前不久，国务院引发《关于深入实施 " 人工智能 +" 行动的意见》中明确提出，到 2027 年，率先实现人工智能与六大重点领域广泛深度融合，新一代智能终端、智能体等应用普及率超 70%。这一政策信号不仅为中国 AI 产业发展划定了清晰路线，更将 " 企业级 AI 落地 " 推至产业转型的核心位置。

"《意见》的印发，标志着我国人工智能发展实现从技术突破向全要素赋能的关键跃升，将加速人工智能与实体经济全链重构、深向耦合，全面激发产业变革新动能、培育智能经济新范式。" 国家信息中心副主任周民曾在接受媒体采访时公开表示。

在 IBM 亚太区总经理 Hans Dekkers 看来，企业级 AI 的价值激发，始于清晰的战略定位，" 打造‘ AI 优先’企业，不是技术堆砌，而是从业务本质出发的系统性重构。"

企业级 AI 落地仍有挑战

以生成式 AI 为代表的 AI 技术在 ToB 领域的落地是今年各行业关注的焦点，IDC 数据显示，66.5% 的中国企业已在局部场景中应用 AI，另有 27.2% 正迈向规模化部署。

然而现实是，绝大多数企业在落地 AI 应用方面，仍面临诸多挑战。据 IBM 委托的一项近期调研显示，在亚太地区，尽管 85% 的制造企业表示已做好 AI 准备，实际就绪者仅 11%。

显然，企业级 AI 概念很火，但在实际应用方面，目前仍处于初期阶段，而企业也面临着比较多的挑战。众多挑战之中，首当其冲的就是认知，一方面，很多企业的 CIO，以及企服类公司的负责人都曾向笔者表示，AI 应用落地是 " 一把手 " 工程，需要企业真正的掌舵者对 AI 拥有一定认知。此外，AI 技术前期需要一定投入，也会存在 " 走错路 " 的可能，这点需要企业管理者在开始对技术有一定的认知。

另一方面，在 " 一把手 " 下定决定布局 AI 之后，还需要拉通管理者与基层员工之间的认知差。首先需要 " 拉齐 " 的认知是—— AI 不是替代员工的，而是将员工从重复性的工作中解放出来，做产生更大的价值；其次，在 AI 应用落地过程中，业务人员需要深度参与到 AI 开发之中，AI 应用不能仅仅是 IT 部门 " 一个人狂欢 "，也切实走到业务场景中去。

此外，IBM 大中华区董事长、总经理陈旭东还表示，许多企业对 AI 的理解仍停留在 " 追热点 " 层面，而忽略了落地的核心逻辑，当下企业在数智化转型的过程中，对 AI 存在比较大的认知差，"AI 等于生成式 AI，" 陈旭东指出，" 这是目前很多企业都存在的比较大的认知偏差。

" 目前，AI 应用可以分两类，一类是‘新 AI ’，比如机器人、文生图，这些‘新 AI ’发展很快；另一类是‘老 AI ’，基于机器学习等传统 AI 技术的 AI，" 陈旭东进一步指出，" 企业在选择 AI 技术的时候，不能盲目追求时下的热点，要结合自身业务场景，不同场景应用不同的 AI，‘新 AI ’的出现不意味着‘老 AI ’就被淘汰了。"

另一方面，在陈旭东看来，企业在应用 AI 的过程中，还容易出现两个误区，一种是：企业在 AI 领域盲目投资，" 比如 DeepSeek 火起来之后，很多企业买了一堆一体机，就觉得是拥抱 AI 了。但经过半年的应用，发现其实并没有什么效果。" 陈旭东如是说。

另一种是：企业在计算 AI 的 ROI（投产比）的过程中，存在错误的认知。陈旭东举例介绍到，比如有的企业原先的数据体系建设尚未完善，基础的数字化工程也做的不好，在探索 AI 应用之前，这些企业就需要 " 补作业 "，将基础的数据体系搭建完成，并构建起完善的数据集，而企业却将这部分 " 数字化补课 " 的投资计算到了 AI 应用投资之中，" 这些基础的数字化建设，即便没有 AI 技术，企业若想完成数字化转型，也是需要做好的，所以这部分的费用不应该计算到 AI 的投资之中。" 陈旭东明确道。

中小型企业 AI 应用落地 " 不同之处 "

除了上述两个误区之外，对于不同体量的企业来说，在落地 AI 的过程中，也有着不同的追求和路径。而对于这点，近年来业务调整的 IBM 看得更为清晰。IBM 从 1984 年进入中国支持银行业、国企的信息化建设，到过去二十年从 " 硬件为主 " 转向 " 软件 + 咨询为主 "，再到如今将重点客户从国企拓展至民企与跨国企业。

在从国营企业向民营企业业务转变的过程中，IBM 也观察到了两者对待数字化转型的不同之处，对此，陈旭东表示，民营企业相对而言，对成本、灵活性和落地速度都有很高要求。

