中国企业AI转型:为何投入了,利润却没涨?

资讯 36氪 全文 6651 字 · 约 17 分钟读完 配图 15 张

构建AI原生组织,控制好现金流,伺机而动。

这一年下来,中国企业软件和SaaS厂商最头疼的事,就是公司怎么转向AI。AI变化太快,订阅模式又可能撑不住,焦虑感一直压着。不少创始人已经在AI上砸了钱——买工具、改产品、用AI Coding,投入一样接一样。可单点投下去,问题还是那个:个人效率上去了,公司利润怎么没见涨?

今年我们围着竞争、商业、技术、交付聊了很多轮,聊到最后总会绕回组织。最怕的一种情况是,老板嘴上讲AI转型,审批的时候照样把文件打印出来,一层一层签字。前端一个人干得快了,后面的审批、协同、验收还是老套路,省下来的时间又填到别处去了。

外面的变化却不等人。代理商开始“叛逃”,自己跑去干交付,既想做产品梦,也想多挣一份钱。客户动手搓Agent,软件厂商也跨过原来的边界。多年攒下来的产业分工体系,正在悄悄散架。

11月14日的「中国企业AI大会」上,我把这一年的观察归成了五个判断。有的还得等时间验证,但对正在转型的企业来说,或许能当个参考。

01

我们都到了一个切换时刻

有位老朋友跟我说过一句话:不管你舍不舍得,我们都到了一个切换时刻。回看SaaS这一路,2008年前后云计算进入中国,SaaS、PaaS、IaaS的分工慢慢清晰起来。2010年前后,基础设施逐步成熟。到2014年,SaaS进入蓬勃发展的阶段。那几年融资消息几乎周周都有,资本对行业的推动看得见摸得着。

大模型和Agent这波,会不会重演同样的剧情?2023年大模型起来,到2026年,Agent成了讨论最密集的话题,有人干脆管它叫Agent元年。我的看法是,接下来两到三年,企业级Agent大概率会走到百花齐放那一步,资本也该往应用端落了。

中国企业AI转型:为何投入了,利润却没涨?(配图 1)

两条时间线中的应用机会

今年崔牛会做了个「AI决策lab」的实验,原因就是我们越来越感到决策的分量。崔牛会的slogan是「影响和连接企业决策人」。这个时代,一次选择做对了,晚两个月可能还有机会;连续两次关键决策做错,下一轮竞争可能就进不去了。竞争、商业、技术、交付都在变,个人的提升怎么变成组织的能力,这些讨论最后都绕不开它。

02

判断一 竞争位置变了

切口虽小,市场却大,打法就是“围点打援”。软件的边界在消融,竞争已经进入混战。过去企业软件的分工还算清楚:云厂商管基础设施,平台软件商握着核心系统,SaaS厂商盯细分场景,代理商维护客户关系,系统集成商负责实施和定制。各层各有各的地盘,边界彼此心照不宣。

眼下这条分工链正松掉。越来越多的代理商带着AI编程工具,直接跑到客户现场做交付。过去得先向软件公司买产品、再赚个差价,现在有些活儿自己就能接。客户那边也开始自己搭Agent,原本打算交给外部厂商的项目,先在公司内部试一把。传统软件、SaaS厂商、代理商、客户自研、OPC加FDE小队,再加上互联网大厂,六路人马一起涌进了这个市场。

中国企业AI转型:为何投入了,利润却没涨?(配图 2)

供给门槛下降后的六方混战

代码生成和产品实现的门槛降下来,原来没有研发能力的人也能把需求做出来,昔日的合作伙伴就可能从此变成竞争对手。今年我做了很多FDE落地的采访,接触过一个团队:他们先拿客户的经营报表,找哪些指标异常、哪些数据明显落后于行业水平,再从这个地方切进去帮客户改善。切口很小,但贴着客户业务最痛的地方。

