正值 AI 浪潮来袭，来自英国的全球领袖媒体 The Icons 顺势推出让全球企业领袖们交换想法、切磋功夫的线上论坛 The Icons Talk，聚焦来自世界各地的创始人、CEO 与新世代家族企业接班人，透过不同主题的设定，以及一场场具备含金量的深度对话，拆解各国企业经营者如何思考企业成长、领导力、声誉建构，以及如何打造能跨越国界的影响力。
The Icons Talk 第一场对谈的主题是《创业者前瞻 2026：AI 时代的成长法则》，两位受访嘉宾代表了两个截然不同的产业。一位是 Jan Hauser，他是软件工程公司 Applifting 的英国 CEO 暨共同创始人，擅长讨论的范畴是数字产品与金融科技；另一位是林恺泽（K. T. Lin），他是 Bellwether Industries 的共同创始人暨 COO，该公司的产品是飞行器，也就是俗称的”空中出租车”，这个领域无疑是深科技、长周期、高监管壁垒的硬件修罗场。
主持这场对话的是 The Icons 商务发展总监暨 The Icons Talk 节目制作人王涌惟（Ricky Wang）。这一次，活动也由一个从英国发起的全球创始人社群 The 90 与 The Icons 共同主办。这一场对谈中，两位截然不同的创业者，从各自的角度出发，探讨一个当下困扰许多领导者的问题：当每个人都因为 AI 而被赋予新的契机之际，我们的下一步在哪里？
Jan Hauser：竞争优势不在于谁最早采用 AI，而在于谁能”负责任地”将 AI 融入工作流程
Applifting 成立至今已有 11 年。公司最初在布拉格成立工程团队，如今业务已延伸至伦敦并服务多个国际市场。作为一家长期为金融科技与大型企业打造数字产品的软件公司，Jan Hauser 很早便感受到人工智能对整个软件产业所带来的压力。
几年前，公司内部曾提出一个简单的问题：”有多少人已经在日常工作中使用 AI？”举手的人远比预期的多。那一刻，Jan 意识到，AI 已不再是少数工程师的工具，而是整个组织必须面对的现实。因此，公司很快开始制定一套明确的 AI 使用原则。
Jan 也提到一项名为”MEETER”的科学指标，用来衡量 AI 完成任务的效率。一年半前，AI 通常只能处理大约 8 到 10 分钟的人类工作；到了 2026 年初，AI 已能处理长达一个半小时的任务，成功率接近 80%。这样的进展速度，迫使 Applifting 团队重新思考自己在市场上的定位。
公司最终提出一个清楚的方向：AI Powered Engineering。但这并不意味着盲目追逐每一个新工具。当新模型出现、整个产业迅速跟进时，Applifting 选择先建立严谨的测试与采用流程。
“新工具的出现，不代表它已经准备好进入生产环境。”Jan 说：”企业需要一个可以快速实验的环境，但实验不等于立刻投入市场。”
为了让 AI 真正成为工程能力的一部分，Applifting 为工程师建立了一套 AI 成熟度框架。从完全不使用 AI 的 Level 0，到能同时运用多个 AI 系统并整合进开发流程的高阶能力。公司的目标，是让所有工程师至少达到 Level 2，能够熟练地将 AI 融入整个软件开发周期。
然而，在所有规则之中，有一条原则始终没有改变，就是任何 AI 生成的代码，工程师都必须完全理解：”如果你看不懂 AI 生成的代码，就不应该把它放进产品。”Jan 说：”因为最终负责的人仍然是你。责任不会转移到 AI 身上。”
在当前充满热潮的 AI 讨论中，这其实是一个被忽略的常识。AI 可以提高效率，但真正的考验，是人类是否仍然能理解并掌握自己所使用的工具。
Jan Hauser 对当前充斥网络的内容农场式自动内容持保留态度。大量由 AI 生成的邮件与社群讯息，在他看来往往缺乏真正的沟通价值：”那些内容不是人写的，也不会被人真正阅读，这是一种有些荒谬的循环。”对于创办人而言，AI 的导入同样需要务实的策略。Jan Hauser 建议企业可以先向外部寻求建议，但最终仍必须在组织内部培养真正理解 AI 的核心人才：
“这个领域充满各种自称专家的声音，很难判断谁真正了解问题。你可以向信任的人寻求建议，但最后，你必须找到那些愿意深入研究、并能带动其他人的那几个关键人物。”
从企业领导人的角度，Jan 也提醒创业者们，在知识与技术快速扩散的时代，企业真正的竞争力，不在于接触多少外部专家，而在于是否能将外部知识转化为自身的能力。
林恺泽：在工程世界里，AI 的价值在于让人看到更多可能，而非给出答案
