2025年企業(yè)級(jí)AI是一個(gè)十分火熱的詞匯，各行各業(yè)的企業(yè)都在爭(zhēng)先恐后的落地AI應(yīng)用，聯(lián)想與IDC聯(lián)合發(fā)布的《全球首席信息官報(bào)告》顯示，2025年全球企業(yè)AI支出將是2024年的近三倍，但37%的企業(yè)對(duì)AI價(jià)值持懷疑態(tài)度，低質(zhì)量數(shù)據(jù)、模糊ROI、合規(guī)風(fēng)險(xiǎn)成為三大攔路虎?？梢哉f(shuō)，2025年是企業(yè)級(jí)AI從“技術(shù)實(shí)驗(yàn)”走向“價(jià)值落地”的轉(zhuǎn)型之年，只有要企業(yè)真正看見(jiàn)了AI的在業(yè)務(wù)側(cè)的價(jià)值，才能更好的落地應(yīng)用。

而隨著技術(shù)與架構(gòu)的不斷優(yōu)化，以及企業(yè)對(duì)于AI認(rèn)知的不斷完善，2026年注定將是企業(yè)級(jí)AI規(guī)?；瘧?yīng)用落地的一年。

從“技術(shù)實(shí)驗(yàn)”走向“價(jià)值落地”，務(wù)實(shí)成主旋律

IDC 2024年《全球企業(yè)級(jí)AI應(yīng)用白皮書(shū)》顯示，2024年全球企業(yè)級(jí)AI市場(chǎng)規(guī)模突破1200億美元，其中中國(guó)市場(chǎng)增速達(dá)38.7%，遠(yuǎn)超全球平均水平。

但與消費(fèi)級(jí)AI的“全民狂歡”不同，企業(yè)級(jí)AI的落地呈現(xiàn)出鮮明的“務(wù)實(shí)主義”特征。當(dāng)生成式AI的熱潮逐漸退去，企業(yè)開(kāi)始冷靜審視AI的實(shí)際價(jià)值。

一個(gè)明顯的現(xiàn)象可以佐證上述觀點(diǎn)——2023年的企業(yè)級(jí)AI市場(chǎng)，還充斥著大量“問(wèn)答式智能助手”；而到2024年下半年，IBM大中華區(qū)技術(shù)銷(xiāo)售總經(jīng)理、首席技術(shù)官翟峰表示，IBM技術(shù)團(tuán)隊(duì)發(fā)現(xiàn)一個(gè)顯著變化：80%的客戶需求已轉(zhuǎn)向“業(yè)務(wù)域智能體”，即深度綁定財(cái)務(wù)、供應(yīng)鏈、研發(fā)等具體場(chǎng)景，具備工具調(diào)用與流程閉環(huán)能力的專(zhuān)用智能體。

無(wú)獨(dú)有偶，紅帽此前發(fā)布的《2025中國(guó)企業(yè)級(jí)AI實(shí)踐調(diào)研分析年度報(bào)告》（以下簡(jiǎn)稱(chēng)《報(bào)告》）中有數(shù)據(jù)披露，將AI視為“戰(zhàn)略核心”的企業(yè)占比為26.07%，這些企業(yè)通常集中在科技、金融和高端制造等數(shù)據(jù)密集型和技術(shù)驅(qū)動(dòng)型行業(yè)，它們已將AI作為驅(qū)動(dòng)業(yè)務(wù)增長(zhǎng)和構(gòu)建競(jìng)爭(zhēng)壁壘的主要引擎。

與此同時(shí)，《報(bào)告》數(shù)據(jù)顯示，“重要支撐”（占比 26.07%），“試點(diǎn)探索”（占比 27.49%），這三類(lèi)幾乎均衡的格局，但后兩類(lèi)的占比合計(jì)超過(guò) 54%，這表明市場(chǎng)上的絕大多數(shù)企業(yè)（超過(guò)一半）正處于一個(gè)關(guān)鍵的過(guò)渡階段：它們已經(jīng)認(rèn)識(shí)到 AI 的重要性，并開(kāi)始進(jìn)行投入，但仍在從概念驗(yàn)證向體系化落地的艱難過(guò)程中跋涉。

