近兩年，當(dāng)全社會都在為AI一波又一波的創(chuàng)新突破而歡呼時，巴菲特似乎顯得格外保守，對于技術(shù)顛覆論始終抱持著冷靜觀望的態(tài)度、甚至是擔(dān)憂。

不過，在最近的2025年巴菲特股東大會上，巴菲特的態(tài)度有所轉(zhuǎn)變，開始理性接納AI。我們?nèi)^了一下這場大會的內(nèi)容，巴菲特表達(dá)的原則十分明確：應(yīng)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(yè)模式”的論調(diào)不同，巴菲特的判斷是，AI的價值不在于創(chuàng)造新業(yè)務(wù)，而在于將存量業(yè)務(wù)的“成本中心”轉(zhuǎn)化為“效率引擎”。換句話說，如果企業(yè)原本就沒有護(hù)城河、沒有穩(wěn)定的盈利模式，就算你用上了最先進(jìn)的人工智能系統(tǒng)也沒用。

這與我們近一年來的調(diào)研結(jié)論十分接近。從去年下半年到今年年初，中歐國際工商學(xué)院攜手特贊科技，聯(lián)合增長黑盒頂尖市場研究機(jī)構(gòu)，依托中歐-特贊人工智能與商業(yè)創(chuàng)新研究基金、中歐AI與營銷創(chuàng)新實驗室，共同撰寫并發(fā)布《AI時代的商業(yè)進(jìn)化藍(lán)圖》白皮書。

（新粉絲掃碼可自動領(lǐng)取，老粉絲掃碼后請回復(fù)“AI時代”，小助理會發(fā)給您）

該報告調(diào)研了一系列已經(jīng)將AI技術(shù)融入生意經(jīng)營的企業(yè)，包含了市場最關(guān)心的幾大問題：

• 企業(yè)究竟對AI普遍抱有什么樣的態(tài)度？

• AI對于企業(yè)戰(zhàn)略和落地策略有多大的參與度？

• 哪些企業(yè)在AI時代進(jìn)化迅速并取得成效？

• AI在商業(yè)領(lǐng)域的應(yīng)用會走向何方？

這或許能為傳統(tǒng)企業(yè)指明一條現(xiàn)階段的AI創(chuàng)新之路——既不盲目追逐技術(shù)泡沫，也不固守傳統(tǒng)拒絕變革，而是在人機(jī)協(xié)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(shù)據(jù)顯示，過去3年里，頭部上市公司頻頻在業(yè)績會中提及“AI”這個關(guān)鍵詞，熱度以指數(shù)級爆發(fā)。到了2024年Q4，標(biāo)普500成分公司中，竟然有一半都提及了AI。而根據(jù)麥肯錫的最新調(diào)研，65%的受訪者預(yù)計GenAI將對他們的行業(yè)帶來顯著或顛覆性的變化，72%的組織現(xiàn)在在至少一個業(yè)務(wù)職能中使用AI。

可矛盾的是，企業(yè)內(nèi)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(diào)研顯示：Q4相比Q1，企業(yè)高管或業(yè)務(wù)負(fù)責(zé)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(shù)負(fù)責(zé)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(yè)聲稱會在一年內(nèi)部署AI能力 - 按理說AI落地應(yīng)用數(shù)量將呈現(xiàn)雙位數(shù)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(yè)嘴上說著想要進(jìn)化，但實際行動卻并非如此呢？

核心原因在于：大部分企業(yè)AI戰(zhàn)略推進(jìn)的路徑不清晰，AI項目短期內(nèi)并不能從概念驗證階段（POC）走向成熟業(yè)務(wù)部署，也沒有規(guī)模化的業(yè)務(wù)價值。

Gartner 發(fā)現(xiàn)，平均只有48%的生成式AI項目進(jìn)入生產(chǎn)階段，從生成式AI原型到生產(chǎn)需要8個月。根據(jù)IDC的調(diào)查，僅有28%的企業(yè)管理者認(rèn)為在未來一年內(nèi)會看到AI項目的投資回報。

對比區(qū)塊鏈、AR/VR等其它技術(shù)的落地，生成式AI的進(jìn)度顯然更加落后。如果聚焦到國內(nèi)市場，雖然有53%的大型企業(yè)都已經(jīng)積極布局生成式AI項目，但僅有20%設(shè)置了獨立預(yù)算或取得成果。

那么，企業(yè)應(yīng)該如何去制定清晰的 AI 戰(zhàn)略、解決業(yè)務(wù)脫節(jié)的問題呢？這可以分為戰(zhàn)略目標(biāo)的廣度和落地應(yīng)用的深度來思考。

