11 月 25 日，麥肯錫全球研究院（MGI）發佈了一份60 頁的新報告——《Agents, robots, and us: Skill partnerships in the age of AI》。（AI技能夥伴）這份報告關注的不是“AI 會不會讓人失業”這種老話題，而是一個更本質的問題：在 AI 主導的新一輪生產力躍遷中，工作是如何被重新拆解、組合與分工的？人、AI 智能體（agents）和機器人，將如何形成新的“技能夥伴關係”？一、報告主要研究目標從問題上看，它圍繞三件事展開：1.AI 能做多少原本由人完成的工作？以“技術可行的自動化潛力”為基準，評估今天的 AI/機器人，理論上能接手多少美國現有工作時長（答案是：57% 的工時可以被自動化，但這不是裁員預測，而是任務結構重排）。2.在人–機協作下，那些技能會被“放大”，那些會被“擠壓”？報告通過一個新的 Skill Change Index（技能變化指數），測算未來 5 年裡不同技能被自動化影響的程度，識別出：會被衝擊最大的：數字技能、資訊處理類技能變化最小的：照護、服務、陪伴等“助人類技能”組織需要怎樣重設計工作流，才能真正把 AI 的價值“兌現”為生產率和經濟價值？核心結論之一是：到 2030 年，如果企業圍繞「人–智能體–機器人協作」重構工作流，而不僅是零散做工具替換，美國有望額外釋放 約 2.9 兆美元的經濟價值。二、報告的研究方法和樣本：這份報告的“底層資料”和“分析方法”都比較硬核，可以簡單理解為三層：任務與職業層面：結合美國勞工統計局、O*NET 等資料庫，對約 800 種職業進行“任務拆解”，判斷每一類任務被 AI/機器人自動化的技術可行性。技能層面：基於 Lightcast 的招聘巨量資料，分析 1,100 萬條招聘資訊，提取出約 6,800 個技能項，看不同職業真實在招什麼技能、那些技能正在變“熱”、那些開始降溫。時間演化 + 場景建模：在“中位情景”的假設下，測算到 2030 年的自動化採用節奏，並通過 Skill Change Index衡量各類技能在 5 年內的“結構性位移”，再疊加對典型場景的工作流重構分析。報告也明確說明：這些都是對“工作內容”和“技能結構”的預測，而不是對就業總量的絕對判斷——歷史經驗告訴我們，技術每一輪都會擠掉一部分崗位，但也會在別處創造新的工作。注意：樣本主要基於美國勞動力市場，是否完全適用中國及全球市場需謹慎參考。三、報告給出的幾個關鍵結論：未來的工作形態 = 人 + Agents + 機器人今天的技術理論上可以自動化超過 一半的工作時間，但更大的變化不是“崗位消失”，而是工作被拆分、重組，越來越多崗位變成人機協作的混合體。70% 以上的人類技能會繼續被需要，但使用場景會遷移大部分今天企業在招聘的技能，其實同時存在於“可自動化工作”和“不可自動化工作”裡——意味著技能不會突然過時，而是從“自己做”變成“借助 AI 做得更多、更好”。Skill Change Index：誰被 AI 衝擊最大？受影響最大的：會計、編碼等高度專業、又高度可自動化的技能變化最小的：談判、教練、關懷等強依賴人際互動的技能AI 流利度（AI fluency）正在成為“第一新基礎技能”過去兩年，招聘啟事裡對 “AI 流利度”（使用與管理 AI 工具能力）的需求，增長了近 7 倍，是所有技能裡漲得最快的。到 2030 年，2.9 兆美元的價值取決於一件事：你是“裝 AI”，還是“重做工作流”簡單把 AI 當外掛，價值有限；只有圍繞 AI 重設流程、角色、指標與文化，才可能真正吃到這波紅利。四、完整整報告分為60頁（可後台私信發PDF/PPT），核心是四個章節，包括：第一章：Workforce of the future：未來勞動力的基本形態——人、智能體、機器人如何分工協作？第二章：How AI changes skills：技能結構如何重排？Skill Change Index 告訴我們什麼？第三章：Reimagining workflows：不再是“自動化幾個任務”，而是“圍繞 AI 重畫整條工作流”。第四章：Leadership challenges：領導者如何重新定義角色、重塑組織，並在安全、責任、信任之間取得平衡？五、今天這篇，是第一期：聚焦「未來勞動力」這一章未來勞動力將是「人 × Agents × 機器人」的協作夥伴關係AI 正在重新定義工作的邊界，並開啟新的生產力潛能。未來的工作模式，將被重構為由人類、AI 智能體（agents）和機器人共同組成的協作體系。1.1 AI 讓 Agents 與機器人更加自主、更具能力在過去的一個世紀裡，機器基本都是按照規則運作的：機器人執行固定的物理動作，例如裝配零件；軟體自動化處理可預測的文書和分析任務。這兩類機器都遵循預設程序，只能按照指令行事，難以超越規則。而如今 AI 的崛起，正在改變這一點，並顯著拓寬自動化能做到的事情。AI 讓 agents 與機器人具備了新的能力：可以從海量資料中學習可以模擬推理可以響應更廣泛的輸入（包括自然語言）可以根據情境變化自動調整，而非只執行預設流程因此，agents 與機器人能夠分別承擔 認知性任務與 物理性任務，且能力持續提升。1.2 AI 能影響所有類型的工作麥肯錫將工作分為兩類：物理性工作（需要機器人自動化）非物理性工作（需要 agents 自動化）雖然並非所有自動化都需要嚴格意義上的“AI 智能體”或“機器人”，但報告使用這兩個術語來概括所有能夠自動化工作的技術形態。在美國，非物理性工作佔總工作時長的三分之二。在這三分之二中：約三分之一依賴社會與情緒技能——目前仍主要超出 AI 能力範圍其餘部分包括推理、資訊處理等任務——這類任務更適合自動化這些更“可自動化”的活動：佔美國總工資的 約 40%分佈在教育、醫療、商業、法律等多類崗位中（對應報告 Exhibit 1 的結論）1.3 AI 驅動的自動化將重塑工作，但“人”仍然不可或缺以當前的技術能力來看，AI 智能體（agents）理論上能夠承擔 佔美國工作時長 44%的任務，而機器人能夠承擔 13%（見 Exhibit 2）。要讓自動化進一步擴展，還需要突破一系列目前尚未被機器匹配的人類能力：對 agents 來說：必須能理解意圖、情緒等更細膩的人類線索；對機器人來說：必須掌握更高精度的精細動作控制，例如抓取易碎物品、或在手術中操控精密器械。換句話說，自動化能替代的部分會繼續擴大，但人類的判斷力、情緒理解力、精細動作能力，仍然是技術難以跨越的關鍵分界線。佔當前工作時長一半以上的任務在技術上都有可能被自動化，主要由 AI 智能體（agents）完成。但這並不意味著“一半的工作崗位會消失”。真正發生的是：具體任務被自動化，人類的工作內容會被重新組合，而不是被整體替代。此外，那些高度依賴 社會與情緒技能的工作，即便在“全面採用 AI 的極端場景下”，仍然難以被技術替代。原因在於，這類工作需要即時的人類洞察，例如：老師需要讀懂學生的表情反應銷售需要感受到客戶何時開始失去興趣人類還能提供：監督質量控制以及“客戶、學生、病患更願意與之互動”的人類存在感1.4 隨著技術進步，仍需人類參與的工作也在變化隨著技術的發展，屬於人類的工作也在不斷演化：有些角色會縮小有些會擴張或改變重點也會出現全新的崗位放射科就是一個典型案例。儘管 AI 在醫學影像領域的能力顯著提升，但 2017–2024 年間，放射科醫師就業仍以每年約 3% 的速度增長，並預計繼續增長。原因是：AI 提升了放射科的效率和精準性，讓醫生能專注於複雜判斷和患者關懷。