访谈 – Unite.AI

2026年9月10日 2026年9月10日

Val Bercovici，WEKA 首席 AI 官 – 访谈系列

作者 Antoine Tardif, Unite.AI 首席执行官兼创始人

Val Bercovici，WEKA 首席 AI 官，是一位专注于推动支撑下一代人工智能技术的 AI 与数据基础设施高管。自 2025 年 1 月以首席 AI 官身份加入 WEKA 以来，他专注于构建 AI 代理基础设施、加速训练与推理工作负载，并提升 AI 计算的经济性。除了在 WEKA 的职责外，Bercovici 还担任 Home Dock 的 AI...

2026年9月10日 2026年9月10日

作者 Antoine Tardif, Unite.AI 首席执行官兼创始人

Thomas Clozel 医学博士，Owkin 联合创始人兼首席执行官——访谈系列

作者 Antoine Tardif, Unite.AI 首席执行官兼创始人

Thomas Clozel, 医学博士是 Owkin 的联合创始人兼首席执行官，这是一家正在革新医疗行业的 AI 生物技术公司。拥有临床研究背景，Clozel 自 2016 年公司创立起就一直领导 Owkin。在他的领导下，公司取得了重要里程碑，包括获得大量融资以及与大型制药公司建立战略合作伙伴关系。他曾是巴黎 Henri Mondor 医院临床肿瘤血液学助理教授，亦曾是 Weill Cornell Medical College Ari Melnick 博士肿瘤实验室的成员。Owkin是一家 AI 生物技术公司，致力于开发自主 AI 系统，以加速生物医学研究和药物发现。公司于 2016...

2026年9月9日 2026年9月9日

作者 Antoine Tardif, Unite.AI 首席执行官兼创始人

Carlos Moreira，SEALSQ 首席执行官兼创始人 – 访谈系列

作者 Antoine Tardif, Unite.AI 首席执行官兼创始人

Carlos Moreira，SEALSQ 的首席执行官兼创始人，是一位在安全半导体、数字身份、电信和新兴技术等领域拥有数十年经验的资深网络安全与数字信任高管。他也是 WISeKey 的创始人、董事长兼首席执行官，WISeKey 成立于 1999 年，并担任 OISTE 基金会的秘书长。在其职业早期，Moreira 在联合国及相关国际组织从事电信、电子安全、电子商务和安全信息网络工作超过 15 年。他的更广泛技术创业包括 WISeSat.Space 和 SEALCOIN，同时还曾在世界经济论坛担任顾问和领导职务，并参与 MIT Media Lab 的全球社区，在那里 SEALSQ 正在探索安全、隐私、量子韧性和以人为本的创新。SEALSQ是一家在纳斯达克上市（股票代码 LAES）的公开交易半导体与网络安全公司，专注于保护连接设备和数字基础设施免受传统以及新兴量子威胁。公司开发安全微控制器、安全元件、基于 RISC‑V 的安全平台、公钥基础设施（PKI）、设备供应和数字身份技术。其不断扩展的后量子产品组合将 NIST...

2026年9月8日 2026年9月8日

作者 Antoine Tardif, Unite.AI 首席执行官兼创始人

Rusty Wiley，Datasite 首席执行官兼总裁——访谈系列

作者 Antoine Tardif, Unite.AI 首席执行官兼创始人

Rusty Wiley，Datasite 首席执行官兼总裁，自 2014 年起领导公司，监督其从主要专注于金融沟通和印刷服务的 Merrill Corporation 转型为专注于并购（M&A）和战略交易的全球软件即服务（SaaS）公司。在加入 Datasite 之前，Wiley 在 IBM 工作超过七年，担任银行与金融市场总经理以及合伙人，积累了在金融服务、企业技术和业务转型方面的丰富经验。Datasite 是一个全球技术平台，旨在支持并购全生命周期中的交易方，包括交易寻找、准备、尽职调查、融资、重组以及交易后流程。其平台将安全的虚拟数据室与专为此打造的人工智能功能相结合，涵盖自动编辑、语义搜索、文档摘要、翻译、AI 辅助问答以及交易发起情报。Datasite 表示，其技术每年支持超过 626,000 名交易方和 16,000 笔交易，为投资银行、私募股权公司、企业和律所提供安全的环境，以管理复杂交易和敏感信息。您于 2014 年加入 Datasite，之前在 IBM 负责银行与金融市场，随后帮助将 Datasite...

2026年9月8日 2026年9月8日

作者 Antoine Tardif, Unite.AI 首席执行官兼创始人

Marc Fernandez，Neurologyca 首席战略官 – 访谈系列

作者 Antoine Tardif, Unite.AI 首席执行官兼创始人

Marc Fernandez，Neurologyca 首席战略官，拥有超过二十年的技术战略和业务发展经验，涵盖人工智能、前沿技术、消费电子和人机交互等领域。在 Neurologyca，他专注于人类情境 AI 的战略与商业化，该技术旨在帮助 AI 系统解读压力、信心和参与度等信号。 Fernandez 之前曾担任 Pearl 的首席执行官，这是一款以 AI 为导向、聚焦软技能和职业发展的平台，并在 ALIVE Ventures 担任驻场企业家，专注于老年技术。此前，他在 OPPO 负责美国战略，聚焦包括 AI、Web3、区块链和移动操作系统在内的下一代技术，并在 Emerge、Denizen、SweetLabs、Movella 和 X‑Rite/Pantone 担任高级业务发展职务。...