AI戰(zhàn)略目標(biāo)廣度

研究顯示，76%的生成式AI應(yīng)用領(lǐng)導(dǎo)企業(yè)能夠?qū)I技術(shù)和業(yè)務(wù)目標(biāo)有效對齊 - 該比例顯著高于普通企業(yè)。

我們將AI戰(zhàn)略橫向的業(yè)務(wù)價值點分為下列三類。

在探索新興技術(shù)時，企業(yè)會習(xí)慣性的“廣撒網(wǎng)”。但如果同時開展過多的AI項目，目標(biāo)又不明確，這會導(dǎo)致在低影響應(yīng)用上稀釋資源，而高價值的項目則被忽視。對于在 AI 應(yīng)用上領(lǐng)先的企業(yè)來說，同時開展試驗的 AI 項目數(shù)量比普通企業(yè)要低40%，但預(yù)期ROI卻要高出2.1倍。

因為從優(yōu)先級的角度來看，領(lǐng)先型企業(yè)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(biāo)，在運營、營銷和市場等核心職能上開發(fā) AI 的應(yīng)用場景，而非客服、財務(wù)等支持性部門。

在制定AI戰(zhàn)略目標(biāo)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(qū)：CEO習(xí)慣于抓大放小，只去看頂層設(shè)計，而不去跟進(jìn)后續(xù)的落地環(huán)節(jié)。多項研究顯示，相比于整體戰(zhàn)略架構(gòu)，CEO在業(yè)務(wù)場景相關(guān)的決策上參與度大幅下降 - 而這恰恰是領(lǐng)先公司與落后公司的差異點所在。

如果CEO完全把落地執(zhí)行交給IT團(tuán)隊和業(yè)務(wù)團(tuán)隊自行配合，而不去關(guān)注具體細(xì)節(jié)，那么CEO自己還是無法了解業(yè)務(wù)目標(biāo)對齊的痛點，更無法加速推動項目。

AI落地應(yīng)用深度

然而，就算鎖定了核心業(yè)務(wù)目標(biāo)，企業(yè)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(yīng)用推進(jìn)的深度分為概念驗證、擴(kuò)展規(guī)模、組織重構(gòu)三個階段。

企業(yè)很希望新技術(shù)能夠解決復(fù)雜、系統(tǒng)性難題。但從項目的起點上來看，領(lǐng)先的企業(yè)更擅長取得“quick win”- 當(dāng)淺層業(yè)務(wù)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(fā)現(xiàn)，如果把提升員工生產(chǎn)力作為目標(biāo)，就容易快速獲得成效。以細(xì)分場景來舉例：品牌CMO眼中最重要的“quick win”是內(nèi)容創(chuàng)作、社媒運營和社媒數(shù)據(jù)洞察。

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

在AI項目不斷在組織內(nèi)推動的過程中，僅有自上而下的決策遠(yuǎn)遠(yuǎn)不夠，更需要中層、基層員工自下而上發(fā)力。

麥肯錫的研究顯示，用強硬的命令或嚴(yán)格的KPI考核并不能有效調(diào)動員工積極性，他們更需要公司的培訓(xùn)，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(fā)揮巨大的能力，不僅能夠主動幫助項目尋找機(jī)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(jīng)直接幫助過項目的推動。

然而，德勤研究顯示，雖然七成企業(yè)預(yù)計AIGC會改變?nèi)瞬艖?zhàn)略，但僅22%對員工進(jìn)行了充分培訓(xùn)。同時，有35%的員工對AI持有消極態(tài)度，比如沒有信心掌握AI技能。

構(gòu)建 AI 戰(zhàn)略矩陣

當(dāng)我們把兩個維度組合在一起，就形成了一張3X3的AI戰(zhàn)略矩陣。企業(yè)可以在三大重要的業(yè)務(wù)目標(biāo)下選擇試點項目，再逐步將應(yīng)用范圍向規(guī)模化推進(jìn)。其中：

• 企業(yè)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(yè)務(wù)部門同時進(jìn)行

• 一個試點項目在推進(jìn)的過程并非是線性的，而是在過程中及時調(diào)整方向，啟發(fā)新的概念，或直接轉(zhuǎn)變業(yè)務(wù)目標(biāo)

不過，企業(yè)成功識別并放大了那些價值顯著的AI應(yīng)用，這僅僅是AI進(jìn)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(zhàn)在于如何將這些局部創(chuàng)新轉(zhuǎn)化為企業(yè)的固有能力，就像生物進(jìn)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(xiàn)業(yè)務(wù)流程現(xiàn)代化、以AI為主導(dǎo)的公司數(shù)量幾乎翻倍（從9%增至16%）。這些企業(yè)不僅在收入和生產(chǎn)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(yīng)用擴(kuò)展方面的成功率高出其他企業(yè)3.3倍。