“我的AI項(xiàng)目為什么沒(méi)效果？”

企業(yè)級(jí)AI發(fā)展的速度雖然超乎想象，但在其背后，距離規(guī)?；涞厝悦媾R諸多挑戰(zhàn)，而企業(yè)對(duì)于AI的態(tài)度也從“要不要用”，轉(zhuǎn)變?yōu)椤叭绾斡煤谩?。?duì)此，IBM大中華區(qū)科技事業(yè)部數(shù)據(jù)與人工智能資深技術(shù)專(zhuān)家吳敏達(dá)對(duì)筆者表示，“今天企業(yè)問(wèn)得最多的不是‘要不要上AI’，而是‘我的AI項(xiàng)目為什么沒(méi)效果’。”這種困惑的背后，是企業(yè)級(jí)AI落地面臨的系統(tǒng)性障礙，可概括為數(shù)據(jù)、技術(shù)、組織、合規(guī)四重枷鎖，這其中，數(shù)據(jù)與技術(shù)挑戰(zhàn)是當(dāng)下企業(yè)最需要關(guān)注的。

首當(dāng)其沖的就是數(shù)據(jù)的困局?！暗唾|(zhì)量數(shù)據(jù)是AI項(xiàng)目失敗的首要因素”，聯(lián)想與IDC的報(bào)告明確指出這一核心問(wèn)題。另一方面，Gartner調(diào)研顯示，57%的企業(yè)數(shù)據(jù)尚未達(dá)到AI應(yīng)用標(biāo)準(zhǔn)，數(shù)據(jù)質(zhì)量直接決定智能體決策準(zhǔn)確性。

當(dāng)前，企業(yè)數(shù)據(jù)方面主要面臨著分散化、異構(gòu)化和數(shù)據(jù)獲取成本高等難題。IBM大中華區(qū)科技事業(yè)部存儲(chǔ)資深技術(shù)專(zhuān)家饒有清表示，以制造業(yè)企業(yè)為例，其數(shù)據(jù)分散在不同的十幾個(gè)系統(tǒng)中，結(jié)構(gòu)化的生產(chǎn)數(shù)據(jù)與非結(jié)構(gòu)化的用戶反饋無(wú)法互通，導(dǎo)致AI模型訓(xùn)練周期從預(yù)期的2周延長(zhǎng)至3個(gè)月。

與此同時(shí)，企業(yè)同時(shí)存在ERP系統(tǒng)的結(jié)構(gòu)化數(shù)據(jù)、工業(yè)傳感器的時(shí)序數(shù)據(jù)、社交媒體的文本數(shù)據(jù)，傳統(tǒng)存儲(chǔ)系統(tǒng)難以兼容，且在企業(yè)內(nèi)部，因原先數(shù)字化水平參差不齊，各個(gè)系統(tǒng)之間的數(shù)據(jù)質(zhì)量也不盡相同，這就造成了企業(yè)在訓(xùn)練AI模型的過(guò)程中，獲取高質(zhì)量數(shù)據(jù)集的成本顯著上升。

除此之外，在基礎(chǔ)設(shè)施層面，企業(yè)也面臨了高昂的成本支出。算力成本高企制約企業(yè)AI規(guī)?；瘧?yīng)用的痛點(diǎn)，尤其對(duì)中小企業(yè)形成顯著門(mén)檻。據(jù)硅基流動(dòng)的運(yùn)營(yíng)數(shù)據(jù)顯示，單一企業(yè)大模型訓(xùn)練單次成本常超百萬(wàn)，而推理階段的算力消耗更是持續(xù)產(chǎn)生的“剛性支出”。

以教育機(jī)構(gòu)為例，據(jù)測(cè)算，為100萬(wàn)用戶提供AI個(gè)性化學(xué)習(xí)服務(wù)，僅GPU租賃費(fèi)用每年就需數(shù)千萬(wàn)元，遠(yuǎn)超其營(yíng)收承受能力。

