2026年的春天，AI的浪潮正以前所未有的速度重塑商業(yè)世界的每一個角落。從年初引爆全球的“小龍蝦”（OpenClaw）到中國政府工作報告中首次寫入的“智能經濟”，AI已從技術話題躍升為國家戰(zhàn)略和產業(yè)核心驅動力。

然而，在消費級AI應用如火如荼、智能體（Agent）概念席卷全球的同時，企業(yè)級AI的落地之路卻呈現出更為復雜、深刻且充滿挑戰(zhàn)的圖景。企業(yè)不再滿足于炫酷的概念驗證（POC），而是迫切尋求能夠帶來真實商業(yè)價值、可規(guī)模化、安全可控的系統(tǒng)性工程。

從“AI嘗鮮”到“AI為先”的戰(zhàn)略躍遷

當前，全球企業(yè)級AI市場正呈現爆發(fā)式增長態(tài)勢，AI技術已深度滲透到制造業(yè)、金融、零售等多個行業(yè)，從單一場景的試點應用，逐步向全業(yè)務流程的規(guī)模化落地演進。無論是跨國企業(yè)還是本土民營企業(yè)，都已深刻認識到AI在降本增效、創(chuàng)新升級、市場競爭中的核心價值，企業(yè)級AI應用的必要性日益凸顯。

企業(yè)級AI的應用必要性，已從“是否要做”的討論，全面轉向“如何做好、做深、做透”的實踐探索。這一轉變背后，是宏觀環(huán)境、技術成熟度與企業(yè)內在需求共同作用的結果。

首先，宏觀環(huán)境的“動蕩”與“焦慮”倒逼企業(yè)尋求AI驅動的確定性增長。 IBM大中華區(qū)董事長、總經理陳旭東在溝通會上用“動蕩”、“AI”、“焦慮”三個詞概括了當前的大環(huán)境。全球局勢的不確定性、國內市場的激烈競爭（“內卷”）促使企業(yè)紛紛選擇出海，尋找更大的利潤空間。在這一背景下，AI不再僅僅是降本增效的工具，更是企業(yè)構建新競爭力、實現全球化運營的關鍵支撐。Artefact全球首席執(zhí)行官Edouard de Mézerac（愛德華·德·梅澤拉克）也觀察到，中國企業(yè)出海的決心并未減弱，且需求已從早期的技術連接、數據打通，升級到全球合規(guī)治理、組織人才國際化等更深層次。AI成為企業(yè)應對復雜全球市場、實現“走進去”而非僅僅“走出去”的必備能力。

其次，技術范式的迭代速度遠超以往，迫使企業(yè)必須以系統(tǒng)性思維擁抱AI。 陳旭東指出，AI的發(fā)展速度令人驚嘆，“去年DeepSeek才出現，感覺好像已經過去很久，實際上才一年而已”。從大語言模型到智能體（Agent），技術的演進周期急劇縮短。

IBM商業(yè)價值研究院（IBV）發(fā)布的《2030年企業(yè)展望》調研顯示，56%的大中華區(qū)高管和57%的全球高管認為，到2030年，組織的核心競爭力將主要源于AI。然而，更關鍵的趨勢在于企業(yè)關注點的變化：從去年追求AI預測的“完美準確性”，轉向今年更注重“執(zhí)行速度”和通過AI實現“產品與服務創(chuàng)新”。這表明，AI的價值評估已從技術指標轉向商業(yè)成果，其戰(zhàn)略地位空前提升。

再者，企業(yè)內在的數字化基礎與新一代管理者的崛起，為AI的深度應用創(chuàng)造了條件。 陳旭東敏銳地捕捉到一個重大機遇：中國民營企業(yè)正進入“二代接班”的關鍵時期。這些“數字化原生代”管理者對利用數智化手段管理企業(yè)有著天然的高接受度和迫切需求?！巴瑯右?guī)模的民營企業(yè)和國有企業(yè)，IT投資可能相差巨大。隨著二代接班，這個情況正在慢慢改變。” IBM中國科技事業(yè)部總經理侯淼補充道，企業(yè)創(chuàng)始人和CEO對AI的認知日益深入，希望新技術能幫助企業(yè)在管理財務、庫存、乃至全球化運營中提供更大價值，這使得AI有機會進入更高層的戰(zhàn)略決策圈。

最后，巨大的經濟效益預期構成了最直接的驅動力。 侯淼引用第三方機構預測指出，人工智能每年有望為全球企業(yè)帶來4.4萬億美元的經濟效益，大約相當于全球上市公司總市值的3%。AI的應用階段也從早期的知識庫、簡單問答，邁向能夠獨立運行、自主執(zhí)行的AI智能體階段，在代碼生成、業(yè)務流程自動化、數字助手等場景釋放生產力。IBM自身的“零號客戶”實踐更是提供了有力佐證：CEO Arvind Krishna定下的兩年內通過內部應用AI節(jié)省20億美元的目標，最終在2025年底超額完成，實現了超過45億美元的年化成本節(jié)省。這些實實在在的效益，讓企業(yè)級AI從“可選”變成了“必選”。