真正的競爭優(yōu)勢并非來自 AI 技術(shù)的“在場”，而是來自 AI 驅(qū)動的業(yè)務(wù)流程“重塑”。無論是基于什么戰(zhàn)略目標(biāo)出發(fā)，企業(yè)最終的形態(tài)是進(jìn)化到組織重構(gòu)階段。

將 AI 從實驗性項目轉(zhuǎn)變?yōu)槠髽I(yè)的內(nèi)在能力，需要系統(tǒng)化的方法和全方位的變革。我們發(fā)現(xiàn)，成功企業(yè)通常聚焦于四個戰(zhàn)略行動領(lǐng)域：

1.流程再造：從補丁式應(yīng)用到原生集成。不再是在現(xiàn)有流程上“貼”AI功能，而是徹底重新設(shè)計端到端業(yè)務(wù)流程。領(lǐng)先企業(yè)會：

• 繪制關(guān)鍵業(yè)務(wù)流程的全景圖，識別每個環(huán)節(jié)的決策點和信息流

• 基于 AI 能力設(shè)計全新的工作方式，而非簡單自動化現(xiàn)有步驟

• 建立新的衡量標(biāo)準(zhǔn)，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(tǒng)化能力。將 AI 從特殊項目轉(zhuǎn)變?yōu)槠髽I(yè)標(biāo)準(zhǔn)配置，成為日常決策和操作的一部分：

• 開發(fā)內(nèi)部 AI 平臺和工具集，降低各部門應(yīng)用門檻

• 建立 AI 能力中心，確保技術(shù)和經(jīng)驗在組織內(nèi)部傳播

• 將 AI 應(yīng)用納入標(biāo)準(zhǔn)運營程序 (SOP) 和工作指南

3.持續(xù)迭代：從靜態(tài)應(yīng)用到學(xué)習(xí)系統(tǒng)。AI 的價值在于持續(xù)學(xué)習(xí)和自我完善，這要求：

• 建立數(shù)據(jù)反饋閉環(huán)，確保 AI 系統(tǒng)能從每次交互中學(xué)習(xí)

• 開發(fā)監(jiān)控指標(biāo)，實時評估 AI 性能并自動觸發(fā)優(yōu)化

• 規(guī)劃定期更新周期，讓 AI 能力隨業(yè)務(wù)需求演進(jìn)

4.組織協(xié)同：從技術(shù)孤島到跨域整合。真正的 AI 轉(zhuǎn)型需要打破部門壁壘，創(chuàng)造全新的協(xié)作模式：

• 組建跨職能團(tuán)隊，包含業(yè)務(wù)、數(shù)據(jù)和技術(shù)專家

• 調(diào)整績效指標(biāo)和激勵機(jī)制，鼓勵基于 AI 的創(chuàng)新和協(xié)作

• 改變決策流程，讓數(shù)據(jù)和 AI 見解成為標(biāo)準(zhǔn)輸入

研究顯示，在領(lǐng)先企業(yè)中，87%實現(xiàn)了技術(shù)和業(yè)務(wù)團(tuán)隊的深度協(xié)作，而基礎(chǔ)階段企業(yè)中，88% 表示兩個團(tuán)隊之間幾乎沒有合作- 這種差異直接影響了AI應(yīng)用的廣度和深度。

本章深入剖析了六家不同行業(yè)的領(lǐng)軍企業(yè)如何將AI技術(shù)融入自身戰(zhàn)略，并成功實現(xiàn)商業(yè)價值的提升。這些案例揭示了AI在降本增效、驅(qū)動增長乃至商業(yè)模式創(chuàng)新方面的巨大潛力，為其他企業(yè)提供了寶貴的借鑒。

某國際耐消品零售品牌通過構(gòu)建內(nèi)部AI創(chuàng)新生態(tài)系統(tǒng)，激發(fā)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(nèi)容大綱，并賦能一線員工進(jìn)行社交媒體內(nèi)容創(chuàng)作與優(yōu)化。這種“技術(shù)民主化”不僅降低了AI應(yīng)用門檻，更實現(xiàn)了“小投入、大聲量”的品牌傳播效果，展現(xiàn)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?shù)奶魬?zhàn)，積極布局新零售，并以AI驅(qū)動全域內(nèi)容矩陣。特別是在小紅書平臺，通過AI批量生成“KOC素人”風(fēng)格的本地化和主題化內(nèi)容，以規(guī)模化策略獲取流量，并精準(zhǔn)分配給線下經(jīng)銷商。這種總部中心化獲取流量、AI賦能內(nèi)容生產(chǎn)的模式，有效解決了經(jīng)銷商內(nèi)容生產(chǎn)能力不足的痛點，驅(qū)動了業(yè)務(wù)新增量。