成本壓力來(lái)自“低效使用”與“結(jié)構(gòu)失衡”雙重因素。一方面，算力資源利用率偏低。多數(shù)企業(yè)采用固定算力配置，無(wú)法根據(jù)業(yè)務(wù)潮汐波動(dòng)動(dòng)態(tài)調(diào)整，導(dǎo)致白天高峰期算力不足、夜間閑置期資源浪費(fèi)。

技術(shù)層面，曾有企業(yè)CIO對(duì)筆者表示，“我們用開(kāi)源模型做的客服AI，在實(shí)驗(yàn)室準(zhǔn)確率達(dá)92%，放到真實(shí)場(chǎng)景里連60%都不到?！边@種“實(shí)驗(yàn)室與生產(chǎn)環(huán)境的鴻溝”，本質(zhì)是技術(shù)落地的系統(tǒng)性能力缺失。

首先是模型適配難題。企業(yè)往往盲目追求大模型參數(shù)規(guī)模，卻忽視場(chǎng)景匹配度。吳敏達(dá)指出：“以金融機(jī)構(gòu)的風(fēng)險(xiǎn)控制模型為例，其更需要的是精準(zhǔn)的小樣本學(xué)習(xí)能力，而非千億參數(shù)的通用模型?！盙artner的趨勢(shì)研判印證了這一點(diǎn)：領(lǐng)域?qū)Ｓ玫男∧Ｐ鸵蚱淇梢杂行У匾?guī)避“幻覺(jué)”風(fēng)險(xiǎn)，正成為金融、醫(yī)療等行業(yè)的首選。

除此之外，系統(tǒng)集成也是很多企業(yè)面臨的挑戰(zhàn)。IBM大中華區(qū)科技事業(yè)部自動(dòng)化資深技術(shù)專(zhuān)家張誠(chéng)將其稱(chēng)為“最后一公里難題”，他指出，很多企業(yè)AI項(xiàng)目無(wú)法調(diào)用傳統(tǒng)MES、ERP系統(tǒng)數(shù)據(jù)，導(dǎo)致智能決策難以落地。張誠(chéng)透露，IBM客戶中，僅30%的企業(yè)實(shí)現(xiàn)了AI系統(tǒng)與傳統(tǒng)IT架構(gòu)的深度集成。

“技術(shù)債”則成為組織轉(zhuǎn)型的隱性障礙。翟峰指出，多數(shù)民營(yíng)企業(yè)仍處于“傳統(tǒng)系統(tǒng)”向“智能系統(tǒng)”轉(zhuǎn)型的初級(jí)階段，老舊的IT架構(gòu)、分散的業(yè)務(wù)流程，使得AI無(wú)法發(fā)揮協(xié)同效應(yīng)。

除了數(shù)據(jù)與技術(shù)的阻礙之外，組織也是阻礙企業(yè)級(jí)AI落地的關(guān)鍵。原先，企業(yè)內(nèi)部各個(gè)部門(mén)之間大多互不相通，即便是有一些數(shù)字化的產(chǎn)品將部門(mén)之間形成了聯(lián)通，但這種聯(lián)通的程度在AI時(shí)代是完全不夠的。AI時(shí)代需要的完全打通企業(yè)內(nèi)部所有部門(mén)之間的“部門(mén)墻”。在翟峰看來(lái)，企業(yè)在應(yīng)用AI過(guò)程中，將企業(yè)系統(tǒng)打通、集成是極為關(guān)鍵的一步。“企業(yè)系統(tǒng)的打通集成，目的是為了協(xié)同，讓流程能夠加速，是跨業(yè)務(wù)域部門(mén)打通，”翟峰指出。

原先，部門(mén)領(lǐng)導(dǎo)會(huì)提出“我為什么要打通，我的數(shù)據(jù)為什么讓其他部門(mén)看到，為什么要自動(dòng)化”的靈魂拷問(wèn)，其顧慮是：自動(dòng)化之后，部門(mén)領(lǐng)導(dǎo)會(huì)失去權(quán)限。在翟峰看來(lái)，這個(gè)問(wèn)題不是技術(shù)問(wèn)題，而是企業(yè)管理、文化、組織。而在這個(gè)過(guò)程中，就體現(xiàn)了為什么AI是企業(yè)“一把手工程”的原因。需要企業(yè)管理者站出來(lái)，推動(dòng)各個(gè)部門(mén)系統(tǒng)之間的打通，才能讓AI更好的落地。