例如：梅奧診所（Mayo Clinic）自 2016 年以來將放射科團隊擴充了 50% 以上同時部署了 數百個 AI 模型用於影像分析輔助1.5  AI 正在催生新型工作與角色——七大典型角色AI 不是只會“減少舊崗位”，它也在創造新崗位：軟體工程師正在開發、訓練、最佳化智能體設計師與內容創作者使用生成式 AI 生產新內容即：AI 既重塑舊職能，也在催生全新的技能需求。不同職業中“人、智能體（agents）與機器人”的組合形式，呈現出七種不同的典型模式。一個經濟體的整體就業水平和職業構成都取決於行業如何演進。而在具體職業內部，工作的配置方式也因對物理能力、認知能力以及社會與情緒能力的依賴程度不同而呈現顯著差異。為了理解這種差異，麥肯錫分析了約 800 個職業，並根據其物理與非物理任務的可自動化潛力進行分類。由此形成了七種原型，用以展示在人、智能體和機器人之間可能出現的協同方式。自動化潛力最低的職業被歸類為以人為中心（people-centric）；而那些包含大量可自動化任務的職業，則被劃為以智能體或機器人為中心（agent-centric 或 robot-centric）。此外，還有一些在三者之間比例更為均衡的角色，被歸入“混合型”原型，它們在工作中同時包含大量由人、智能體或機器人承擔的內容（見 Exhibit 3）。這一框架適用於各類勞動力市場，幫助領導者判斷那些崗位將率先受 AI 影響、勞動力轉型將如何發生，以及那些角色會演化為“人與智能體與機器人協作”的新型工作模式。對個人來說，它也提供了理解自身崗位未來變化的清晰視角。在職業軸的一端，是 以人為中心的職業（如醫療、建築、維修），佔美國崗位約三分之一，平均薪酬 71,000 美元。這些崗位中近一半的工時涉及當前技術無法複製的身體活動，因此難以自動化。在另一端，是 高度可自動化的職業，約佔 40% 的就業，平均薪酬 70,000 美元，主要屬於法律、行政等“智能體中心型”崗位，包含大量可由 AI 處理的認知任務。部分任務未來可能完全自動化，但仍需要人類監督和驗證。其中一部分是 機器人中心型崗位（如司機、裝置操作員），平均薪酬 42,000 美元，理論上幾乎可完全自動化，但現實成本與風險讓人類短期內仍難以完全退出。規模更小的 智能體–機器人混合崗位佔約 2%，主要在自動化製造、物流等場景，由 AI 軟體指揮物理系統。在兩個極端之間，是佔勞動力三分之一的 混合型崗位。這些崗位在人、AI 智能體和機器人之間的分工不同，但共同特點是：人類仍然不可或缺，只是角色將從“親自執行”轉向“指導與協調機器”。混合型崗位包括：人–智能體崗位（教師、工程師、金融專家），平均薪酬 74,000 美元，佔比 20%；人–機器人崗位（維修、建築），81% 為體力任務，平均薪酬 54,000 美元，佔比不足 1%；人–智能體–機器人崗位（交通、農業、餐飲），平均薪酬 60,000 美元，佔比 5%。總體而言，這些結論描述的是“技術上可能的未來”，而實際落地速度將因行業、成本與流程調整而顯著不同。但可以確定的是：人與智慧型手機器的協作，將在未來的所有工作場景中不斷深化。 (AI組織進化論)

隨著人工智慧技術的指數級躍遷，關於技術替代人類的焦慮在全球範圍內擴散。然而，麥肯錫全球研究院（MGI）於2025年11月發佈的重磅報告《智能體、機器人與我們：AI時代的技能協作》（特工、機器人和我們：AI時代的技能夥伴關係）），為防疫技術變革提供了極為緊張和具建設性的視角。長達 60 頁的研究報告簡單重複“機器換人”的陳詞濫調，但卻提出了一個核心論斷：未來的工作範式將是人類、AI 智能體（智能體）與機器人（機器人）三者之間的深度協作。報告指出，這種價值協作的重構，非巧妙的自動化替代方案，才是解鎖巨大經濟的關鍵。根據麥肯錫的預測，到2030年，在自動化採用的中點情景下，僅在美國，通過密集工作流程實現的人機協作每年可以釋放約2.9兆美元的經濟價值。這個數字不僅揭示了技術紅利的規模，更預示著勞動力市場即將經歷一場從“任務執行”到“系統編排”的深刻轉變。自動化邊界的拓展與七大職業原型麥肯錫在報告中將自動化技術的主體訊號劃分為兩類：執行任務的“智能體”和處理邏輯任務的“機器人”。隨著大模型推理能力的提升和多模態技術的發展，這兩類技術的邊界正在迅速拓展。報告中通過嚴謹的模型測算資料，現有的技術能力理論上已經可以實現自動化當前美國約57%的工作時長。但並未著手於57%的工作陣地將消失。麥肯錫的研究團隊強調，這是一個關於工作內容“重組”的過程。根據對約800種職業的深入分析，報告建構了七種全新的工作原型，描述以未來勞動力的構成形態。此類工作約佔美國當前就業崗位的34%，包括註冊護士、操作員和消防員等。由於這些角色高度依賴複雜的社交情感技能或非結構化的物理互動，當前技術難以有效介入，因此此類工作的核心仍將由人類主導。另一端是“以智能體為中心”（Agent-centric）的職業，約佔勞動力的30%，典型代表如會計師、軟體開發人員和律師。這些職位涉及大量的資訊處理和邏輯推理，智能體在這些領域表現出的效率已逐漸超越人類，未來這些角色的工作重心則將大幅向機器定位、人類退居監督和校驗的位置。間歇之間是更為複雜的混合形態，如“人-智能體”協作型（People-agent），頂尖教師、工程師和金融專家；以及極少數的“人-智能體-機器人”全要素協作型。這種分類打破了傳統藍領與白領的二元對立，揭示了一個更為精細的未來圖景：在稀疏職業中，人類都不會離場，必須但學會與非人類的“協作”共處。值得注意的是，物理機器人在製造和物流領域取得了長足的進步，但報告顯示，涉及精細運動技能和非調理環境的物理工作（佔美國工作時長的35%）在短期內仍難以完全自動化。儘管這解釋了為什麼一些低技能的服務性工作（如護理助理、廚師）反而比某些高薪白領工作更能抗自動化。技能變移指數：從單一專長到AI流利度為了確定技術對具體技能的衝擊，麥肯錫開發了“技能變化遷移指數”（Skill Change Index，SCI）。該指數基於對數百萬份招聘啟事和工作任務的分析，揭示了一個反直覺的現象：在未來五年內，受自動化影響最大的往往是那些高度專業化、規則明確的硬技能，而最“安全”的那些紮根於人性的軟技能。報告顯示，數字技能和資訊處理技能位於變革指數中位列榜首。例如，程式語言（如SQL）和會計流程等技能正面臨極高的自動化風險。相比之下，指數底部的技能——如輔導、談判、領導力和客戶關係——普遍對意識形態和同理心的高度依賴，不僅難以被替代，其價值反而會在人機衝突中凸顯。這一趨勢直接導致了勞動力市場需求的脈搏。根據麥肯錫對2023年至2025年間美國招聘資料的追蹤，僱主對“AI流利度”（AI流暢度）的需求激增近七倍，從而成為增長最快的技能類別。AI流利度又指編寫程式碼的道德能力，更關鍵的是指利用AI工具進行日常工作、管理團隊以及理解AI混合與監管的能力。同時，傳統的“基礎技術知識”和“常規寫作研究”技能的需求提及率正在下降。並不意味著這些技能不再重要，而是它們的使用方式發生了根本性轉變。報告分析指出，約72%的現有技能既可用於自動化工作，也可用於非自動化工作。以“寫作”為例，未來的寫作不再是從零開發，而是更多地繼承對AI生成內容的提示工程、編輯潤色和加密邏輯。這種轉變管理者和教育機構重新思考人才培養的邏輯。未來的職場精英不再掌握單一領域深知識的專家，而是能夠指揮智能體團隊針對、跨越學科邊界解決複雜問題的“編排者”（Orchestrator）。