文｜白 鴿

編｜王一粟

今年的中關(guān)村，AI熱度依然很高。

“無(wú)論怎么樣看，人工智能未來(lái)發(fā)展最重要的下一步，就是怎么樣能夠達(dá)到大家都滿意的AGI，就是通用人工智能。”圖靈獎(jiǎng)得主、中國(guó)科學(xué)院院士、清華大學(xué)交叉信息研究院及人工智能學(xué)院院長(zhǎng)姚期智在2025人工智能+大會(huì)主論壇上如此說(shuō)道。

圖靈獎(jiǎng)得主、中國(guó)科學(xué)院院士、清華大學(xué)交叉信息研究院及人工智能學(xué)院院長(zhǎng)姚期智

他還強(qiáng)調(diào)AGI：“不但是科學(xué)上，而且是戰(zhàn)略上和各國(guó)經(jīng)濟(jì)上的科技高地”。

盡管AGI是整個(gè)行業(yè)發(fā)展目標(biāo)，但從現(xiàn)實(shí)來(lái)看，AGI還比較遙遠(yuǎn)，行業(yè)中更關(guān)注的，往往是AI大模型在企業(yè)中真正落地應(yīng)用效果。

“從今年整個(gè)大會(huì)來(lái)看，尤其是跟去年對(duì)比，大家普遍關(guān)注的方向已經(jīng)轉(zhuǎn)向AI大模型真正面向產(chǎn)業(yè)的落地應(yīng)用，包括科創(chuàng)企業(yè)、頭部大廠等，都已經(jīng)關(guān)注到這個(gè)方向來(lái)。”中數(shù)睿智CEO韓涵如此說(shuō)道，而這已經(jīng)成為行業(yè)共識(shí)。

在2025人工智能+大會(huì)主論壇上，多位嘉賓也同時(shí)指出，應(yīng)用落地正在真正成為推動(dòng)AI前進(jìn)的力量，技術(shù)與產(chǎn)業(yè)結(jié)合的契機(jī)正在逼近，“場(chǎng)景驅(qū)動(dòng)”則是AI從技術(shù)革命走向產(chǎn)業(yè)革命的關(guān)鍵躍點(diǎn)。

但是，企業(yè)級(jí)AI真實(shí)落地現(xiàn)狀，似乎卻并未如行業(yè)熱度所展現(xiàn)的一樣。

很多企業(yè)對(duì)AI大模型的應(yīng)用還始終保持著謹(jǐn)慎的態(tài)度。“現(xiàn)階段整個(gè)行業(yè)用一個(gè)詞形容，就是亂，但混亂中，也在欣欣向榮。”新希望集團(tuán)首席數(shù)字官李旭昶對(duì)光錐智能說(shuō)道。

可以看到，現(xiàn)階段AI早已走出實(shí)驗(yàn)室，大模型從“百模大戰(zhàn)”走向分化，智能體概念遍地開(kāi)花，可一落到實(shí)際業(yè)務(wù)，總像差了最后一口“氣”，眼看要沖線卻卡在半路。

那么，AI大模型真正走向千行百業(yè)，到底還面臨著哪些問(wèn)題？又該如何解決這些問(wèn)題？

AI落地真相：不是所有企業(yè)都在“狂飆”

當(dāng)前，企業(yè)AI落地的真實(shí)現(xiàn)狀，一半是海水，一半是火焰。

據(jù)崔牛會(huì)數(shù)據(jù)顯示，當(dāng)前已有43%的企業(yè)部門(mén)或崗位進(jìn)入規(guī)�；�使用階段，27%仍處在試點(diǎn)期，28%實(shí)現(xiàn)了廣泛滲透，還有1.9%尚未確定是否應(yīng)用。

這意味著，AI在企業(yè)內(nèi)部的落地已經(jīng)具備了相當(dāng)?shù)幕�礎(chǔ)。

但是，在AI崗位分布中，往往是營(yíng)銷、客服、研發(fā)、數(shù)據(jù)、運(yùn)營(yíng)等場(chǎng)景占比比較高，反而涉及到企業(yè)管理和中臺(tái)等核心業(yè)務(wù)場(chǎng)景，AI所使用的情況更少。

可以看到，企業(yè)級(jí)AI落地，更多是從邊緣業(yè)務(wù)推進(jìn)，現(xiàn)階段很難應(yīng)用到企業(yè)核心業(yè)務(wù)場(chǎng)景中。

更為重要的是，很多傳統(tǒng)企業(yè)盡管也在推進(jìn)AI業(yè)務(wù)，但整體進(jìn)展情況則相對(duì)緩慢。

如新希望集團(tuán)，“我們還沒(méi)完全看清楚AI跟場(chǎng)景具體結(jié)合情況，但對(duì)AI保持隨時(shí)跟進(jìn)的狀態(tài)，不是無(wú)腦子All in AI，而是保持有節(jié)奏、有分寸的跟進(jìn)。”李旭昶說(shuō)道，“先讓子彈飛一會(huì)兒。”

