麦肯锡全球资深董事合伙人、 中国区金融机构咨询业务负责人周宁人 本文系转载内容，原文2025年12月22日首发于南方周末APP，作者为南方周末研究员张文景。本文已获南方周 末授权，未经许可不得转载。 虽然越来越多的企业开始使用AI，但真正规模化部署依然稀少，真正跑通业务流程的企业 是少数派。 不少金融机构反馈AI应用效果不达预期，投入产出比不高。这种现象的根本原因在于金融 业对AI应用尚处于尝试阶段，还未真正打开业务流程，重塑作业模式。 展望未来，真正的竞争力，不在于是否引入AI，而在于是否能重构组织，把人和AI放进同 一套流程。 未来的工作范式将是人类、AI智能体与机器人三者之间的深度协作。 南方周末研究员 张文景 这些冷与热在麦肯锡公司2025年的相关多篇报告中得以揭示。这一年，麦肯锡公司发布《麦肯锡2025技 术趋势展望》（即《Technology Trends Outlook 2025》）、《2025麦肯锡AI应用现状调研》（即《The State of AI in 2025》）等多篇报告。其中，《2025麦肯锡AI应用现状调研》就AI的运用等相关话题调查 了全球各行业近2000家组织。 围绕上述市场 ...

从大语言模型（LLM）到智能体（Agent），代表了人工智能（AI）系统从"言"到"行"的范式跃迁。 更进一步，当多个 Agent 以组织形态出现，并通过协同合作、并行工作产出超越个体智能的成果时，AI 的下一个范式——"智能体组织"（agentic organization）——便出现了。 然而，尽管当前的 LLM 作为个体 Agent 已经展现出令人惊讶的推理能力，但要真正实现"智能体组织"的愿景，LLM 不仅要能够独立思考，还必须作为一 个有组织的系统进行协同思考。 为此，微软团队提出了一个名为"异步思考"（AsyncThink）的 LLM 推理新方法，即把内部思考过程组织成可以并发执行的结构，从而解决现有并行思考 方法中存在的延迟高、适应性、动态性差等难题。 通过这种方式，模型不仅能并行处理多个子问题，还能动态调整思路，实现更灵活、更高效的推理。 为训练 AsyncThink 模型，他们提出了一个两阶段训练过程：冷启动格式微调、强化学习。 实验表明，与并行思考相比，AsyncThink 在提高数学推理准确性的同时，将推理延迟降低了 28%。此外，AsyncThink 还可以将其学到的异步思考能力进 行 ...