管理者的角色也指揮員工考勤和任務進度，轉向設計工作流程、AI模型訓練以及機器處理解決的異常情況。工作流高峰：釋放兆級價值的真正機會麥肯錫報告的一個核心洞見提出，它只指出了當前企業在AI應用上的主要誤區：過分關注單個任務（Task）的自動化，而關注整個工作流程（Workflow）的各個流程。報告認為，在現有流程中插入AI工具（例如給員工配備一個聊天機器人）帶來邊際間的提升，真正的生產力飛躍來自於圍繞人、智能體機器人和重新設計業務。報告分析了美國經濟中的190個關鍵業務工作流程，發現約60%的潛在經濟價值集中在行業的特定垂直領域。在製造業，這意味著供應鏈管理的標準化；在醫療領域，是臨床診斷與病人護理流程的重構；在金融業，這意味著合規與風險管理的自動化閉環。通過詳實的這種案例研究，報告了瘧疾展示了“地下室”的實際形態。以一家全球生物製藥公司為例，傳統的臨床研究報告撰寫的是一個運行數周的人力密集型過程。通過引入生成式AI平台工作，該公司重構了這一流程：AI智能體負責從海量非結構化資料中合成草稿、應用合規範本並進行了初步糾錯；醫學作家的角色則從繁重的撰寫轉變為對AI的臨床判斷、邏輯驗證和最終把關。結果顯示，該流程使初稿的人工接觸時間減少了近60%，錯誤率降低了50%，顯著加速了新藥上市的處理程序。類似的變革也發生在銀行業的程式碼遷移和公益事業的客戶服務中。在這些案例中，人工智慧不再是輔助工具，而是成為工作流的“一級公民”。智能體負責處理80%的常規事務，人類專家則專注於處理那20%的高價值、高風險或高情感參與的情況。這種模式不僅提升了效率，更重要的是，人類從重複性勞動中解放出來，從而能夠專注於重新啟動和戰略性的工作。然而，這種價值的釋放並不是自動發生的。報告警告稱，儘管近 90% 的企業聲稱已投資於人工智慧，但只有不到 40% 的企業報告了可衡量的收益。這種脫節是因為大多數企業仍停留在“技術爭論”階段，未能從組織架構、人才和流程設計等方面進行層面的系統性變革。領導力的試金石：文化、信任與制度適應由智能體和機器人驅動的變革，麥肯錫報告最終將目光投向了領導力技術。只是催化劑，能否平穩渡過這一轉型期，取決於商業領袖和政策制定者的選擇。對於企業領導者而言，最大的挑戰在於如何在追求效率與保持以人為本之間找到平衡。報告提出了一系列積極的問題：你是在利用人工智慧修復舊流程，還是在為未來的價值重構業務？你正在建立一種激勵實驗和是否包含錯誤的文化？你是否為員工提供了適應新角色的技能路徑？未來的管理人員必須具備“雙重雙語”能力——既懂業務邏輯，又懂機器語言。他們不再是簡單發號施令的長官，而是人機混合團隊的訓練。隨著自動化程度的提高，傳統的績效評估系統（基於工時或簡單量）將失效，新的評估系統必須能夠簡化人類對AI輸出的最佳化程度以及關鍵決策中的判斷力。此外，信任與安全成為不可迴避的議題。當決策鏈條中引入了不可解釋的AI黑盒時，如何確保合規、避免偏見並維持客戶信任，將是企業治理的核心問題。報告強調，最有效的領導者不會將AI視為IT部門的項目，而是將其視為核心的業務轉型戰略，由最高消防直接推動。在宏觀層面，報告要求現代教育和公共部門進行同步革新。工業革命催生了公共教育體系，而人工智慧革命則要求建立終生學習的基礎設施。未來的教育不應只關注知識灌輸，更應批判性思維培養、適應力以及與智慧型手機器協作的能力。技能認證體系也需要從“學位導向”轉向“技能導向”，以促進勞動力在不同行業間的靈活流動。麥肯錫全球研究院的報告最終傳達了一個審慎樂觀的訊號：人工智慧帶來了變革的方向，但工作本身不會消失。通過合理的規劃與適應，我們正將人類的能力被技術放大而不是新時代的替代。在這個時代，最大的風險不是被機器取代，而是未能及時學會如何與機器共舞。對於所有市場參與者而言，理解並擁抱這種“技能協作”，將是通向2030年經濟繁榮的唯一入口。 (歐米伽未來研究所2025)

現代領導者面臨的管理環境正日趨複雜，如今CEO需要處理的事務量大約是五到七年前的兩倍。這一壓力促使麥肯錫公司CEO實踐部門的聯合負責人、頂級“CEO顧問”庫爾特·斯特羅文克 (Kurt Strovink) 和卡洛琳·杜瓦 (Carolyn Dewar) 兩位高級合夥人，對全球200位頂尖企業CEO展開了實證研究。摩根大通（JPMorgan Chase）CEO傑米·戴蒙（Jamie Dimon）。圖片來源：Jose Sarmento Matos/Bloomberg via Getty Images他們的新書《全能CEO：領導者的四季修煉法則》剖析了成功擔任CEO所需的心態與方法——68%的在任CEO承認上任時感覺自己“準備不足”。而斯特羅文克、杜瓦及其合著者斯科特·凱勒 (Scott Keller) 和維克拉姆·馬爾霍特拉 (Vikram Malhotra) 的研究發現，這些精英CEO擁有獨特的習慣：勇於挑戰自滿、倡導極致坦誠，並保持謙遜、持續學習。杜瓦在接受《財富》雜誌採訪時表示，書中研究的高績效領導者普遍具備“好奇心與學習型思維”，這一特質在“幾乎每一次訪談”中都顯而易見，使他們脫穎而出。斯特羅文克告訴《財富》雜誌，頂尖領導者會首先承認自己並非無所不知。“他們並非超人，而是學習速度更快、適應能力更強，並且建立了體系……通過制度化的方法來抑制自身的過度行為，同時充分利用自己的優勢和長處。”摩根大通CEO傑米·戴蒙提出了一條尤為引人注目的高績效文化準則。據斯特羅文克轉述，戴蒙告訴他的團隊：“不要只展現最好的一面，要把最糟的一面也擺出來——把問題放到檯面上。”杜瓦補充說，這並非鼓勵不良行為，而是倡導組織內部的坦誠。這意味著“在事情進展不順時願意分享……以便我們能夠解決問題。”斯特羅文克進一步指出，這種程度的不適感是必要的，因為偉大的領導者必須創造條件，促進“邊緣性思考、坦誠溝通以及信心的逐步建立……他們把問題擺在房間裡，放到檯面上，並著手創造，而且是以他們自己真實的方式去做。”斯特羅文克說，優秀的領導者必須找到方法進行艱難的對話——這些對話在其他領導者手下可能不會發生——“但又不會讓這些對話成為留下創傷的殘酷經歷。”現代領導力面臨的挑戰斯特羅文克解釋說，為CEO提供諮詢雖然是麥肯錫近百年來的核心使命，但在幾年前成立的CEO實踐部門推動下，這項服務已提升到新的水平。這部分反映了“CEO的角色正變得越來越重要。”斯特羅文克補充道，我們生活在一個“人們正在貶低領導力，認為它是壞事，沒有人願意被領導的時代。但現實是，如果你被一位開明且做得好的領導者領導，這實際上是一件光榮的事情，在這個時代意義重大，甚至可能比以往任何時候都更重要。”杜瓦則援引硬資料，指出這本書和相關實踐在當前至關重要，因為坦率地說，擔任CEO充滿挑戰。她提到了關於CEO任期不斷縮短的報導（部分見於《財富》雜誌），“但事實證明，實際情況兩極分化嚴重。”她解釋說，30%的CEO任職過不了頭三年，而一旦跨過這個門檻，長期任職的機率就會顯著增加。她指出，私募股權公司密切關注這一點，談論CEO頻繁更替的成本。“我們不希望人員頻繁變動。”杜瓦引用估算資料稱，在標普500指數成分股公司中，每年因CEO交接失敗而損失的價值高達1兆美元。斯特羅文克補充說，他們的研究確實為優秀的領導力賦予了量化指標。“我們研究的頂尖前20%的CEO，長期來看，為他們的公司、整體經濟乃至世界創造了超乎比例的價值，”他闡述道，並補充說麥肯錫估計，這前20%的CEO創造的經濟利潤是緊隨其後的60%CEO創造的經濟利潤總和的30倍。他說，領導力——以及CEO人才——是“分佈不均的”。