近兩年，當全社會都在為AI一波又一波的創新突破而歡呼時，巴菲特似乎顯得格外保守，對于技術顛覆論始終抱持著冷靜觀望的態度、甚至是擔憂。

不過，在最近的2025年巴菲特股東大會上，巴菲特的態度有所轉變，開始理性接納AI。我們去圍觀了一下這場大會的內容，巴菲特表達的原則十分明確：應用必須有限、落地必須可控。

與市場上許多“AI替代人類”“AI改寫商業模式”的論調不同，巴菲特的判斷是，AI的價值不在于創造新業務，而在于將存量業務的“成本中心”轉化為“效率引擎”。換句話說，如果企業原本就沒有護城河、沒有穩定的盈利模式，就算你用上了最先進的人工智能系統也沒用。

這與我們近一年來的調研結論十分接近。從去年下半年到今年年初，中歐國際工商學院攜手特贊科技，聯合增長黑盒頂尖市場研究機構，依托中歐-特贊人工智能與商業創新研究基金、中歐AI與營銷創新實驗室，共同撰寫并發布《AI時代的商業進化藍圖》白皮書。

（新粉絲掃碼可自動領取，老粉絲掃碼后請回復“AI時代”，小助理會發給您）

該報告調研了一系列已經將AI技術融入生意經營的企業，包含了市場最關心的幾大問題：

• 企業究竟對AI普遍抱有什么樣的態度？

• AI對于企業戰略和落地策略有多大的參與度？

• 哪些企業在AI時代進化迅速并取得成效？

• AI在商業領域的應用會走向何方？

這或許能為傳統企業指明一條現階段的AI創新之路——既不盲目追逐技術泡沫，也不固守傳統拒絕變革，而是在人機協同的交界地帶，尋找確定性增長的“第三種可能”。

從外部視角來看，整個市場都在狂熱地追捧 AI。

高盛的數據顯示，過去3年里，頭部上市公司頻頻在業績會中提及“AI”這個關鍵詞，熱度以指數級爆發。到了2024年Q4，標普500成分公司中，竟然有一半都提及了AI。而根據麥肯錫的最新調研，65%的受訪者預計GenAI將對他們的行業帶來顯著或顛覆性的變化，72%的組織現在在至少一個業務職能中使用AI。

可矛盾的是，企業內部對于生成式AI的興趣正在逐步冷卻。德勤在2024年的全球調研顯示：Q4相比Q1，企業高管或業務負責人的興趣明顯下滑，董事會對于AI的興趣程度甚至低于了普通員工 - 只有技術負責人長期保持了最高的興趣程度。

從2019年到2024年，每年都有17-25%的企業聲稱會在一年內部署AI能力 - 按理說AI落地應用數量將呈現雙位數增長。可實際上，真正落地的項目每年只增加了2-5%。

為什么企業嘴上說著想要進化，但實際行動卻并非如此呢？

核心原因在于：大部分企業AI戰略推進的路徑不清晰，AI項目短期內并不能從概念驗證階段（POC）走向成熟業務部署，也沒有規模化的業務價值。

Gartner 發現，平均只有48%的生成式AI項目進入生產階段，從生成式AI原型到生產需要8個月。根據IDC的調查，僅有28%的企業管理者認為在未來一年內會看到AI項目的投資回報。

對比區塊鏈、AR/VR等其它技術的落地，生成式AI的進度顯然更加落后。如果聚焦到國內市場，雖然有53%的大型企業都已經積極布局生成式AI項目，但僅有20%設置了獨立預算或取得成果。

那么，企業應該如何去制定清晰的 AI 戰略、解決業務脫節的問題呢？這可以分為戰略目標的廣度和落地應用的深度來思考。

AI戰略目標廣度

研究顯示，76%的生成式AI應用領導企業能夠將AI技術和業務目標有效對齊 - 該比例顯著高于普通企業。

我們將AI戰略橫向的業務價值點分為下列三類。

在探索新興技術時，企業會習慣性的“廣撒網”。但如果同時開展過多的AI項目，目標又不明確，這會導致在低影響應用上稀釋資源，而高價值的項目則被忽視。對于在 AI 應用上領先的企業來說，同時開展試驗的 AI 項目數量比普通企業要低40%，但預期ROI卻要高出2.1倍。

因為從優先級的角度來看，領先型企業更傾向于“把錢花在刀刃上”：圍繞降低成本 & 增長營收兩大目標，在運營、營銷和市場等核心職能上開發 AI 的應用場景，而非客服、財務等支持性部門。

