AI是“擺設”還是“解藥”？測測你的企業AI化指數

點擊上圖▲立即測試

在過去一年里，吳老師常說這樣一句話：“未來我們的兩只眼睛，一只眼睛要盯著出海，另一只則要狠狠盯著人工智能。”

過去一年，他的企業走訪和調研有一條貫穿始終的主線：從具體場景出發，探究每一家企業與AI產生了怎樣的連接，AI技術又在如何重塑它們的生產、經營與組織邏輯。這樣的觀察，也是頻道過去一年內容的核心脈絡之一。在持續走訪中，我們看見了驚艷，也捕捉到困惑；見證了突破，也發現了問題。

站在2026年回看，2025年無疑是AI變革極具標志性的一年。但途中不能一味向前，也需要停下對階段性的實踐進行一次反芻與沉淀。

因此我們發起了一項調查，邀請各位企業家或企業AI化負責人，對過去一年自家企業的AI應用情況進行一次系統梳理。在回答中思考，在思考中校準，以此尋找企業在AI轉型中的價值與路徑。

文 / 巴九靈（微信公眾號：吳曉波頻道）

喧囂之下，那些被掩蓋的真問題

2025年是中國企業AI化轉型的加速之年。

根據IDC調研數據，我國工業企業應用大模型及智能體的比例，從2024年的9.6%提升到2025年的47.5%。其中，在研發、制造、供應鏈等多個環節同時應用的企業比例也從1.7%躍升至35%。

兩會期間工信部透露的數據同樣顯示，2025年我國人工智能核心產業規模已超1.2萬億元，企業超過6200家，規上制造業企業AI技術應用普及率超30%。

然而，在亮眼的數據和宏大的敘事之外，過去一年我們在和眾多企業接觸時，也看見了很多問題。梳理下來，有三點最可感知。

??第一：業務到底需不需要？

去年秋天，在一場制造業數字化轉型沙龍上，一位做精密零部件的老板向小巴分享了他的經歷：“有一次去參加AI峰會，臺上一個同行分享，說用了AI質檢，人力成本降了30%，良率提升了5個點。我當時熱血沸騰，回來就跟同事說，兩個月，必須拿出方案。”

他頓了頓，苦笑了一下：“結果團隊調研了兩周，給我匯報說，老板，咱們產線上的問題，根本不是AI能解決的。咱們的痛點是有時候訂單不穩定、設備開機率低，這些問題AI管不了。硬上AI質檢，反而要改造整個產線，成本至少要幾百萬。你說我這AI，是上還是不上？”

這位老板的經歷并非個例。過去一年，我們觀察到一種普遍現象：很多企業上AI，是因為“別人都在上”。至于這個方案和自家業務是否契合、能否解決真問題，往往在“趕風口”的沖動中被略過。AI淪為一種技術裝飾，而非業務解藥。

??第二：資金到底能不能支撐？

AI不是一次性采購，而是一場持續的“資金長跑”。

算力要錢，數據治理要錢，算法工程師要錢，模型迭代還要錢。賬本攤開，許多企業才意識到：AI的隱形成本遠比想象中龐大。

一般而言，企業的AI建設包括純自研、自建團隊+第三方模型微調模式、或者購買第三方的AI產品和服務等多種模式，不同模式其背后對應的成本支出不盡相同。但在業內人士指出，無論哪種模式，支出都不菲。

2025年《中國經濟周刊》中一篇文章的采訪指出，綜合來看，傳統企業接入AI，單一工位（指生產過程的最小基本單元）的質檢優化，其成本量級通常在10萬元左右；產線或部門級的整體改造，則需投入百萬到千萬元；而實現工廠級別全面智能化轉型，投資額度則可能達到千萬元及以上。

高成本也帶來了回報的不確定性。麥肯錫調研顯示，全球88%的企業已布局AI應用，但僅有39%實現實質性財務回報，成本高昂是導致這一差距的核心原因。

??第三：長遠收益到底怎么算？

這是最核心的困境。買臺設備，投下去就能算回報——產能提升多少、良率提高幾個點，一年省下多少人工，都能折算成錢。AI呢？它可能讓供應鏈響應快兩天，可能讓庫存周轉縮短5%——但這些“可能”，很難變成財務預測表上的確定數字。

波士頓咨詢公司在今年1月發布的全球AI發展格局年度調研報告中指出了這一困境的普遍性。報告強調：企業的AI支出是“前置的”，而收益是“后置的”。大量資金正被投入基礎設施、數據治理和員工技能培訓——這些都是規模化AI應用的先決條件，但很少能立即產生收入增長。

