AI落地困境：企业如何跨越认知与技术鸿沟

今年的中关村，AI热潮依旧不减。

“无论从哪个角度看，人工智能未来发展的关键一步，就是如何实现令人满意的AGI，即通用人工智能。”图灵奖得主、中国科学院院士、清华大学交叉信息研究院及人工智能学院院长姚期智在2025人工智能+大会主论坛上这样表示。

姚期智还强调AGI的重要性：“这不仅是科学上的突破，更是战略和各国经济上的科技制高点”。

尽管AGI是行业目标，但现实是AGI还很遥远，业界更关注AI大模型在企业中的实际应用效果。

“与去年相比，今年大会的关注点已转向AI大模型在产业中的实际应用，包括科创企业、头部大厂等。”中数睿智CEO韩涵表示，这已成为行业共识。

在2025人工智能+大会主论坛上，多位嘉宾指出，应用落地正成为推动AI发展的力量，技术与产业结合的机会正在来临，“场景驱动”是AI从技术革命走向产业革命的关键。

然而，企业级AI的真实落地现状似乎并未如行业热度所示。

许多企业对AI大模型的应用持谨慎态度。“现阶段整个行业可以说是混乱中带有繁荣。”新希望集团首席数字官李旭昶对光锥智能说。

现阶段，AI已走出实验室，大模型从“百模大战”走向分化，智能体概念遍地开花，但落实到实际业务时，总感觉差了最后一口气，眼看要成功却卡住了。

那么，AI大模型走向千行百业还面临哪些问题？又该如何解决？

AI落地真相：并非所有企业都在“狂飙”

当前，企业AI落地的现状是一半海水一半火焰。

据崔牛会数据显示，已有43%的企业部门或岗位进入规模化使用阶段，27%仍处在试点期，28%实现了广泛渗透，还有1.9%尚未确定是否应用。

这意味着AI在企业内部的落地已有相当基础。

然而，在AI岗位分布中，营销、客服、研发、数据、运营等场景占比高，而涉及企业管理和中台等核心业务场景则较少。

可以看到，企业级AI落地更多是从边缘业务推进，难以应用到企业核心业务场景中。

更重要的是，尽管许多传统企业也在推进AI业务，但整体进展缓慢。

“我们还没完全看清AI与场景的具体结合情况，但对AI保持随时跟进的状态。”李旭昶说，“先让子弹飞一会儿。”

这背后最重要的原因是，大模型的真实落地效果未达企业预期。而影响大模型落地效果的关键在于其准确性。

“归根结底就是准确率问题。”帆软联合创始人、副总裁张驰深有感触，“很多客户一开始认为AI不能出错，必须交付100%可靠的结果。”

毕竟在AI之前，帆软交付的数据分析工具都是精准的，客户习惯了“零误差”的标准。

但现阶段没有哪家公司能保证AI的结果是100%准确，AI是概率性模型，像人一样会犯错，这让习惯确定性工具的客户难以接受。

因此，企业级AI落地的第一道坎就是认知鸿沟。

一边是决策层对AI的期待，一边是技术团队和业务部门的现实困境，这种错位让许多AI项目从一开始就埋下隐患。

另外，许多企业决策者被AI概念裹挟，盲目追求“高大上”的技术，却不清楚自己的真实需求。

阿里云智能集团副总裁霍嘉在观察一线落地效果时发现：“当前行业现状往往是领导对大模型充满信心，而技术人员对如何落地感到担忧。”

这种上下认知的脱节导致许多AI项目目标模糊或急于求成。

李旭昶用一句玩笑话概括了当前的混乱状态：“智能体厂家不知道卖什么，企业不知道买什么”，这背后正是整个行业对AI能力边界、应用场景、价值回报的认知缺失。

破解企业级AI落地的三重困境

如果说认知偏差是思想上的障碍，那么数据、组织、技术的协同问题就是企业级AI落地路上的“硬骨头”，这三重壁垒相互交织，让许多项目卡在中途。

“高质量数据集对AI发展至关重要，但企业自发共享很难，需要政府引导和脱敏处理。”李旭昶说。

协同阻力是许多AI项目失败的隐形杀手。

“从ERP时代到数字化时代再到AI时代每一次变革都会重构组织和流程而协同往往是最大的阻力。”李旭昶坦言新希望在推进数字化和AI转型时花了大量时间处理跨部门、跨产业、跨实体协同的问题。

推动AI真正走向落地应用

“AI下一个十年不是比谁的模型更大而是比谁能把技术扎进产业里。”在大会的圆桌论坛上智谱华章董事长刘德兵说道。

“我们交付的不是工具而是可衡量的价值与成果客户能直接看到效率提升30%以上安全风险降低40%-50%。”韩涵说。

“先试点后推广用实践教育市场。”霍嘉建议场景选择要避免标新立异从重复性工作切入更容易获得回报。

“不要过分夸大AI的当下也不能小看AI的未来。”李旭昶说。