AI 资讯与研究

Brian Nowak比较算力出租、自有基础设施的模型服务，以及租用算力的模型服务三类业务，认为回报取决于收费能力和每单位硬件的处理效率。节目中的回报率来自情景测算，并非已兑现收益；巨额投入本身也不足以证明投资成功。

摩根士丹利指出，智能体跨系统执行任务后，身份管理需要同时判断访问目的、持续时间与可执行动作，并在运行中持续控制。文章预计这会扩大身份安全市场；市场规模属于分析师预测，不能当成已经实现的需求或安全效果。

高盛整合跨国采用调查与职业就业数据，发现AI暴露程度较高的行业招聘增长偏弱，初级岗位可能承受更大压力；但整体就业影响仍有限。结果主要体现统计关联与模型估计，不能把行业低于趋势的全部就业变化都归因于AI。

Anthropic回顾其平台在2025年12月至2026年8月发现并处置的滥用活动，描述AI参与流程执行、欺诈与监控的案例。报告突出持续监测的重要性。这些是供应商可见范围内挑选的案例，不代表整体发生率，也不意味着人已退出指挥链。

贝恩对951家企业的调查发现，实际节省与投资承诺之间存在落差，许多智能体仍需人工批准或异常接管。作者建议把人工监督、数据接入和流程重设计纳入商业测算。调查及咨询经验提供诊断线索，不能证明单一因素导致项目成败。

贝恩把AI的行业影响拆为生产率提升、新业务创新与竞争份额迁移，并据此分析不同产业的利润池。其4.7万亿美元数字是面向2025—2035年的估算，包含利润创造与转移，不等于已实现的净收益，也不是确定预测。

BCG访问的70名高管中，约半数表示已观察到员工技能退化。作者担心判断、问题定义与创造性思考缺少练习，建议把能力保持嵌入日常工作。这里衡量的是小样本管理者的观察与担忧，不是对员工认知能力下降的直接测量。

BCG AI Radar调查了2,360名管理者，其中包括640名CEO。近四分之三的CEO表示自己是AI的主要决策者。报告强调，AI涉及战略、人才与治理，不能只交给技术部门；投资计划与回报信心属于受访者预期，并非已兑现的收益。

BCG指出，当业务人员直接在CRM中创建智能体，风险会从应用分散扩展到客户数据、定价决策和持续调用成本。文章建议IT建立共享数据架构、权限治理与成本规则，让开发靠近业务。这是治理建议与实践观察，并非已验证的通用部署模板。

BCG讨论用决策智能体汇总跨部门信息、识别数据缺口，并比较不同假设下的方案。其价值主张是帮助管理者更充分地讨论取舍，而非自动替代战略责任。文章属于咨询实践观点，不能据此断言AI已普遍改善董事会决策质量。