“数智创新与管理”

ZJUSOM

提到AI，我们下意识地会想到屏幕里那些负责解读信息、输出建议、生成方案的的大模型和分析工具。长期以来，这类型的AI产品始终是依附于信息系统的“辅助工具”，只在虚拟信息空间发挥作用，无法直接介入真实的生产、仓储、制造等物理作业场景。

在当今背景下，具身智能、工业机器人、多模态感知大模型快速融合，“物理AI”正在走进“现场”，例如亚马逊部署数十万仓储智能机器人、宝马落地人形机器人产线、医疗场景出现自主穿刺护理设备……AI能够感知现实环境、自主规划动作、直接完成实体作业，实现了“感知—思考—执行—持续优化”的完整闭环。

图片来源：千库网

从处理“信息”到改造“物理世界”，AI正在完成一次关键的能力跃迁。那么，当AI不再只是屏幕里的“虚拟大脑”，而是能够感知环境、自主决策、直接执行任务的“行动者”，组织将面临怎样的变革？浙江大学管理学院教授莫申江及其博士生虞文清在《清华管理评论》发表研究文章，不仅区分了数字AI与物理AI的核心差异，拆解了物理AI驱动变革的底层逻辑，还梳理了转型过程中不可回避的人机适配、组织治理难题，并配套了可落地的管理方案。本期【数智创新与管理】，一起通过他们的研究，来共同探索物理AI时代企业必须完成的组织进化。

作者简介

莫申江

浙江大学管理学院教授、博士生导师

虞文清

浙江大学管理学院2021级企业管理博士研究生

“数字AI” vs. “物理AI”

Part.1

数字AI与物理AI最核心的区别，在于是否能直接作用于真实物理世界。

数字AI以大语言模型、图像识别算法为代表，运行于云端、软件系统之中，处理的是经过抽象处理的静态符号与数据流，而非真实、开放且持续变化的物理环境。它只能给出分析结论、决策参考，不会产生实体动作，全程属于“认知辅助”。

物理AI则不同。英伟达CEO黄仁勋将其概括为“能够理解现实世界并与之交互的AI模型”。它通过多模态传感器（如激光雷达、触觉传感器等）感知环境，在极短时间内完成规划与决策，再将判断转化为现实动作。更重要的是，物理AI的每一次行动都会改变环境状态，并反过来为系统提供新的反馈信息，从而不断修正后续决策。

图片来源：论文原文

如果说数字AI处理的是“信息”，物理AI处理的则是“信息—环境—动作”之间的复杂联动关系。以亚马逊仓储体系为例，分拣机械手Sparrow、自主移动机器人Proteus就是典型物理AI：前者精准抓取数百万类商品，承接重复性分拣劳动；后者可实时感知人类动线、主动避让，无需物理隔离就能和员工同区域作业。整套调度系统统一统筹数十万智能体，不再是机器单独自动化，而是人与多台物理AI实时协同作业。

对于组织而言，二者的定位也截然不同：数字AI是线上“副驾驶”，物理AI是现场并肩作业的“协同执行者”，这也是物理AI会引发全方位组织重构的根本原因。

变革从何而起？物理AI

自下而上推动组织全面进化

Part.2

与传统自上而下的数字化改革不同，物理AI带来的组织变革遵循自下而上的路径：智能设备先落地一线岗位，改变员工日常工作内容、技能需求、角色定位；大量微观岗位变化持续累积，倒逼企业重构分工、管理模式，最终推动整体组织形态迭代，是一套从个体到组织的演化链条。

图片来源：论文原文

对于微观个体而言

物理AI重新定义“人应该如何工作”

物理AI落地后，员工的身份会经历三层根本性转变。

首先，任务结构变了。员工正从物理世界的“直接执行者”向智能集群的“监督员与导师”跨越。高重复、高标准化、体力密集或高风险的执行工作逐步剥离给智能系统，员工不再直接从事物理劳动，而是转变为对物理AI集群进行目标设定、异常处理和价值对齐的监督员。

其次，技能要求变了。在数字AI时代，组织对员工的技能要求集中在数据素养、信息甄别等认知型技能。而在物理AI时代，人机交互从虚拟世界延伸到物理空间。员工不仅需要兼顾传统业务工艺与系统运行逻辑，更要掌握一项关键能力——人机信任校准。在动态环境中，员工必须准确判断物理AI的可靠性。

另外，角色认同也变了。当工作的执行权由具身智能系统接管后，原本依靠操作经验、现场判断和熟练技艺建立价值的员工，可能会经历明显的职业认同冲击。员工需要接受一种全新的角色认同：他们不再仅对自己的工作产出负责，还要对整个“人-AI组合体”协同作业的安全性与最终结果把关。

图片来源：千库网

对于宏观组织而言

物理AI重构系统配置逻辑

当大量微观个体的任务与角色发生根本性转变时，组织的宏观系统必然随之演进。物理AI的变革力量，正从三个层面改写组织的“系统配置”。

在分工逻辑上，从人岗匹配转向人机混合动态配置。传统组织架构中，任务分工的边界严格划定在人与人之间。随着物理AI高度介入，分工会同时在人与AI、“人-AI组合体”及系统之间动态展开。组织设计的基本单元将从静态的“人岗匹配”转向敏捷、连续的动态资源调度。