2026年9月3日 2026年9月3日

作者 Antoine Tardif, Unite.AI 首席执行官兼创始人

Nitin Seth，《AI时代的人类优势》作者 – 访谈系列

作者 Antoine Tardif, Unite.AI 首席执行官兼创始人

Nitin Seth，《AI时代的人类优势》一书的作者，是全球商业领袖、企业家及畅销书作者，专注于技术、人工智能与组织转型的交叉领域。他是Incedo Inc的联合创始人兼首席执行官，这是一家数字、数据与人工智能服务公司，拥有近三十年的领导经验，曾任Flipkart首席运营官、Fidelity International印度区董事总经理以及麦肯锡公司董事。Seth毕业于德里印度理工学院和勒克瑙印度管理学院，还著有《赢在数字时代》和《掌握数据悖论》，《AI时代的人类优势》构成了他关于数字转型、数据和人工智能的三部曲。《AI时代的人类优势》围绕人工智能快速发展所引发的核心问题展开：随着机器在推理、创造和决策方面日益强大，哪些品质仍能让人类保持优势？本书并非单纯聚焦人工智能技术，而是融合了人工智能、领导力、现代心理学以及东方哲学的洞见，探讨问题解决、适应性、韧性、使命感、同理心、领导力和创业精神等特质。书中核心是Seth提出的POSSIBLE框架——一个八维模型，帮助个人在职场和社会变革中强化独有人类能力。作者认为，在AI时代取得成功不仅需要掌握日益强大的技术，更要培养与之互补的人类特质。您的职业生涯横跨咨询、金融服务、电子商务、创业和技术领导。回顾这些不同的环境，哪些经历对您今天的领导力和组织转型思考影响最大？我珍视每一次经历，因为每一次都塑造了我、挑战了我，并促使我成长。每一家我工作过的公司、每一个我帮助打造的组织，都教会了我不同的东西。每段经历都有其独特的教训，正是这些教训汇聚成了我今天的思考方式和组织领导方式。1996年，我在麦肯锡公司开启职业生涯，学习了问题解决的艺术、卓越客户服务的重要性以及长期视角的价值。随后在印度建立麦肯锡全球知识中心，使我进一步体会到创新者和企业家的思维与行动方式。最初的研究支持部门逐步演变为世界级创新中心，这一过程强化了我始终坚持的信念：只要拥有合适的愿景、文化和成长机会，突破性创新可以来自任何地方。随后在Fidelity International，我负责在技术变革的关键时期进行战略与转型，从投资管理主导的模式转向技术驱动的模式。这段经历进一步印证了业务与技术密不可分的道理，也让我深刻体会到在大型全球组织中进行转型时，传统思维和组织惯性往往比技术本身更具阻力。我的下一站是Flipkart，担任首席运营官。那里的节奏异常紧凑，模糊性始终存在，挑战巨大，传统的管理手册往往失效。这段经历让我认识到实验、适应以及比市场更快学习的重要性。它还教会我在结构化不足的环境中快速、果断决策的必要性，也让我能够在高速增长、激烈竞争的市场中生存并壮大。这些章节最终促成了Incedo的创立。我们围绕一个简单的信念搭建公司：组织在技术上投入巨大，却很少能够将这些投入转化为有意义的业务成果。我们的使命就是弥合这一鸿沟。归根结底，所有经历都验证了一条基本真理：每一次突破性成功背后，都有推动边界、释放潜能、实现曾经看似不可能的持久人类精神。我们的最大优势在于那些算法无法复制的独有人类特质。而正是这些特质帮助我们在变革中航行、在其中茁壮，并加速个人与集体的进步。在您新书《AI时代的人类优势》中，您指出成功取决于在人类能力与日益强大的技术并行发展。是什么促使您在此时写下这本书？您希望读者从中获得的核心理念是什么？我的第一本书聚焦数字，第二本聚焦数据，所以第三本自然会围绕人工智能展开。但在写作过程中，我意识到这本书不会仅仅是另一部技术或商业类著作。人工智能不再是单纯的技术突破，它正在重塑人类的定义。当机器开始以更具人性的方式推理、创造和交互时，真正的问题不再是人工智能本身，而是人类的未来。我觉得这是必须讲述的故事。一次与妻子Arpna的对话让我想法更加清晰。她建议说，如果我对这个主题如此执着，就应该为我们的孩子写这本书——帮助他们理解这场变革对他们这一代意味着什么。这个视角塑造了我的思考。这本书是我对他们将要继承的世界的探索，同时也为任何想在AI时代自信而有目的地前行的人提供实用指南。通过本书，我希望把讨论从恐惧转向可能性。我强烈感受到需要为关于人工智能的极端论调提供平衡，超越单纯的乐观或恐慌。与其问“人工智能会取代我们吗？”，我认为我们应该问“在AI时代，我们如何成为最好的自己？”技术会继续演进，但我们最具竞争力的优势在于强化那些让我们深具人性的特质：判断力、创造力、同理心、勇气、领导力、品格以及赋予意义的能力。因此，这本书并不是关于人工智能的书，而是关于AI时代人类潜能的书。结合我在麦肯锡、Fidelity、Flipkart和Incedo的经历，以及永恒的智慧传统，我希望打造一本帮助各行各业人士在变革中保持自信而非焦虑的实用指南。如果只能让读者记住一个核心理念，那就是：AI时代既是机遇也是挑战。停留在舒适区的人将被深度颠覆，甚至被边缘化；而那些持续学习、适应并突破熟悉边界的人，将迎来前所未有的再造与成长机会。通过强化那些算法无法复制的独有人类特质，我们可以利用这一时刻不仅跟上变化的步伐，更能加速个人和集体的进步。拥抱这种思维的人不仅会在AI时代生存下来，更会因之而繁荣。本书提出了POSSIBLE框架，涵盖问题解决、开放性、灵性、体育、影响、平衡、领导力和创业精神。您是如何选定这八个维度的？为何要加入灵性和体育等在传统AI或管理框架中少见的领域？POSSIBLE框架的起点是我不断自问的一个问题：如果人工智能在我们曾认为只有人类才能完成的任务上变得更好，什么仍能让我们与众不同？思考越深入，我越意识到这关乎重新发现“原始人”时代赋予我们的永恒人类品质，这些品质帮助我们在每一次变革中适应并繁荣，同时也在扩展我们的意识，以解锁“超人”层面的更高智力、创造力和智慧。我把新的人类优势视为“原始人”与“超人”的交叉点。结合三十多年的个人与职业经历，我发现对我影响最大的时刻往往与技术本身关系不大，而是与培养这些持久的人类能力息息相关。这些反复出现的教训最终凝结成了POSSIBLE的八个维度。Problem‑solving体现了我在麦肯锡学到的结构化思考，这一学科在我整个职业旅程中始终指引着我，包括打造并扩张Incedo。对变化的开放态度源自我在不同行业和技术浪潮中不断自我重塑的经历。 Impact源于我认识到成功最终不是为自己取得了什么，而是我们改善了多少人的生活。 Balance来源于我不断在看似对立的力量之间平衡：战略与执行、创新与效率、雄心与福祉、物质成功与内在满足。我的经历——从麦肯锡早期到领导Fidelity和Flipkart的高速增长组织——都强化了我对 Leadership的理解：它是为更大使命贡献、主动承担、负责并帮助他人成长的过程。 Entrepreneurship则来源于从零搭建麦肯锡知识中心、创办Active Karma以及创立Incedo的经历。是的，Sports在一个关于AI时代繁荣的框架中看似不搭，但我相信它是人类卓越的最有力老师之一。