美的集團(tuán)作為制造業(yè)的數(shù)字化先行者，其AI戰(zhàn)略嚴(yán)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(tǒng)和iBUILDING Service系統(tǒng)，顯著提升了選型、設(shè)計效率并降低了維修率。在內(nèi)容生成方面，利用AI文生圖技術(shù)大幅降低了電商視覺內(nèi)容制作成本，并通過智能問答系統(tǒng)提升了內(nèi)部知識管理和外部客戶服務(wù)的效率，實現(xiàn)了可量化的降本增效。

伊利集團(tuán)前瞻性地將生成式AI視為增長關(guān)鍵技術(shù)，并自研“YILI-AI”平臺。在產(chǎn)品創(chuàng)新層面，AI貫穿市場洞察、概念設(shè)計、消費者共創(chuàng)測試、配方與工藝設(shè)計及包裝審核的全鏈路，顯著加速了爆款產(chǎn)品的打造。同時，AI在供應(yīng)鏈優(yōu)化（如原奶智能調(diào)配、設(shè)備智能管理）方面也發(fā)揮了重要作用，確保了核心業(yè)務(wù)的穩(wěn)健運行。伊利還積極探索“AI+健康服務(wù)”，拓展從“賣產(chǎn)品”到“賣服務(wù)”的商業(yè)模式創(chuàng)新。

歐萊雅將自身定位為“美妝科技公司”，以“內(nèi)容是新的貨幣”為核心理念，通過AI重塑業(yè)務(wù)形態(tài)。其與特贊合作開發(fā)的China Content Hub (CCH)平臺，實現(xiàn)了內(nèi)容從創(chuàng)意、生成、審核到分發(fā)的全生命周期管理。AI不僅規(guī)模化生產(chǎn)電商內(nèi)容，還賦能BA（美容顧問）進(jìn)行私域運營，提升了個性化服務(wù)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(shù)字內(nèi)容授權(quán)平臺，在生成式AI興起之際，敏銳地將其視為商業(yè)模式創(chuàng)新的契機(jī)。面對AI可能替代其核心資產(chǎn)的威脅，Shutterstock選擇與OpenAI等大模型公司合作，授權(quán)其海量高質(zhì)量素材用于模型訓(xùn)練，并推出了創(chuàng)作者補償基金。同時，它將AI圖像生成器整合到平臺，從內(nèi)容提供商轉(zhuǎn)變?yōu)閯?chuàng)意解決方案提供商，開辟了“數(shù)據(jù)、分發(fā)和服務(wù)”的新營收增長點，成功將挑戰(zhàn)轉(zhuǎn)化為差異化優(yōu)勢。

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

企業(yè)在AI應(yīng)用的道路上，從試驗、規(guī)模化到重構(gòu)，正在經(jīng)歷一場深刻的數(shù)字化進(jìn)化。這個進(jìn)程并非機(jī)械式的階段跳躍，而是一條連續(xù)的演進(jìn)路徑，每一步都在積累能力、沉淀經(jīng)驗、拓展邊界。

當(dāng)企業(yè)完成業(yè)務(wù)重構(gòu)，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(shù)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(yè)AI應(yīng)用的下一輪進(jìn)化將呈現(xiàn)出哪些新特征？變異、選擇和遺傳這三個演化機(jī)制，又將如何在企業(yè)數(shù)字化轉(zhuǎn)型中展現(xiàn)新的內(nèi)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(chuàng)新和嘗試會越來越多。

領(lǐng)導(dǎo)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(fā)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(rèn)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(rèn)為，自己的員工現(xiàn)在可以做到這種程度。

對于現(xiàn)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(chǎn)品，其中41.7%達(dá)到了熟練掌握的程度，46.7%每天都在使用。

其次，垂直領(lǐng)域的AI應(yīng)用工具正在爆發(fā)，概念試驗將會變得門檻越來越低。

隨著專注于特定行業(yè)的AI模型與工具不斷涌現(xiàn)，長期困擾企業(yè)的"技術(shù)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(yù)訓(xùn)練模型針對醫(yī)療、法律、金融、建筑、教育等垂直領(lǐng)域進(jìn)行了專門優(yōu)化，使得這些行業(yè)特有的知識和語言已被有效編碼到AI系統(tǒng)中。

