美的集团CISO兼软件院长刘向阳：AI时代地基决定高度

在AI领域，一个高频问题是：企业到底该如何拥抱这股浪潮？答案往往很朴实——先别急着追最新的模型和最炫的应用，得看看地基打牢了没有。

一位在世界顶级大学做过十余年计算机科学教授，又在金融科技一线担任过首席科学家，如今在制造业掌舵全球化企业信息安全与软件工程的实践者，给出了他的亲历判断。他带领团队今年做了两件事：一是面向软件研发的AI程序员，能理解PRD、自动拆解任务、生成代码、自主修正，工作能力已接近初中级工程师；二是面向数据的Data Agent，让六千多名业务人员用一句话就能从四十多PB的工业数据中调取答案。以下判断，均源于这两项实践，没有半点纸上谈兵。

判断一：AI要从研发的工具，变成研发的队友

这一轮AI带来的，远不止工具升级，而是软件交付方式的根本改变。这一点，在AI程序员的实践中被最先印证。

传统的软件交付，是业务、产品、开发、测试逐环交接。这套模式运行多年，瓶颈早已清晰：问题不在某个具体环节的效率，而在于整条链路围绕“人”组织。只要依赖人与人之间的交接，沟通损耗、等待和返工就不可避免——这是结构性的，加人加钱解决不了。因此，企业AI转型的正确方向是把链路调整为“人机协同”：人负责意图、判断和把关，繁琐的执行交给AI助手。

“从工具到队友”不是一句口号。AI程序员生成的代码入库率达到49.6%。生成多少行代码意义有限，真正被工程师采纳、合入主干的比例才说明问题。接近一半的入库率意味着，它产出的是能用的工程代码，不是演示用的。一个能把近一半产出真正合进主干的AI搭档，才算得上队友。

判断二：通用模型是基础，让AI懂你的企业才是关键

很多人迷信模型能力，觉得模型越强AI就越有用。但从落地实践来看，通用大模型只是基础，如果它不了解你的存量系统、技术框架和管理规范，落到真实业务里就是不好用。

这几年投入最大的，就是让AI去理解企业自身的业务和系统。AI程序员能做到近50%的入库率，不是因为底层模型比别人强多少，而是因为它与内部系统、代码规范、技术框架彻底打通了。它不是一个聪明的陌生人，而是一个熟悉企业家底的老员工。Data Agent也是同样的逻辑——它让业务人员不用再依赖数据开发，自己用自然语言查数，如今支撑了281个应用场景，数据自助分析的占比从15%提升到了45%。

这背后是一个朴素的判断：AI能不能成功落地，不在模型多聪明，而在于你愿不愿意把最费劲的活做扎实——让AI理解你的业务、打通你的系统、内化你的规范。这些活上不了发布会，但真正决定成败。只投模型、不做业务打通的项目，可以预见在2026年会有不少做不下去。

判断三：先单点做深，再整体协同

做AI交付的节奏是：先单点做深，再整体协同。围绕产品、开发、测试、运维四个环节，分别建设智能体，但要求每一类先在自己的领域里做到真正可用、产生实际价值，再谈彼此衔接。

这个节奏是被现实逼出来的。AI产品经理，把需求评审的会议纪要直接转成PRD、根据描述生成符合规范的可交互原型，现在使用覆盖率接近96%，说明它已经进入产品团队的日常，不是局部试点。AI测试做的是自然语言驱动的UI测试，用自然语言描述意图、AI自主规划执行，现在生成用例232万条，测试覆盖率达到100%。每一个都是先做到扎实可用，才有资格谈端到端。

不少企业一上来就想做“全能AI平台”，结果每个环节都半生不熟，最后什么都落不了地。能力是一个环节一个环节啃出来的，不是一张架构图画出来的。单点立不住，协同就无从谈起。

判断四：转型的难点不在技术，在组织愿不愿意改

做了这么多年，一个愈发笃定的结论是：数智化转型最难的，不是技术能不能实现，而是组织愿不愿意为之改变。

当AI真正成为研发的队友，影响的不只是某个岗位怎么干活，而是整个组织怎么运转。代码近一半由AI生成、业务人员一句话就能查数、会议纪要能自动变PRD——工程师的角色变了，数据开发的定位变了，业务和技术的协作方式变了，权责边界也跟着变。如果流程、分工、绩效不跟着调整，再强的AI也会卡在旧流程里用不起来。

所以转型的难点在管理层的决心，不在技术部门。它要动流程、动权责，甚至动一部分人的既得利益，这才是最难的地方。转型推不动，多数时候不是技术不成熟，而是没下决心借着AI把组织理顺。

判断转型是否成功，就看一条：一线是被推着用，还是抢着用。AI程序员有上万人在用、产品经理有近96%的覆盖率，靠的不是行政摊派，是一线真觉得好用。当用户开始主动提需求、催着你“这个场景怎么还没接进来”，转型才算跑通了。最实在的证明，就是用户离不开它。

结语

2026年值得记住，不是因为哪个模型惊艳，而是因为它是企业把AI从“技术热点”真正做成“组织能力”的一年，也是AI从研发的工具变成研发的队友的起点。

这条路还没走完，很多地方还在打磨。但方向是清楚的：不追概念，把基础打牢，把系统打通，把复杂的问题一件件拆开解决，让AI真正长在业务里。AI不会取代人，但它在重新定义人能做到的边界。这件事不轻松，也不热闹，但值得做，而且必须踏实做。