体育塑造了我少年时期的自信，教会我团队合作、纪律和韧性——这些品质贯穿我的领导生涯。虽然人工智能可以自动化任务、优化决策，却无法培养毅力、品格或在逆境中坚持的决心。体育正是培养这些在持续颠覆的世界中日益重要的特质。同样，Spirituality常被误解。它并非逃离世界，而是更有意识地参与世界。在实践层面，灵性是一种向内的旅程：寻找并连接更深的自我。它是自我觉察的基石，而自我觉察又是稳健领导的根基。自我觉察一直是我通过早年冥想练习保持专注、韧性和活力的锚点。灵性也是创造力的解锁器。它拓宽视野，帮助我们看到更大的图景，使小我转向大我。我已练习“生活的艺术”二十余年，冥想已成为日常生活不可分割的一部分。它帮助我在剧变中保持脚踏实地，同时拓展视野。在AI时代，变化无情且模糊，灵性是内在的锚，让我们在使命感中扎根，构建韧性，并在不确定中保持清晰和平衡，从而蓬勃发展。人工智能系统正变得愈发擅长推理、生成创意作品以及模拟同理心。您认为哪些人类特质能够在机器面前保持持久优势，而不是仅仅因为AI尚未掌握而占优势？我认为人工智能可以提供速度、规模和智能，但它无法取代人类的判断、使命感或价值观。随着AI能力提升，真正的区分点将是那些永恒的人类能力，如创造力、问题解决、韧性、领导力以及构建有意义关系的能力。这些能力可以归纳为我所称的3Cs：Context（情境）、Creativity（创造力）和Connection（连接）。AI或许能解决70%‑80%的问题，但剩余的20%‑30%——真正产生差异的部分——来自这些人类优势。Context赋予意义，支撑稳健判断，使我们能够将知识应用于真实情境。短期到中期应优先培养深度情境理解，以便与AI协同工作。Creativity让我们想象尚未存在的事物，挑战假设，创造全新可能。随着AI日益自动化现有工作，培养创造力将成为我们的中长期优势。Connection——通过同理心、关怀、共享经验和协作建立信任的能力，可能是最持久的人类优势。它使我们能够激励他人、构建强大的团队和社区，并实现单个个体或机器无法独立完成的目标。这不仅是未来的能力，更是永恒的人类优势，必须持续培育。三者共同作用，不仅在AI时代保持相关性，还将变得更加宝贵。许多专业人士明白适应性、判断力、创造力和韧性的重要性，却难以有意地培养它们。书中有哪些实际练习或习惯可以在未来90天内显著强化个人的人类优势？是的，越来越多的专业人士认识到适应性、判断力、创造力和韧性将在AI时代成为决定性能力。但这些特质并非通过两天的研讨会或几本书就能学会。推动持久变革的根本在于先强化自我，因为真正的转型始终源自内部。要引领他人变革，首先必须建立身体、心智和情感的韧性，以亲身应对变化。这从身体开始。健康的体魄是能量、韧性和纪律的源泉。缺乏它，其他一切都变得更难。因此，体育活动必须成为日常不可谈判的一部分。我打壁球、每周练瑜伽三次，并每周跑步三到四次，这些都是我为应对日益苛刻世界所做的体能投资。拥有健康的体魄之外，还需要健康的心智。若身体再强壮，若心智被压力、分心或恐惧所蒙蔽，又有何用？心智健康同样需要刻意练习。对我而言，冥想是培养韧性、安静噪音、拓宽视野并激发创造力的方式。同样重要的是保持智力好奇。我每天都会抽出时间，即使只有几分钟，广泛阅读、探索跨领域的想法，并尝试新的思考方式。好奇让思维保持敏捷，持续学习让其不断成长。除了身体和心智，坚实的个人锚点也至关重要。家庭始终是我的重要支柱。在职业压力和持续变革中，与家人共度有意义的时光让我保持脚踏实地，获得视角，并提醒我真正重要的事。稳固的人际关系提供了稳定感和归属感，帮助我们在变革中保持中心、韧性和锚定。归根结底，贯穿始终的线索是坚持。没有任何练习能在一夜之间见效。但如果有意识地坚持90天，这些练习会转化为习惯。你会注意到：学习更快、思考更清晰、从挫折中恢复更迅速，并对不确定性更从容。更重要的是，你不再被动应对变化，而是主动塑造它。这对我而言，就是构建人类优势的本质：持续强化那些让我们能够与AI协同工作、在变革中领航并创造未来的独有人类能力，而非仅仅适应它。随着AI代理在企业中获得更大自主权，领导者应如何判断哪些决策可以交由机器，哪些决策必须保留有意义的人类判断和问责？将决策委托给AI代理本质上是一个信任决策。支配人类的信任原则同样适用于代理。信任不是理所当然的，它必须通过证据而非假设来获得。扩展AI代理角色时，同样的原则应当适用。先从有限权限开始，让代理通过一次次经验证的决策赢得更大自主权，依据可衡量、已证明的可靠性来评估。代理能够获得的自主程度应主要取决于后果的严重性、是否可逆、以及所需判断的深度。换言之，代理不应默认获得信任，而是必须通过证据逐步赢得，并始终保留收回信任的能力。此外，正如我们对人有信任圈层，对AI代理也应设立分层信任。代理必须先从低风险任务开始，在这些任务中AI可以自信使用。下一层是判断与协作，AI可以解释、推荐并挑战思考。进入内部信任圈需要证据，表明代理能够通过一致的表现、可衡量的可靠性和稳健的决策来赢得并维持信任。即使我们信任，也仍需验证。涉及安全、金钱或伦理的高风险决策不能仅依赖AI，需要透明度、验证、治理、问责以及有意义的人类监督。话虽如此，这并不意味着信任是一次性评估。它必须通过持续评估、实时可观测性、审计轨迹和验证来不断维护。我们需要了解的不仅是代理过去表现如何，更要确认它在当前是否可靠，以及其行为是否仍在我们设定的边界内。本质上，信任必须是可获得、可分级且可撤销的。决策越具后果性、不可逆、需要高度判断或难以争议，所需的证明阈值就越高，人类问责应始终保持在环路中。常规、可逆的决策可以获得更大自主权，而高影响行动应仍留在人类批准的门槛内；若代理表现恶化，应立即降低其自主权。归根结底，扩展代理式AI并非放弃控制，而是仅在证据充分时才扩大信任。您曾指出，当领导者在未重新设计工作的情况下引入AI时，就是对员工的失职。负责任的工作重新设计在个人角色、团队结构、绩效衡量和职业发展方面应如何落地？负责任的工作重新设计首先需要从根本转变：从“利用AI让现有工作更快”转向“围绕卓越成果重新设计工作”。因此正确的问题不是“我如何自动化这份工作？”而是“如果从第一性原理重新设计这份工作，并让AI成为劳动力的一部分，人才会有什么不同的表现？”软件是一个有力的例子。随着开发生命周期中越来越多环节实现自治——从代码生成、测试到部署与迭代——开发者的角色向上游转变：从把需求转化为代码，转向理解模糊的业务问题、提出正确的问题、挑战假设并塑造解决方案。这需要一套不同的能力：问题解决、系统思维、产品直觉以及协调AI的能力。2025年对前置部署工程师需求的800%增长正是这一转变的体现。随着软件从后台执行功能转向前线价值创造和竞争优势的驱动者，技术人才现在需要在客户问题、产品思维和执行之间交叉工作。随着角色变化，组织结构也必须随之改变。当AI大幅降低执行成本和时间时，大团队、狭窄专精和多次交接的模式变得不再合理。我们将越来越多看到更小的、多学科的“pod”，将产品、工程、设计和领域专长结合在一起，并拥有从创意到成果的自主权。人才模型也必须演进。入门层面，公司应更倾向于招聘好奇心、创造力、第一性原理思维、适应性以及与AI协作的能力。