近年來(lái)，除了AI之外，出海已經(jīng)成為幾乎所有企業(yè)都在熱議并追逐的方向。當(dāng)企業(yè)將AI應(yīng)用延伸至全球市場(chǎng)，合規(guī)風(fēng)險(xiǎn)呈指數(shù)級(jí)增長(zhǎng)。IDC報(bào)告顯示，超半數(shù)企業(yè)尚未建立AI治理與合規(guī)（GRC）框架，歐洲-中東-非洲地區(qū)因監(jiān)管復(fù)雜，治理挑戰(zhàn)更為突出。對(duì)此，吳敏達(dá)強(qiáng)調(diào)，今天的AI合規(guī)不是“事后補(bǔ)救”，而是“事前嵌入”。

如何破局？

現(xiàn)階段企業(yè)數(shù)智化轉(zhuǎn)型的進(jìn)程就像是一枚硬幣，一面是以四大枷鎖為代表的重重阻礙；另一面是不得不為之的企業(yè)級(jí)AI落地需求。面對(duì)此，企業(yè)應(yīng)如何破局，實(shí)現(xiàn)用AI賦能業(yè)務(wù)的目標(biāo)呢？

IBM與Anthropic聯(lián)合發(fā)布的《智能體生命周期管理與治理框架》（簡(jiǎn)稱(chēng)《框架》）中給出了一種“解題思路”。《框架》中提出了“評(píng)估優(yōu)先”的開(kāi)發(fā)范式——在智能體開(kāi)發(fā)初期即定義業(yè)務(wù)KPI與風(fēng)險(xiǎn)指標(biāo)，將可觀測(cè)性模塊嵌入開(kāi)發(fā)流程，形成“設(shè)計(jì)-測(cè)試-監(jiān)控-迭代”的內(nèi)循環(huán)。

Gartner 2024年預(yù)測(cè)顯示，到2026年，缺乏有效治理的企業(yè)將有60%面臨AI相關(guān)的合規(guī)訴訟，而采用“前置管控”模式的企業(yè)，風(fēng)險(xiǎn)發(fā)生率將降低82%。IBM Guardium AI Security解決方案的落地?cái)?shù)據(jù)印證了這一趨勢(shì)——該方案通過(guò)AI驅(qū)動(dòng)的威脅檢測(cè)與數(shù)據(jù)分類(lèi)，幫助金融客戶將GDPR合規(guī)報(bào)告生成效率提升300%，審計(jì)準(zhǔn)備時(shí)間縮短60%。

面對(duì)眾多中小型企業(yè)在AI應(yīng)用過(guò)程中ROI的焦慮，翟峰表示，中小型企業(yè)在應(yīng)用AI過(guò)程中應(yīng)采用“場(chǎng)景深耕、小步快跑”的落地策略——不追求企業(yè)級(jí)的全面AI轉(zhuǎn)型，而是選擇核心痛點(diǎn)場(chǎng)景，快速試點(diǎn)、快速見(jiàn)效，再?gòu)?fù)制推廣。這種策略的核心是“以業(yè)務(wù)價(jià)值為導(dǎo)向”。翟峰強(qiáng)調(diào)：“我們不是賣(mài)軟件，而是幫客戶解決問(wèn)題?！?/p>

“小步快跑”還體現(xiàn)在技術(shù)選型上。IBM會(huì)根據(jù)企業(yè)規(guī)模推薦合適的方案：中小企業(yè)優(yōu)先使用云上Model Service，按token付費(fèi)；大型企業(yè)則采用本地部署+混合云架構(gòu)，平衡安全與成本。對(duì)此，翟峰表示，IBM的技術(shù)戰(zhàn)略始終圍繞“解決實(shí)際問(wèn)題”展開(kāi)?！巴ㄟ^(guò)一系列收購(gòu)與研發(fā)，IBM已經(jīng)構(gòu)建了從數(shù)據(jù)層到應(yīng)用層的全棧能力?！钡苑迦缡钦f(shuō)。