這意味著大量試錯正在發生，并非所有投入都能見到回頭錢。于是，很多企業陷入一種尷尬：上了怕踩坑，不上怕掉隊。在“要不要、能不能、值不值”之間反復搖擺，進退兩難。

而更深層的問題在于：AI對業務的重構深度，參差不齊。

德勤《2026年人工智能現狀報告》將企業AI應用分為三個層次：

◎37%的企業在較表面層面使用AI，對現有流程幾乎沒有改變；

◎30%圍繞AI重新設計關鍵流程，但保持商業模式不變；

◎僅34%的企業開始用AI深度轉型業務——創造新產品、重塑核心流程，甚至改變商業模式。

換句話說，三分之二的企業仍在“用AI優化舊事”，而非“做AI才能做的新事”。

2026，AI從“工具”

走向“經濟”的關鍵之年

盡管問題突出，但大勢難逆。2026年，企業的AI應用、轉型只會更加激烈。

從政策大方向來看，今年全國兩會，一個詞首次寫入政府工作報告：“智能經濟”。

所謂智能經濟，指的是人工智能驅動的經濟形態，傳統工業經濟將融入智能內核，成為經濟轉型的核心方向。從2024年到2026年，政府工作報告連續三年部署“人工智能+”，但“智能經濟”的提法是第一次。

在很多專家看來，這一表述的微妙變化，標志著政策邏輯的躍遷：從強調技術落地，到構建全新經濟形態。這意味著，未來的企業競爭，不只是“誰有AI”的競爭，更是“誰能用AI重構商業模式”的競爭。

而從技術擴張的內在邏輯來看，這一轉型正形成前所未有的加速度。

經濟學中有一個經典的“杰文斯悖論”，其核心邏輯是當技術進步提高了特定資源的利用效率時，它會降低使用成本，并進而激發需求的爆發式增長。

在關于AI技術的普及中，這一觀點也常常被引用。在興業證券此前發布的一篇文章中指出，由于模型優化和芯片迭代，使得主流模型的推理單位Token輸出成本在過去3年下降超過99%，這種成本的極度收斂反而刺激了更廣泛的使用場景和更高的收入產出，形成技術迭代推動應用普及的正向循環。

這對企業而言，意味著AI的普及窗口已經打開，不再是“夠不夠好”的問題，而是“用得夠不夠快”的問題。

波士頓咨詢公司最新發布的《2026AI雷達》揭示了一個看似反常但極具標志性的現象：94%的企業明確表示，即便短期內看不到具體成效，也不會因此縮減或中止AI投資。

換而言之，AI已從“可選項”升維為“必選項”，從技術工具升格為戰略共識。在這場變革中，觀望的成本，往往比試錯的成本更高。AI正在成為企業必須持有的“入場券”，而非可以等待的“加分項”。

在狂奔中，聽見沉默的聲音

一邊是逃不開的實際困境，一邊是躲不掉的大勢所趨。企業該如何自處？

上世紀60 年代，美國社會學家羅杰斯在對農村新事物的采納與普及過程進行深入調查后，提出了創新擴散理論：一種新事物在社會系統中的推廣與擴散，與人際傳播、大眾傳播密不可分，擴散的過程本質上也是傳播的過程。

根據對新技術接受時間的早晚，羅杰斯將社會群體劃分為五類：創新者、早期采用者、早期大多數、晚期大多數和滯后者，由此勾勒出新技術從小眾走向大眾的普及路徑。

此后，硅谷戰略與創新專家杰弗里?摩爾在《跨越鴻溝》中，將這一理論延伸至高科技與顛覆性創新的擴散規律，并揭示了一個殘酷的真相：從早期采用者到早期大眾之間，橫亙著一道難以逾越的鴻溝。前者為先進性買單，后者只為實用性付費；前者愿意承擔試錯成本，后者極度排斥風險。

當下中國企業的AI 應用，恰恰站在了這道鴻溝的邊緣：技術已足夠驚艷，卻尚未轉化為穩定可預期的回報；企業不愿掉隊，卻又擔心盲目投入、不慎踩坑。

而跨越這道鴻溝，既不能靠盲目試錯，也不能靠原地觀望。它需要一種清醒的定位能力—— 先看清自己身處何處，才能規劃出真正可行的跨越路徑。

這正是我們發起這次調研的初衷。過去幾年，行業已經積累了足夠多的實踐樣本，有成功的經驗，更有值得警惕的教訓。現在是時候停下來，用數據認真審視：我們到底做得怎么樣？哪些坑可以提前避開？哪些路值得堅定走下去？

這份問卷將圍繞八項核心維度來評估企業在AI戰略、組織、數據、技術、應用及生態等方面的綜合能力。

我們或許無法僅憑一次問卷，就完整看清今天中國企業AI轉型的全貌，但希望能讓這次調研成為一個錨點，幫助那些在喧囂中困惑的企業，找到一個相對確定的坐標。

在AI狂飆突進的浪潮里，我們希望多去傾聽一些沉默而真實的聲音。

若您已準備好不再旁觀，而是親自下場破局，誠邀您加入“AI+ 制造”實戰研修營，用60天時間完成從認知升級到方案落地的閉環，讓 AI 真正成為企業增長的引擎。