成本不该是企业AI落地关注焦点，价值才是丨ToB产业观察

274 0 0

文章摘要

国务院近期印发的《关于深入实施“人工智能+”行动的意见》明确提出，到2027年实现人工智能与六大重点领域深度融合，新一代智能终端普及率超过70%。这一政策标志着我国人工智能发展从技术突破转向全要素赋能的关键阶段。国家信息中心副主任周民指出，这将加速人工智能与实体经济的深度融合，激发产业变革新动能。

企业级AI的落地成为产业转型的核心，但实际应用仍面临诸多挑战。IDC数据显示，66.5%的中国企业已在局部场景应用AI，27.2%正迈向规模化部署。然而，IBM的调研显示，亚太地区85%的制造企业自称已做好AI准备，实际就绪者仅11%。认知差距是首要挑战，企业管理者需对AI技术有清晰理解，同时需拉通管理层与基层员工的认知。IBM大中华区董事长陈旭东强调，许多企业对AI的理解仍停留在“追热点”层面，存在将AI等同于生成式AI的认知偏差。他指出，AI应用应分为“新AI”（如生成式AI）和“老AI”（如机器学习），企业需根据业务场景选择合适技术，避免盲目投资。

中小型企业在AI落地过程中面临成本高、适配差、落地难等问题。凯傲集团亚太区信息技术副总裁张犇提到，AI应用的ROI计算和商业价值体现是核心考量，而现阶段生成式AI在ToB领域的成熟产品仍较少。中小型企业对试错成本更为敏感，需在速度与成功率之间平衡。陈旭东指出，民营企业尤其关注成本、灵活性和落地速度，数字化转型不仅是技术问题，更是组织能力的重塑。

企业级AI落地的三大关键要素是模型、数据和场景。汉鑫科技董事长刘文义表示，企业更关注AI能否带来收入增长或成本降低。创新奇智CEO徐辉强调，高质量数据积累和应用场景挖掘是落地的核心。IBM首席技术官翟峰指出，数据是企业级AI的核心生产力，而场景选择决定了AI能否真正发挥作用。企业应从技术成熟度和价值两个维度评估场景，优先选择技术成熟度高且价值显著的领域。

当前，企业级AI需从实验室走向实际业务，既要解决老系统改造的难题，也要满足中小企业的现实需求。IBM凭借其科技服务与咨询的双重能力，正帮助企业少走弯路，推动AI与业务流程的深度结合。