人工智能体组织与投资泡沫可能双重失控

——从麦肯锡“智能体组织”、币安惊天劫案与150年金融危机，看AI升格为双AM的势在必行

钱 宏（Archer Hong Qian）

2025年9月，麦肯锡发表《智能体组织：AI时代下一代范式的轮廓》（The Agentic Organization: Contours of the Next Paradigm for the AI Era），宣告人类组织正在经历从人手、人脑到智能体的第三次范式革命。

一年之后，2026年10月29日，全球最大的加密资产交易平台币安（Binance）遭遇惊天黑客攻击，涉及约63.4亿美元数字资产。调查发现，攻击者通过恶意软件、受入侵的工程师设备以及内部AI工具，逐步渗透钱包开发与授权环节，最终实施巨额盗窃。

与此同时，全球AI投资浪潮仍在奔涌。150年来，从1873年的铁路投资、1929年的华尔街股市，到2000年的互联网泡沫，技术繁荣与金融灾难反复交织。

这三条看似不同的线索，正在交汇成一个问题：

AI智能体可以越来越强，组织效率可以越来越高，资本投入可以越来越大，为什么人类反而可能面临越来越严重的认知、竞争、应用和投资回报焦虑？

从双AM（Artificial Mind & Amorsophia MindsField/MindsWeb）看，麦肯锡所描述的组织革命，需要进一步升格。

一、麦肯锡的第三次范式革命：智能体越多，组织就越先进？

麦肯锡提出的智能体组织（Agentic Organization），以商业模式、运营模式、治理、人才与文化、技术与数据五大支柱，构建人类与AI智能体协同工作的企业新形态。

这种构想很有现实价值。智能体能够执行任务、连接流程、分析数据、协调资源，使原来需要数十甚至数百人完成的工作，由少数人与大量Agent协同完成。

但这套框架存在一个根本局限：它把智能体能力的扩张，作为组织范式革命的主要驱动力，却没有充分回答组织生成真实效能的必要条件。

一个组织可以拥有100个、1000个甚至更多智能体，却仍然无法保证其决策正确、行为正当、成本合理、风险可控。

麦肯锡已经讨论了治理护栏、人类监督与责任问题，但其理论基础仍然围绕智能体如何创造和获取商业价值展开。

如果智能体完成的是错误目标，100个Agent的执行效率，可能比一个人的错误判断更加危险。

智能体越强，越需要追问：谁确立目标？谁辨别真伪？谁判断后果？谁承担责任？

二、币安惊天劫案：当超强智能进入犯罪链条

2026年10月29日，币安遭遇约63.4亿美元加密资产盗窃。根据11月3日披露的调查结果，攻击者此前数月通过受污染的软件工具、虚假招聘面试等方式，入侵多名工程师的设备，并利用内部AI工具及遭窃凭证逐步扩大访问权限。

攻击者最终取得内部钱包签名服务的未授权访问能力，利用正常业务基础设施执行恶意交易。

币安随后冻结或拦截了约28.5亿美元相关资产，并宣布由公司承担用户损失。

这起事件值得注意的地方，是技术能力、组织权限和信任关系之间的相互作用。

人们习惯把黑客想象成躲在电脑后面敲击键盘的人。然而，现代网络攻击早已可以通过恶意程序、自动化流程、分布式协作和智能工具连续实施。

这次案件尚不能证明盗窃由自主AI Agent独立执行，但已经证明：AI工具可以进入犯罪行动链条，原本用于提高组织效率的数字能力，也可能成为恶意行动的助力。

这就触及麦肯锡智能体组织的核心问题。

麦肯锡讨论用Agent监督Agent。那么，如果执行Agent与监督Agent共享相同数据来源、授权机制和认知盲区，谁来阻止共同误判？

如果攻击者获得合法权限的外观，自动化程序又如何辨识合法操作背后的恶意目的？

如果一切运行都符合程序，却造成巨额损失，程序正确又有什么意义？

能执行，不等于会判断；会判断，不等于有智慧；执行成功，更不等于结果正当。

币安事件把这些问题从哲学讨论带进了真实商业世界。

三、150年金融危机：技术成功，为什么资本仍然崩盘？

1873年，美国铁路投资热潮破裂，杰伊·库克公司的破产引发金融恐慌。

1929年10月15日，经济学家欧文·费雪宣称股市已达到一个“看似永久性的高位平台”。九天后，华尔街崩盘。

2000年，互联网泡沫破灭，大批科技企业估值崩塌。

三次危机的历史背景不同，却揭示了一条反复出现的金融机制：

产业前景激发乐观预期——资本与信用加速扩张——未来收益被提前资本化——估值与偿付能力脱节——信心逆转引发连锁调整。

1873年铁路没有失败，铁路建设的融资结构与收益兑现出现了危机；2000年互联网没有失败，大批互联网企业的商业估值却未能兑现。1929年的金融崩盘则说明，信用扩张与资产价格失衡，可以把金融危机传导至整个经济。