巴克萊銀行股東諮詢業務全球主管吉姆·羅斯曼數十年來一直在追蹤避險基金針對上市公司的維權行動，包括CEO的變動。他在10月初發現，由維權活動導致的CEO更替將在2025年創下紀錄，超過2024年的水平。他在接受《財富》雜誌採訪時表示，這使得CEO的職位比以往任何時候都更加不穩定。“感覺維權人士所做的，基本上是要求上市公司達到私募股權的標準，”他說，並且他們認為CEO“更像是一個營運者，而不是從內部晉陞上來的人。”據羅斯曼稱，股東維權人士已成功將私募股權所有權的嚴格標準強加於上市公司，要求它們遵循專注於無情地最大化效率和價值的季度績效指標。這與歷史上將CEO視為“地方英雄”或“受人尊敬的人物”的觀點形成鮮明對比。羅斯曼說，維權人士意識到，他們不需要像私募股權公司那樣將公司私有化來推行這種觀點；他們只需購買一部分股份並遊說董事會，就能使組織立即承受巨大的外部壓力。“我認為CEO的頻繁變動與私募股權模式在上市公司中的持續滲透直接相關，”羅斯曼補充道。羅斯曼指出，技術加速了這種對營運的關注，技術能提供公司相對於同行的即時業績資訊；同時，指數基金所有權的集中化使得維權人士更容易在前十大股東中組織支援。因此，新的董事會——其自身也採用了更類似於私募股權的心態——具有高度的品牌意識，並能迅速更換表現不佳的高管。杜瓦贊同這種思路，她說：“如果你考慮到經濟中有多少部分正在轉向私募股權和私營公司，它們的流動率要高得多。”她最近分享了一個軼事，談到與一家私募股權公司董事會成員的對話，對方說領導層更替率達到71%對他們來說是平均水平。她補充說，這個核心問題正是她對領導CEO實踐部門如此熱情的原因：“我們如何才能真正服務於CEO、董事會和組織，幫助每個階段都順利進行？”坦誠與不適感的力量麥肯錫的研究發現，要在這種高風險環境中生存下來，頂尖的CEO適應能力強，但不一定冷酷無情。他們通過秉持“好奇心和學習心態”並將不適感融入營運中而取得成功。斯特羅文克和杜瓦再次提到了摩根大通的戴蒙，他掌握著在這種嚴酷環境中對抗自滿情緒的關鍵技巧。斯特羅文克指出，這位投資銀行負責人認為每個大型組織都有“休息”的傾向，這要求CEO不斷地“催化並推動它”。他補充說，大型組織的“社會學”意味著如果領導者自滿，事情就會變得漸進式發展。這種主動營造的不適感是對外部壓力必要的內部制衡。杜瓦指出，邁克爾·戴爾就是典範，他通過迫使團隊想像一個更瞭解他們客戶的攻擊者來對抗自滿，鼓勵他的公司“自我顛覆”。（她還指出，戴爾從19歲成為創始人CEO以來，一直在進行自我顛覆。）杜瓦回憶起微軟CEO薩蒂亞·納德拉曾告訴她，CEO實踐部門之前的書《卓越CEO》提到了這份工作的孤獨感，源於一種“資訊不對稱問題”，即他實際上無法與許多同事談論他所知道的事情。他們無法承受意識到這些。“在你的組織內部或上級，比如你的董事會或投資者中，沒有其他人能看到你所看到的所有部分。”她說，她認為CEO擁有一些可信賴的顧問至關重要，可以算是某種“私人智囊團”。歸根結底，這本書指出，在這個高度加速、受私募股權影響的時代，最成功的領導者是那些能夠駕馭這一角色核心二元性的人：在資訊不完整的情況下做出大膽、自信的決策，同時保持謙遜和持續學習，以滿足無情的績效要求。作者強調，這本書的目標是“追溯領導者隨時間的成長過程”，包括為下一代鋪路的第四階段。財捷公司前CEO布萊德·史密斯被引用為傳承建設的非凡範例，他在11年間與董事會進行了44次繼任討論——每個季度一次。杜瓦說，史密斯“為他許多曾共事的人後來在其他地方成為CEO這一事實感到非常自豪”，並稱他為“某種領導力發展的引擎。我認為作為一名領導者，這非常了不起，是他遺產的一部分。”斯特羅文克說，有一個發現尤其讓他驚訝，可能還有些反直覺：至少對於書中描述的這200位領導者群體而言，作者沒有發現著名的領導力“二年級低谷”。“至少對這個群體來說，他們沒有經歷二年級低谷。隨著時間的推移，他們一直在持續進步。” (財富Fortune)

從蒸汽機的轟鳴到網際網路的無聲革命，技術的浪潮總在不經意間重塑世界的面貌。而今，我們正站在一場更為澎湃的科技變革前夜——人工智慧學會了“思考”，機器人走出了工廠的圍牆，半導體開始成為智能時代的“新石油”，而太空正從遙不可及的夢想變成新的商業疆域。站在當下看，那些技術將定義下一個五年甚至十年？麥肯錫最新發佈的《2025年技術趨勢展望》報告試圖解答這個問題，提出了13項具有改變全球商業潛力的前沿技術趨勢，並從創新性、關注度、資本投入與應用水平四個維度，繪製出這些技術的發展藍圖。放眼望去，資本正高度集中於AI、未來能源與可持續技術、未來出行等從技術突破邁嚮應用深水區的領域，其中AI不管是在關注度和創新上均遙遙領先。相比之下，特定應用半導體、先進連接技術、未來生物工程、雲與邊緣計算、數字信任與網路安全這些技術雖熱度不及AI，卻已悄然成為數字社會運轉的“基礎設施”，應用程度已接近規模化。而沉浸式現實技術、未來空間技術、未來機器人技術、量子技術、AI智能體等技術仍處於孵化階段，但革命性潛力已現端倪。比如AI智能體成為今年增速最快的熱點趨勢之一，2024年股權投資達11億美元，同比增長1562%。參觀者通過AR眼鏡體驗雲岡石窟事實上，不管是那項技術趨勢，都將重塑產業面貌，更已成為國家與企業不可或缺的競爭籌碼。在中國，這些技術已被囊括在面向2035年的未來產業重點賽道目錄之中，並列出了明確的發展目標。以未來空間為例，2030年中國市場規模有望突破8000億元，重點發展方向包括載人低空飛行、深空深地深海探索、極地開發等。在此，我們梳理了麥肯錫報告中的關鍵資訊和資料，和大家聊聊這些技術的前沿動態、發展趨勢與人才需求。13個賽道與兆商機面對這13項前沿技術，麥肯錫從它們的內在“性格”出發，將其分為三大類：AI革命、計算與連接前沿，以及尖端工程。可以說，這三大類技術，一個負責“思考”，一個負責“連接”，一個負責“動手”，它們互相滲透、彼此激發，不斷繪製出未來十年科技浪潮的完整圖景。◎ 第一類，AI革命，包括AI和AI智能體。伴隨AI影響力的持續擴大，值得注意的是，當前AI的成本在急劇下降，比如一些推理任務的價格一年內下降900倍。針對這兩項細分技術，在麥肯錫看來，AI不僅本身是一項具有革命性和戰略性的技術創新，更能加速其他技術領域的發展，或在交叉領域創造新“商機”，比如AI是特定應用半導體這項技術的重要催化劑。而另一項AI智能體技術則是今年的“當紅小生”，已經迅速成為企業和消費技術領域的重要發展方向。所謂AI智能體，就像是一位“虛擬同事”，可以自助規劃和執行多步驟任務。目前，各大公司正在現有AI產品中增加智能體功能，或開發全新的、面向特定任務的應用，尤其是在軟體編碼和數學等擁有強大訓練資料集的領域取得了快速進展。市場也嗅到了風向。MarketsandMarkets預測，AI智能體市場規模將從2024年的51億美元飆升到2030年的471億美元，復合年增長率高達 44.8%。◎ 第二類，計算與連接前沿，這些技術可以被理解為是AI與數字世界的“骨架”，包括特定應用半導體、先進連接技術、雲與邊緣計算、沉浸式現實技術、數字信任與網路安全、量子技術。其中，特定應用半導體是報告特別提到的另一項重要趨勢。這些為特定AI任務量身定製的晶片，正在成為科技界的“新石油”——專利數量位居所有技術趨勢之首，去年吸引了75億美元的投資。同時，AI的發展對背後的算力有著永不滿足的渴求，這就得依靠雲與邊緣計算這項技術趨勢。麥肯錫的研究表明，到2030年，全球對資料中心容量的需求可能會接近如今的3倍，其中約70%的需求正是來自AI工作負載。