1. 首頁 > 生活百科 > >

穿過AI迷霧，企業如何從「+AI」奔向「AI+」？

人工智能ai

穿過AI迷霧，企業如何從「+AI」奔向「AI+」？

文章圖片

穿過AI迷霧，企業如何從「+AI」奔向「AI+」？

在過去幾年 ， 對業界來說 ， 幾乎沒有哪個詞能比“AI”更耀眼 。 幾乎所有行業都在談論如何用AI增效提質 ， 無數試點項目應聲而起——然而 ， 熱潮的背后是冷靜的現實 。
表面上 ， AI無處不在 ， 實則真正落地并創造價值的應用仍屬鳳毛麟角 。 盡管人人都在大談特談AI的必要性 ， 但許多企業卻在AI轉型的思路上重蹈覆轍——只是通過在局部環節疊加智能化工具 ， 實現有限的降本增效 ， 這種做法本質上是在原本的企業建設上做簡單的加法 ， 是一種典型的“+AI”的思維方式 。
《2025企業AI應用概況調查報告》數據顯示 ， 50%的受訪企業引入AI的首要原因 ， 是“不安全感” ， 他們認可智能化趨勢 ， 卻鮮少能有清晰的認知 ， 底層的邏輯未變 ， 反而加劇了這種“不安全感” 。
高額的投入卻總是無法換來對等的收益 ， 大部分企業在應用AI的落地實踐結果仍然不及預期 ， 這背后更深層次的原因在于 ， 企業總是止步于“+AI” 。
為了解決這一痛點 ， 上海交通大學安泰經濟與管理學院、中銀科技金融學院聯合中國太平洋保險集團、歐萊雅中國、樂刻運動、興業銀行和螞蟻集團等一眾產業伙伴 ， 共同發布業界首個企業應用AI成熟度模型（AI Adoption Maturity Model AIM2） 。 上海交通大學中銀科技金融學院執行院長、安泰經濟與管理學院副院長劉少軒教授牽頭的AIM2聯合課題組對金融、汽車、健康、零售四個行業的典型企業做了深度調研并形成報告 。

對于企業來說 ， 它提供了一套全新的思維方式和方法論 ， 是真正將AI內化至企業戰略、經營、技術等諸多層面 ， 最終促成“AI+”的路徑 。
AI發展已進入下半場 ， 在硝煙四起的戰場之中 ， 仍有收獲規模收益的機會 。 問題在于 ， AIM2如何幫助企業抓住這個機會？如何真正實現從“+AI”到“AI+”的跨越？
01. 為什么企業總止步于“+AI”？企業紛紛投身于AI的浪潮之中 ， 但并非所有人都能上岸 。
實際上 ， 只有少數應用AI成熟度高的企業 ， 能將AI深度融合于業務 ， 更多的企業則陷入了AI轉型的“迷霧”之中 。 麻省理工學院研究團隊發表的報告《The GenAI Divide State of AI in Business 2025》中 ， 提到大量企業投資于GenAI的試點項目 ， 卻難以轉化為實際的生產力提升和業務轉型 ， 數據顯示 ， 95%的組織在GenAI項目中獲得的回報為零 ， 只有5%的組織成功將GenAI工具大規模集成到工作流程中 。
為什么會出現這種巨大的反差？放眼全行業 ， 企業在應用AI時的亂象層出不窮：把打贏“百模大戰”當成目標 ， 卻缺少轉化和提升的衡量標準；無法建立完善的復用機制 ， 以至于成功變成偶然；同時也沒有統一的度量口徑 ， 讓決策基于直覺而非科學驗證的結果……多個層面的動因 ， 造成了大范圍的系統性失靈 。
回顧來看 ， 困住企業的并非AI技術本身 ， 而是業界普遍停留在“+AI”的認知之中 ， 缺乏系統性的框架 ， 重技術、輕應用 ， 難以把AI深度嵌入業務 。 試想 ， 如果對AI的應用無法形成完整的解決方案 ， 無法明確回答AI最終能為企業帶來什么具體的、可衡量的價值 ， 那么這種嘗試至多是一種常規的技術試水 ， 難以幫助多數企業跨越從試點到規模化的鴻溝 。
企業真正的應用AI ， 應是一套完整的將AI與業務相融合的發展藍圖 ， 包含清晰的戰略規劃、有效的技術落地方案以及對AI商業價值的準確評估 。 在2025 Inclusion·外灘大會“洞見2035：AI驅動的產業突圍與智能演進”見解論壇上 ， 劉少軒教授總結得出了問題的核心：應用AI ， 應該是一場從“+AI”到“AI+”商業模式的接力賽 。