這背后最重要的一點(diǎn)原因，就是大模型真實(shí)落地效果并未達(dá)到企業(yè)預(yù)期。而影響大模型落地效果的關(guān)鍵，就在于大模型自身的準(zhǔn)確性上。

“歸根到底就一個(gè)問(wèn)題，就是準(zhǔn)確率的問(wèn)題。”帆軟聯(lián)合創(chuàng)始人、副總裁張馳深有感觸，“很多客戶一開(kāi)始覺(jué)得AI不能出錯(cuò)，必須交付100%可靠的結(jié)果。”畢竟，在AI之前，帆軟交付的數(shù)據(jù)分析工具都是精準(zhǔn)無(wú)誤的，客戶早已習(xí)慣了“零誤差”的交付標(biāo)準(zhǔn)。

但現(xiàn)階段沒(méi)有一家公司能保證AI給的結(jié)果是100%準(zhǔn)確，AI的本質(zhì)是概率性模型，就像人會(huì)犯錯(cuò)一樣，它也存在變量，這讓習(xí)慣了確定性工具的客戶難以接受。

也正因此，企業(yè)級(jí)AI落地的第一道坎，就始于認(rèn)知的鴻溝。

一邊是企業(yè)決策層對(duì)AI的無(wú)限期待，一邊是技術(shù)團(tuán)隊(duì)和業(yè)務(wù)部門(mén)的現(xiàn)實(shí)困境，這種錯(cuò)位讓很多AI項(xiàng)目從一開(kāi)始就埋下隱患。

另外也有不少企業(yè)決策者被AI概念裹挾，盲目追求“高大上”的技術(shù)，卻不清楚自己真實(shí)需求。

阿里云智能集團(tuán)副總裁霍嘉在觀察一線落地效果時(shí)發(fā)現(xiàn)：“當(dāng)前行業(yè)現(xiàn)狀往往是領(lǐng)導(dǎo)對(duì)大模型充滿絕對(duì)信心，反而做技術(shù)的人對(duì)如何落地感到非常擔(dān)憂。”

這種上下認(rèn)知的脫節(jié)，導(dǎo)致很多AI項(xiàng)目要么目標(biāo)模糊，要么急于求成。

李旭昶用一句玩笑話概括了當(dāng)前的混亂狀態(tài)：“智能體廠家不知道賣(mài)什么，企業(yè)不知道買(mǎi)什么”，這背后正是整個(gè)行業(yè)對(duì)AI能力邊界、應(yīng)用場(chǎng)景、價(jià)值回報(bào)的認(rèn)知缺失。

另外還有一點(diǎn)，“現(xiàn)在AI技術(shù)迭代太快，今天覺(jué)得先進(jìn)的方案，明天可能就落后了。”李旭昶說(shuō)道，而這種不確定性讓很多企業(yè)不敢大規(guī)模投入，只能小步試點(diǎn)、謹(jǐn)慎推進(jìn)。

很多時(shí)候，在企業(yè)內(nèi)部，認(rèn)知也需要一個(gè)培育過(guò)程。

張馳為了挖掘真實(shí)需求，在公司內(nèi)部搞了個(gè)“提需求兌奶茶”的活動(dòng)，讓2000多名員工填報(bào)日常工作中的痛點(diǎn)。后來(lái)又推出“買(mǎi)AI產(chǎn)品報(bào)銷”活動(dòng)，哪怕是AI美顏軟件也能報(bào)銷，就是為了讓大家先接觸AI、理解AI。

如果說(shuō)認(rèn)知偏差是思想上的障礙，那么數(shù)據(jù)、組織、技術(shù)的協(xié)同問(wèn)題，就是企業(yè)級(jí)AI落地路上的“硬骨頭”，這三重壁壘相互交織，讓很多項(xiàng)目卡在中途。

李旭昶提到，新希望在數(shù)字化階段就花了四年時(shí)間打通數(shù)據(jù)，“沒(méi)有數(shù)字化打下的基礎(chǔ)，AI就是無(wú)源之水”。而數(shù)據(jù)流通更是難上加難，很多企業(yè)的核心數(shù)據(jù)是競(jìng)爭(zhēng)優(yōu)勢(shì)，不會(huì)輕易共享，即便是行業(yè)內(nèi)的龍頭企業(yè)，也很難自發(fā)形成數(shù)據(jù)生態(tài)。