同時，無代碼 / 低代碼平臺使企業(yè)能夠在幾天甚至幾小時內(nèi)部署AI應(yīng)用，而不是幾個月。這些平臺提供直觀的界面，允許業(yè)務(wù)專家直接參與AI系統(tǒng)的設(shè)計與調(diào)整，無需深厚的技術(shù)背景。企業(yè)可以快速構(gòu)建概念驗證，測試各種業(yè)務(wù)假設(shè)，然后根據(jù)實際效果迭代優(yōu)化。

創(chuàng)新不再限于技術(shù)巨頭或擁有大量AI人才的企業(yè)，而是向所有具有深刻行業(yè)洞察和創(chuàng)新思維的組織開放。真正的競爭優(yōu)勢將轉(zhuǎn)向?qū)π袠I(yè)痛點的理解、業(yè)務(wù)流程的重新設(shè)計以及人機(jī)協(xié)作新模式的構(gòu)建。

從單一的AI工具到智能體協(xié)作，促進(jìn)規(guī)模化、系統(tǒng)化

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

比如近期，F(xiàn)acebook創(chuàng)始人扎克伯格就表示“未來將會出現(xiàn)數(shù)十億個智能體，數(shù)量很可能比世界的人口還多.....每個企業(yè)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(yè)已經(jīng)開始從單一環(huán)節(jié)的效率助手，逐步開始向工作流重構(gòu)的方向進(jìn)化，那么一個具備自我規(guī)劃任務(wù)和決策、具備記憶能力、能夠協(xié)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(dāng)業(yè)務(wù)系統(tǒng)的“設(shè)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(xié)作關(guān)系。

Google的調(diào)查顯示，10%的企業(yè)已經(jīng)在使用智能體，82%計劃在未來3年內(nèi)部署智能體，包括：客戶支持、員工效率、創(chuàng)意、數(shù)據(jù)、代碼、安全六大主流應(yīng)用方式。

行業(yè)垂直的模型將成為企業(yè)的“數(shù)字DNA”

能夠形成體系化運作、作為企業(yè)基因保留下來的 AI 應(yīng)用，還需要克服現(xiàn)有通用大模型技術(shù)的難題：無法深度整合企業(yè)專有知識、難以適應(yīng)特定業(yè)務(wù)流程、數(shù)據(jù)安全與隱私風(fēng)險增加。

隨著成功應(yīng)用的累積，企業(yè)逐漸形成對 AI 能力的差異化需求，促使其投入資源進(jìn)行自主研發(fā)。在這一進(jìn)化過程中，企業(yè)自主訓(xùn)練的行業(yè)垂直模型正成為最佳選擇，它們具有顯著優(yōu)勢：

1.知識適配性：垂直模型能更精準(zhǔn)地編碼行業(yè)特定知識和企業(yè)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(yè)持續(xù)運營；

3.迭代速度：模型訓(xùn)練和調(diào)整周期短，能夠快速適應(yīng)業(yè)務(wù)變化和新需求；

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

垂直模型正成為企業(yè)的 " 數(shù)字 DNA"，它們編碼了企業(yè)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(yè)數(shù)十年積累的專業(yè)知識、最佳實踐和決策模式。

而這種 " 數(shù)字 DNA" 具有自我復(fù)制和進(jìn)化的能力：

• 模型可以不斷從新數(shù)據(jù)中學(xué)習(xí)，適應(yīng)業(yè)務(wù)環(huán)境變化

• 成功的模型架構(gòu)可以橫向擴(kuò)展到企業(yè)其他部門或業(yè)務(wù)線

• 模型之間可以組合和協(xié)作，形成更復(fù)雜的能力網(wǎng)絡(luò)

• 企業(yè)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(jīng)驗

調(diào)研顯示，雖然當(dāng)僅有 7% 的企業(yè)選擇利用自有數(shù)據(jù)訓(xùn)練私有模型，但有54%的企業(yè)認(rèn)為自己會在2年后升級到“小模型”。

未來，我們還將持續(xù)追蹤企業(yè) AI 應(yīng)用的轉(zhuǎn)型路徑，深入研究不同類型企業(yè)的差異化戰(zhàn)略選擇，為管理者提供更具針對性的決策參考。無論是傳統(tǒng)制造業(yè)的數(shù)字化轉(zhuǎn)型，還是數(shù)字原生企業(yè)的商業(yè)模式創(chuàng)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(lǐng)取，老粉絲掃碼后請回復(fù)“AI時代”，小助理會發(fā)給您）

「報告合集」||||||||

「深度案例」|||||||||||||||||||||||||

「增長研究」|||||||||