林恺泽创办的 Bellwether Industries 正在努力开发城市空中载具，也就是外界常说的”空中出租车”。这是一个研发周期动辄以十年计算的产业。每一个零件都必须通过严格的安全验证，每一个设计决策都与航空法规和乘客安全紧密相关。在这样的产业里，技术的进步从来不是单纯的效率问题，而是关于风险、责任与长期可靠性的平衡。
在谈到人工智能时，林恺泽的语气显得格外务实：”我们可以从两个层面来看 AI 的影响，”他说，”一个是让公司日常运作更有效率，另一个是改变产品研发的方式。对我们来说，第二个层面更重要。”
在航空工程领域，设计与验证一直是最耗时的环节。传统模拟系统不仅成本高昂，运算时间也相当漫长，一次完整模拟往往需要数天时间，还需要专门的工程团队负责建模与测试。现在，AI 可以在几个小时内完成类似的模拟工作，而且准确度已经接近九成以上。对工程团队而言，这意味着研发节奏正在改变。
“过去很多设计想法不是做不到，而是没有时间去验证。现在我们可以更快比较不同方案，也更早发现问题。”在林恺泽看来，AI 在硬件研发中的价值并不是替工程师做决定，而是让工程师能够探索更多设计方向。当模拟成本大幅下降，设计团队可以尝试更多不同的结构与配置，进而找到更好的解决方案。
林恺泽也提醒，工程世界并不只存在于计算机模拟之中，”在计算机里可行的设计，到了真实世界往往会遇到新的问题。”他说。当飞行器真正被制造出来，材料强度、气流变化、震动与温度都会影响系统表现。那些在模拟环境中看似完美的设计，往往需要在实际测试中反复调整。
“因此，在航空工程领域，AI 更像是一种辅助工具，而不是决策中心。它可以帮助工程师更快理解问题，但最终的判断仍然需要人来完成。”
林恺泽对自动驾驶产业的一个观察，也说明了这一点。早期自动驾驶系统在高速公路上表现最好，因为道路环境相对单纯；在城市街道上却困难重重，因为突发状况太多。然而随着新一代 AI 模型出现，情况开始出现某种程度的改变，AI 在资讯密集、变化快速的城市环境中，往往能更快做出判断。
“同样的技术，在不同环境里可能完全不同。很多事情我们还在慢慢理解。”这也说明了一个现实：AI 并不是万能工具。它的能力与限制，需要透过长时间的實際测试才能真正看清。
对航空产业而言，这样的探索必须格外谨慎。林恺泽特别澄清一个经常被混淆的概念，很多人把自动化与完全自主系统视为同一件事，但在航空领域，它们其实代表两种截然不同的技术路径：
“自动化代表飞行员仍然在机上，只是部分操作交给系统；真正的自主飞行则意味着没有飞行员。在航空产业，我们几乎不谈后者，因为责任问题非常复杂。”
这种差异也反映出不同产业面对新技术时的节奏。在软件产业，一个错误可以迅速修补并重新部署；在航空产业，一次失误可能带来极其严重的后果。因此，当软件公司快速实验新模型时，航空工程师必须同时思考另一个问题：如果系统判断错误，人类要如何接手？
“大约七成的航空事故其实与人为失误有关，所以 AI 的确有机会改善安全。但前提是技术足够成熟，监管机构知道如何管理，整个产业也必须能够厘清责任。”在林恺泽看来，这并不是对创新的保守态度，而是对创新提出更高的要求。真正能改变产业的技术，从来不只是速度更快，而是能在效率、安全与责任之间找到新的平衡。
从自动化到自主决策：AI时代的责任问题
对谈最后，主持人王涌惟问了一个很实际的问题：如果未来空中出租车真的成为城市交通的一部分，空域会不会也像道路一样，出现不同复杂程度的环境？当越来越多飞行器依赖 AI 做出判断，空域本身会不会变成另一种交通难题？
林恺泽的回应很直接。他认为，在可见的未来，即使飞行器具备高度自动化能力，人类仍然会留在系统里，只是位置不同，不再坐在驾驶座，而是在远端监控与必要时介入。他提到旧金山 Waymo 无人出租车曾因为停电而全部停在街头的事件。那一刻很清楚地说明了一件事：再先进的系统，也离不开现实世界：”真正的无人交通一定会出现，但它不会一夜之间发生。”
Jan Hauser 也幽默地补充：”以前叫出租车会看到司机，未来可能会看到一个工程师坐在车上，抱着笔电。”Jan 的意思是，技术可以越来越复杂，但系统总要有人负责。
王涌惟最后也从不同面向总结，对航空工程师来说，这意味着任何自动化系统都必须留下一條人能接手的路；而对城市管理者来说，意味着新的交通规则；对企业而言，则意味着技术之外还有更难处理的问题：责任、监管，以及信任。
“空中出租车是否会普及，也许不只是技术问题。很多时候，一项技术真正成熟的标志，不是它能飞得多快，而是社会是否已经准备好接受它。”
推荐阅读：