这些要求在 AI 时代亦是如此。AI 时代，中小企业的 AI 痛点很明确：成本高、适配差、落地难。而这三个痛点之中，中小型企业最为看重的应该就是成本，或者更进一步的来看是：ROI（投资回报率），对此，凯傲集团亚太区信息技术及数字化业务副总裁张犇告诉笔者，AI 不仅局限于生成式 AI，还有深度学习、机器学习等技术，凯傲集团整个 AI 应用过程是一个 " 取优 " 的过程，" 在这个过程中，我们也遇见了诸如 ROI 如何算？如何在财报上体现 AI 对销售额，以及 EBITDA 带来正向影响等问题。" 张犇指出。

除此之外，在张犇看来，AI 尤其是生成式 AI 技术，在 ToB 领域的应用仍处于初期阶段，" 现阶段并不是有完整的、成熟的产品 / 服务可以‘即插即用’，并让企业直接获得商业价值。" 张犇如是说。

在初期阶段，相较于大型企业而言，中小型企业对于试错成本的考量，也是 AI 应用过程中不能忽视的问题。而这点对于凯傲集团而言，也是一个挑战，" 应用 AI 过程中，需要有在容错、时间和耐心上的调整，这其实是拥抱 AI 过程中比较大的痛点之一，" 张犇进一步指出，" 我们拥抱 AI 目的是要快，但快不一定代表能成功，AI 是一个智商增长和长期训练的过程，整个过程企业还是需要有一定的耐心，不过最终 AI 要导向能呈现出 EBITDA（息税折旧摊销前利润）贡献。"

面对这些挑战，许多企业认为，只要引入 AI 工具，就能实现转型，但实际上，AI 需要与组织架构、业务流程、人员能力深度适配，比如，要实现设备预测性维护，不仅需要安装传感器、搭建数据平台，还需要生产部门与 IT 部门协同，甚至调整考核机制。

基于此，对于中小型企业来说，部署 AI 应用不仅是一套或几套软件就能解决的事情，" 数字化、智能化转型不是买一套软件就完了，而是企业在组织和技术能力上的‘破茧’。" 陈旭东曾向笔者表示。 

企业级 AI 落地三要素

对于企业，尤其是中小型企业来说，在落地 AI 应用的过程中，选择一家具备从顶层设计，到底层应用，全链路都拥有 " 成功 " 经验的企业公司是一条不错的路径。

另一方面，汉鑫科技董事长刘文义向笔者表示，以前，企业内部都在谈技术路线，但现在这种有所转变，企业关心的不是用了什么 AI，而是能不能带来收入增长、成本降低。

这种 " 经营导向 " 的落地逻辑，在民营企业中尤为关键。

而在这个过程中，企业就需要关注三个要素——模型、数据、场景。无独有偶，创新奇智 CEO 徐辉也曾告诉笔者，企业级 AI 若想更好地落地，需要做好三件事，第一是，模型本身能力的提升；第二是，高质量数据集的积累；第三是，应用场景的不断挖掘与拓展。

而与模型技术相比，数据和场景将成为企业级 AI 能否在企业内部落地的关键抓手。

在数据方面，IBM 大中华区技术销售总经理、首席技术官翟峰曾向笔者表示，企业想要通过 AI 获得收益的过程中，首先需要面对三个问题：第一，高质量的数据有没有？第二，有没有在用？第三，有没有发挥作用？" 企业级 AI 落地的关键因素是数据，这是核心生产力，没有数据一切都是空谈，" 翟峰进一步指出，" 现在大家在谈的大模型，可能有很多互联网数据，但是企业最核心的数据有没有整合出来？这是最关键的因素。"

在场景方面，陈旭东一语道破了场景对于企业级 AI 落地的重要性，他指出，智能体技术本身还在快速迭代的阶段，而智能体本质上就是 AI 应用，也就是场景，" 中国有丰富的场景，所以在 AI 应用上，如何找准场景，选对场景，就成为企业能否顺利落地 AI 应用的关键，" 陈旭东进一步指出，" 而 IBM 在服务各行业企业方面都有着丰富的经验，也是全球范围内，唯一一家同时具备科技服务能力和咨询能力的科技企业，在帮助企业寻找场景方面，能让企业少走很多弯路。"

确实，场景已经当前企业级 AI 落地最为核心的关键，此前曾有多位企业 CIO 与笔者分享了他们企业寻找 AI 应用场景的方法，他们的方法 " 大同小异 "。

总体来看，企业需要从技术成熟度与价值两个维度对场景进行评估，确认率先落地 AI 的场景。具体来看，企业应该首先将目光聚焦在 AI 技术成熟度高，数据就绪程度高等 " 技术 " 层面成熟度高的场景上，因为这些场景 AI 落地较为容易。进而在这些场景中选择 AI 落地后能够带来提升更大，实现价值更大的场景率先落地。而对于一些技术成熟度低，又价值小的场景，则是企业级 AI 落地过程中，需要 " 避开 " 的场景。

立足当下，企业级 AI 不能是实验室里的技术狂欢，而是要深入企业内部，融合企业业务流程的 " 手术刀 "，既要解决 " 老系统改造 " 的硬骨头，也要满足 " 中小企业用得起 " 的现实需求。（本文首发于钛媒体 APP，作者｜张申宇，编辑丨盖虹达）