AI生成概念图

《全球首席信息官调研报告》显示，当前近50%的企业已开始尝试AI部署，但在实际推进过程中却普遍面临投资回报不清晰、数据基础设施不完善、专业人才短缺等核心问题，整体处于探索应用的初级阶段。

联想集团高级副总裁胡贯中(Art Hu)在分析AI交付模式时指出，中国与海外市场存在明显差异。海外市场凭借成熟的SaaS服务生态，主要通过订阅制模式使用AI服务。反观中国市场，虽然企业软件和SaaS服务成熟度相对不足，但这也为创新型AI交付模式提供了发展空间。

机遇与风险相伴而生

从国家到企业层面，AI技术产业化应用的步伐都在加快。

在国家政策方面，《"人工智能+"行动实施意见》于8月26日正式发布，首次将智能体技术列入重点发展目录，并制定了2027年、2030年、2035年三阶段发展路线图。根据规划，到2027年，AI技术与重点领域的融合应用覆盖率将突破70%；2030年这一指标将提升至90%；2035年我国将全面迈入智能化社会。

值得关注的是，《意见》特别强调要创新服务模式，推动现代服务业数字化转型。特别是在金融服务、法律咨询、交通运输、商贸物流等领域，鼓励采用"无人+人工"的新型服务方式，加快智能终端设备的普及应用。

为推动技术产业化落地，《意见》推出多项保障措施：建设国家级AI应用验证平台，为企业提供技术孵化支持；培育专业AI服务商，发展"智能体即服务"(AaaS)等创新模式；构建完整的产业链生态，降低企业应用门槛。这一系列举措将为智能体技术发展创造良好环境。

在企业实践层面，除传统科技巨头外，越来越多传统行业的龙头企业也积极参与AI应用探索。这些企业依托自身深厚的行业积累，正在垂直领域打造独特的AI解决方案。比如中信集团聚焦金融风控，中远海运主攻智慧物流，都在推动AI技术与专业场景的深度融合。

麦肯锡最新调研数据揭示了行业现状：全球73%的AI项目实际效果不及预期，超过40%的尝试因无法规模化或效益不明确而被迫终止。这些数据表明，企业AI落地面临着远比预期更复杂的挑战，需要在技术应用、组织变革、成本控制等多个维度同时发力。

部署路上的重重阻碍

具体到实施层面，企业的AI应用面临几大核心难题。

首当其冲的是大模型"幻觉"问题。在企业级应用中，AI输出失误可能会造成严重后果，这与消费级应用有本质区别。胡贯中坦言："幻觉问题是当前AI架构的固有特性，短期内难以根治，但通过持续迭代可以逐步降低出错概率。"

面对这一挑战，企业通常采取"人机协同"的解决方案。胡贯中举例说明："对于涉及重大决策的场景，我们会设置人工复核环节。AI产出的每个关键结果都需要经过业务专家评估，确认无误后才能投入使用。"

联想集团副总裁陈敏仪补充道："幻觉问题不能单靠模型优化来解决，需要构建端到端的保障体系。"她强调要从数据采集、模型训练到应用部署全流程进行质量把控，通过系统工程方法提升AI输出的可靠性。

数据困境是另一个普遍性瓶颈。企业数据往往散落在数十个互不联通的系统中，质量参差不齐。BCG调研显示，企业可用数据占比不足10%，产生"数据虽多却难有用"的尴尬局面。

胡贯中分析指出："许多企业IT系统建设的碎片化程度远超想象。除了技术层面的割裂，部门壁垒和利益分配问题也让数据整合举步维艰。"而这些数据孤岛恰恰是企业AI应用的最大障碍。

此外，投资回报不确定性也制约着AI应用推广。在降本增效的大环境下，企业要求AI项目必须提供可量化的商业价值。胡贯中观察到："市场正在从技术崇拜转向价值导向。不能带来实际效益的AI方案很难获得持续投入。"这一观点与红杉资本峰会上的行业共识不谋而合。

由表及里的转型之道

面对复杂挑战，企业需要的是一整套端到端的解决方案。

以近期大热的AI一体机为例，许多企业发现设备购入后却难以发挥作用。这种现象折射出两个深层问题：一是企业对AI应用的认知偏差，将设备采购等同于能力建设；二是配套服务缺失，导致硬件资源闲置。

这反映出市场对综合解决方案的强烈需求。优秀的一体化服务应该以业务价值为导向，将硬件设备、软件系统和场景应用有机融合。

联想近期升级的"混合式人工智能优势集"正是对这种需求的回应。该方案涵盖基础设施、平台服务和行业应用三大板块，通过模块化组合满足不同企业需求。胡贯中表示："AI应用是系统工程，需要技术栈与产业实践的深度融合。"这套方案强调灵活性和可扩展性，旨在帮助企业实现AI项目的快速落地和价值转化。

随着AI应用进入深水区，企业需要的不再是单项技术供应商，而是能提供全链路服务的合作伙伴。这种转变反映了企业在发展AI应用时的务实态度——更关注整体效益而非技术噱头。正如行业观察所示，下一阶段的AI竞争将聚焦于"效果交付"而非"工具贩卖"。（本文首发于钛媒体APP）