02. 未來 ， 企業如何實現“AI+”？真正的“AI+” ， 意味著從根本上改變出發點 ， 真正做到“AI原生”的應用 。
原生的AI應用方法論幾乎是顛覆性的 ， 它要求企業不再簡單疊加AI功能 ， 而是將AI作為核心驅動力 ， 從架構設計到交互邏輯均圍繞AI能力展開 。 這種轉變 ， 讓AI從工具正式躍遷為引擎 ， 驅動著企業的戰略和模式創新 。
當AI從外圍走向核心 ， 它所帶來的影響也開始由點及面 ， 逐步擴展——從生產、供應鏈 ， 到銷售和客戶服務 ， AI讓企業的運轉邏輯發生根本改變 ， 創造出新的價值點 。
數據決定了AI應用能力的上限 ， 中國太保作為首家深度介入“醫保+商保”數據融合與直賠結算領域的險企 ， 將AI應用嵌入與國計民生緊密相關的“大康養”和“保險+服務”生態場景中 ， 成功地將醫療、氣象、物聯網等多場景數據進行融合 ， 為自身在未來的大康養生態競爭中 ， 占據戰略制高點 。 此外 ， 中國太保自2023年起提出構建“保險領域的數字勞動力” ， 將AI從“效率工具”升級為“數字員工” ， 系統性重塑運營模式 。
當AI真正沉淀為企業的內生能力 ， 它的價值會進一步外溢 。 企業能夠通過“AI+” ， 引導長期競爭走向生態建設 ， 而非短期的技術賽跑 。
螞蟻數字醫療健康過去幾年的實踐印證了這一點：其AI健康管家AQ反映出了跨越周期的未來趨勢 ， 它能夠跳出對某個場景應用的聚焦 ， 通過技術深度連接醫療生態的多方資源 ， 構建起醫療服務的閉環生態 ， 整個事業部就是一個自主運行的智能體 ， 通過統一的“感知、決策、行動、學習”閉環機制 ， 實現跨業務、跨系統的敏捷協同與高效決策 。
值得注意的是 ， 從AIM2所呈現出的洞察來看 ， 應用AI最終的方向 ， 是企業逐漸演進為“企業即智能體” 。 將來 ， AI將成為驅動企業自我進化的核心引擎 ， 屆時 ， 企業的競爭力不再取決于規模和資源 ， 而在于能否從AI原生的邏輯出發 ， 不斷學習、調整、進化 ， 在技術浪潮中繼續保持生命力 。
因此 ， AIM2所帶來的面向“AI+”的模式轉換 ， 不僅關乎企業當下的發展路徑 ， 更關乎其在未來行業格局中的位置 ， 也是企業能否跨越周期的關鍵節點 。 那么 ， 如何運用起AIM2 ， 以期實現最大化的效益？
03. 找到躍遷之路上的“羅盤”如何從“+AI”邁向“AI+”？
AIM2創新性地構建了“五級六維”體系 ， 為企業應用AI提供了清晰的演進路徑 。
【穿過AI迷霧，企業如何從「+AI」奔向「AI+」？】五個等級（L1~L5）和六個維度(戰略、組織、數據、技術、應用與商業)體系下 ， 除了對企業具有評估價值外 ， AIM2模型同時也是一套從戰略篩選到價值實現的“漏斗式”行動指南 ， 指導企業如何系統性地識別、篩選和實施高價值的AI應用場景 。 這意味著 ， 從建立“AI+”的目標認知 ， 到真正切實落地 ， 有了全面而可靠的解法 。
AIM2設立的五個等級 ， 清晰地定義了企業應用AI的成熟度階梯 ， 反映了企業從AI作為輔助工具（“+AI”模式）到以AI為核心重構業務（“AI+”模式）的戰略演進 。