中层则更看重领域专长，因为人们必须判断AI是否在解决正确的问题并将业务引向正确方向。绩效衡量也应从活动（如节省工时）转向业务成果：更快的上市时间、更高的质量与决策、更少的错误、收入增长以及更低的服务成本。职业晋升应奖励判断力、问题解决、成果所有权和价值创造，而非资历或年限。归根结底，负责任的工作重新设计并非用AI取代人或将AI塞进过去的岗位，而是让机器承担其最擅长的事务，让人专注于人类最擅长的——定义问题、运用判断、创造、共情和领导。做好这点，AI不仅会提升工作效率，更会提升工作本身以及最终成果的质量。本书将自我觉察、价值观和内在清晰度视为日益重要的领导力能力。组织如何在不沦为空洞企业语言或表面化健康计划的前提下培养并评估这些特质？组织不能仅靠偶尔的健康项目或励志价值宣言来培养自我觉察。这些能力必须通过刻意练习并在文化中得到强化。在人工智能驱动的世界里，领导者面临持续的模糊性、压缩的决策周期和信息超载，判断力成为战略能力。而良好的判断力始于自我觉察：了解自己的价值观、偏见、优势、情绪和使命。因此，组织需要像对待技术和职能能力一样，对内在发展投入同等严谨。首先要制度化为反思留出空间，而不是任其偶然出现。鼓励领导者定期预留时间进行日记或引导式反思。领导力反思会议、正念与冥想、执行教练、同行学习圈以及结构化的事后评估应成为领导力发展的组成部分。这帮助他们发现盲点、挑战根深蒂固的假设，并建立应对日益复杂局面的能力。在Incedo，我亲眼见证了正念文化的力量。最初为领导团队举办的正念与冥想工作坊，已发展为与“生活的艺术”基金会的深度合作。Incedo India的新员工在入职后不久会接受基础的呼吸与冥想培训，随后全年定期进行复训。这使正念不再是一次性干预，而是嵌入工作与领导方式的持续实践。我们计划将同样的实践推广到美国团队。但这仅是起点。组织不应仅衡量员工是否参加了正念课程或完成了健康课程，而应将这些特质融入领导者的思考、决策和行为方式。组织因此应在重大决策、重要项目结束以及领导评审前后，常规性地设立有意识的停顿，让反思成为运营节奏的一部分，而非员工的个人时间。此外，这些能力应通过可观察的行为来评估。与其尝试通过调查或心理测评来衡量自我觉察，组织应通过可观察的领导行为来评估。关键在于这些特质是否体现在领导者的思考与行动上：他们是否在复杂情境中始终展现稳健判断？是否能在不走极端的情况下平衡竞争优先级？是否在重要决策前主动寻求多元视角？在不确定时期是否保持冷静、居中且具韧性？最重要的是，他们的行动是否始终与所宣称的价值观保持一致？这些行为比参加健康项目或完成领导评估更能提供自我觉察和内在清晰度的实质性证据。本书强调，这些内在能力之所以重要，是因为它们转化为更明智的决策、更强的韧性和更有效的领导力。发展人类优势的理念将巨大的自我再造责任放在个人身上。雇主、教育机构和政府应承担哪些义务，以确保受AI影响的员工能够获得切实的适应机会？教育机构可能承担最大的责任，因为它们塑造了将进入被AI根本改写的经济体的人才。随着AI削弱了例行知识工作的价值，教育不能继续为学生准备昨日的岗位。它必须从培养求职者转向培养创造者，早期就培养适应性、创造力、问题解决和创业能力。这需要对教育机构本身进行重新思考。大学和学校必须成为生态系统的创造者，将创业精神嵌入课程，使课堂成为微型孵化器，让学生解决真实问题、测试想法、构建原型，并通过实验和失败学习。但这不能仅局限于学术殿堂。机构必须通过与产业、初创企业、技术公司、导师、孵化器和风险网络的深度合作，将学生直接接入更广阔的创新生态系统。以AI为中心的实习和真实项目可以弥合学习与实践之间的鸿沟。教育体系最终应从为现有岗位输送人才，演变为为创造新岗位提供跳板，让人们拥有在AI驱动的经济中持续再造自我的技能、曝光、网络和信心。雇主同样承担着直接且迫切的责任，因为他们掌控着工作本身的重新设计。错误的做法是把AI仅视作另一场再培训的工具。人们需要了解的不仅是如何使用AI，更是自己的角色如何变化以及需要成为怎样的人。随着AI代理承担更多例行执行，人的工作必须更多地上升到框定问题、运用判断、想象下一步的层面。组织因此应更像创业工坊，而非执行计划的层级结构，鼓励员工识别机会、实验、构建并创造价值。领导者还应确保这种转型不是自上而下的命令。必须识别能够在各层级推动变革的变革推动者。中层管理者是连接高层愿景与基层实际工作的关键传导层，而早期采用者则验证新模型并带动他人。当使命明确、能力已建、且人们拥有再造自我的机会时，转型就会成为员工参与的过程，而非被动接受的改变。最后，政府必须成为构建AI赋能创业经济的催化剂，打造AI赋能生态系统。政府的角色远超监管AI，它在于创造让数百万公民成为创新者、建设者和价值创造者的条件。这需要构建一个稳健的AI赋能生态系统，使人们能够民主化获取负担得起的高性能计算、可信的公共数据集、标准化的AI模型以及开源工具，供创业者快速构建。同样重要的是扩大对创业的渠道、提供耐心资本、搭建导师网络、创新中心以及AI沙盒，同时简化监管路径。目标不仅是帮助员工适应AI驱动的颠覆，更是赋能他们在医疗、农业、教育、金融服务等领域创造下一代AI驱动的解决方案。您认为AI时代需要以使命、平衡、影响和人类成长为核心的更广义成功定义。到本十年末，哪些指标能显示组织不仅提升了生产力，还让其员工和领导者更有能力、更有满足感且更具韧性？到本十年末，我认为最重要的指标是AI是否扩展了人类能力，而非仅提升组织产能。最直观的成功标志是组织已经从把AI当作生产力工具转向真正的AI原生（AI‑Native）状态。AI不再是业务边缘的自动化工具，而是深度嵌入企业运营、决策、客户服务和价值创造的方式。但如果组织在用更少的人实现两倍产出时，人类的判断力和创造力却在削弱，使命感变得模糊，社会不平等加剧，地球可持续性恶化，我仍会对其成功持保留态度。我会关注三个信号。第一，人类是否在上升并进化？AI是否提升了人的能动性，使其从单纯提升效率转向实现更大潜能？信号很简单：更高的产出和更多的创新。随着AI接管例行执行，人们应将更多时间投入到人类价值最高的领域——解读复杂性、运用判断、构建关系、解决有意义的问题以及想象新可能。这正是我所说的“人类上升至环路之上”。第二，企业是否在价值曲线上上移，交付更佳成果？对企业而言，更佳成果体现在三方面：更快增长、更高盈利和更高员工满意度。AI最有力的衡量之一是个人或小团队能够完成的工作量提升多少。创意与其影响之间的距离应显著缩短。AI应赋能全企业更多人成为创造者、问题解决者和创新者，从而帮助组织解锁新价值来源和指数级增长。这正是人类上升至环路之上的本质：人类成长，企业成长，二者相互推动。第三，社会是否正经历更广泛且可持续的增长？AI时代最大的风险之一是其收益仍然局限于少数人。真正的成功衡量在于AI是否能够民主化机会、赋能社区并在规模上释放人类潜能，同时确保增长对地球可持续。归根结底，考量已超越生产力。人类是否在成长？组织是否在创造更多价值？社会是否在更广泛且可持续地进步？这些正是我们在本十年末评估AI时代真实成功的指标。感谢这次精彩的访谈。想进一步了解的读者请阅读《AI时代的人类优势》一书。