在治理结构上，从层级监督转向去中心化算法调度。传统组织管理高度依赖层级式的监督、标准化的作业流程与事后绩效评估。在物理AI驱动的系统中，管理活动开始大规模向实时感知、即时反馈和算法调度倾斜。大量战术性决策交由AI模型执行，人类的决策角色则在战略层面快速升维。管理者不再是事无巨细的“监工”，而是划定边界、把控方向的“掌舵人”。

在组织形态上，从固化科层转向网络化动态智能体系统。在高度自动化场景中，随着物理AI系统和集中调度能力不断增强，少量人类员工即可协同管理更大规模的现场执行单元。组织逐步摆脱对稳定层级和标准流程的依赖，向更扁平化、更网络化、更弹性化的形态演进。

图片来源：千库网

变革的阵痛：

“打配合”并不轻松

Part.3

物理AI在重塑工作方式的同时，也带来了深层次的摩擦与阵痛挑战。具体而言，挑战也分为个体、组织两大层面。

个体层面

协同过程中的认知负荷与身份焦虑

物理AI虽减轻了体力劳动负担，却将员工推向了持续性的认知负荷之中。员工长期处于监控智能设备的“低唤醒状态”，一旦出现机器异常，需要瞬间切换至“高负荷决策状态”，频繁的状态转换极易造成判断失误。与此同时，算法黑箱难以完全透明，员工始终在过度信任与怀疑机器之间摇摆，持续消耗认知精力。

此外，当大量实操经验、手工技艺的价值被弱化，员工难免会担心自身技能过时、岗位被机器替代，由此产生倦怠、抵触心理。另一方面，物理AI失误带来的设备损坏、人身风险，还会让员工承担额外伦理与心理问责压力，工作心理安全感大幅下降。

图片来源：千库网

组织层面

制度摩擦与治理真空

物理AI的运行逻辑具有显著的去中心化、实时性与高敏捷性特征。然而，多数组织仍建立在传统科层结构之上，其典型特征是权责分层明确、流程相对固化、部门边界清晰。当高度灵活的“人-AI组合体”被嵌入僵化的组织架构中时，便会产生明显的“系统摩擦”。

更棘手的是绩效评价与责任认定的难题。在人机共构的工作系统中，员工的核心贡献更多表现为对系统运行的监督、对异常状态的识别，以及在关键时刻的介入和纠偏。沿用传统绩效指标已难以准确衡量人的真实价值。而当物理AI引发事故时，责任如何划分、风险如何承担，都会成为组织治理中的关键难题。

如何让“打配合”真正奏效？

Part.4

面对这些挑战，研究分维度给出了兼顾短期人机适配与长期组织架构迭代的管理方案。

个体层面

打造适配人机共生的员工成长生态

优化人机协同工作设计，

划定清晰协作规则

明确物理AI与人类在复杂场景中的关键“认知交接点”，为“人-AI组合体”中人类员工的介入制定清晰的规则。同时，组织需要提升智能系统的可解释性，如向员工暴露算法的可信度边界，从而赋能员工找到最佳的协同平衡点，建立起健康的动态信任关系。

重塑员工职业价值叙事，

配套复合技能培训

定义员工作为“系统指挥者、AI导师”的全新岗位价值，弱化手工操作权重；开设跨数字、物理场景的复合培训，重点培养异常研判、系统协同、人机调度能力，缓解员工的技能过时焦虑。

完善心理安全保障机制，

合理分摊问责压力

建立以系统修复、流程复盘为核心的事故归因机制，不将物理AI故障责任全部转嫁一线员工。另外，搭建专项沟通、心理支持渠道，缓解员工的伦理与安全心理负担。

图片来源：千库网

组织层面

搭建适配智能体网络的新型治理体系

渐进式调整组织结构，

小试点带动全域变革

优先在仓储、产线等高频现场落地人机协同试点单元，积累成熟协作流程后，再打通跨部门数据与作业链路，避免一次性全盘推翻架构带来的管理动荡。

重构绩效考核与权责分配机制

新建适配人机协同的考核指标，把系统监督、异常处置、流程优化、安全管控纳入核心评价。同时设计人机混合责任矩阵，清晰划分算法系统、管理者、一线员工三方风险与追责边界，消除权责模糊带来的内部矛盾。

建立全生命周期

物理AI安全伦理治理体系

在技术底层设置紧急停机、权限隔离等伦理护栏。组织层面也要搭建常态化安全审查、事故复盘、应急响应机制，把安全合规嵌入智能化全链条。

图片来源：千库网

物理AI的兴起与涌入，标志着组织管理与商业实践迈入了以“人-AI组合体”为核心单元的新时代。这场变革的本质，是一场从“机器辅助人类”向“人机协同共治”的深远进化。AI已从为人“打辅助”的配角，逐渐进化为与人“打配合”的重要角色。

面对这一演进过程中的阵痛与机遇，未来组织的核心竞争优势将锚定于构建一个充分激发“人-AI组合体”协同潜能的新型智能体系统，从而真正将AI技术价值转化为组织持续进化的无限生命力。

（点击以下标题查看）

*本文根据虞文清、莫申江发表于《清华管理评论》的研究论文《从“打辅助”到“打配合”：物理AI驱动的组织变革》整理提炼。

编辑 | 伍梁永

初审 | 佟庆

二审 | 莫申江

三审 | 陈超

终审 | 王恩禹