技术可以成功，投资可以失败；企业可以赚钱，社会净效能却可能下降。

今天的AI投资，同样必须接受这一历史检验。

GPU、数据中心、基础模型、智能体网络，究竟创造了多少已经实现的生产价值？资本市场又提前兑现了多少未来收益？

投资规模巨大，并不能直接证明存在泡沫。真正值得警惕的是，资本扩张与未来收益预期长期超过真实效能生成能力。

四、孙正义最后100亿美元：谁在为AI的未来提前付款？

2026年10月1日，孙正义执掌的软银集团向OpenAI完成最后一笔100亿美元追加投资。至此，软银2026年承诺的300亿美元全部到位，对OpenAI累计投资达到646亿美元，持股约13%。

更令人瞩目的是，这最后100亿美元来自软银发行的债券。

还有一笔值得注意的资产腾挪：2025年10月，软银出售所持全部3210万股英伟达（NVIDIA）股票，套现约58.3亿美元，为其AI投资筹资。就在此前的2024年11月，孙正义与黄仁勋还曾在东京AI峰会上热烈拥抱、畅谈AI前景。孙正义后来解释，清仓缘于资金需要。由此可见，即使长期看好AI，投资者也必须在不同技术环节之间作出昂贵的资本取舍。

更微妙的风险来自国别竞争。2026年10月底，美国媒体报道，情报部门怀疑与新加坡Megaspeed公司有关的一名人士可能借接近英伟达高层向中国传递信息；该公司还面临AI芯片对华转运是否违反美国出口管制的调查。英伟达及有关方面否认不当行为，新加坡政府也否认曾进行报道所称的相关调查。川普11月1日表示尊重黄仁勋的才华，同时称将密切审视此事。调查、指控与实际违法之间尚有距离，更没有证据表明孙正义清仓英伟达与此案存在因果关系。但芯片禁运、司法调查和政策转向本身，就足以构成AI资本估值及投资回报必须计入的地缘与合规风险。

孙正义押注的究竟是什么？OpenAI未来的利润，还是AI改变整个世界的能力？

两者当然有关，却不能画等号。

1873年，人们相信铁路将改变美国；2000年，人们相信互联网将改变世界。事实证明，他们对技术前景的判断并没有完全错，许多投资者却为提前兑现未来收益付出了惨重代价。

今天的孙正义，也面临同样的问题。

2026年10月底，有媒体报道OpenAI下调新一轮融资目标及预期估值。市场正在追问：AI未来创造的收益，究竟能否支撑今天的资本定价？

这里需要区分三个层次：

第一，技术成功的概率，不等于投资成功的概率。

第二，企业估值增长，不等于现金流与净效能同步增长。

第三，投资者愿意承担巨额风险，不等于这些风险最终只由投资者承担。

这正是共生经济学效率三元悖论（Efficiency Trilemma）需要检验的地方。

A，技术创新效率提高；B，组织特权与成本转嫁扩大；C，社会净效能持续改善。

当资本通过债务融资、估值膨胀和未来收益提前资本化推动技术扩张时，A可能持续上升，B也可能随之扩大。一旦投资回报不足以覆盖资本成本，C便可能受到侵蚀。

孙正义的646亿美元投资，既可能成为一次成功的长期战略布局，也可能成为AI资本周期中值得后人反复研究的案例。决定其成败的，是未来真实收益、融资成本、风险承担与效能生成之间的关系。