2026年9月3日 2026年9月3日

作者 Antoine Tardif, Unite.AI 首席执行官兼创始人

Bing Xu，INT21 创始人兼 CEO – 访谈系列

作者 Antoine Tardif, Unite.AI 首席执行官兼创始人

Bing Xu，INT21 的创始人兼 CEO，是一位在 GPU 优化、机器学习系统以及自主 AI 代理方面拥有深厚经验的 AI 基础设施工程师和企业家。在 2026 年创立 INT21 之前，徐曾在 NVIDIA 担任杰出工程师，致力于基于代理的软件开发，并打造了多代编码代理，包括 VibeTensor 和 AVO 背后的工作。NVIDIA 收购他创立并担任 CEO 的 GPU 推理初创公司 HippoML...

2026年9月2日 2026年9月2日

作者 Antoine Tardif, Unite.AI 首席执行官兼创始人

Tim Hudson，OpenSSL Corporation 总裁 – 访谈系列

作者 Antoine Tardif, Unite.AI 首席执行官兼创始人

Tim Hudson 是 SSLeay 的共同作者，也是 2026 年 10 月 13-15 日在布拉格举办的 OpenSSL Conference 的组织者之一。他在系统和网络安全领域拥有超过 30 年的经验，现任 OpenSSL Corporation 总裁兼 Cryptsoft Pty Ltd 首席技术官。自 1995 年起，他的工作包括与 Eric Young...