此外，在先進連接技術方面，5G已覆蓋全球22.5億使用者，中國在5G獨立組網部署上領跑全球，而6G已在路上，還準備帶上“感測”等新技能包。至於沉浸式現實技術領域，AR/VR已從遊戲走向醫療、工業設計，蘋果Vision Pro、Meta Quest等裝置也在重新定義人機互動；量子技術領域則雖處前沿，但Google、IBM、微軟等巨頭已在誤差校正與穩定性上取得關鍵突破。這些技術就像古代絲綢之路上的驛站和道路，雖然不直接產生貨物，卻決定了商業的規模和邊界。◎ 第三類，尖端工程，包括未來機器人技術、未來出行、未來生物工程、未來空間技術、未來能源與可持續技術。它們則負責數字能力“實體化”，讓技術從螢幕裡走出來。在過去六十年中，機器人已逐漸成為先進製造業的常客，如今有超四百萬台工業機器人在汽車廠等環境中工作。與此同時，在AI的加速推動下，物理機器人技術在近年來進入機場、大型商店和餐廳等更廣泛的領域。麥肯錫合夥人Ani Kelkar更是判斷，到2040年其市場規模將高達約9000億美元。在未來出行領域，中國電動車市場逆勢增長36%，自動駕駛、無人機配送和空中計程車也都在從概念走向試點，甚至實現商用落地。預計到2034年，商業無人機送貨市場規模將達290億美元，年複合增長率高達40%。未來生物工程技術則是利用技術（如基因編輯、合成生物學），來改善健康和人體機能、重塑食品價值鏈並創造創新產品。比如基因編輯技術CRISPR首次獲得FDA批准，而AI正在將新藥研發成本和時間大大縮短。2024年諾貝爾化學獎更是授予了三位使用AI預測現有蛋白質結構和設計新蛋白質的研究人員。在未來能源與可持續技術方面，中國不僅在太陽能製造上佔據全球主導地位，氫能電解槽產能也佔到全球60%。此外，核能因其能提供穩定基荷電力的能力而備受關注，31個國家承諾到2050年將全球核能容量增加三倍。智慧型手機械手助力太陽能面板加工關於這些技術的六大趨勢透過這13項前沿技術的趨勢前瞻，麥肯錫還在報告中歸納總結了六大趨勢，可以作為我們關注這些前沿技術的方向參考。①自主系統崛起系統不再只是執行命令，而是能學習、適應、協作。當AI智能體能夠自主規劃工作流程，當機器人能夠適應陌生環境，當自動駕駛汽車能夠在複雜城市路況中導航，我們不得不思考：人類的獨特價值在那裡？答案可能是：在創造力、在倫理判斷、在戰略眼光——那些機器難以複製的品質。無人駕駛汽車已開始商業營運②新的人機協作模式人機互動正邁入一個新階段，其特點是更自然的介面、多模態輸入和自適應智能，這將讓“操作者”和“共同創造者”的界限逐漸消失。從沉浸式訓練環境和觸覺機器人技術，到語音驅動的“副駕駛”和感測器可穿戴裝置，技術正在更精準地響應人類的意圖與行為。這種演變讓人機關係的定位從“機器替代人類”轉向“機器增強人類”能力。③規模化應用的挑戰對計算密集型工作負載（尤其是來自AI智能體、未來機器人和沉浸式現實技術）的激增需求，正給全球基礎設施帶來新的壓力。但現實是：電力供應緊張、晶片供應鏈脆弱、資料中心建設周期漫長……這意味著，前沿技術的規模化應用不僅需要解決技術架構和高效設計的問題，還需應對人才、政策和執行層面錯綜複雜的現實挑戰。這提醒我們，數字世界的繁榮離不開物理世界的支撐。技術人員正監控晶片生產裝置情況④區域和國家競爭不可否認的是，對關鍵技術的掌控權已成為全球角逐之焦點。中美在晶片、AI、量子計算等領域的競爭日益激烈，歐洲也在通過《人工智慧法案》等規制試圖確立自己的數字主權。技術不再是無國界的公共品，而是國家安全的基石、經濟主權的象徵。這種態勢下，全球科技合作面臨挑戰，但也催生了各地區發展特色優勢的機會。⑤規模化與專業化平行發展雲服務和先進連接技術方面的創新，推動了規模化與專業化的發展。一方面，我們看到在龐大且能耗驚人的資料中心裡，通用模型訓練基礎設施正快速擴張；另一方面，我們也觀察到“邊緣側”的創新加速，低功耗技術正被嵌入手機、汽車、家庭控制系統和工業裝置之中。這種雙軌發展既帶來了參數數量驚人的大型語言模型，也推動了可在幾乎任何場景中運行的特定領域AI工具的日益豐富。⑥負責任創新的必要性隨著技術日漸強大且更具個性化，信任正日益成為技術採用的關鍵門檻。企業正面臨越來越大的壓力——必須證明其AI模型、基因編輯技術或沉浸式平台是透明、公平且可問責的。道德倫理不再只是正確的選擇，還是部署過程中的戰略槓桿——它能加速或阻礙規模擴張、投資決策以及長期影響。資金和人才往那裡去？最後，我們來聊聊這些前沿技術的“錢景”與“人景”，看看資本與人才正在向何處湧動。2024年，這13項前沿技術的投資市場暖風漸起，其中AI、雲與邊緣計算這兩項技術在投資規模和增速上可謂都取得了相對突出的“成績”。若論資本的絕對聚集地，2024年最“吸金”的五大前沿技術分別是：未來能源與可持續技術（2232億美元）、未來出行（1316億美元）、AI（1243億美元）、雲與邊緣計算（808億美元）、數字信任與網路安全（778億美元）。論增長勢頭，AI智能體技術“風頭正盛”，2024年投資額猛增1562%；未來生物工程、雲與邊緣計算技術則是連續兩年實現融資額增長；AI和未來機器人技術領域的投資經歷短暫下滑後，在2024年恢復到比兩年前更高的水平。值得一提的是，與資本流向同步，一場無聲的人才爭奪戰也已打響。麥肯錫在報告中提到，從招聘崗位資料上看，2024年有6項前沿技術的崗位需求在增長，其中AI智能體崗位的人才需求暴增985%，AI、特定應用半導體崗位的人才需求也分別增長35%和22%。從具體崗位來看，軟體工程師可以說是最緊俏的崗位。值得注意的是，這些人才技能需求比則揭示了一個殘酷的現實：技術的進化速度遠遠超過了人才的培養速度。在AI與特定應用半導體這兩個最炙手可熱的技術領域，人才的供需失衡尤為明顯。AI對資料科學家的需求最為迫切，其人才供需比只有0.5（即2個崗位在搶1個人才），這意味著企業都在搶能用Python處理資料和建構模型的人。在特定應用半導體領域，情況則更加極端——精通GPU架構和機器學習硬體的專家，供需比低至0.1，相當於十個崗位在等待一個合適的人選。而未來機器人技術、未來生物工程這些交叉領域，則在呼喚一種新型的“跨界人才”。未來機器人技術領域既要機械工程師，也要AI、軟體工程專家，對於掌握人工智慧技能的人才需求比為0.2。在未來生物工程領域，一個既能設計機械手臂，又能程式設計讓它智能抓取的人才，則更為稀缺。在未來能源與可持續技術、未來空間技術這兩個代表人類未來的領域，“人才荒”也更加明顯。比如掌握“綠色技能”，包括清潔能源、可持續發展等領域專業知識的人才，供需比低於0.1。也就是說，每十個相關崗位，可能只有不到一個合格的申請者。未來空間技術領域雖然總體崗位數量在回呼，但對軟體工程師和Python專家的需求依然旺盛，因為每天都有海量的衛星資料需要處理和分析。這些資料也預示著，未來的人才培養，純程式碼能力已不夠，“技術+場景”“軟體+硬體”“演算法+倫理”的複合型人才，將成為未來十年最稀缺的資源。結語回過頭來看，站在這個科技大時代的門口，中國處在一個複雜而微妙的位置。在應用層面，我們的成就令人矚目：5G網路的廣覆蓋、電動車的高滲透率、太陽能製造的統治地位、無人機商業應用的領先，這些都是實實在在的“中國優勢”。但在基礎層面，半導體製造、底層AI模型、量子計算、生物醫藥原創技術等領域的“卡脖子”風險依然存在。美團無人機物流配送生意火爆麥肯錫的這份報告，給我們的最大啟示或許是：未來的競爭，不再是單個技術點的突破，而是生態系統的競爭、人才體系的競爭、價值觀的競爭。 (吳曉波頻道)