一旦进去,客户就会接着把需求递到你手上。从前你做CRM,他做HR,彼此默认井水不犯河水。现在只要客户信得过你,肯把上下文和相邻业务交出来,业务自然向四周铺开。软件公司原先给自己划的那条线,也就很难再守得住。

中国企业AI转型:为何投入了,利润却没涨?(配图 3)

从一个高价值切口向相邻业务延伸

再往三到五年看,大家争的可能是同一个位置——“企业AI大脑”。从销售切进去也好,从财务切进去也好,最终都得搞懂企业的业务对象、对象之间的关联网络,还有在什么条件下能执行什么动作。按业务逻辑讲,操作界面已经变成了类WorkBuddy的工作台、下面是本体(Ontology),原先的IT系统到了最底层。

中国企业AI转型:为何投入了,利润却没涨?(配图 4)

把业务对象关系和可执行规则交给AI

还有一点,行业厂商有机会把攒了多年的业务规则装进去,再往通用能力上延展,这也是我看好行业厂商的理由。客户真正肯交出来的核心业务,往往得靠对行业的理解才接得住。

03

判断二 商业价值变了

“改弦易辙”,从订阅转向结果。今年我听到一个挺有代表性的故事:有位朋友判断,SaaS和AI之间大约还剩一两年窗口,可以多招些销售,把软件再多卖一点。第一季度还行,到第二季度,客户的需求就明显变了。再往后,老板一开口谈的就是AI,他关心你能接下哪些工作、改善什么指标,原来那套围着功能转的软件销售,越来越推不动了。

一家软件公司遇到的冲击,可能来自客户需求和预算方向的变化。

演讲里我摆了三个数。IDC 2024 年那份预测提到,2027 年中国企业级 ICT 支出大概 3,500 亿美元,按 1 美元兑 7.2 元人民币粗算,差不多 2.52 万亿元。国家统计局的数据里,2023 年中国非金融企业劳动者报酬约 36.6 万亿元,2025 年规模以上工业企业营业成本 118.75 万亿元。后两个数跟前头 ICT 支出的粗略规模一比,分别约是 14.5 倍和 47.1 倍。

中国企业AI转型:为何投入了,利润却没涨?(配图 5)

技术采购与业务用工支出的量级对照

这几个数年份不一样,统计口径也不一样,工业营业成本里含着原材料等投入,跟人力支出也有重叠,拿来帮我们看个量级还行。落到具体一家企业身上,能服务哪一段成本,还得顺着业务拆开看。以前我们赚的是软件采购的钱,眼下要是能直接接下一段客服、审核、对账或者生产改善,就有机会摸到客户原本花在业务和用工上的那笔支出。

机会大了,价格却可能往下走。11月13号那场 AI 实践者峰会分会场的交流上,一位律师事务所的合伙人就说,客户会拿 AI 优化成本这事反过来压服务方降价。原先一家企业的法律服务一年单价10万左右,如今降到3万左右。效率一上来,客户对服务值多少钱会有新判断,服务商自己的成本能压多少、报价会被砍多少,两笔账都得算。

往后软件公司的生意可能分出几种形态。有的做 Token 和算力的分销,把软硬件、模型和用量打包交付。有的干脆做业务服务,接下一个结果,按约定结算。还有的往行业数据和专业知识里扎,攒出能持续服务客户的本事。

我最担心的,是乙方干了业务的活,最后拿到的还是 IT 软件预算的钱。你扛着业务指标,派人重度投入,甲方采购那边还是老一套招标方式、软件合同和比价逻辑,把你挤进一个很小的预算空间。

中国企业AI转型:为何投入了,利润却没涨?(配图 6)

系统建设与业务结果分别约定付费方式

所以签合同的时候,这两块得谈清楚。系统建设、接口、维护怎么收费,业务结果怎么验收、怎么核账、谁来付钱,都得提前定下来。

04

判断三 组织范式变了

AI 原生组织会「异军突起」。刚才有赞创始人白鸦在现场谈组织调整,有个点挺触动我,他想减少人和人之间来回传信息造成的摩擦力,让人与机器的协作多担一些活。人和人之间的上下文常常对不上,同一件事,各人理解都不一样,解释、汇报、对齐,耗掉了大量管理成本。当一部分知识能沉淀成 Skill,一部分工作能交给 Agent,组织里的信息流和分工就有机会重排。