理想很豐滿，現實卻些許骨感

盡管前景廣闊，但企業(yè)級AI的規(guī)模化落地之路并非坦途。從技術、數據到組織、安全，企業(yè)面臨著多重且交織的挑戰(zhàn)，這些痛點構成了理想與現實之間的巨大鴻溝。

鴻溝之上，企業(yè)首要面臨的挑戰(zhàn)就是認知誤區(qū)。目前為止，還是存在很多企業(yè)將AI工程簡化為技術采購或代碼翻譯。這是當前最普遍也最危險的誤區(qū)。陳旭東在溝通會上反復強調：“IT現代化遠不止代碼重寫，更不是代碼翻譯?！痹S多企業(yè)誤以為引入一個現成的大模型或進行編程語言轉換（如COBOL轉譯）就能實現AI轉型。然而，企業(yè)級AI是一個高度關聯的系統(tǒng)性工程，涵蓋應用現代化、基礎設施現代化、數據與技術棧現代化、組織與流程現代化等多個維度。

此外，部分管理層將AI視為“萬能工具”，期望AI能夠快速解決所有業(yè)務問題，一旦短期內看不到效果就放棄投入；另一方面，還有部分管理層對AI的安全性、可靠性存在疑慮，不敢大膽推進AI應用。博萬尚提到，歐萊雅在全球范圍內，永遠不會用AI生成公眾發(fā)布的廣告信息，就是出于對AI信任度的考量。

逾越認知的鴻溝之后，企業(yè)在技術層面首要面對的就是數據的考驗。高質量、治理良好的數據是AI的燃料而非副產品。歐萊雅北亞總裁博萬尚曾公開表示：“數據的質量，數據的清洗是非常重要的，因為你在建立起后續(xù)的工作基礎?！盓douard也指出，智能體AI的應用需要足夠的、完整的數據作為支撐，若數據不足或質量不高，智能體無法實現有效的決策與執(zhí)行。

然而，現實是許多企業(yè)的數據散落在不同的系統(tǒng)、部門甚至地域，缺乏有效的治理、清洗和整合。IBM大中華區(qū)首席技術官翟峰犀利地指出：“以中國民營制造企業(yè)為例，你們感覺有多少企業(yè)已經在做這樣的現代化？有多少能具備統(tǒng)一的IT基座，全球數據一張網，統(tǒng)一的AI管控？其實1%不到?！贝蠖鄶灯髽I(yè)仍在煙囪式地布局業(yè)務系統(tǒng)，數據孤島嚴重，缺乏統(tǒng)一的現代化基礎，這使得AI成為無本之木。

具體來看，數據痛點主要體現在三個方面：

• 一是數據質量參差不齊，很多企業(yè)的數據存在不完整、不準確、重復等問題，無法滿足AI模型訓練的需求。例如，在制造業(yè)的質量檢測場景中，由于產品質量提升，殘次品數量減少，AI模型缺乏足夠的負面樣本進行訓練，只能通過學習正品特征實現檢測，這無疑增加了模型訓練的難度；
• 二是數據孤島現象普遍，企業(yè)內部不同部門、不同業(yè)務系統(tǒng)的數據相互獨立，無法實現有效打通與共享，導致AI模型無法獲取全面的數據支撐，難以實現跨場景的應用；
• 三是數據治理能力不足，很多企業(yè)缺乏完善的數據治理體系，數據的采集、存儲、管理、應用缺乏標準化流程，同時面臨數據安全與合規(guī)的壓力，進一步制約了數據的利用效率。

企業(yè)在面臨數據安全問題的同時，整個AI應用全生命周期的安全問題也是困擾企業(yè)級AI落地的一大掣肘。Gartner報告指出，超過75%的企業(yè)將在2030年前制定數字自主戰(zhàn)略，即對自身數據、基礎設施、標準和技術發(fā)展擁有選擇和控制權。AI的治理、模型安全、數據隱私、應用安全等問題日益突出。

就以最近爆火的OpenClaw為例，其之所以尚未能在ToB領域得以規(guī)?；瘧茫饕€是因為其安全性的問題，以及對于開放權限的高度需求。對這類工具，陳旭東和翟峰都表達了審慎態(tài)度——它們更適合個人或小企業(yè)，大企業(yè)短期內很難允許其隨意進入體系，因為“后果不可預測”，涉及權限管理、合規(guī)管控和高危風險。對于金融、醫(yī)療等強監(jiān)管行業(yè)，安全可控、可溯源的AI模型和平臺更是剛需?！癐BM強調其Granite模型的開源、安全可靠特性，正是為了滿足此類需求。”陳旭東如是說。

