“计算机时代无处不在，唯独在生产率统计数据中迟迟未见显著提升”——经济学家罗伯特·索洛在1987年提出的这一著名“索洛悖论”，放在当今的数字经济时代，依然振聋发聩。

人工智能（AI）听起来无所不能，但一个尴尬的现实是：从实验室里的惊艳技术突破，到真正改变生产线流程、创造新岗位、产生真金白银的经济效益，这条路至今还差着“最后一公里”。如何让前沿技术创新真正惠及民生福祉、构建更具韧性的社会体系，已经成为全球最紧迫的核心议题。而这，恰恰是2026年夏季达沃斯论坛试图回答的时代之问。

本届论坛的主题定为“规模化创新”，吸引了来自全球90多个国家和地区的1700多名政商学界精英代表。所有讨论都指向同一个核心方向——告别概念炒作，回归产业应用实效。通过推动规模化创新与开放合作，来破解当前全球经济增长乏力的现实难题。

人工智能：从概念热潮迈向产业价值兑现

AI毫无悬念地成为全场第一热词。根据观察，论坛期间举办的百余场分论坛中，专门讨论AI应用的就有十几场，另外还有三十多场论坛聚焦于AI与制造、能源、医疗、金融、政务等领域的融合实践。

值得关注的是，与往年大家扎堆讨论大模型参数、比拼技术原理不同，今年的讨论重心明显转向了产业落地效果与商业价值验证。在一场名为“AI无处不在，却非一蹴而就”的分论坛上，嘉宾分享了一个现实情况：尽管各行业都在积极拥抱AI，但一项调查数据显示，超过八成的受访企业承认，过去三年里AI并没有给企业发展带来可衡量的业务影响。

因此，这次讨论的核心变成了“如何让AI真正产生效益”。与会专家普遍认为，问题并非出在技术本身，而在于技术能力与组织架构、应用场景、人才储备之间存在的深层错配。

清华大学苏世民书院院长薛澜打了个形象的比方：AI想要全面渗透社会，就好比建设交通体系。首先要“修路”，即建设数据中心等硬件基础设施；接着要建“加油站”，也就是配套的能源供给体系；最后还得制定“交通规则”，即法律法规和行业监管标准。问题在于，目前软性基础设施的完善速度，远远跟不上前沿模型的迭代速度。从政策层面来看，加快完善配套规则是推动技术规模化普及的关键一步。

ATT数据首席战略官Roli Agrawal也表达了类似观点。在他看来，企业大规模应用AI的最大顾虑并非成本投入，而是风险不可控——AI自主决策一旦出错，在具体的产业场景里，损失会被成倍放大。因此，清晰的操作边界、严格的权限管控以及全流程的问责机制，是AI实现规模化落地的必要条件。

中国移动首席科学家冯俊兰则指出，要解决“AI生产力悖论”，关键在于弥合技术迭代速度与人类适应速度之间的鸿沟。这要求企业不仅要投资算力和算法，更要大力投资于组织变革、员工技能培训以及治理体系建设；不能只盯着技术的“单点突破”，而是要推动技术与业务实现深度融合。

爱立信全球高级副总裁蓝尚立提出，当前行业对AI的投资过度集中在数据中心这一“大脑”部分，但要真正看到投资回报，AI必须走出数据中心，进入机器人、无人机和自动驾驶汽车这些物理实体中。“仅凭中国如此巨大的市场规模、如此快速的产业化能力，我相信物理AI在这里会扮演非常重要的角色，而且我们已经看到宇树科技等一批公司，正在推动这一经济发展趋势。”

下一代就业：技术变革下的劳动力市场适配

技术规模化落地带来的就业冲击与人才匹配问题，同样是本届论坛的重点议题之一。

围绕“重塑工厂与就业的关系”，讨论主要集中在两个维度：一是AI和自动化对不同岗位的替代效应与岗位重构，二是如何构建适应新技术时代的职业教育体系，让劳动力市场平稳承接产业变革，减少技术更迭带来的社会阵痛。

与会嘉宾的一个普遍共识是：AI擅长高效解决问题，但它无法替代人类定义问题的能力——人的判断力、创造力与同理心，仍然是技术无法跨越的边界。既然AI无法替代这些核心能力，那么这些能力究竟该如何系统培养？

大连理工大学人工智能研究院院长江贺的看法是，人工智能未来会和外语、开车一样成为基础技能。对年轻人来说，如果不想轻易被AI和机器人取代，现在就得认真思考，什么才是人类不可替代的本质活动，并主动去发现那些真正无法被机器替代的机会与技能。

