### 站在2026年的门槛上回望 城市轨道交通这盘棋，正走到一个微妙的转折点。从“拼规模”到“提质量”，转型期的阵痛远比想象中复杂——既有长期积累的沉疴痼疾，也有新时代抛出的全新考题。说到底，如果没有壮士断腕的决心去推进改革，所谓的“可持续发展”恐怕只是写在纸上的理想。 摆在面前的难题，哪一个都不好啃：规模与效益的平衡怎么拿捏？技术路线该怎么选——是继续加码全自动运行、智慧城轨这些新方向，还是退回到更稳妥的传统路线？客流培育与城市发展如何真正实现双赢，而非互相拖累？融资渠道能不能跳出对财政的过度依赖，找到更多元的活水？还有那个最本质的追问：未来究竟是“以线定城”，还是“以城定线”——如何避免“建成即闲置”的尴尬？这些问题，每一个都牵扯着复杂的利益与判断。 正因为如此，行业的从业者和管理者，比以往任何时候都更需要全面的专业素质、创新思维和适应能力。只有通过系统性的能力培养和实践积累，才能在财务可持续性、能耗控制、项目审批和客流培育这些关键战场上，找到破局的钥匙。  ### AI投资的“2025时刻”与隐忧 2025年，是中国AI投资的一个关键节点。投资规模在扩大，技术突破在加速，行业应用在深化——三个关键词，勾勒出当年的整体轮廓。但和国际领先水平一比，差距依然扎眼，尤其在核心技术、资源配置和长期投入这几个维度上。 这种“短期化”倾向，放在城市轨道交通行业里，表现得尤为突出： * **投资结构失衡**：钱大多砸在了应用层，基础研究的投入少得可怜。结果呢？一边是部分智算中心建好后利用率不高，另一边是多个地方同时开发类似的智能检测小助手系统，相互重复，却没能直接拉升生产效率。更致命的是，基础数据质量参差不齐，严重制约了应用的可信度，也拖慢了组织创新与变革的步伐。 * **项目周期短**：多数项目都指望尽快见效，却忽略了城轨领域应用的特殊性，以及与行业高质量发展路径的匹配。青岛地铁制定的“AI+”战略虽然明确了2027年的目标，但长期规划依然显得有些模糊。 * **跟风现象突出**：部分领域已经出现了明显的重复建设与资源浪费。多数项目规划周期只有2-3年，缺乏长期的技术路线图，甚至连清晰的价值导向都没有。 * **持续性不足**：缺乏对长期技术积累的耐心投入，结果往往是错过了转型的最佳窗口期。 不可否认，青岛、重庆等地的创新项目确实填补了行业空白，但从整体上看，“重应用轻基础、重短期轻长期”的问题依然普遍。这背后，本质上是发展模式的选择问题。需要政策层面强化引导，让资本结构和产业生态能够真正深度融合。  ### 2026年：当智能体“落地”，博弈才刚开始 时间推进到2026年，随着AI智能体应用的普及与深入，发展的重心已然转移——不再只是模型与算法本身，而是如何解决好背后复杂的“利益冲突”。 经过2025年的试点与验证，智能体正式进入技术与业务深度融合的阶段。这也意味着，所有专业的逻辑和理想，在一定程度上都需要向现实利益低头。当新技术开始挑战既有的职能边界与资源分配逻辑时，组织内部往往会滋生出一种“需求沉默”现象：表达越清晰，责任越明确；目标越具体，追责越严厉；表述越直白，越容易触及部门间的权责敏感区。 在这个环境下，AI所依赖的“数据、需求与场景”，逐渐从纯粹的技术要素，转化为组织内部的关键资源，甚至成为权力博弈的载体。 直接后果是什么？是数据的封闭化、流程化与安全化倾向。数据开放不再仅仅是“技术上能不能实现”的问题，更成了部门间权限与控制力的体现；互联互通也从工程议题，演化为真刀真枪的治理议题。AI的应用边界，因此不再纯粹由技术或用户需求决定，而在很大程度上受制于组织内部的利益格局。 在这样的结构里，即便是个体创新者具备出众的能力，也容易受制于中层共识所形成的组织惯性。如果高层管理者只强调“平衡各方利益”，而未能清晰界定转型目标与组织收益，企业的发展轨迹很可能在不知不觉中偏离既定的战略方向。 技术推动者的角色，必须完成一次进化：从单纯的功能设计者，转变为能够理解组织逻辑、协调多方诉求的“系统协调者”。一把手也应着力构建“目标－数据－激励”的协同机制，明确数据权责与共享规则。在推动技术落地的同时，重塑组织协同的文化与制度基础，让AI真正成为驱动组织进化的力量，而非另一重内部消耗的起点。 ### 延伸阅读 有数据显示，全球大型科技企业在AI领域的支出，远超自身由此产生的收入，需要靠大量融资来填补缺口。这种模式很容易让人联想到过去那些科技泡沫时期。部分市场人士认为，英伟达等公司的市值已经透支了未来多年的增长预期。更大的隐忧在于资本在AI生态内部的循环——例如，资金从英伟达流向AI公司，再流向数据中心建设商，而后者的主要客户又是这些AI公司，形成了一个闭环。一旦某个环节的收益不及预期，这个闭环就可能断裂，引发连锁反应。 苏姿丰（AMD CEO）在2025年11月接受采访时明确表示，对AI泡沫持开放态度，认为当下AI领域投资不足比投资过多更危险。她强调AMD在AI基础设施和芯片研发上的长期增长机遇，称人工智能是一次“千载难逢的机会”。过去三年，AMD的市值已从900亿美元增长至超过3350亿美元，尽管近期股价有所回调，但在数据中心和AI芯片市场的布局已初见成效。 稍早前，英伟达CEO黄仁勋在财报电话会上表达了相似的观点：关于AI泡沫的说法很多，但从英伟达的视角看，情况与互联网泡沫时期截然不同。AI正在改变&现有的工作负载，他没有看到AI泡沫的存在。他预测AI推理将迎来“十亿倍增长”，强调加速计算是未来基础设施的核心。 GPU行业技术更新速度极快。对于半导体行业来说，这是保持竞争力的前提；而对于最终消费者而言，如果无法在可预见的未来（比如3-5年）看到明确的收益路径，那么这笔投资从纯商业角度看很可能不划算。企业需要权衡：是自建算力，还是使用云服务？ 一方面，从“讲故事”到“真赚钱”，关键在于能否基于可量化的效率提升和利润率改善，证明商业价值开始兑现。利用AI改造释放“估值差”，证明其在具体业务中能创造真金白银的价值，这才是真价值。另一方面，基础设施投资并未退潮，而是进入了“精耕细作”和生态构建的新阶段。投资焦点从“纯算力”扩展到了“使能层”——基础设施瓶颈催生了新的投资热点。 对于轨道交通行业而言，真正的挑战在于：能否构建起一个完整的生态，充分利用自身的算力资源，赋能更多下游，创造更多GPU使用场景，并逐步夯实自身的人才优势。 AI产业正在经历从“投入期”向“投入与产出并重期”的过渡。基础设施是土壤，应用是果实。保持理性，避免被“害怕错过”的情绪驱动，选择与自身风险承受能力、资金期限和专业知识相匹配的路径，至关重要。对于绝大多数非专业投资者来说，采取相对保守和分阶段验证的策略，是应对当前这种高度不确定性和高波动性环境的更稳妥选择。 2026年，努力的方向应该是：推动基础设施与应用双轮驱动、相互促进。那些既能看清土壤肥力趋势，又能精准识别出最具成长潜力果实的“园丁”，才能笑到最后。