2026年，AI将不再是“实验品”，而是企业的“必需品”。
在刚刚结束的路透社Next领导力峰会上，来自莫德纳（Moderna）、国际奥委会（IOC）和体育数据巨头Sportradar的技术领袖们达成了一个共识：AI的颠覆将在2026年持续加剧。
但与两年前不同的是，现在的讨论焦点已经从“震惊”转向了“布局”。
CIO们正在面临一个经典的战略拷问：通用的底座模型，我是买（Buy）还是造（Build）？当小模型（Small Models）崛起，企业的护城河究竟在哪里？
💡 读完本文，你将获得关于2026年AI战略布局的3大核心洞察。
Sportradar的人工智能副总裁Nicolo D'Ercole提出了一个极其清醒的观点：不要试图在通用能力上与OpenAI竞争。
通用的交给巨头：对于代码生成、文本处理等通用场景，Sportradar直接“调用”Gemini、GPT或Claude。因为在这个领域，企业自研不仅成本高昂，且迭代速度永远追不上拥有千亿美金的巨头。
核心的自己掌控：真正的战场在于专有数据。Sportradar利用其独有的体育赛事数据，自研模型来预测“比赛下一秒会发生什么”。
睿信咨询顾问解读：
这是一个教科书般的“差异化战略”。 很多中国企业陷入了“大模型崇拜”，试图从零训练自己的通用底座。但未来的赢家，是那些懂得“站在巨人的肩膀上，构建自己独特大脑”的企业。 战略建议： 你的护城河不是算法架构，而是你的私有数据（Proprietary Data）。
莫德纳（Moderna）的打法最为激进。其首席人事兼数字技术官Tracey Franklin不仅掌管技术，还掌管人力资源。
她提出了一个颠覆性的概念：“重新定义工作流（Flow of Work）”。
打破孤岛：传统企业中，HR规划“人”，IT规划“机器”。但在莫德纳，这两者被合并考量。
创新驱动：Franklin强调，“没人会因为‘帮公司省钱’而兴奋”。推动员工拥抱AI的动力，不是削减成本（Cost Cutting），而是个人能力的增强与创新（Innovation）。
睿信咨询顾问解读：
这是一个深刻的“组织变革”信号。 AI时代，“人机协作”是新的生产力单元。如果你的HR部门还在按旧的岗位描述招人，而IT部门只负责买软件，两者互不通气，AI永远无法真正落地。 战略建议： 考虑建立“数字化劳动力规划”职能，统一管理人类员工与数字员工（AI Agents）。
当大家都在卷“万亿参数”时，峰会上的领袖们却将目光投向了小模型（Small Models）。
D'Ercole预测，像Gemini Flash、GPT Nano这样的低成本、低延迟、高性能的小模型，将在2026年迎来爆发式采用。
更务实：并不是所有任务都需要爱因斯坦（GPT-4），很多日常任务只需要一个实习生（小模型）就能搞定。
更安全：开源和小模型让企业更容易在本地部署，解决数据隐私的后顾之忧。
睿信咨询顾问解读：
我们正在进入“模型分层”时代。 未来的企业架构将是：1个超大模型（处理复杂逻辑）+ N个专用小模型（处理具体任务）。这不仅能大幅降低推理成本（Inference Cost），还能显著提升响应速度。
1.盘点你的数据资产：只有你独有的数据，才值得你投入资源去“Fine-tune（微调）”或“Build（自研）”。
2.重塑激励机制：告诉员工AI是来帮他们减少枯燥工作、发挥创造力的，而不是来抢饭碗的。文化是AI落地的土壤。
3.关注边缘侧AI：关注小模型技术进展，为2026年将AI部署到终端设备（手机、汽车、IoT）做好准备。
正如国际奥委会CIO所言，AI是一场马拉松，而不是百米冲刺。
2026年，并没有什么神奇的魔法。胜利属于那些在技术上懂得取舍（买通用、造核心），在组织上敢于重塑（人机协同），在文化上聚焦创新的企业。
你的企业，准备好迎接2026年的AI颠覆了吗？
全文：一项奥运规模的努力：CIO们为 2026 年人工智能颠覆做准备
来自莫德纳（Moderna）、国际奥委会（IOC）和 Sportradar 的科技领袖在路透社 Next 峰会上深入探讨了构建自研 AI 与购买“现成” AI 的利弊。
作者：Joao-Pierre S. Ruth，InformationWeek 高级编辑
（图片说明：莫德纳的特雷西·富兰克林（左）在路透社 Next 领导力峰会上聆听国际奥委会的伊拉里奥·科尔纳的发言。照片由 Joao-Pierre S. Ruth/InformationWeek 拍摄）
预计 AI 带来的颠覆将在 2026 年持续下去，这将推动企业去适应不断演进的技术并随市场扩大规模。
这是来自国际奥委会、莫德纳和 Sportradar 的领导者们达成的共识，他们在近期于纽约市举办的路透社 Next 领导力峰会的小组讨论中，探讨了各自的 AI 战略和 2026 年计划。
主持人、汤姆森路透（Thomson Reuters）首席产品官 David Wong 询问了每位嘉宾其组织如何投资 AI，以及明年计划在该技术上进行哪些重大投资。一个核心收获是？决定在内部构建 AI 还是购买第三方资源，其意义远超降低成本这一潜在考量。
“在内部，我们利用 AI 来优化流程，当然，本质上是为了让我们自己更高效，”Sportradar 人工智能与技术执行副总裁 Nicolo D'Ercole 表示。他的公司利用 AI 来辅助开发人员并提升生产力。他说，AI 也被投入到满足公众和面向客户的需求中。