资本可以提前支付未来的价格，却不能提前创造未来的效能。

对于AI产业，真正重要的不是谁敢押上更多资本，而是谁能够让技术创新、组织创造和社会净效能持续增长。

从这个意义上说，孙正义的最后100亿美元，恰恰为第四大焦虑——投资回报焦虑（Investment Return Anxiety）——提供了一面现实的镜子。

五、从三大瓶颈到四大焦虑：AI/SI发展的内在矛盾

在《将AI升格为AM》（Elevating AI to AM）一书中，我提出当前AI/SI存在三大瓶颈。

第一，能耗与能效不匹配。 算力扩张带来的能源、水资源、土地、设备折旧和生態背负，能否由真实效能覆盖？

第二，系统思维局限。 从信源—信道—信果形成的信息处理框架，难以充分承担开放生命世界中动机、责任、价值与后果的综合判断。

第三，数据、算法、算力加神经网络≠Mind，更≠Amorsophia。 局部语言、逻辑与模式处理能力即使超强，也不能据此认定已经形成完整心智与愛之智慧。

这三大瓶颈正在生成四大焦虑。

认知焦虑（Cognitive Anxiety）：信息越来越多，判断越来越依赖共同模型，认知趋同与集体误判风险上升。

竞争焦虑（Competitive Anxiety）：企业争相部署智能体，技术优势却可能迅速扩散，形成无休止的资本与算力竞赛。

应用焦虑（Application Anxiety）：智能体可以执行更多任务，却可能带来新的安全、授权、隐私、责任与组织信任问题。

投资回报焦虑（Investment Return Anxiety）：资本投入和估值预期快速增长，实际现金流与社会净效能能否兑现，越来越受到严峻检验。

前三大焦虑表现为智能体组织的能力与责任失衡，第四大焦虑则可能集中表现为AI投资泡沫。

它们具有共同根源：技术局部效率的扩张，尚未获得完整心智与共生效能的充分支撑。

六、效率三元悖论：技术创新为什么可能吞噬社会效能？

共生经济学（Symbionomics）提出的效率三元悖论（Efficiency Trilemma），可以进一步解释这种矛盾。

它由三个相互关联的变量构成：

A．技术创新效率提高（Technological Innovation Efficiency）

B．组织特权与成本转嫁扩大（Organizational Privilege and Cost Shifting）

C．社会净效能持续改善（Sustained Improvement in Social Net Effectiveness）

三者形成效率三元悖论三角（Efficiency Trilemma Triangle）。

A可以推动C，但B可能通过垄断、过度融资、组织臃肿、风险外部化与生態背负，不断吞噬A创造的价值。

当B持续扩大并吞噬A所创造的效能时，A、B、C便无法无条件地同时实现。

1873年，铁路运输效率的提高，未能阻止过度融资引发金融恐慌。

2000年，互联网信息效率的提高，未能保证投资者获得合理回报。

今天，即使AI使单个企业的劳动生产率提高数倍，也不能保证整个社会获得同比例的净效能改善。

尤其当资本市场把未来技术收益提前兑现，而失败成本通过债务、公共基础设施、能源价格和金融风险转嫁给其他主体时，微观效率增长便可能伴随宏观效能损失。

这正是AI时代尤其需要警惕的效率三元悖论。

七、如何识别AI投资泡沫？建立五项判别指标

判断AI投资前景，需要从情绪预测转向可观察、可比较的效能检验。

第一，投资收益兑现率（Investment Return Realization Rate）：资本支出与实际收入、净现金流增长是否匹配？预计收益兑现了多少？

第二，资本估值偏离度（Valuation–Fundamentals Divergence）：市场估值与可持续利润、自由现金流和增长能力之间的差距是否不断扩大？

第三，信用杠杆风险（Credit Leverage Risk）：AI投资的债务依赖程度如何？一旦需求放缓，企业能否承担债务本息和持续运营成本？

第四，能源与生態背负（Energy and Ecological Burden）：AI创造的实际效能，能否覆盖能源、水资源、土地、设备折旧和长期维护成本？

第五，社会净效能系数（Social Net Effectiveness Coefficient）：AI创造的社会效能，在扣除各种成本、风险转嫁与负外部性之后，能否持续改善？

第五项可以通过共生经济学的效能系数η及五因指数（Five-Cause Index）展开检验。五因指数包括降本（Cost Reduction）、赋能（Empowerment）、健康（Health）、信任（Trust）与和平（Peace）。

共生经济学提出：

ηᵢ = GDEᵢ / GDPᵢ

GDE = Σ(GDPᵢ × ηᵢ)