在制定AI戰略目標時，大部分管理者的共識都是“自上而下”來推動，將其作為一把手工程。然而，其中卻有一個誤區：CEO習慣于抓大放小，只去看頂層設計，而不去跟進后續的落地環節。多項研究顯示，相比于整體戰略架構，CEO在業務場景相關的決策上參與度大幅下降 - 而這恰恰是領先公司與落后公司的差異點所在。

如果CEO完全把落地執行交給IT團隊和業務團隊自行配合，而不去關注具體細節，那么CEO自己還是無法了解業務目標對齊的痛點，更無法加速推動項目。

AI落地應用深度

然而，就算鎖定了核心業務目標，企業也很難一步到位把成績寫在利潤表上，間接的鋪墊必不可少。我們先把AI應用推進的深度分為概念驗證、擴展規模、組織重構三個階段。

企業很希望新技術能夠解決復雜、系統性難題。但從項目的起點上來看，領先的企業更擅長取得“quick win”- 當淺層業務價值快速擺在所有人眼前，就更容易獲得組織的支持。

Google研究發現，如果把提升員工生產力作為目標，就容易快速獲得成效。以細分場景來舉例：品牌CMO眼中最重要的“quick win”是內容創作、社媒運營和社媒數據洞察。

Google研究顯示：如果企業能夠從概念驗證階段上升到生產落地階段，ROI的確定性將會更強。而長期形成系統后，將能夠給營收增長帶來明顯的貢獻。

在AI項目不斷在組織內推動的過程中，僅有自上而下的決策遠遠不夠，更需要中層、基層員工自下而上發力。

麥肯錫的研究顯示，用強硬的命令或嚴格的KPI考核并不能有效調動員工積極性，他們更需要公司的培訓，以及對于工作流程的整合。而如果一名員工具備了積極性，就能在組織中發揮巨大的能力，不僅能夠主動幫助項目尋找機會點，還能夠向其它人普及AI的價值、教別人使用 - 60%的人曾經直接幫助過項目的推動。

然而，德勤研究顯示，雖然七成企業預計AIGC會改變人才戰略，但僅22%對員工進行了充分培訓。同時，有35%的員工對AI持有消極態度，比如沒有信心掌握AI技能。

構建 AI 戰略矩陣

當我們把兩個維度組合在一起，就形成了一張3X3的AI戰略矩陣。企業可以在三大重要的業務目標下選擇試點項目，再逐步將應用范圍向規模化推進。其中：

• 企業可以聚焦在最核心的場景，也可以選擇同時開始多個概念驗證，多業務部門同時進行

• 一個試點項目在推進的過程并非是線性的，而是在過程中及時調整方向，啟發新的概念，或直接轉變業務目標

不過，企業成功識別并放大了那些價值顯著的AI應用，這僅僅是AI進化歷程的“上半場”，它們還不足以形成持久的競爭屏障—真正的挑戰在于如何將這些局部創新轉化為企業的固有能力，就像生物進化中有利基因被"固定"在DNA中并代代相傳。

埃森哲的最新研究揭示了這一階段的重要性：從2023年到2024年，成功實現業務流程現代化、以AI為主導的公司數量幾乎翻倍（從9%增至16%）。這些企業不僅在收入和生產力方面取得了顯著提升（分別為2.5倍和2.4倍），更令人矚目的是，它們在AI應用擴展方面的成功率高出其他企業3.3倍。