2026年9月2日 2026年9月2日

作者 Antoine Tardif, Unite.AI 首席执行官兼创始人

Ankur Dhingra，ProHance CEO – 访谈系列

作者 Antoine Tardif, Unite.AI 首席执行官兼创始人

Ankur Dhingra，ProHance的CEO，是一位拥有二十多年领导经验的技术与运营高管，跨足企业生产力、金融服务和全球业务运营等领域。自2020年起他领导ProHance，专注于构建统一平台，用于观察、治理和提升人类员工、供应商以及AI系统的生产力。成为CEO之前，Dhingra曾是FutureIP的合伙人，在此期间开发了ProHance作为运营管理和分析平台。此前，他在美国运通工作超过八年，担任全球后台运营副总裁兼总经理，曾领导包括大规模电话、聊天、合规和业务保障等在内的客户互动运营。他的职业生涯还包括在Genpact的高级领导职务，管理拥有1100名员工的银行业务部门和3500万美元的损益，以及在GE Capital领导印度的金融服务运营。ProHance是一家企业劳动力情报与生产力分析公司，为组织提供对员工、外部供应商、AI副驾驶和自主代理执行工作方式的实时可视化。其平台定位为“Productivity Control Room”，融合劳动力分析、容量规划、智能工作分配、生产力衡量和治理工具，帮助企业识别运营瓶颈、优化资源利用率，并了解AI对组织绩效的影响。ProHance称其技术已被55个国家的220家企业、超过450,000名用户使用，应用范围涵盖银行与金融服务、业务流程外包、全球能力中心、医疗保健和信息技术。在成为ProHance的CEO之前，您在GE Capital、Genpact和American Express领导大型运营超过二十年。这些经历教会您传统劳动力和生产力管理的局限性是什么？这些教训如何塑造您为AI优先的企业构建ProHance的方式？我在GE Capital、Genpact和American Express的经历让我认识到，传统劳动力管理中最大的一些缺口并不一定在前端，而是出现在后台。在American Express，我最初在客户服务部门工作，呼叫中心拥有相当先进的技术来衡量生产力——包括人员时间分配、利用率、交互量以及流程优化的可能性。但当我转而负责后台运营时，看到的现实截然不同。大型企业中有大量工作在幕后进行——交易处理、案件管理、数据录入以及其他流程驱动的活动——但对这些工作实际完成情况的有意义度量却寥寥无几。前端拥有的技术和可视化手段根本没有延伸到后台。我几乎痴迷于这个问题。我开始审视现有技术并与业内成熟厂商交流，但发现它们要么笨重、要么昂贵，甚至根本不是为后台运营的实际情况而设计。我一直在想：这是一项超过1500亿美元的产业，这个问题已经存在多年，肯定有人能够提供更好的解决方案。这种寻找最终把我带到了ProHance，Rajesh Sharma和Kishore Reddy（ProHance的联合创始人）已经构建了能够解决我所识别的许多挑战的技术。我清楚地知道技术需要实现的目标——自动捕获活动、跨不同操作系统工作、同时衡量系统内外的时间，并提供对实际工作情况的可靠视图。这些经历塑造了我今天对ProHance的思考。关键在于，不能仅仅在现有的劳动力管理工具上叠加AI来构建AI优先的企业。首先必须对工作本身有可靠、细粒度的理解。随后AI才能在分析、优化乃至重新设计工作方式上发挥作用。对我而言，ProHance的使命是将企业在前端长期拥有的可视化与智能水平，扩展到整个组织，并利用AI获得更精准的生产力衡量，从根本上提升工作方式。随着生成式AI和AI代理在知识工作中占据越来越大的份额，传统的生产力信号如工作时长或应用使用率可能变得不再重要。当人类在30分钟内完成过去需要数小时的工作时，企业应如何重新定义生产力？生产力必须从衡量活动转向衡量结果。如果AI让某人在30分钟内完成原本需要三小时的任务，那么三小时的基准已不再适用。关注点应放在实现了什么、结果的质量以及时间和技能的使用效率上。这也意味着企业需要辨别AI真正消除重复性工作的场景，以及哪些环节仍然需要人类判断。生产力应更多地反映结果、容量、质量和业务影响，而不是坐在桌前的工时或应用使用情况。您曾描述劳动力情报在AI优先的企业中变得日益关键。实际工作中，“劳动力情报”到底指的是什么，它与历史上企业使用的员工监控和劳动力分析工具有何区别？劳动力情报本质上是为组织提供对工作实际发生方式的更清晰认知。它将工作负荷、容量、利用率、流程和结果等信号汇聚在一起，帮助领导者识别团队压力点、潜在容量以及工作卡点所在。这不同于传统的员工监控，后者往往聚焦于个人的具体活动。劳动力情报应在更宏观的层面运作。目标不是问“这个员工每分钟在干什么”，而是问“整个组织的工作流如何，以及我们可以如何改进它”。ProHance正日益将确定性的劳动力数据与机器学习相结合，以生成预测洞察，包括识别潜在的脱离感和保留风险。您如何确保这些AI模型能够区分有意义的模式与员工行为的正常波动？在管理者对人员做决策时，可解释性有多重要？在ProHance，我们认为底层数据的质量和上下文至关重要。员工行为会因项目、工作负荷、团队、季节和业务周期而自然波动。单纯的活动变化并不一定意味着脱离感或保留风险。我们的做法是跨多个信号并随时间观察模式，而不是依据单一行为得出结论。AI可以帮助识别可能需要关注的模式，但它不应成为最终的决策者。可解释性同样重要。如果系统标记出潜在风险，管理者应能够了解该信号背后的因素，并自行判断。当技术用于对人员做决策时，透明度和人工监督是必不可少的。当组织引入能够分析工作模式、应用使用、空闲时间或绩效的技术时，员工往往会产生担忧。企业应如何在获取有用的运营可视化与营造监控文化之间划定界限？界限主要取决于意图、透明度以及数据的使用方式。若技术在未明确说明测量内容和目的的情况下被引入，员工自然会感到不安。目标应是了解组织和运营层面的工作情况，而不是持续盯着个人。如果劳动力数据能够帮助识别工作负荷过重、瓶颈或低效流程，它实际上可以提升员工体验。企业也应明确自己不想做什么。技术应帮助管理者与团队进行更好的对话，而不是取代这些对话或构建持续监视的系统。AI副驾驶和自主代理正日益成为劳动力的一部分。您是否认为劳动力情报平台最终需要同时衡量人类和AI代理的生产力？如果要衡量，人机协同的生产力指标应是什么样的？是的，我认为这将变得越来越重要。随着AI代理承担工作流的部分环节，仅衡量人类活动会让企业对工作完成情况的认知不完整。但我并不认为会出现单一的“人类对AI”生产力得分。更有价值的做法是了解人在工作流中、AI工具和代理共同产生的整体产出。企业可以关注AI为重复性任务节省了多少时间、流程推进的速度、结果质量以及仍需人工介入的环节。关键问题转变为：人类与AI的协作效率如何？ProHance提到要从原始的生产力测量转向运营情报，包括工作负荷分析、预测、流程优化和资源分配。未来该领域将有多少比例是AI主动推荐管理者应做何种改变，而不是仅提供仪表盘？我认为这正是ProHance看到的行业方向。仪表盘固然有用，但仍然把解释信息和决定下一步行动的责任交给管理者。下一阶段的平台应能够识别模式并帮助回答“我们该怎么做？”这可能意味着突出负荷过重的团队、发现未被充分利用的技能、预测容量缺口或建议流程改进点。对ProHance而言，价值将越来越体现在从可视化走向行动。AI应帮助管理者做出更佳决策，同时保持最终决定权在了解业务和情境的人员手中。您将生产力情报比作组织的年度健康报告。高管们应关注哪些关键信号，以判断其劳动力是否真正健康、富有生产力，并成功适应AI？我会关注多项信号的组合，而不是单一的生产力数字。容量和工作负荷是显而易见的起点，但高管还应了解工作分配是否有效、瓶颈是否出现、团队对AI的适应情况以及人员是否在低价值活动上花费过多时间。另一个重要信号是可持续性。若团队因持续超负荷而交付卓越产出，这并不意味着长期健康或高生产力。健康的劳动力应是容量、工作负荷和结果相对平衡，员工有空间专注于更高价值的工作，组织能够随工作性质的变化而灵活调整。“生产力”在许多员工眼中已产生负面联想，因为它暗示用更少的人完成更多工作。组织如何重新定义这一概念，并利用AI驱动的生产力情报提升员工体验、减轻倦怠、剔除低价值工作，而不是单纯提升产出？组织需要摆脱将生产力仅定义为“更少人产生更多产出”的狭隘视角。该定义在AI赋能的工作场所显得尤为局限。AI理想的作用是把目前被重复性行政、手工流程和低价值任务占用的时间还给员工。机会在于将这些时间用于问题解决、客户互动、创新以及需要人类判断的工作。如果生产力情报用于识别人员过载或低效时间使用，它实际上可以成为提升员工体验的工具。目标应是让工作变得更好，而非仅仅让人们工作更快。展望未来，随着AI嵌入几乎所有企业工作流，您认为哪些因素会让成功将劳动力与AI结合的组织脱颖而出，而那些仅仅部署技术却未转化为实际生产力提升的组织又会怎样？从AI中获益最大的组织将是那些超越技术部署本身的企业。拥有AI工具并不自动带来生产力提升。这些领导者会了解AI在哪些环节改变了工作流、角色如何演进，以及组织是否真的从技术中获得了更好的结果。他们也会持续衡量哪些措施有效并相应调整。最终，成功的组织会把AI采纳视为工作方式的变革，而非单纯的技术实现。他们会将AI与合适的流程、技能、劳动力可视化和管理实践相结合。这将决定AI是成为真正的生产力优势，还是仅仅是另一层技术堆叠。感谢这次精彩的访谈。想了解更多的读者请访问ProHance。

