2025年企業(yè)級AI是一個十分火熱的詞匯，各行各業(yè)的企業(yè)都在爭先恐后的落地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AI價值持懷疑態(tài)度，低質(zhì)量數(shù)據(jù)、模糊ROI、合規(guī)風(fēng)險成為三大攔路虎?？梢哉f，2025年是企業(yè)級AI從“技術(shù)實(shí)驗(yàn)”走向“價值落地”的轉(zhuǎn)型之年，只有要企業(yè)真正看見了AI的在業(yè)務(wù)側(cè)的價值，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)對于AI認(rèn)知的不斷完善，2026年注定將是企業(yè)級AI規(guī)?；瘧?yīng)用落地的一年。
IDC 2024年《全球企業(yè)級AI應(yīng)用白皮書》顯示，2024年全球企業(yè)級AI市場規(guī)模突破1200億美元，其中中國市場增速達(dá)38.7%，遠(yuǎn)超全球平均水平。
但與消費(fèi)級AI的“全民狂歡”不同，企業(yè)級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)開始冷靜審視AI的實(shí)際價值。
一個明顯的現(xiàn)象可以佐證上述觀點(diǎn)——2023年的企業(yè)級AI市場，還充斥著大量“問答式智能助手”；而到2024年下半年，IBM大中華區(qū)技術(shù)銷售總經(jīng)理、首席技術(shù)官翟峰表示，IBM技術(shù)團(tuán)隊發(fā)現(xiàn)一個顯著變化：80%的客戶需求已轉(zhuǎn)向“業(yè)務(wù)域智能體”，即深度綁定財務(wù)、供應(yīng)鏈、研發(fā)等具體場景，具備工具調(diào)用與流程閉環(huán)能力的專用智能體。
無獨(dú)有偶，紅帽此前發(fā)布的《2025中國企業(yè)級AI實(shí)踐調(diào)研分析年度報告》（以下簡稱《報告》）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)動型行業(yè)，它們已將AI作為驅(qū)動業(yè)務(wù)增長和構(gòu)建競爭壁壘的主要引擎。
與此同時，《報告》數(shù)據(jù)顯示，“重要支撐”（占比 26.07%），“試點(diǎn)探索”（占比 27.49%），這三類幾乎均衡的格局，但后兩類的占比合計超過 54%，這表明市場上的絕大多數(shù)企業(yè)（超過一半）正處于一個關(guān)鍵的過渡階段：它們已經(jīng)認(rèn)識到 AI 的重要性，并開始進(jìn)行投入，但仍在從概念驗(yàn)證向體系化落地的艱難過程中跋涉。
企業(yè)級AI發(fā)展的速度雖然超乎想象，但在其背后，距離規(guī)模化落地仍面臨諸多挑戰(zhàn)，而企業(yè)對于AI的態(tài)度也從“要不要用”，轉(zhuǎn)變?yōu)?ldquo;如何用好”。對此，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)專家吳敏達(dá)對筆者表示，“今天企業(yè)問得最多的不是‘要不要上AI’，而是‘我的AI項目為什么沒效果’。”這種困惑的背后，是企業(yè)級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。“低質(zhì)量數(shù)據(jù)是AI項目失敗的首要因素”，聯(lián)想與IDC的報告明確指出這一核心問題。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)部存儲資深技術(shù)專家饒有清表示，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)化的用戶反饋無法互通，導(dǎo)致AI模型訓(xùn)練周期從預(yù)期的2周延長至3個月。
與此同時，企業(yè)同時存在ERP系統(tǒng)的結(jié)構(gòu)化數(shù)據(jù)、工業(yè)傳感器的時序數(shù)據(jù)、社交媒體的文本數(shù)據(jù)，傳統(tǒng)存儲系統(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)，尤其對中小企業(yè)形成顯著門檻。據(jù)硅基流動的運(yùn)營數(shù)據(jù)顯示，單一企業(yè)大模型訓(xùn)練單次成本常超百萬，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)測算，為100萬用戶提供AI個性化學(xué)習(xí)服務(wù)，僅GPU租賃費(fèi)用每年就需數(shù)千萬元，遠(yuǎn)超其營收承受能力。
成本壓力來自“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，無法根據(jù)業(yè)務(wù)潮汐波動動態(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對筆者表示，“我們用開源模型做的客服AI，在實(shí)驗(yàn)室準(zhǔn)確率達(dá)92%，放到真實(shí)場景里連60%都不到。”這種“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，卻忽視場景匹配度。吳敏達(dá)指出：“以金融機(jī)構(gòu)的風(fēng)險控制模型為例，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。”Gartner的趨勢研判印證了這一點(diǎn)：領(lǐng)域?qū)Ｓ玫男∧Ｐ鸵蚱淇梢杂行У匾?guī)避“幻覺”風(fēng)險，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)部自動化資深技術(shù)專家張誠將其稱為“最后一公里難題”，他指出，很多企業(yè)AI項目無法調(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)民營企業(yè)仍處于“傳統(tǒng)系統(tǒng)”向“智能系統(tǒng)”轉(zhuǎn)型的初級階段，老舊的IT架構(gòu)、分散的業(yè)務(wù)流程，使得AI無法發(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AI落地的關(guān)鍵。原先，企業(yè)內(nèi)部各個部門之間大多互不相通，即便是有一些數(shù)字化的產(chǎn)品將部門之間形成了聯(lián)通，但這種聯(lián)通的程度在AI時代是完全不夠的。AI時代需要的完全打通企業(yè)內(nèi)部所有部門之間的“部門墻”。在翟峰看來，企業(yè)在應(yīng)用AI過程中，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)域部門打通，”翟峰指出。