真正的競爭優勢并非來自 AI 技術的“在場”，而是來自 AI 驅動的業務流程“重塑”。無論是基于什么戰略目標出發，企業最終的形態是進化到組織重構階段。

將 AI 從實驗性項目轉變為企業的內在能力，需要系統化的方法和全方位的變革。我們發現，成功企業通常聚焦于四個戰略行動領域：

1.流程再造：從補丁式應用到原生集成。不再是在現有流程上“貼”AI功能，而是徹底重新設計端到端業務流程。領先企業會：

• 繪制關鍵業務流程的全景圖，識別每個環節的決策點和信息流

• 基于 AI 能力設計全新的工作方式，而非簡單自動化現有步驟

• 建立新的衡量標準，聚焦整體流程成效而非單點效率

2.能力固化：從項目化管理到系統化能力。將 AI 從特殊項目轉變為企業標準配置，成為日常決策和操作的一部分：

• 開發內部 AI 平臺和工具集，降低各部門應用門檻

• 建立 AI 能力中心，確保技術和經驗在組織內部傳播

• 將 AI 應用納入標準運營程序 (SOP) 和工作指南

3.持續迭代：從靜態應用到學習系統。AI 的價值在于持續學習和自我完善，這要求：

• 建立數據反饋閉環，確保 AI 系統能從每次交互中學習

• 開發監控指標，實時評估 AI 性能并自動觸發優化

• 規劃定期更新周期，讓 AI 能力隨業務需求演進

4.組織協同：從技術孤島到跨域整合。真正的 AI 轉型需要打破部門壁壘，創造全新的協作模式：

• 組建跨職能團隊，包含業務、數據和技術專家

• 調整績效指標和激勵機制，鼓勵基于 AI 的創新和協作

• 改變決策流程，讓數據和 AI 見解成為標準輸入

研究顯示，在領先企業中，87%實現了技術和業務團隊的深度協作，而基礎階段企業中，88% 表示兩個團隊之間幾乎沒有合作- 這種差異直接影響了AI應用的廣度和深度。

本章深入剖析了六家不同行業的領軍企業如何將AI技術融入自身戰略，并成功實現商業價值的提升。這些案例揭示了AI在降本增效、驅動增長乃至商業模式創新方面的巨大潛力，為其他企業提供了寶貴的借鑒。

某國際耐消品零售品牌通過構建內部AI創新生態系統，激發上萬名員工的參與熱情。在中國市場，他們借助AI分析趨勢、生成內容大綱，并賦能一線員工進行社交媒體內容創作與優化。這種“技術民主化”不僅降低了AI應用門檻，更實現了“小投入、大聲量”的品牌傳播效果，展現了“自下而上”AI變革的巨大潛力。

某國民家居品牌面對電商流量紅利見頂的挑戰，積極布局新零售，并以AI驅動全域內容矩陣。特別是在小紅書平臺，通過AI批量生成“KOC素人”風格的本地化和主題化內容，以規模化策略獲取流量，并精準分配給線下經銷商。這種總部中心化獲取流量、AI賦能內容生產的模式，有效解決了經銷商內容生產能力不足的痛點，驅動了業務新增量。

美的集團作為制造業的數字化先行者，其AI戰略嚴格基于ROI（投資回報率）方法論。在AI工廠項目中，通過多物理場仿真、自研PLM系統和iBUILDING Service系統，顯著提升了選型、設計效率并降低了維修率。在內容生成方面，利用AI文生圖技術大幅降低了電商視覺內容制作成本，并通過智能問答系統提升了內部知識管理和外部客戶服務的效率，實現了可量化的降本增效。

伊利集團前瞻性地將生成式AI視為增長關鍵技術，并自研“YILI-AI”平臺。在產品創新層面，AI貫穿市場洞察、概念設計、消費者共創測試、配方與工藝設計及包裝審核的全鏈路，顯著加速了爆款產品的打造。同時，AI在供應鏈優化（如原奶智能調配、設備智能管理）方面也發揮了重要作用，確保了核心業務的穩健運行。伊利還積極探索“AI+健康服務”，拓展從“賣產品”到“賣服務”的商業模式創新。

歐萊雅將自身定位為“美妝科技公司”，以“內容是新的貨幣”為核心理念，通過AI重塑業務形態。其與特贊合作開發的China Content Hub (CCH)平臺，實現了內容從創意、生成、審核到分發的全生命周期管理。AI不僅規模化生產電商內容，還賦能BA（美容顧問）進行私域運營，提升了個性化服務能力和運營效率。歐萊雅的成功在于其“Digital First”的基因，以及將AI深度融入組織文化與工作流程。

Shutterstock作為一家數字內容授權平臺，在生成式AI興起之際，敏銳地將其視為商業模式創新的契機。面對AI可能替代其核心資產的威脅，Shutterstock選擇與OpenAI等大模型公司合作，授權其海量高質量素材用于模型訓練，并推出了創作者補償基金。同時，它將AI圖像生成器整合到平臺，從內容提供商轉變為創意解決方案提供商，開辟了“數據、分發和服務”的新營收增長點，成功將挑戰轉化為差異化優勢。

想了解案例詳情的朋友，可以掃碼領取完整版報告。（新粉絲掃碼可自動領取，老粉絲掃碼后請回復“AI時代”，小助理會發給您）

企業在AI應用的道路上，從試驗、規模化到重構，正在經歷一場深刻的數字化進化。這個進程并非機械式的階段跳躍，而是一條連續的演進路徑，每一步都在積累能力、沉淀經驗、拓展邊界。

當企業完成業務重構，將AI能力固化到核心工作流并釋放出新的增長動能時，我們看到的不是終點，而是新起點的開始。

展望未來，通用式AI技術本身也在快速迭代，全新的能力邊界正在形成。在這個背景下，企業AI應用的下一輪進化將呈現出哪些新特征？變異、選擇和遺傳這三個演化機制，又將如何在企業數字化轉型中展現新的內涵？