同時 ， AIM2從點到面 ， 設立了六個相互關聯的關鍵維度 ， 覆蓋了從頂層設計到底層基礎、再到最終價值實現的完整閉環 ， 促使企業關注平臺化、標準化與復用 ， 而不是重復“造輪子” ， 從而顯著降低企業的邊際成本 。
此外 ， AIM2本就服務于企業AI應用的落地 ， 模型在構建之初時 ， 便考慮到了行業與行業的差異性 。 劉少軒教授在接受36氪采訪時表示 ， 一方面是考慮到跨行業的通用標準 ， 需要不同的指標加以平衡 ， 另一方面則是考慮到不同行業的AI技術擴散的周期和過程 。 由此 ， 多維平衡的指標 ， 以及凸顯周期的階段性指標 ， 便尤為重要 。
尤其在市場回歸理性的當下 ， 企業在采用決策時 ， 更需要全面的評估 ， 系統性規避風險與陷阱 ， 逐步規劃出從“+AI”到“AI+”的發展路徑 。 通過AIM2 ， 我們得以更詳細地洞察不同行業中企業的AI應用狀況 。
例如 ， 對于傳統金融機構而言 ， AI應用初期并非必須追求顛覆性變革 ， 而應以務實的策略切入核心領域 ， 并優化關鍵流程 。 上海銀行即圍繞風險管理這一金融核心領域 ， 通過機器學習精準評估信用風險 ， 以高質量數據為基礎 ， 實現貸前審批和貸后預警的精準優化 。 此外 ， 生態合作也是銀行業快速提升AI能力的重要路徑 ， 上海銀行積極與外部科技公司合作 ， 引入智能投顧、智能風控等成熟系統 ， 快速在業務場景中落地驗證AI的實際價值 。
在健康行業 ， 海量數據與高并發挑戰推動技術基礎設施的持續升級 。 美年大健康系統性地運用AI技術對全流程服務進行重塑 ， 基于分布式數據庫技術 ， 對新一代智慧體檢管理系統進行升級 ， 不僅突破性能瓶頸 ， 還實現了AI驅動的服務模式創新 ， 推動了個性化健康服務的轉化 ， 實現由一次性體檢服務向全生命周期健康管理的轉型 。
轉型之中的汽車行業 ， 則可以依靠準確的戰略選擇與技術深耕 ， 避免盲目跟隨潮流的陷阱 。 新銳汽車品牌零跑汽車已經在嚴格遵循ROI導向的AI發展路徑 ， 明確聚焦智能駕駛與智能座艙兩個核心領域 ， 高效利用有限算力實現精準業務場景優化 ， 開發深度適配特定場景的專家模型 ， 未來將實現“AI實用主義”下的智能化轉型 。
智能化并非簡單的技術疊加 ， 而是對組織、業務模式與生態協作的根本性重構 。 在零售行業 ， 歐萊雅實現了全球AI技術的中國市場深度適配 ， 構建本地化數據中臺 ， 形成趨勢識別、虛擬試妝等多場景能力反哺全球總部的創新路徑 。 同時 ， 積極打造開放式美妝科技生態 ， 與初創企業和高校聯合推動生成式AI和智能交互技術的快速概念驗證 ， 持續強化了品牌在科技創新方面的競爭力 ， 這也啟示行業：嵌入現有生態 ， 比自建平臺更具商業效率 。
人機深度融合能夠共創全新業務與增長模式 ， 實現1+12的效果 。 而這種更簡單、更高效的AI應用模式 ， 則可以讓企業從淺層的“工具提效”邁向深層的“生產力變革” 。 健身產業頭部互聯網平臺樂刻運動的AI轉型便是一個鮮活的例子 ， 在門店管理上 ， 樂刻運動在采用先進的數據采集和分析平臺的同時 ， 引入了AI巡檢系統并設置AI客服 ， 通過人機融合大幅提升門店營運的效率 。
04. 從容迎接技術浪潮企業在面對新的技術浪潮時 ， 總是不可避免地陷入焦慮之中 。 而AI尤甚 ， 在過去的短短幾年里 ， 這門技術已經經歷了數輪迭代 ， 面對不可預見的未來挑戰 ， “AI+”還能具備什么樣的潛力？
技術解決當下 ， 而生態能夠穿越周期 。 當越來越多企業有系統化的方法論操作AI戰略落地 ， 構建均衡的、協同的六維能力 ， 各行各業的應用AI生態都會發生改變 。 AIM2所指向的 ， 也許并不僅是某個特定企業的突圍 ， 而是行業整體的生態優化 。
換言之 ， 應用AI的未來趨勢 ， 不僅是引導企業“做正確的事” ， 更是在無形中規劃了行業的“路網” 。
面對全新的技術浪潮 ， 審慎思考與放手嘗試同時存在 ， 每一步的投入 ， 都是對未來的投資 ， 既考驗耐心 ， 也磨礪遠見 。 我們相信 ， 那些持續投身AI應用實踐的企業 ， 終將收獲智能之上的“智慧” ， 在迷霧中保持遠見 ， 于浪潮中鍛造韌性 ， 創造出屬于自己的可持續競爭力 。
如您對AIM2模型與《中國企業應用AI成熟度模型報告》感興趣 ， 可在微信搜索“AIM2”小程序 ， 查閱報告全文 。

    推薦閱讀