麥肯錫發佈的《Technology Trends Outlook 2025》給出了對未來 5–10 年全球產業競爭格局的結構性觀察。報告總結 13 項前沿技術趨勢，並以創新度、關注度、人才與資本投入等指標衡量其演進速度。趨勢之間並非彼此孤立，而是被 AI 重新聯通，形成加速循環。本解讀聚焦這 13 項趨勢的底層方向、結構性變數及其對企業策略的潛在影響。一｜AI 革命：兩個核心趨勢正在重構所有行業1. 代理式 AI（Agentic AI）智能體從“模型”走向“同事”。能夠自主規劃多步驟任務、執行操作、與其他智能體互動，正在成為企業級創新的新入口。其特徵在於：多步驟自主執行（planning → tools → action）跨系統協作從“問答”升級為“代辦”這項趨勢仍處早期，但增速最快，企業正在測試“虛擬營運員、虛擬研究員、虛擬產品經理”等角色。2. 人工智慧（AI，本體）生成式 + 應用型 AI 不再拆分，形成統一範式。AI 是 13 項趨勢的“倍增器”，趨勢之間的大部分加速，均由 AI 提供的：模型能力訓練效率自動化與研發外推能力所推動。AI 不僅改變企業營運，也正在改變 R&D 的速度本身。二｜計算與連接前沿：六項關鍵基礎設施進入規模化階段3. 特定應用半導體（Application-specific Semiconductors）AI 訓練/推理需求推動專用晶片加速增長：高頻寬儲存專用互連能耗/散熱最佳化它本質上是下一輪算力紅利的源頭。4. 先進連接技術（Advanced Connectivity）5G/6G、Wi-Fi 6/7、LEO 衛星網路等推動：工業現場即時控制車路協同超低延遲應用企業級連接正從“頻寬競爭”轉向“場景競爭”。5. 雲與邊緣計算（Cloud & Edge Computing）訓練側集中化、推理側本地化平行發展。集中：超大規模資料中心擴張本地：車端、機端、家庭端嵌入式 AI兩條軌道共同支撐未來的 AI 計算體系。6. 沉浸式現實（Immersive Reality）AR/VR/Passthrough + AI 提升內容生成、互動與渲染。應用落點從消費側轉向：工業培訓醫療輔助遠端協作7. 數字信任與網路安全（Digital Trust & Cybersecurity）AI 規模化後最關鍵的基礎設施之一：模型安全身份/權限控制零信任體系應用越深入，治理成本越高。8. 量子技術（Quantum Technologies）被重點關注但商業落地不均衡。材料/藥物設計密碼學安全複雜最佳化問題仍需要克服物理噪聲、規模化裝置與基礎設施建設。三｜尖端工程：五項技術正在重塑實體世界的結構與節奏9. 未來機器人技術（Next-gen Robotics）類人機器人、自主移動機器人（AMR）進入新周期。特徵：自適應動作具備“學習趨向”動作能力與智能體結合形成“數字 + 物理”協作網路10. 未來出行（Future Mobility）不僅是無人駕駛，而是 人以資料為中心的移動系統：智慧道路 + 智慧交通V2X（車路雲協同）城市空中交通（UAM）本質從“車輛自動化”升級為“交通系統智能化”。11. 未來生物工程（Future Bioengineering）基因編輯、蛋白質設計、細胞工程進入工業化處理程序。應用覆蓋：新藥發現食品體系重塑生物製造這一賽道與 AI 科學研究（AI for Science）高度耦合。12. 未來空間技術（Space Tech）低軌衛星星座、可重複使用火箭、地面直連衛星（D2D）：全球連接地球觀測太空物流是供應鏈 + 通訊網路重新分佈的新基礎設施。13. 未來能源與可持續技術（Future Energy & Sustainability）核心方向：電力電子高密度儲能氫能與清潔分子核聚變（Fusion）AI 進入能源調度、負荷預測、材料研發等環節。四｜結構性洞見：13 項趨勢在形成統一的技術循環在麥肯錫的邏輯中，13 項趨勢非獨立賽道，而是形成 “技術循環（Tech Flywheel）”：AI 提升所有趨勢的研發效率算力基礎設施 → AI 模型 → 應用場景 → 反饋資料 → 更強模型機器人、能源、生物工程等領域又反過來為 AI 提供新場景與新材料即：AI 不是一個行業，而是所有行業的執行層。五｜對企業的三個策略性提示1. 高影響場景優先，而非全面鋪開企業需要識別能產生“倍增效應”的少量關鍵場景，而不是技術清單化部署。2. 人才與基礎設施決定速度算力、資料、晶片管道、模型安全與內部工程化能力，將決定競爭強弱。3. 監管、倫理與生態協同將成為主變數AI 智能體、量子、基因工程等領域，很快會進入監管與倫理密集期。治理成熟度將成為競爭門檻。 (方到)

麥肯錫剛剛發佈了2025年AI最新報告，一組資料讓人“破防”：88%的組織都在用AI，但只有39%的組織吃出了“真金白銀”。這份《The state of AI in 2025》回答了AI時代大家都很關心的一個問題：用了AI之後，大家到底過得怎麼樣？總共有5個結論：1.多數企業已在至少一個業務環節使用AI，AI幾乎已成標配。2.看似大家都在用AI，但真能用到“見效賺錢”的，其實不到四成。3.人人都在談Agent，但真正跑通業務流程的企業，仍是少數派。4.只有高績效企業能真正嘗到AI紅利。5.AI崗位正吃掉招聘預算，傳統崗位被替代、AI人才被爭奪，組織結構正在被重寫。AI普及是真的，但規模化落地還早麥肯錫這份《The State of AI in 2025》調查了全球來自各行業的近2000家組織，其中一個最直觀的數字是：88%的受訪企業表示已在至少一個業務職能中使用AI技術，比去年整整高出了10個百分點。但，用上不等於用深，更不等於用出錢。看著很熱鬧，真正能賺到錢的卻不多，不少企業想靠Agent一步起飛，但更多的還停在起跑線觀望。用是都在用了，但多數還停在試點階段單從資料看，AI確實在企業裡全面開花，大多數企業已經不再是觀望者，而是參與者（那怕只是試水）：但試水不代表游泳，更不代表能游到終點。報告顯示，只有39%的組織表示AI帶來了實質性財務回報，實現了息稅前利潤（EBIT）的增長。也就是說，多數企業AI項目還沒有跑贏投入產出比：這39%，基本來自少數行業場景的集中收割。例如軟體工程、製造、IT這類以效率提效為核心的崗位更容易吃到紅利，而行銷、戰略、財務則是為數不多能帶來“營收提升”的領域：也正因如此，很多企業的AI使用呈現出一種效率提升 ≠ 盈利提升的割裂狀態：流程順了，但財務帳面並沒太大變化。AI Agent熱度飆升，但落地只在局部生成式AI餘溫未散，Agent就已成為企業新寵。報告顯示，62%的受訪組織已經在試驗AI Agent類應用，不少還搭建了自己的企業內部Agent，例如AI客服助手、AI知識總結助手、AI程式碼生成工具等。更關鍵的是：在任何一個部門裡，真正在推AI Agent的公司，都不到一成。而這些真正“跑起來”的應用，也主要集中在流程清晰、標準化程度高的部門，例如 IT維運、知識管理、行銷與銷售等：進一步拆解後會發現，這些使用Agent的場景有一個共同點：結構清晰、流程標準、資料充分、容錯率高。而一旦涉及跨部門協作、複雜流程或高風險決策，Agent往往就會止步於試驗階段。根源也不難理解。麥肯錫在報告中明確指出：部署Agent不是接個API就完事了，而是要重構流程+重塑組織+重訓員工。也正因如此，麥肯錫在報告中反覆強調，Agent熱度雖高，但還遠未量產。