小鹅通创始人老鲍打了个很形象的比方,“火锅型组织”。大家因为一个任务凑到一桌,这顿火锅吃完,任务结束,这个组合就散了,等下回有任务,再重新组一桌。组织会越来越围着任务转,层级也越来越扁平。

中国企业AI转型:为何投入了,利润却没涨?(配图 7)

围绕任务组织人和 AI

做AI原生公司,思路是先从外面冒出来的新能力、新交互往回捋,看自己该配一支什么样的队伍。存量企业反过来,得先在内部把研发、运营、交付的干活方式改掉,再把这套能力推到外部客户那里。小组织、高人效,往后会越来越吃香。存量企业这边,一号位不亲自下场、不使劲推,这事基本成不了。我们私下打趣,组织转型要收尾,靠的得是“开明的暴君”。

AI 进了组织,大致会担三类活。一类是执行助手,人派任务、定标准,AI 做整理、核对这些具体事,人来验收。一类像业务同事,团队先接入企业资料,配好流程和权限,用真实案例验证,再让它接下一段完整工作。还有一类管协调,汇总进度、提醒异常,帮管理层和一线及时对齐。

中国企业AI转型:为何投入了,利润却没涨?(配图 8)

AI 在团队里的三类工作

今年四月,我们去MiniMax学习时,交流中有人说,自己的日程现在被 AI 排得满满当当,围绕面试和后续工作不断接到任务。人在给 AI 派活的同时,AI 也开始参与组织人的工作,这同样会改变管理方式。过去我们盯打卡、盯在线时长,盼着员工坐满八个小时,现在管理者有机会更具体地看到工作怎么推进、问题出在哪儿。

「AI决策lab」第二期有个创始人讲了个故事,他把 AI 接进客户服务群,帮自己汇总异常信息。他们客户群很多,销售未必会主动把每个问题都告诉他。有了这层梳理,他每天能先看到最该处理的那几个异常,再决定怎么介入。这件事的价值,是让管理者更早看到问题、看清结果,一线员工也能少些反复汇报,把更多时间拿去解决问题。

中国企业AI转型:为何投入了,利润却没涨?(配图 9)

看清工作过程再评价实际成果

05

判断四 技术落地还在试错积累

这个阶段我用「厚积薄发」来概括。Agent 正处在爆发前的试错积累期,解法很多,大家都在摸着石头过河。头部厂商今天选的路径,将来就一定是最优解吗?现在还很难说。模型的输出带概率,企业的严肃业务却要对具体结果负责,两者怎么接到一起,是落地时要一件件处理的问题。

眼下可谓内外交困。外部市场变得快,模型一升级,可能就把你原来单独卖的功能盖掉了,大厂也能把同类能力打包进已有的产品方案。客户关心的却是,你究竟能省多少钱、多挣多少收入、改善哪个核心指标。企业内部也有难处,数据散在不同系统里,口径不统一,模型会出错,关键动作就得复核和兜底,开发团队也得学会评估模型,把异常案例留下来,持续验证。

中国企业AI转型:为何投入了,利润却没涨?(配图 10)

Agent 落地面临的外部变化与内部难题

就算某个环节的准确率已经很高,客户也未必肯彻底放手。出了事谁来担责、原来的岗位怎么安排,这些都在这个决定里头。技术往核心业务里走,一路上会不断撞上组织、权限和责任的问题,说到底,绕一圈还是绕回组织。

06

判断五 交付机制需要重做

「以战养战」,让产品和交付转成双飞轮。今年五月前后起,我们一直在盯 FDE。这个概念有人买账,也有人一听就认定是包装,可模型能力和客户现场之间还隔着那么多活要干,眼下确实得有人扎进去,把事接起来。我在 PPT 上画过一道剪刀差:一头是模型能力蹿得快,另一头是企业真正上线、稳定运行、拿到业务回报的速度。