“高質(zhì)量數(shù)據(jù)集對(duì)AI發(fā)展至關(guān)重要，但企業(yè)自發(fā)共享很難，需要政府引導(dǎo)和脫敏處理。”他說(shuō)。

協(xié)同阻力則是很多AI項(xiàng)目失敗的隱形殺手。李旭昶坦言，新希望在推進(jìn)數(shù)字化和AI轉(zhuǎn)型時(shí)，花了大部分時(shí)間和精力處理跨部門(mén)、跨產(chǎn)業(yè)、跨實(shí)體協(xié)同的問(wèn)題，從ERP時(shí)代到數(shù)字化時(shí)代，再到AI時(shí)代，每一次信息化/數(shù)字化變革都會(huì)重構(gòu)組織和流程，而協(xié)同往往是最大的阻力。

技術(shù)適配的“最后一公里”同樣棘手。AI不是萬(wàn)能的，不同場(chǎng)景需要不同的技術(shù)方案，盲目套用通用模型往往效果不佳。

“AI擅長(zhǎng)的領(lǐng)域能提升幾十倍、幾百倍效率，但不擅長(zhǎng)的領(lǐng)域強(qiáng)行使用只會(huì)適得其反。”李旭昶舉例，大模型在多模態(tài)生成方面表現(xiàn)突出，但在嚴(yán)密的文書(shū)工作中經(jīng)常“胡說(shuō)八道”，需要人工復(fù)核。

中數(shù)睿智CEO韓涵

中數(shù)睿智則選擇聚焦核心戰(zhàn)略型支柱產(chǎn)業(yè)，韓涵表示：“我們不做容易實(shí)現(xiàn)的場(chǎng)景，而是專注于工業(yè)、能源、國(guó)防等技術(shù)難度大、戰(zhàn)略價(jià)值高的領(lǐng)域，這些領(lǐng)域需要把大模型與進(jìn)化算法深度結(jié)合。”

可以看到，從大會(huì)的熱鬧到企業(yè)的冷靜，從技術(shù)的狂飆到落地的審慎，2025年的AI行業(yè)，正在經(jīng)歷一場(chǎng)從“熱炒”到“實(shí)干”的轉(zhuǎn)變。那么，企業(yè)又該如何推動(dòng)AI真正走向落地應(yīng)用？

AI的下一個(gè)十年：如何解決企業(yè)落地難題？

“AI下一個(gè)十年，不是比誰(shuí)的模型更大，而是比誰(shuí)能把技術(shù)扎進(jìn)產(chǎn)業(yè)里。”在大會(huì)的圓桌論壇上，智譜華章董事長(zhǎng)劉德兵說(shuō)道。

企業(yè)級(jí)AI落地的最終目標(biāo)是創(chuàng)造價(jià)值，但很多企業(yè)還停留在“交付工具”的階段，未能形成從技術(shù)到價(jià)值的閉環(huán)，這也是企業(yè)級(jí)AI落地“差口氣”的關(guān)鍵所在。

如中數(shù)睿智不做基礎(chǔ)模型，只深耕多智能體協(xié)同自進(jìn)化技術(shù)。在大型化工廠，其智能體能實(shí)現(xiàn)催化劑安放、工藝診斷、風(fēng)險(xiǎn)預(yù)測(cè)和流程優(yōu)化的全流程調(diào)控；在能源行業(yè)，極端天氣應(yīng)急指揮智能體一年能為客戶有效規(guī)避經(jīng)濟(jì)損失。

“我們交付的不是工具，而是可衡量的價(jià)值與成果，客戶能直接看到效率提升30%以上，安全風(fēng)險(xiǎn)降低40%-50%。”韓涵說(shuō)。

但實(shí)現(xiàn)這種價(jià)值閉環(huán)并不容易，需要企業(yè)長(zhǎng)期深耕。

新希望在AI轉(zhuǎn)型上采取了“有節(jié)奏的all in”策略，去年試點(diǎn)了100多個(gè)場(chǎng)景，今年開(kāi)始?xì)w攏聚焦，明確了AI+管理、AI+運(yùn)營(yíng)、AI+業(yè)務(wù)創(chuàng)新三條路線。

“我們不急于求成，AI+業(yè)務(wù)創(chuàng)新需要把生意重新做一遍，這需要時(shí)間沉淀。”李旭昶提到，新希望正在推進(jìn)的“AI+全鏈節(jié)糧”計(jì)劃，涉及育種、精準(zhǔn)飼喂、疫病防疫等多個(gè)環(huán)節(jié)，目標(biāo)是每年節(jié)省1%的飼料，這背后是AI與產(chǎn)業(yè)知識(shí)的深度融合。