多陣列織目前還在試用或“驗證階段，離規模化還有一段距離。AI帶來的更多是“感覺好”，但進帳的還不多如果說AI是企業的新晉員工，那它目前的表現大概是，工作流程順了不少，但月底帳上錢還是沒多出幾位數。首先，麥肯錫報告裡提到，64%的受訪組織都表示自從用了AI以後感覺更有創新力了：也就是說，AI確實給了大家帶來了一種變強了的實感。團隊做事更快了、響應更靈了、開會更少了、腦子更清楚了～但這份好感度尚未大面積轉化為收入增長——僅36%的企業表示盈利能力有所提高，僅33%看到收入增長，而報告中最冷的一項——市場份額提升，僅有25%的企業認為得到了改善。那麼現在AI到底幫企業幹了什麼？從崗位來看，它現在還是在後端環節更能顯出“立竿見影”的降本效果：有40%的組織用AI做知識管理，有34%的組織把AI派去管IT，有26%的組織把應用在軟體工程。而真正“能上分”的業務前線主要集中在三大類：39%的行銷銷售部門用AI寫文案、做內容、找線索，精準獲客提轉化；31%的產品開發團隊依賴AI做版本快速迭代、輔助測試；17%的戰略與財務規劃部門則利用AI做預測建模、算ROI、做預算分析：AI紅利給了誰？不是誰用AI，誰就能吃到紅利。在這波AI浪潮中，普通企業還在“用一用、試試看”，而高績效企業早已殺進了業務流程，把AI用出了真章。只有高績效企業能真正嘗到AI紅利麥肯錫這次報告中，把一類企業單獨拉了出來看：那些能將至少5%的企業EBIT（息稅前利潤）增長歸因於AI，並已在實際業務中實現顯著價值回報的組織，被定義為AI高績效企業。麥肯錫這次把這類企業和拉出來比了一下，結果發現了一個驚人的差異：未來3年，有50%的高績效企業打算推動AI主導的“變革性改變”，而普通企業中這一比例只有14%。更重要的是，這種“變革性改變”不是空口號，而是正在發生的事。在AI真正落地的環節上，高績效員工從從根本上重新設計工作流程的可能性高達55%，約其他人的三倍（2.8×）。相比之下，那些還停留在省點人工、做點報表的企業，可能根本沒觸碰到AI的真正紅利區。麥肯錫合作方專家Tara Balakrishnan也在報告中指出，高績效企業/人才最突出的特徵是野心的高度，他們的AI戰略並不止步於效率提升，而是試圖重塑整個業務模式。在他看來，成本導向思維正在限制AI的潛力，真正能夠規模化使用AI、並持續獲得生產力提升的企業，往往也正是那些把AI當作增長與創新引擎、擁有清晰變革敘事的團隊。當然了，高績效AI組織的成功也並非偶然。麥肯錫從戰略、技術、人才、資料、營運五大維度梳理出近20項AI最佳實踐，結果發現一個顯著差異：AI績效越高的企業，幾乎在每一項實踐上都做得更早、更深入。比如，在戰略層面，高績效企業中有60%已繪製明確的AI路線圖（一般企業的一半）。在組織執行層面，它們不止停留在“用AI試試”的階段，而是主動重寫業務流程，將AI嵌入前線流程與系統，採用敏捷開發模式，追求“快速試錯-持續迭代”的落地節奏。AI紅利並不平均，它更像一場結構性機會，屬於那些願意打破流程重做一遍的人。AI崗正在吃掉所有招聘預算AI正在改寫的不止是企業的業務流程，還有員工的生存邏輯。麥肯錫報告顯示，未來一年內，32%的受訪企業預計員工總數將下降，僅13%預計會上升，多數則認為“總體變化不大”。看似平穩的資料背後，是組織架構的悄然重構：“裁得動的被裁了，裁不動的正在學習AI技能。”被替代的，是重複性強、創造力低的崗位；而被緊急招聘的，是那些能駕馭AI、驅動新能力的關鍵角色：軟體工程師、資料工程師、AI產品經理、Prompt Engineer、AI倫理與合規專家……這些原本“偏技術”的崗位，正從邊角料變成招聘主角。與此同時，企業之間的AI人才分化也越拉越大。大企業在AI相關崗位的招聘比例，是中小企業的兩倍。有資源、有預判的大公司正在加速囤人，而人力緊張的小組織，則被迫經歷一段AI轉型的空窗期。人才結構的變化背後，其實對應著另一個關鍵詞：風險承壓能力。麥肯錫的調研顯示，在所有AI相關的負面後果中，“結果不精準”是企業遇到最多的問題，有30%的組織在過去一年中至少遇到過一次該類風險。其次是“解釋性不足”和“個人隱私問題”。不過，真正令人關注的是另一組資料：在所有AI風險治理行為中，最積極的仍然是那批高績效AI組織。他們在“智慧財產權侵犯”“合規問題”等關鍵風險上，既是遭遇者，也是最早進行防禦部署的群體。這一點，麥肯錫全球高級合夥人Alexander Sukharevsky給出的解釋非常到位：正因為他們用得更深，用得更激進，所以風險也來得更快、更集中。這並不是壞事。這些“高績效組織”通常部署了比其他企業多兩倍的AI用例，意味著他們往往是在關鍵任務場景裡使用AI。比如涉及隱私的資料流、核心業務流程的最佳化、員工、客戶互動的自動化等等,這些環節天然就要求“高風險承受力+高執行效率”。這也給尚在探索階段的企業一個提示：真正高績效的組織，反而是那些目標明確、策略清晰，能在創新中解決問題的團隊。只有當AI被當作“業務變革引擎”而不是“省人工工具”，它才能帶來可衡量的長期價值。更多細節歡迎查看完整報告。報告連結：https://www.mckinsey.com/capabilities/quantumblack/our-insights/the-state-of-ai (量子位)

快問快答！提到培養出全球最多CEO的公司你第一個想到的是：麥肯錫！從麥府畢業成為C-Suite級的大佬數不勝數堪比量產CEO的工廠流水線......01. 全世界「CEO產量」最高的輸送機美國《Fortune》財富雜誌曾經做過這麼一個調查統計，結果發現GoogleCEO、星巴克CEO、迪奧CEO、花旗銀行CEO等47位全球500強企業的CEO都有一個共同點。那就是：都在顧問業工作過。cr.Fortune而在所有顧問公司當中，培養出最多CEO的，非麥肯錫莫屬。根據最新的統計數據，麥肯錫「校友」中有28位目前正在擔任全球財富500強公司的CEO。自麥肯錫成立以來，超過500位校友在全球500強公司中擔任過C-suite職位；超過700人在體量超過3億美元的公司中擔任CEO，更誇張的是，一半年齡超過40歲的校友都已經晉升至C-suite。OnDeck也統計的各公司前員工現任CEO的比例，麥肯錫以7.1%的前員工現擔任CEO的最高比例名列第一。cr.OnDeck從麥肯錫走出來的知名企業CEO不計其數，例如私募Apax Partners的中國區總裁張曦軒，Google的現任CEO Sundar Pichai、Morgan Stanley的CEO James Gorman等。除了數量之多，還有散落領域之廣泛，金融、科技、快消、諮詢等等都是麥府畢業生施展拳腳的行業，這裡就給大家介紹一些從麥肯錫畢業後進入各個領域發展的頂級C-suite大佬們~👉科技Sundar PichaiGoogle/Alphabet CEOGoogle的現任CEO Sundar Pichai，相信大家都不陌生了，但可別理所當然地以為科技巨頭的老總一定是碼農出身。2002年自華頓商學院畢業，Sundar同年進入麥肯錫負責應用材料相關的管理諮詢。Sundar在麥肯錫待的時間不算久，當了兩年諮商師後，2004年跳槽至Google，開始了他的Google「升級打怪」並最終上升至CEO的路。Sheryl Sandberg前Facebook COOSheryl Sandberg可以說是全球最成功的女性之一。為大家所熟知的身份是前Facebook（現Meta）營運長（COO）、第一位當選Facebook董事會成員的女性。