2026年9月1日 2026年9月1日

作者 Antoine Tardif, Unite.AI 首席执行官兼创始人

大卫·平恩，Brain Corp 首席执行官 – 访谈系列

作者 Antoine Tardif, Unite.AI 首席执行官兼创始人

David Pinn 是 Brain Corp 的首席执行官，他在该公司近九年时间里帮助塑造公司的战略、财务运营，并推动向软件驱动的机器人业务转型。他于 2017 年加入 Brain Corp，担任战略副总裁，随后在高级战略和财务岗位晋升，2022 年成为首席执行官。在任期间，Pinn 主导了多轮重大融资，公司从硬件为中心的模式转向经常性软件收入，扩展至机器人数据采集与分析，并与全球原始设备制造商（OEM）建立战略合作伙伴关系。早期职业生涯中，他曾在 Qualcomm 担任财务和战略职务，为风险投资支持的科技初创公司提供咨询，参与 L Catterton 投资组合公司工作，并在 Teradyne 的工程和技术销售岗位开启职业生涯，拥有机器人、半导体、金融、企业发展和技术商业化等跨领域背景。Brain Corp 是一家机器人与实体 AI 公司，开发了 BrainOS®——面向企业的自主平台，帮助制造商和企业大规模部署与管理自主移动机器人。BrainOS 为遍布六大洲的 5...