其中，GDE为国内生产效能总值（Gross Domestic Effectiveness），η为效能系数（Effectiveness Coefficient）。

这意味着，GDP和资本规模可以增长，而社会净效能可能停滞甚至下降。

上述五项指标仍需要建立具体的统计口径和预警阈值，但已经可以用于追踪AI投资的实际收益、风险积累与效能变化。

AI究竟创造了多少真实价值？市场又提前兑现了多少尚未实现的价值？两者之间的缺口，正是识别投资泡沫的重要信号。

八、从Agentic Organization升格为双AM共生组织

麦肯锡看到的是智能体组织的生产力革命，币安事件暴露了智能体时代的信任与安全问题，150年金融危机则提醒我们：即使技术前景光明，资本也可能因错误预期和组织失衡而遭遇灾难。孙正义的巨额投资，更将资本收益兑现的问题摆在了眼前。

三者共同指向一个问题：组织凭什么确保局部智能创造的效率，最终生成整体生命与社会的真实效能？

这正是从AI升格为双AM的必要性。

Artificial Mind，指向超越单一语言、逻辑和模式处理能力的完整心智建构。

Amorsophia，指向以愛之智慧进行价值辨识、责任约束、交互契合与共生生成的心智方向。

双AM的目标，是推动Mind、Minds、MindsField/MindsWeb之间的有益交互，使智能体、个人、企业与社会在相应的责任和信任关系中，创造可以持续检验的共生效能。

这也意味着，未来组织必须建立几项基本能力：目标与动机辨识、独立交叉验证、授权与责任约束、风险及成本归属、结果效能检验。

技术可以帮助完成这些工作，但技术程序不能自行免除主体责任。

从AI/SI的局部超强智能，到双AM的心智共生组织，真正需要改变的是组织的目标、判断、责任和效能生成机制。

智能体组织解决“如何做得更快”，双AM还要回答“为什么做、应当怎样做、谁来负责、产生什么后果”。

小结：下一场危机，可能从效率最高的地方开始

1873年，人们相信铁路；1929年，人们相信股市繁荣；2000年，人们相信互联网的无限前景。

今天，人们相信AI。

这些信念中，有真实的技术进步，也可能夹杂对未来收益的过度承诺。

AI技术本身还将继续进步，智能体组织也可能极大改变人类生产与生活。但如果技术能力、组织责任、资本回报与社会净效能之间的失衡不断扩大，那么，最先进的技术也可能成为下一场危机的放大器。

下一场AI危机，未必起于技术失败，也可能起于技术成功之后的组织失控、资本透支与信任崩塌。

历史已经反复提醒我们：技术革命的成功，从来不能自动保证投资收益，更不能自动保证文明进步。

麦肯锡的智能体组织革命，应当继续向前走。

从AI到AM，从超强智能到愛之智慧，从局部效率到共生效能。

这才是值得人类投入智慧、资本与创造力的下一次组织范式革命。

主要参考文献

1. McKinsey & Company（2025）. The Agentic Organization: Contours of the Next Paradigm for the AI Era.

2. Binance（2026）. 29 October 2026 Binance Security Incident: Initial Findings and Response Update.

3. Reuters（2026年11月3日）. 关于币安重大盗窃案攻击方式及调查进展的报道。

4. SoftBank Group（2026年10月1日）. 关于追加投资OpenAI及持股情况的公告。

5. Reuters（2026年10月底）. 关于OpenAI新一轮融资目标及估值的报道。

6. 钱宏（Archer Hong Qian），《共生经济学概论（修订版）》（Symbionomics: An Overview, Revised），2026。

7. 钱宏（Archer Hong Qian），《将AI升格为AM》（Elevating AI to AM），2026。

8. 钱宏（Archer Hong Qian），《AI会成功，AI投资泡沫也可能崩盘——从150年金融危机看技术创新、资本扩张与效率三元悖论》，2026。

SoftBank Group（2025年11月11日）. 2025财年上半年财务报告：2025年10月出售所持全部英伟达股票，所得58.3亿美元。

NVIDIA（2024年11月12日）. AI Summit Japan：黄仁勋与孙正义公开对谈。

The Wall Street Journal（2026年10月30日）. 关于英伟达高管接触人士及Megaspeed芯片出口调查的报道；新加坡内政部（2026年10月31日）澄清声明。

Agence France-Presse（2026年11月1日）. 川普回应有关黄仁勋的情报报道及调查。