霍尼韦尔中国总裁余锋给出了一个非常务实的建议：“学一点技术性的工科，再学一点自己真正喜欢的专业。”他解释说，工科思维训练的是应对不确定性的底层逻辑，这套“思维骨架”不会过时；而真正的兴趣，则是支撑长期投入、让骨架持续生长的不竭动力。

中国创新模式：全球瞩目的发展样本

本届论坛上，“中国创造”的关注度显著上升。论坛期间，世界经济论坛发布了第三批“AI应用之星”（MINDS）计划入选名单，其中中国案例占比超过一半，这充分展示了中国在AI规模化落地应用方面的全球领先优势。

参会者高度关注中国新质生产力的发展路径，希望拆解中国电动汽车、光伏、消费电子等产业的成功经验，并探讨这些经验能否复制到机器人、高端制造等新兴领域。与会者普遍认为，中国完整的产业集群、庞大的应用市场以及快速的迭代能力，是规模化创新的典型样本。

德勤中国首席执行官刘明华表示，中国AI应用场景的丰富程度和落地进展令人瞩目，前沿技术通过庞大的产业生态和多元应用场景，快速转化为现实经济动能。很多关键指标都印证了中国作为全球经济“新动能”与“稳定锚”的质变，而中国创新的核心特征，正是这种“规模化”的系统集成能力。

“中国有‘光伏羊’模式，也许澳大利亚也可以有‘光伏袋鼠’。”澳大利亚国立大学控制论学院院长凯瑟琳·丹尼尔说。她提到的“光伏羊”，是青海省塔拉滩光伏园区探索出的“太阳能+牧羊”融合发展模式。核心是在光伏板下放养藏羊，利用羊群啃食野草解决除草难题，同时促进生态修复和牧民增收，实现了清洁能源、生态保护与畜牧业的有机结合。

泰国因多拉玛风险投资公司高管扬・曼德鲁普・奥莱森长期关注工业AI的落地应用。他指出，中国大模型的快速崛起打破了欧美技术的单一格局，为东南亚制造企业提供了高性价比的数字化转型新选择。他的团队已经测试了多款中国大模型，探索AI在化工生产流程优化、供应链管理中的实际应用。但同时，他也提到跨境数据安全和统一合规标准是全球工业AI规模化落地面临共同挑战，期待东盟与中国在数字治理领域形成更多共识。

能源转型：构建具备竞争力的零碳体系

推动具有竞争力的能源转型，是本届达沃斯论坛官方设定的五大核心议题之一。参会嘉宾不再只是单纯讨论减排目标，而是聚焦如何在保障能源安全和控制用能成本的前提下，实现平稳、可持续的转型路径。

海南省委副书记、省长刘小明在“重塑能源走廊”分论坛上指出，能源瓶颈除了基础设施和融资因素外，技术和国际规则标准同样是关键制约。技术方面，多数发展中国家尚未形成具备本土竞争力的新能源产业体系，风电、储能、电解制氢的关键装备都要依赖进口，导致建设和运维成本居高不下，这严重限制了能源安全性。在标准和规则方面，碳标准、绿证、可持续燃料认证等规则多由成熟市场主导，并主要依据自身的产业优势制定，导致发展中国家绿色产品面临标准互认渠道缺失和高绿色壁垒的双重困境。

电池技术企业创始人Emilie Bodin认为，实现全球净零排放的最大挑战并非技术本身，而是国际协作和融资问题。在她看来，全球已经具备推动能源转型所需的大部分技术条件，真正需要解决的是各国如何形成共识，并为发展中国家提供足够的资金支持。中国新能源产业的发展已经证明，只要具备长期战略定力、持续的资金投入和高效的产业协同，全球能源转型目标完全可以实现。

宁德时代创始人、董事长曾毓群在“无电力，不智能”分论坛上强调，清洁能源的分配逻辑和储能技术是解决AI时代能源鸿沟的关键。人工智能数据中心所需的电力占比并非想象中那么巨大，但必须依靠储能技术来实现可再生能源供电的可靠性与确定性，且整体电力成本需要低于传统能源。“现在政策要求新的数据中心要使用80%的可再生能源，这是一个非常好的方向。”曾毓群说。

值得一提的是，本届夏季达沃斯论坛在绿色运营上实现了历史性突破——主会场及核心场馆首次实现100%绿电直供。此外，会场空调系统延续并优化了“海水源热泵”技术，相比传统制冷方式节能30%以上。这种因地制宜的技术应用，不仅有效降低了运营成本，也为沿海城市的大型公共建筑提供了低碳改造的示范样本。