2026年8月31日 2026年8月31日

作者 Antoine Tardif, Unite.AI 首席执行官兼创始人

Phil Marshall，Spoken 创始人兼首席执行官 – 访谈系列

作者 Antoine Tardif, Unite.AI 首席执行官兼创始人

Phil Marshall，Spoken 的创始人兼首席执行官，是一名医生、发明家、技术企业家和科幻作家，其职业生涯跨足医疗保健、数字媒体、人工智能和产品创新。在 2024 年推出 Spoken 之前，Marshall 共同创立了 Conversa Health，这是一家个性化患者参与和对话式 AI 公司，2021 年被 Amwell 收购并成为其自动化远程护理业务的一部分。早期职业生涯中，他在 WebMD 任职超过十年，担任产品战略副总裁，随后在 Press Ganey Associates 担任高级产品管理副总裁，并创立了协作视频技术初创公司 JumperCut。他的工作日益聚焦于 AI、叙事、脑机接口和知识技术的交叉点，将其技术专家和企业家背景与对科幻及新兴数字交互形式的兴趣相结合。Spoken 是一个由 AI 驱动的有声书平台，旨在帮助作者、出版商和版权持有者在无需传统录音室的情况下，将手稿转化为专业制作的音频。其技术在分配叙述和对话的独特声音之前，会分析手稿的语言、风格、叙事结构和角色，支持单叙述者、双叙述者和多声部（Multi-Cast）制作。作者可以使用自定义生成的声音，从超过...

2026年8月31日 2026年8月31日

作者 Antoine Tardif, Unite.AI 首席执行官兼创始人

Andreea Pleşea, PhD, Druid AI 首席运营官兼联合创始人 – 访谈系列

作者 Antoine Tardif, Unite.AI 首席执行官兼创始人

Andreea Pleşea, PhD, Druid AI 首席运营官兼联合创始人，是一位拥有近二十年经验的技术高管和创业者，经历涵盖软件工程、企业技术、人工智能、运营以及客户成功。自共同创立 Druid AI 以来，她在公司内部担任过多项高级领导职务，包括首席运营官、首席收入官和首席客户成功官，因而在企业软件公司规模化的技术与商业两方面都有丰富经验。在加入 Druid AI 之前，Pleşea 在 TotalSoft 工作近十年，从 .NET 程序员晋升为软件开发经理，最终担任 Charisma Business Applications 总监，负责产品开发、实施、技术支持、解决方案架构以及利润与损失（P&L）管理。她的学术背景还包括在罗马托尔维尔加塔大学进行 AI 研究，曾与该校人工智能研究小组合作，研发从非结构化数据中提取并结构化信息的技术。她亦是 Women in Tech...

2026年8月27日 2026年8月27日

作者 Antoine Tardif, Unite.AI 首席执行官兼创始人

Ian Leysen，Datadobi 首席执行官兼联合创始人——访谈系列

作者 Antoine Tardif, Unite.AI 首席执行官兼创始人

Ian Leysen，Datadobi 的首席执行官兼联合创始人，是一位拥有三十多年软件工程、质量保证和企业数据管理经验的技术高管。他在 2009 年共同创立 Datadobi，此前在 EMC 担任质量保证高级经理八年，之前曾在 Mediagenix 和 Wave Research 担任领导职务。Leysen 在整个职业生涯中始终专注于打造高质量的软件工程组织，曾从零建立了三支质量保证团队。在 Datadobi，他负责一家帮助大型企业在本地、云端和混合环境中管理、治理、迁移和保护非结构化数据的公司。公司已从最初的大规模数据迁移业务拓展，推出 StorageMAP——一个供应商中立的平台，旨在为组织提供对复杂非结构化数据资产的更高可视性和控制力，包括为 AI 项目准备企业数据。Datadobi 帮助企业对快速增长的非结构化数据量获得更高的可视性和控制力。其软件能够扫描数十亿文件，识别陈旧数据、重复文件、所有权缺口以及潜在风险，同时应用元数据和分类标签，以支持治理以及归档、删除和保留的自动化策略。随着组织为生成式 AI 准备企业数据，这一点变得愈发重要，因为不明确或过时的信息会产生噪声、合规问题和安全风险。Datadobi 还帮助公司识别可能有价值的数据集，组织它们以供下游使用，并在保持可追溯性和治理的前提下，将选定信息迁移至数据湖或湖仓。平台还提供存储成本和碳足迹的洞察，帮助组织更明智地决定保留哪些数据以及应存放在哪里。您在 EMC 领导质量保证工作八年后，于 2010 年共同创立...

2026年8月27日 2026年8月27日

作者 Antoine Tardif, Unite.AI 首席执行官兼创始人

Adam Gross，HarmonEyes 联合创始人兼 CEO – 访谈系列

作者 Antoine Tardif, Unite.AI 首席执行官兼创始人

Adam Gross，HarmonEyes 的联合创始人兼 CEO，是一位连续创业者，拥有近三十年在医疗、金融服务和数据分析领域构建和扩展技术驱动企业的经验。他于 2013 年共同创立了 RightEye，开发了一套用于医疗、职业体育和军事实绩应用的眼动追踪技术平台，随后于 2024 年与 Dr. Melissa Hunfalvay 共同创立 HarmonEyes，将该专长延伸至 AI 驱动的人体状态智能。早期，他共同创立了医疗成本控制公司 KeyClaims，该公司于 2012 年被 Stratose/Zelis Healthcare 收购；以及金融分析平台 Trending123.com，2007 年被 InvestorPlace Media...

2026年8月26日 2026年8月26日

作者 Antoine Tardif, Unite.AI 首席执行官兼创始人

Nelson Chu，ARCOS Labs 创始人兼首席执行官 – 访谈系列

作者 Antoine Tardif, Unite.AI 首席执行官兼创始人

Nelson Chu，ARCOS Labs 创始人兼首席执行官，是一位多次创业的企业家和技术高管，背景涵盖金融基础设施、投资和数字平台。在创立 ARCOS Labs 之前，他在 Percent 担任创始人兼首席执行官八年，构建了一个旨在现代化私人信贷市场的技术平台，现任董事会主席。早期职业生涯中，Chu 共同创立了 MySupport——一个将老年人和残障人士与支持工作者连接的在线平台，后被 RISE Services 收购，并创立了战略咨询公司 Lumenary。他还曾担任 BlockFi、Recharge Capital 等公司的顾问和投资人，职业起点是 BlackRock、美国银行和美林证券等金融机构的职位。ARCOS Labs，英文全称 Applied Research in Creative Output Synthesis，致力于开发基础设施，帮助...