為了更好地推動(dòng)企業(yè)級(jí)AI在企業(yè)，尤其是中小型企業(yè)中的落地，并在AI競(jìng)賽中處于“不敗之地”，IBM近年來(lái)一方面加大了混合云與AI方面的研發(fā)投入，另一方面則是通過(guò)收購(gòu)的方式不斷的補(bǔ)充“彈藥”。比如，前不久，IBM就以110億美元收購(gòu)了數(shù)據(jù)基礎(chǔ)設(shè)施公司Confluent，從而加強(qiáng)其云計(jì)算產(chǎn)品，以利用人工智能驅(qū)動(dòng)的需求熱潮。

兩家公司的高管表示，此次合并源于復(fù)雜混合云環(huán)境中對(duì)可信實(shí)時(shí)數(shù)據(jù)需求的增長(zhǎng)。IBM首席執(zhí)行官Arvind Krishna在LinkedIn帖子中寫(xiě)道：“它擴(kuò)展了我們幫助客戶在復(fù)雜混合環(huán)境中從洞察即時(shí)到行動(dòng)的能力?！薄拔覀兝糜袡C(jī)增長(zhǎng)和有針對(duì)性的并購(gòu)，強(qiáng)化客戶最依賴的平臺(tái)——混合云、自動(dòng)化、集成、安全和人工智能?！盋onfluent聯(lián)合創(chuàng)始人兼首席執(zhí)行官Jay Kreps表示，加入IBM是加速Confluent全球戰(zhàn)略的契機(jī)。

而這僅僅是近幾年IBM眾多收購(gòu)案例中的一筆，在集成層面，IBM通過(guò)收購(gòu)webMethods與自有技術(shù)結(jié)合，形成“全棧集成”能力。

有分析師表示，此次收購(gòu)Confluent符合IBM近期通過(guò)戰(zhàn)略易擴(kuò)大其在云基礎(chǔ)設(shè)施和人工智能領(lǐng)域的布局，始于2019年收購(gòu)紅帽公司，最近則延續(xù)了2024年收購(gòu)基礎(chǔ)設(shè)施自動(dòng)化專(zhuān)家HashiCorp。

Gartner預(yù)測(cè)，到2026年，AI將成為企業(yè)出海的“標(biāo)配能力”，全球60%的跨國(guó)企業(yè)將依賴AI實(shí)現(xiàn)本地化運(yùn)營(yíng)。從IBM的技術(shù)布局與行業(yè)實(shí)踐來(lái)看，未來(lái)企業(yè)級(jí)AI將呈現(xiàn)三大發(fā)展方向。

一是“多模型協(xié)同”成為主流。單一模型無(wú)法滿足企業(yè)復(fù)雜需求，大模型負(fù)責(zé)自然語(yǔ)言交互與邏輯推理，小模型與基理模型解決垂直領(lǐng)域問(wèn)題，如石化企業(yè)用小模型優(yōu)化生產(chǎn)工藝，金融企業(yè)用大模型處理客服咨詢。

二是“邊緣智能”加速滲透。隨著車(chē)、無(wú)人機(jī)等具身智能的發(fā)展，邊緣側(cè)的AI計(jì)算需求激增。

三是“AI與業(yè)務(wù)的深度融合”。未來(lái)的AI將不再是獨(dú)立的系統(tǒng)，而是融入研發(fā)、生產(chǎn)、供應(yīng)鏈等每個(gè)環(huán)節(jié)的“隱形能力”，將AI能力內(nèi)置到每個(gè)軟件模塊中，讓企業(yè)在使用ERP、MES系統(tǒng)時(shí)，無(wú)需額外部署AI，即可獲得智能分析與決策支持。

展望未來(lái)，那些能將AI技術(shù)與業(yè)務(wù)需求深度融合、能打破組織壁壘、能平衡安全與效率的企業(yè)，將在全球市場(chǎng)的競(jìng)爭(zhēng)中占據(jù)先機(jī)。（本文作者｜張申宇，編輯丨蓋虹達(dá)）