當企業(yè)拉平了AI認知，做好了數據就緒，也充分考量了AI帶來的安全問題之后，擋在企業(yè)面前最后一個比較大的挑戰(zhàn)就是AI的價值，也就是ROI（投資回報率）的問題。

企業(yè)投資最終要回歸商業(yè)價值。羅克韋爾自動化中國區(qū)總裁石安提出了一個深刻的問題：在產能過剩的背景下，AI提升的生產力和效率，是否創(chuàng)造了別人愿意付費的新需求？企業(yè)需要思考如何通過AI從端到端創(chuàng)造新價值，而非僅僅優(yōu)化現有流程。無獨有偶，Edouard也指出，AI的投資回報需要時間，且衡量方式正在變化——AI可以幫助企業(yè)在同樣投資下獲得更好的產出。然而，許多企業(yè)仍困于短期POC的試錯中，Edouard警告“不主張一些企業(yè)可以盲目地進行很多的試點，因為這會花很多錢，而且可能這方面數據的質量各方面不是很好，這樣會浪費時間”。如何規(guī)劃一條清晰的、價值可衡量的AI實施路徑，是企業(yè)面臨的重大挑戰(zhàn)。

企業(yè)如何解？

面對上述挑戰(zhàn)，作為全球領先的科技企業(yè)與專業(yè)咨詢機構，IBM和Artefact基于自身實踐與客戶服務經驗，提出了一系列頗具洞察的建議，并指出了需要規(guī)避的風險。而這些思路的核心是：構建一個既能快速創(chuàng)新又能確保安全可控的現代化AI基礎。

首先，企業(yè)一定要將AI上升到公司整體戰(zhàn)略高度，進行長期、系統(tǒng)的規(guī)劃。IBM自身作為“零號客戶”的實踐提供了范本。其CEO曾定下通過內部應用AI節(jié)省20億美元的目標，結果在2025年底超額實現，節(jié)約了45億美元。這種內部先行的大規(guī)模實踐，不僅驗證了技術可行性，更積累了流程改造、組織適配和價值衡量的寶貴經驗。IBM咨詢大中華區(qū)及韓國總裁陳科典分享的國內某企業(yè)案例也印證了這一點：客戶明確要求規(guī)劃一個三年的智能供應鏈轉型旅程，而非一次性的POC，目標直指供需自動匹配、提升人效和利潤。

具體來看，企業(yè)應首先從內部低風險、高回報的流程（如財務、人力資源、IT支持）開始AI化，在積累能力、建立信心后，再向外部的客戶服務、產品創(chuàng)新等復雜場景擴展。這要求管理層具備強烈的變革意識。

其次，在技術層面，企業(yè)需要一個能夠整合多模型、連接新舊系統(tǒng)、保障全鏈路安全的技術平臺。在這方面，IBM的布局頗具代表性：其戰(zhàn)略并非“卷”大模型，而是持續(xù)投資于AI的“基礎設施”。

比如，通過watsonx平臺，企業(yè)可以管理來自IBM、開源社區(qū)或其他廠商的多種模型。IBM自己的Granite模型強調安全、開源和可溯源，但平臺本身保持開放。此外，翟峰表示，近年來IBM通過一系列的收購行為，不斷加強著自身在AI領域的競爭力。比如，IBM收購DataStax（非結構化數據）、webMethods（系統(tǒng)集成）、Confluent（實時數據流）等公司，旨在強化數據編排、流程打通和實時處理能力，這正是智能體能否“落地干活”的關鍵。

而平臺化的思路也體現在了Artefact的戰(zhàn)略布局之上。對此，Edouard表示，Artefact的核心優(yōu)勢在于不鎖定任何技術路線，而是根據客戶需求動態(tài)調度千問、DeepSeek、火山引擎等多種模型。“技術的公司關心的是產品的銷售，而對我們來講我們更關心是企業(yè)使用這個技術最終能得到什么樣的結果?！?這種立場使其在競標中更能贏得客戶信任。

展望未來，企業(yè)級AI的競爭，將是系統(tǒng)工程能力的競爭。它比拼的不是單一模型的優(yōu)劣，而是企業(yè)整合技術、數據、流程、組織與安全，并將其轉化為持續(xù)商業(yè)價值的整體能力。中國的速度與開放性，與全球的合規(guī)經驗與系統(tǒng)思維，正在碰撞融合。正如Edouard所言，結合中國的敏捷與歐洲的謹慎，或許能走出更穩(wěn)健的AI落地之路。而無論是IBM的“深耕”與“全棧”，還是Artefact的“中立”與“人才為本”，其核心都指向同一個方向：幫助企業(yè)跨越從概念到價值的鴻溝，在智能經濟的新時代，構建堅實而靈活的競爭力底座。（文｜Leo張ToB雜談，作者｜張申宇，編輯丨蓋虹達）