對(duì)于AI落地的價(jià)值回報(bào)，行業(yè)普遍認(rèn)為需要長(zhǎng)期主義。

“做好軟件的秘訣就是創(chuàng)造價(jià)值，并且長(zhǎng)期堅(jiān)持。”張馳坦言，但他相信，隨著AI與業(yè)務(wù)的深度融合，尤其是在戰(zhàn)略洞察、商機(jī)推薦等高端場(chǎng)景的應(yīng)用，未來(lái)會(huì)帶來(lái)很高的溢價(jià)。

基于此，可以看出，面對(duì)AI落地的多重挑戰(zhàn)，企業(yè)并非無(wú)計(jì)可施。

從帆軟、新希望、中數(shù)睿智等企業(yè)的實(shí)踐來(lái)看，想要補(bǔ)上最后一口“氣”，需要遵循“先立后破、協(xié)同共生”的原則，在認(rèn)知、技術(shù)、生態(tài)三個(gè)層面同時(shí)發(fā)力。

在認(rèn)知層面，要“先試點(diǎn)后推廣”，用實(shí)踐教育市場(chǎng)。

帆軟的“內(nèi)部先交貨”、新希望的“100個(gè)場(chǎng)景試點(diǎn)”，都是通過(guò)小范圍成功案例建立信心，逐步擴(kuò)散。“不要一開(kāi)始就追求大而全，先從重復(fù)勞動(dòng)多、痛點(diǎn)明確的場(chǎng)景入手，讓大家看到實(shí)實(shí)在在的效果。”霍嘉建議，場(chǎng)景選擇要避免標(biāo)新立異，從重復(fù)性工作切入更容易獲得回報(bào)。

在技術(shù)層面，要“不貪大求全，聚焦核心能力”。企業(yè)不必非要自己訓(xùn)練大模型，像帆軟那樣專注于上下文工程，讓通用大模型更好地理解企業(yè)業(yè)務(wù)，同樣能實(shí)現(xiàn)價(jià)值。

“我們不做行業(yè)大模型，而是用市面上最強(qiáng)的通用大模型，通過(guò)上下文工程讓它更懂企業(yè)、更懂我們的工具。”張馳說(shuō)。

中數(shù)睿智則通過(guò)“基礎(chǔ)設(shè)施層、能力支撐層、應(yīng)用構(gòu)建層、場(chǎng)景應(yīng)用層”的全鏈貫通，實(shí)現(xiàn)了大型項(xiàng)目幾個(gè)星期內(nèi)落地，客單價(jià)達(dá)到數(shù)百萬(wàn)到千萬(wàn)級(jí)別。

在生態(tài)層面，要“開(kāi)放協(xié)同，破解資源壁壘”。

如數(shù)據(jù)流通需要政府引導(dǎo)和行業(yè)協(xié)作，新希望李旭昶建議通過(guò)政府牽頭，建立脫敏的數(shù)據(jù)共享機(jī)制；技術(shù)落地需要產(chǎn)學(xué)研協(xié)同，帆軟與幾百家企業(yè)共創(chuàng)，中數(shù)睿智與央企、科研院所深度合作，都是通過(guò)協(xié)同破解單點(diǎn)突破的局限。

“AI落地不是一家企業(yè)的事，需要技術(shù)方、企業(yè)、政府、科研機(jī)構(gòu)共同努力。”韓涵說(shuō)。

基于此，不難看出，當(dāng)前在推動(dòng)AI在企業(yè)中的落地，既需要企業(yè)沉下心來(lái)打磨產(chǎn)品和場(chǎng)景，也需要整個(gè)行業(yè)建立清晰的價(jià)值標(biāo)準(zhǔn)和協(xié)同機(jī)制。

當(dāng)認(rèn)知不再錯(cuò)位、數(shù)據(jù)不再割裂、技術(shù)不再脫節(jié)、價(jià)值不再模糊，企業(yè)AI落地才能真正“喘勻氣”，從概念走向?qū)嵭А?/p>

而對(duì)于那些還卡在半路的企業(yè)來(lái)說(shuō)，最缺的那口“氣兒”，其實(shí)是“耐心+聚焦”。就像李旭昶所說(shuō)：“不要過(guò)分夸大AI的當(dāng)下，也不能小看AI的未來(lái)。”

AI落地不是一蹴而就的革命，而是循序漸進(jìn)的進(jìn)化。

畢竟，真正的AI革命，從來(lái)不是發(fā)生在實(shí)驗(yàn)室里，而是發(fā)生在工廠的車(chē)間里、農(nóng)場(chǎng)的豬舍里、物流的倉(cāng)庫(kù)里，發(fā)生在每一個(gè)讓技術(shù)服務(wù)于產(chǎn)業(yè)的角落里。

       原文標(biāo)題 : 企業(yè)AI落地，還差一口“氣兒”