企业AI落地：从技术本位到业务赋能的范式跃迁与未来图景

TL;DR：

当前企业级AI面临技术涌现与商业价值兑现的鸿沟。商汤科技贾安亚指出，核心在于从IT驱动转向业务导向，并强调业务目标与行业理解重于模型本身，需通过精准场景选择、多模态与软硬结合构建端到端解决方案，方能释放AI的真正商业潜力。

2025年的商业世界，正站在一场深刻范式转换的十字路口。人工智能的浪潮以前所未有的速度席卷全球，从通用大模型的“智能涌现”到具身智能叩响真实世界的大门，技术突破令人目眩。然而，正如商汤科技贾安亚在WISE2025商业之王大会上所指出的，尽管国家层面大力推动“人工智能+”战略，现实中仅有极少数企业真正兑现了AI的价值——MIT的一项报告显示，仅有5%的企业在大模型落地后，在财务报表上看到了实际量化价值¹。这揭示了一个引人深思的悖论：AI的巨大潜力与企业实际应用效益之间的巨大鸿沟。

AI落地：从技术驱动到业务导向的范式革命

过去两年，大模型应用范式从最初的预训练、微调演进到智能体（Agent）概念的兴起，其核心逻辑正在从“模型为王”转向“应用为本”。贾安亚强调，企业AI落地的关键突破点在于两个维度的转变：

1. 从IT主导转向业务驱动：传统的企业信息化建设多由IT部门自上而下推动，而AI应用的有效落地则需要业务层自下而上的驱动。一线使用者，那些最了解业务痛点和增量价值的人，应成为技术引入的决策者。这不仅弥补了IT与业务之间的理解鸿沟，更确保了AI工具能够真正融入日常工作流，解决实际问题。
2. 精准的场景选择策略：并非所有业务场景都适合AI优先落地。对数据精度要求极高、容错率极低的财务等领域，在当前AI技术无法保证100%准确性的前提下，并非最佳切入点。相反，企业供应链、进销存、人事、运营等领域，虽然数据要素庞杂，却缺乏足够的数据科学家进行分析，且具备一定的容错空间。在这些领域，AI能够立竿见影地产生显著增量价值，为企业后续扩大AI建设积累信心和经验。

“未来的壁垒可能不是技术壁垒，而是创意壁垒。”¹

这一观点深刻揭示了AI时代，技术门槛的相对下降与业务理解、创新应用能力重要性的凸显。企业需要的不再是孤立的模型，而是能够端到端解决实际业务问题的完整解决方案。这种范式转变，意味着企业必须将对技术本身的痴迷，转向对商业目标和行业痛点的深刻理解。

智能体演进与多模态融合：构建端到端解决方案

智能体（Agent）作为当前AI发展的一个热点，其概念正从简单的业务层封装向更深层的自主规划、工具调用和沙盒推演能力进化。然而，真正的智能体不仅仅是低代码或RPA的升级，它需要结合企业特定的需求，通过多模态（文本、图像、数据库等）数据的融合分析，实现复杂任务的自动化和智能化处理。

商汤科技的实践表明，在企业级应用中，AI的精度是生命线。个人用户或许能容忍80-90%的准确率，但企业应用直接关系到最终成果和财务报表，对精度的要求是95%甚至100%。“办公小浣熊”作为其面向企业级用户的AI原生数据分析智能体，通过模型训练和强化学习，在特定数据分析任务上实现了超过95%的精度，在垂直领域甚至可达100%¹。这种对精度的极致追求，是AI从“生产力工具”向“生产力助手”乃至“生产力系统”转化的基石。

同时，多模态技术正加速成熟。企业数据要素的多样性，要求AI能够处理并融合文本、图片、结构化/非结构化数据，实现复杂输入、融合分析和智能输出。结合任务规划Agent，AI不仅能解决明确目标下的问题，更能辅助管理者在信息不完全、目标不清晰的复杂任务中，提供深度调研和解决思路，从而将传统面向文件的生产力范式转变为面向任务的生产力范式。

软硬协同与成本优化：AI商业化落地的关键维度

大模型虽然强大，但其在企业侧的部署和运行成本一直是阻碍其普及的关键因素。许多企业自主部署开源模型后发现，即便拥有高性能芯片，模型也“用不起来”，症结在于缺乏将模型与企业自身数据、流程、业务流打通的端到端解决方案，以及高昂的算力成本。

贾安亚提到，随着推理加速、模型架构优化以及硬件自身的迭代，AI的算力成本正在逐步降低。英伟达DGX Spark等新型硬件的出现，预示着软硬结合将成为未来AI企业落地的主要趋势。通过针对性的硬件优化和软件适配，可以以更低的成本满足企业对AI能力的需求。这不仅关乎技术性能，更关乎商业模式的可持续性和市场渗透率。对于中小企业而言，标准化的AI原生产品和低成本的软硬一体化解决方案，将是其实现数字化转型的“赛博义肢”。

风险、伦理与未来图景：AI重塑商业与社会边界

国家“人工智能+”战略，其重要性被类比于十年前的“互联网+”，预示着AI将如互联网般大规模普及，并对社会经济产生深远影响。然而，正如OpenAI CEO Sam Altman提出的AI五层进化理论，真正的企业级智能可能在第四、第五层才会出现，届时AI将不仅提升个人效率，更将重塑团队协作方式乃至整体企业管理效率¹。

这引发了深刻的哲学思辨：当AI能够规划任务、管理流程，甚至辅助高层决策时，人类在商业组织中的角色将如何演变？个体价值、团队协作与管理效率的边界将如何被重新定义？在带来巨大效率提升的同时，我们也必须警惕数据偏见、算法透明度、隐私保护等伦理挑战。企业在享受AI红利的同时，也承担着确保AI系统公平、可信、负责任的社会责任。

从长远来看，AI将渗透到企业运营的每一个毛细血管，推动商业叙事的重构和商业模式的创新。它将模糊技术与业务、物理世界与数字世界的界限，创造一个“风景独好”的新商业生态。然而，要实现这一愿景，企业需要超越对模型本身的盲目追求，回归到对业务价值和行业理解的深耕，以系统性思维构建一个由人、AI、数据、流程深度融合的智能体生态。

引用

• 企业级AI
• 智能体
• 商业落地
• 数字化转型
• AI+战略
• 商业敏锐