当谈到这些外部需求时，D'Ercole 表示公司通过两种方式使用 AI：构建产品和利用数据。“我们非常依赖最常见的基础模型（Foundation Models），比如 Gemini、OpenAI 的模型、Anthropic 的模型。我们会根据具体的使用案例来使用所有这些模型，”D'Ercole 说。
Sportradar 为包括 NBA、NASCAR 和 MLB 在内的职业体育联盟开发数据服务和其他技术资源。D'Ercole 说，对于这些产品，他的公司不仅仅依赖第三方 AI，而是为特定运动构建自己的模型，通过训练数据来预测比赛中未来几秒钟可能发生的情况。
D'Ercole 表示，就目前而言，非 AI 主要开发商的公司可能很难提供达到巨头规模的内部自研模型。“在通用用例上与大型语言模型（LLM）构建者竞争是非常困难的……”他说。他解释道，即使一家公司在满足通用需求的内部 AI 模型上取得了短暂的成功，AI 领域的巨头们仍在不断前进并持续吸引巨额投资，这会打击其他公司在内部开发通用 AI 用途的积极性。
然而，当涉及到使用专有数据的特定用例时，D'Ercole 表示，如果组织相信这能带来差异化优势，那么在内部构建 AI 模型是值得的。
一、莫德纳的 AI 内部采用处方
制药和生物技术公司莫德纳（Moderna）的首席人事兼数字技术官 Tracey Franklin 表示，莫德纳正利用 AI 重新定义工作。“我们正在将 AI 应用于业务的大部分领域。但我们的做法是审视我们所谓的‘工作流（flow of work）’。”
Franklin 说，这种对工作的重新定义包括探索软件、机器人和 AI，并将其与人的因素相结合。此外，她表示她在公司的角色正是围绕这些考量而塑造的。
Franklin 指出，传统的人力资源管理倾向于关注劳动力规划，而 IT 团队则单独关注 IT 组合规划。莫德纳将这些要素结合在了一起，而不是让它们各自为政。“我们将这些整合在一起，以此表明这就是未来工作的完成方式，因为我们对 AI 采取的是广泛基础的方法，”她说。
莫德纳是近期这波 AI 浪潮的早期采用者。“我们与 OpenAI 建立了合作伙伴关系，并迅速在整个组织内推动了 AI 的普及化（democratize），”Franklin 说。她表示，这意味着每一位员工都开始使用 AI，并探索进一步开发和使用的潜力。
Franklin 表示，莫德纳进一步完善了其 AI 战略，包括评估已经使用的相关软件（如 SAP 和 Workday），以了解这些供应商在 AI 方面的路线图。莫德纳继续审视哪些内容是其可以在内部可行地构建的。
“我们正在识别什么是我们公司独有的，以及我们可以将精力、时间和工程师集中在哪里，以真正获得那种独特的优势，”她说。
二、国际奥委会：通往 AI 金牌之路是一场马拉松而非短跑
AI 已经成为国际体育舞台的一部分。国际奥委会（IOC）首席信息与技术官 Ilario Corna 表示，该组织在经过六个月的筹备工作后，于 2024 年 4 月启动了《奥林匹克 AI 议程》。
“对我们来说，非常重要的一点是尽可能广泛地走出去，了解我们应该在哪里应用 AI，以及在哪里不应该应用 AI，”Corna 说。
《奥林匹克 AI 议程》包含五个重点：
利用 AI 支持运动员并保障其安全。
提供平等的 AI 获取机会。
利用 AI 优化奥运会，包括如何组织赛事以使其更高效、更可持续。
提高参与度，以触达更多粉丝和社区。
应用 AI 提升国际奥委会行政管理的效率。
“我们所做的一切都需要对应这五个行动项中的一项，”Corna 说。
他说，国际奥委会在其工作中使用了现成的商业化 AI，同时也进行了一些内部开发。这包括一个正在开发中的模型，该模型基于各类比赛的差异，为每项运动提供视频分析。
（图片说明：David Wong（左）和 Nicolo D'Ercole 参加路透社 Next 的小组讨论。照片由 Joao-Pierre S. Ruth/InformationWeek 拍摄）
三、2026 年：小模型会有大应用？一切关乎文化
D'Ercole 表示，他预计拥有标志性大型 AI 模型的大型供应商之间的技术竞赛将继续，但更多的采用和规模化应用可能来自成本更低的替代方案。
“或许更有趣的是，那些较小的模型——Gemini Flash、GPT Nano 和 Claude 2 等等——将变得足够好，能够应用于日常的技术应用中，”他说。
Corna 同意这一观点，认为小型模型有潜力在 2026 年加速普及。他还表示，开源模型正变得越来越受欢迎。
Franklin 表示，如果一家公司决定构建自己的 AI，这应该被融入到企业文化中。
“这必须成为你们的运作方式。如果 AI 对作为一个组织的你们很重要，并且你想推进它，那么围绕技术和创新的使用来发展你们的文化就至关重要，”她说。
Franklin 说，当员工看到他们可以利用 AI 进行创新并提升自身技能时，组织内部对 AI 的采用率和兴趣往往会增加。她通过进一步表示，以成本为导向来引领 AI 是不明智的，这无法激励公司去探索 AI 的能力。“没人会因为成本和省钱而感到兴奋，”Franklin 说。“那不是员工的驱动力。员工的驱动力是创新。”
IT领导力 IT战略 机器学习与人工智能 软件与服务 新闻
作者：Joao-PierreS.Ruth（乔奥-皮埃尔·S·鲁斯）
Joao-PierreS.Ruth（乔奥-皮埃尔·S·鲁斯）为InformationWeek编辑故事，并报道多个行业和技术领域的高管。
译者：宝蓝 编审：@lex