垂直場景解決方案和“AI原住民”增多，更多的基因突變將會誕生

首先，自下而上的創新和嘗試會越來越多。

領導者也可能低估了員工對于AI的掌握程度 - 員工會在工作中自發使用AI，并取得一定成效。麥肯錫最新的研究表明，全球有13%的員工認為，自己日常有30%以上的工作中都用到了生成式AI。而僅有4%的管理者認為，自己的員工現在可以做到這種程度。

對于現在職場的00后來說，更有了“AI原住民”的身份 - 他們有95.2%都曾使用過AI工具/產品，其中41.7%達到了熟練掌握的程度，46.7%每天都在使用。

其次，垂直領域的AI應用工具正在爆發，概念試驗將會變得門檻越來越低。

隨著專注于特定行業的AI模型與工具不斷涌現，長期困擾企業的"技術能力不足"和"沒有合適模型與工具"等障礙正在迅速消解。越來越多的預訓練模型針對醫療、法律、金融、建筑、教育等垂直領域進行了專門優化，使得這些行業特有的知識和語言已被有效編碼到AI系統中。

同時，無代碼 / 低代碼平臺使企業能夠在幾天甚至幾小時內部署AI應用，而不是幾個月。這些平臺提供直觀的界面，允許業務專家直接參與AI系統的設計與調整，無需深厚的技術背景。企業可以快速構建概念驗證，測試各種業務假設，然后根據實際效果迭代優化。

創新不再限于技術巨頭或擁有大量AI人才的企業，而是向所有具有深刻行業洞察和創新思維的組織開放。真正的競爭優勢將轉向對行業痛點的理解、業務流程的重新設計以及人機協作新模式的構建。

從單一的AI工具到智能體協作，促進規模化、系統化

在2024年，眾多科技行業的領袖，都紛紛將目光集中到了“智能體（AI Agent）”。

比如近期，Facebook創始人扎克伯格就表示“未來將會出現數十億個智能體，數量很可能比世界的人口還多.....每個企業都會擁有自己的智能體，就如同今天的電子郵件和社交媒體賬戶一樣。”

既然企業已經開始從單一環節的效率助手，逐步開始向工作流重構的方向進化，那么一個具備自我規劃任務和決策、具備記憶能力、能夠協同其它外部工具的智能體將讓一切自動化運作起來 - 人類只需要充當業務系統的“設計師”即可。多個智能體之間，甚至還會形成類似部門之間的協作關系。

Google的調查顯示，10%的企業已經在使用智能體，82%計劃在未來3年內部署智能體，包括：客戶支持、員工效率、創意、數據、代碼、安全六大主流應用方式。

行業垂直的模型將成為企業的“數字DNA”

能夠形成體系化運作、作為企業基因保留下來的 AI 應用，還需要克服現有通用大模型技術的難題：無法深度整合企業專有知識、難以適應特定業務流程、數據安全與隱私風險增加。

隨著成功應用的累積，企業逐漸形成對 AI 能力的差異化需求，促使其投入資源進行自主研發。在這一進化過程中，企業自主訓練的行業垂直模型正成為最佳選擇，它們具有顯著優勢：

1.知識適配性：垂直模型能更精準地編碼行業特定知識和企業專有信息，減少通用模型的 " 幻覺 " 問題；

2.資源效率：相比大模型，垂直模型計算成本更低，部署更靈活，更適合企業持續運營；

3.迭代速度：模型訓練和調整周期短，能夠快速適應業務變化和新需求；

4.控制與自主權：企業對自研模型擁有完全控制權，消除對外部服務提供商的依賴。

垂直模型正成為企業的 " 數字 DNA"，它們編碼了企業獨特的知識體系和運營邏輯。就像生物 DNA 攜帶著生命體的遺傳信息，這些模型包含了企業數十年積累的專業知識、最佳實踐和決策模式。

而這種 " 數字 DNA" 具有自我復制和進化的能力：

• 模型可以不斷從新數據中學習，適應業務環境變化

• 成功的模型架構可以橫向擴展到企業其他部門或業務線

• 模型之間可以組合和協作，形成更復雜的能力網絡

• 企業特定的知識可以通過模型得到保存和傳承，不再依賴個別員工的經驗

調研顯示，雖然當僅有 7% 的企業選擇利用自有數據訓練私有模型，但有54%的企業認為自己會在2年后升級到“小模型”。

未來，我們還將持續追蹤企業 AI 應用的轉型路徑，深入研究不同類型企業的差異化戰略選擇，為管理者提供更具針對性的決策參考。無論是傳統制造業的數字化轉型，還是數字原生企業的商業模式創新，都將成為我們下一階段研究的重點方向。

（新粉絲掃碼可自動領取，老粉絲掃碼后請回復“AI時代”，小助理會發給您）

「報告合集」||||||||

「深度案例」|||||||||||||||||||||||||

「增長研究」|||||||||