但鮮為人知的是她在進入矽谷前那一段8年的政商界經歷。1995年從哈佛商學院畢業後，以世界銀行經濟學家的身份在麥肯錫擔任了一年顧問顧問。👉投行James Gorman前Morgan Stanley董事長Gorman 1982年獲得了哥大商學院的工商管理碩士學位後便加入了麥肯錫，最終成為了麥肯錫的高級合夥人。當時他專門從事金融公司的諮詢，為美林提供了10年的服務。2006年，Gorman加入了大摩，擔任全球財富管理集團的總裁兼營運長。當初因為諮詢顧問的身份，Gorman能力常被大摩員工和管理者質疑，Gorman上位後即刻進行了重大戰略改革，帶領大摩進行了三項重要的大收購，也一躍成為全球最大的資產管理公司之一，同時股價也上漲了兩倍。曾經的質疑者都被Gorman的領導能力和策略所折服。CNBC更是表示，自上任以來Gorman已經完成了華爾街最成功的轉型之一。Jane FraserCitigroup CEOJane Fraser是八大投行中首位女性CEO，四年前的上任歷史性地打破了華爾街頂級投行CEO由男性獨佔的局面。1994 年，Fraser從哈佛商學院畢業後入職麥肯錫，投入金融服務與全球策略工作領域。在麥肯錫的日子裡，她充分發揮自己的專業才能，為眾多客戶提供了極具價值的策略諮詢服務，2000年便成功升任麥肯錫合夥人。2004 年，弗雷澤以客戶策略負責人身份加入花旗集​​團，開啟金融職涯的新篇章。👉快消Laxman Narasimhan前星巴克CEO畢業於華頓商學院的星巴克CEO Laxman Narasimhan，從畢業起就加入了麥肯錫工作了19年，為美國亞洲和印度的零售和消費品公司提供諮詢服務，幫助數百家消費品企業成功轉型。之後在2012年加入百事可樂成為首席營運官，2022年正式成為星巴克CEO，不過他的星巴克CEO的位子只做了16個月，由於2024年星巴克國際收入下降近7%，Narasimhan隨即宣佈離職。Delphine ArnaultChristian Dior CEO不只名校畢業生，「財閥千金」想成為CEO也要進顧問業鍛鍊幾年。迪奧CEO Delphine Arnault出生於全球最大的奢侈品集團——LVMH家族，但她在畢業後的第一份工作不是回家族企業上班，而是加入了麥肯錫當了兩年的諮商師。在麥肯錫時，她成為了時尚和消費品行業的諮詢顧問，為她後續在時尚圈的工作打下了堅實的背景基礎。👉諮詢Andrew Thomas KearneyAT Kearney 創辦人從顧問公司走出來，成為另一家顧問公司的CEO，這樣的事情也屢見不鮮。看到這張黑白照片就明白，Kearney堪稱鼻祖等級的存在。科爾尼是麥肯錫的兄弟公司，也是麥肯錫迎來的第一個對手，這其中還蘊藏著有趣的歷史。科爾尼的創辦人Andrew Thomas Kearney身為會計和預算專家，是麥肯錫最早的創業夥伴之一。他當時負責的是麥肯錫的芝加哥分部，主要從事會計業務；由於不滿紐約分部的虧損，科爾尼一直希望獨立。最終，雙方在1939年達成協議，正式分家：由紐約分部享有「麥肯錫」這個當時並不值錢的品牌並由鮑爾管理，而芝加哥分部則從此以ATKearney的名義對外運作。02. 能進麥肯錫的，就這幾種人！從麥肯錫培養的CEO不難看出其偏好的候選人特質。麥肯錫偏愛所謂的「Alpha型」人才，這類人通常具備強大的領導力，對自己的判斷充滿自信。這種特質也體現在麥肯錫的面試流程中。麥肯錫的員工往往是目標導向極強、工作認真有條理，同時對高標準和嚴謹性有著極致追求的聰明人。麥肯錫非常強調leadership potential領導潛力和personal impact個人影響力，對於候選人也有獨特的偏好👇主動性強是第一要義。在學校有過帶團隊、做專案的leadership經驗一定是加分。眾所周知，麥肯錫是孵化“CEO的搖籃”，這也一定程度上說明對這種創業精神的重視。麥府的員工也常被戲稱為「班長型人格」。能量感和可培養性也很重要。諮商是一個團隊合作的行業，所以在面試時表現地謙遜、願意接受回饋和成長心態的人更容易脫穎而出。麥肯錫並不需要“the smartest in the room”，而是需要能透過自己的工作讓團隊變得更好的人。不完美就是完美。表現最好不一定代表表現“完美”，而是能夠展示自己的思維方式、如何應對不確定性以及在壓力下的臨場表現。做足功課；真正理解、內化麥肯錫的公司文化，也是非常重要的。另外，麥肯錫的有著獨特的專案分配模式。每次專案都可能被分配到不同地方，和不同的人合作。在工作氣氛上也會比其他顧問公司更扁平化，Partner會與Consultants一起討論客戶問題的各種解決方案，這在其他顧問公司不太常見。（WallStreetTequila）

麥肯錫最新發佈的《2025全球材料展望》為礦業圈拋出了一份極具份量的成績單：2024年，全球金屬與採礦業在營收下滑6%的背景下，依然豪取7000億美元利潤。這是近二十年來最強勁的表現之一。但這份亮眼帳本背後，挑戰也在不斷加劇：礦石品位下降、開採條件更複雜、環保和勞工標準愈加嚴格，所有這些都在推高成本、擠壓利潤。報告強調，只有持續在技術、電氣化和數位化工具上投資，才能維持生產率的增長。利潤池正在重組：從煤炭鋼鐵轉向“新三樣”麥肯錫的圖表給出了一幅清晰的畫面：黃金：利潤佔比從10%飆升至18%，增長最快。銅：佔比由9%升至11%，持續走強。鋁：佔比從4%升到6%，穩步增長。鋼鐵價值鏈：佔比從38%降到35%，縮水。動力煤：從27%跌至23%，繼續走弱。其他：從11%降到8%。換句話說，行業的利潤重心，已經明顯從傳統的煤炭和鋼鐵，轉移到黃金、銅、鋁這些能源轉型和避險需求推動的品種上。區域格局：亞洲領跑，歐洲失速在區域分佈上，中國和北美份額上升，歐洲的比重則跌到11%。麥肯錫特別指出：自2000年以來，鋼鐵在總市值中的佔比已從20%腰斬到如今的10%。需求的韌性依舊存在：到2035年，超過一半的增量需求預計來自能源轉型材料。其中，AI資料中心一項就可能在2030年前帶動全球銅需求增加3%。亞洲無疑是未來主角。到2035年，亞洲國家預計將貢獻全球45%以上的需求增長。滿足這一需求，需要：4.7兆美元資本投資270吉瓦新增電力裝機35萬個新增就業崗位四大新趨勢：礦業的“變與不變”與去年的版本相比，麥肯錫報告總結出四大變化：資源民族主義抬頭，礦產戰略性地位更凸顯；AI加速推動材料需求，尤其是銅和關鍵金屬；生成式AI與自動化帶來生產率回升，過去幾年平均每年提升約1%；脫碳放緩，尤其在歐洲鋼鐵業，近三分之一項目被延遲或取消。與此同時，動力煤產量卻創下80億噸紀錄，凸顯能源轉型進展並不均衡。資本市場仍然火熱即使挑戰不斷，資本市場對礦業依舊投下信任票：自2015年以來，股東總回報提升了3.5倍行業市值實現翻番這意味著資本依舊願意為抓住未來增長機會的礦企買單。三大戰略機遇麥肯錫認為，行業領軍者要把握三大方向：開拓新地域和關鍵材料利用AI與自動化穩住生產率推進務實、具成本效益的脫碳報告還提醒：30–50%的超額股東回報來自營運決策。換句話說，未來礦業的贏家不一定是資源最多的公司，而是那些最懂得在複雜環境中保持紀律性增長與創新的企業。編後語從煤炭鋼鐵到銅金鋁，從傳統能源到AI資料中心，全球礦業正在經歷一次深刻的重構。誰能在成本上漲、政策壓力和市場轉型中找到新平衡，誰就能在下一個周期脫穎而出。正如麥肯錫在結尾所說：“金屬與採礦業的成功，將取決於提升生產率並提供可持續解決方案。果斷行動者，將是未來的真正贏家。” (雲兒大宗雜談坊)