请求（PR）数量，2024年为4亿，2025年为5亿，2026年初头几个月增长近三倍。这并非实验室数据，而是真实的产业行为。

黄仁勋首次将Vera Rubin架构定义为“面向智能体时代”——Vera是面向智能体的CPU，Rubin是负责思考的GPU。他特别强调：“若CPU性能滞后，GPU将闲置。在AI工厂中，GPU闲置即意味着直接利润流失。”这意味着智能体时代的算力竞争，已从“单纯堆砌GPU”迈向“系统级优化”的新阶段。

“1-2-3-4”模型对保险业有直接启示。当前许多保险机构AI投入逻辑是“买模型、搭平台、上应用”，三者合计仅投入1美元。但若参照NTT DATA框架，要让AI在承保、理赔、客服等核心场景稳定运行，还需2美元变革管理（业务培训、流程再造）、3美元生态架构（安全合规、多智能体协作、监管对接）、4美元底层数据治理（历史数据清洗、跨系统打通）。若不厘清这笔“配套账”，AI项目的ROI永远是糊涂账。

黄仁勋将AI产出量化为“词元”，保险业亦需建立自身量化模型。AI核保决策节省了多少人工审核？AI理赔定损减少了多少欺诈？AI客服对话替代了多少人工？保险业AI ROI不应只是模糊的“降本增效”口号，而应像英伟达那样，将每一次AI产出的“保险词元”（一次风险评估、一次定损判断、一次续保推荐）量化为具体商业价值。当前行业缺的并非AI能力，而是这套“核算体系”。

薛澜教授指出行业“重硬轻软”，保险业或许是所有行业中最早意识到“软性基建”重要性的。金融监管总局的32条指导意见已在为AI安全开发划定边界。但仅有监管端还不够，行业端需主动构建“软基建”：AI模型的可解释性标准、理赔AI的公平性审计、智能核保的反歧视验证。谁先完善这些“软件”，谁就掌握了合规与信任的制高点。这或许是保险业区别于其他行业的独特优势——我们深知“规则”的价值。

达沃斯聚焦规模化路径，黄仁勋验证规模化盈利，智元机器人第15000台下线——三条线索指向同一拐点：AI的“概念验证期”已终结，“产业交付期”全面开启。对保险业而言，这意味着：第一，不能再以“试点项目”心态做AI；第二，必须认真核算“AI到底省了多少钱、赚了多少钱”的账本。

每日一更，洞察AI前沿与趣味科学。机器正在思考，而你来阅读。