原先，部門領(lǐng)導(dǎo)會提出“我為什么要打通，我的數(shù)據(jù)為什么讓其他部門看到，為什么要自動化”的靈魂拷問，其顧慮是：自動化之后，部門領(lǐng)導(dǎo)會失去權(quán)限。在翟峰看來，這個問題不是技術(shù)問題，而是企業(yè)管理、文化、組織。而在這個過程中，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，推動各個部門系統(tǒng)之間的打通，才能讓AI更好的落地。
近年來，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，合規(guī)風(fēng)險呈指數(shù)級增長。IDC報告顯示，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”。
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AI落地需求。面對此，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》（簡稱《框架》）中給出了一種“解題思路”?！犊蚣堋分刑岢隽?ldquo;評估優(yōu)先”的開發(fā)范式——在智能體開發(fā)初期即定義業(yè)務(wù)KPI與風(fēng)險指標(biāo)，將可觀測性模塊嵌入開發(fā)流程，形成“設(shè)計-測試-監(jiān)控-迭代”的內(nèi)循環(huán)。
Gartner 2024年預(yù)測顯示，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)險發(fā)生率將降低82%。IBM Guardium AI Security解決方案的落地數(shù)據(jù)印證了這一趨勢——該方案通過AI驅(qū)動的威脅檢測與數(shù)據(jù)分類，幫助金融客戶將GDPR合規(guī)報告生成效率提升300%，審計準(zhǔn)備時間縮短60%。
面對眾多中小型企業(yè)在AI應(yīng)用過程中ROI的焦慮，翟峰表示，中小型企業(yè)在應(yīng)用AI過程中應(yīng)采用“場景深耕、小步快跑”的落地策略——不追求企業(yè)級的全面AI轉(zhuǎn)型，而是選擇核心痛點(diǎn)場景，快速試點(diǎn)、快速見效，再復(fù)制推廣。這種策略的核心是“以業(yè)務(wù)價值為導(dǎo)向”。翟峰強(qiáng)調(diào)：“我們不是賣軟件，而是幫客戶解決問題。”
“小步快跑”還體現(xiàn)在技術(shù)選型上。IBM會根據(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。對此，翟峰表示，IBM的技術(shù)戰(zhàn)略始終圍繞“解決實(shí)際問題”展開。“通過一系列收購與研發(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。”翟峰如是說。
為了更好地推動企業(yè)級AI在企業(yè)，尤其是中小型企業(yè)中的落地，并在AI競賽中處于“不敗之地”，IBM近年來一方面加大了混合云與AI方面的研發(fā)投入，另一方面則是通過收購的方式不斷的補(bǔ)充“彈藥”。比如，前不久，IBM就以110億美元收購了數(shù)據(jù)基礎(chǔ)設(shè)施公司Confluent，從而加強(qiáng)其云計算產(chǎn)品，以利用人工智能驅(qū)動的需求熱潮。
兩家公司的高管表示，此次合并源于復(fù)雜混合云環(huán)境中對可信實(shí)時數(shù)據(jù)需求的增長。IBM首席執(zhí)行官Arvind Krishna在LinkedIn帖子中寫道：“它擴(kuò)展了我們幫助客戶在復(fù)雜混合環(huán)境中從洞察即時到行動的能力。”“我們利用有機(jī)增長和有針對性的并購，強(qiáng)化客戶最依賴的平臺——混合云、自動化、集成、安全和人工智能。”Confluent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眾多收購案例中的一筆，在集成層面，IBM通過收購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Confluent符合IBM近期通過戰(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年收購紅帽公司，最近則延續(xù)了2024年收購基礎(chǔ)設(shè)施自動化專家HashiCorp。
Gartner預(yù)測，到2026年，AI將成為企業(yè)出海的“標(biāo)配能力”，全球60%的跨國企業(yè)將依賴AI實(shí)現(xiàn)本地化運(yùn)營。從IBM的技術(shù)布局與行業(yè)實(shí)踐來看，未來企業(yè)級AI將呈現(xiàn)三大發(fā)展方向。
一是“多模型協(xié)同”成為主流。單一模型無法滿足企業(yè)復(fù)雜需求，大模型負(fù)責(zé)自然語言交互與邏輯推理，小模型與基理模型解決垂直領(lǐng)域問題，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、無人機(jī)等具身智能的發(fā)展，邊緣側(cè)的AI計算需求激增。
三是“AI與業(yè)務(wù)的深度融合”。未來的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)鏈等每個環(huán)節(jié)的“隱形能力”，將AI能力內(nèi)置到每個軟件模塊中，讓企業(yè)在使用ERP、MES系統(tǒng)時，無需額外部署AI，即可獲得智能分析與決策支持。
展望未來，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)，將在全球市場的競爭中占據(jù)先機(jī)。（本文作者｜張申宇，編輯丨蓋虹達(dá)）
快報
根據(jù)《網(wǎng)絡(luò)安全法》實(shí)名制要求，請綁定手機(jī)號后發(fā)表評論