中国企业AI转型:为何投入了,利润却没涨?(配图 11)

模型本事与企业价值兑现之间的落差

几份研究把不同环节的难处摆了出来。MIT NANDA 的初步研究里,研究样本中约 95% 的组织没看到可衡量的财务回报;Gartner 的调查显示,生成式 AI 原型平均有 41% 进入生产环境;毕马威的报告中,88% 的受访组织正在投入 Agent AI,而放到整体 AI 应用来看,24% 在多个用例上实现了投入回报。

这些研究的样本和口径各不相同,得分开看,不过投入、投产、价值规模化,每一步都各有各的坎。

FDE 的机会就夹在模型能力和业务结果中间。我跟国内某头部云厂商的交付一号位聊过,当年云计算进中国,同样要工程师跑到客户现场指导。到今天这类活还在,只是交付效率、工具和产品化程度都上去了。FDE 会不会长期存在?我的判断是,会。更要紧的是,每做完一家客户,能不能让下一家交付得更快。

在现场交付,把规则攒下来,拿到下一家客户去验证,再把验证结果回灌到产品里,带着更新过的产品进入下一次交付。这个循环转起来,产品和交付才推得动彼此。

中国企业AI转型:为何投入了,利润却没涨?(配图 12)

让一次交付成为下一次交付的起点

说到这里,行业信仰也得重新想一想。SaaS 那会儿,我们一门心思学美国的产品、商业模式和发展路径,走到今天,路是找到了,代价也付了不少。到了企业 AI 时代,硅谷照样值得研究,可中国企业的需求、采购方式、交付结构,答案得从自己身上找。

07

写在最后

留给未来的五个反直觉判断

五个判断讲完,我再留五个问题,过两三年回头再看。

关于壁垒

马奇诺防线修得够结实,德军换了条路走。过去我们引以为傲的护城河,眼下正被 AI 重新检验。客情关系一定靠得住吗?攒了多年的行业 Know-how,就一定能把别人挡在门外?

中国企业AI转型:为何投入了,利润却没涨?(配图 13)

堡垒还完好,对手已经绕道了

有个案例我接触过:几个原本不懂这行的年轻人,带着 AI 闯进业务里,边干边学,学得飞快,慢慢练出了自己的本事。这事对我冲击不小——过去以为别人很难补上的经验,在 AI 和新的学习方式面前,补课速度可能比想的要快。行业厂商的机会还在,但得把经验变成能替客户解决问题的产品和交付能力,一直往前跑。

2. 关于技术

英国红旗法要求有人举着旗在车前步行示警,车明明已经能跑了,还得跟着人的步子挪。今天不少 Prompt 和 Skill,同样带着对现阶段模型能力的补充,或者说限制。等数据足够丰富、足够多了,这些中间态是不是就该撤掉了?

中国企业AI转型:为何投入了,利润却没涨?(配图 14)

模型一进步,过渡工具的价值就会变

这事多久会发生?我和白鸦在一次直播里聊过,时间点还说不准,但做应用的人心里得装着这个问题。模型再升一轮,自己的产品还能给客户留下什么?今天这些投入里,哪些能跟着业务继续攒下去,也值得再翻出来看看。

3. 关于交付

瓦萨号首航没多久就沉在港内,下了水,工程上的毛病才真正露出来。OPC 加 FDE 的供给正在快速增多,里头不乏好团队,也有不错的客户实践。可供应能力参差不齐,价格战越打越凶,交付之后的事就更得提前想。

中国企业AI转型:为何投入了,利润却没涨?(配图 15)

交付能力得放到真实运行里去检验

有朋友转述过一个刚发生不久的客户选型故事:一家成熟厂商报一百万元,另一家报十五万元。预算就摆在那儿,不少客户会认真掂量十五万元的方案,但选型还得往下追问——后续运维怎么做,出了异常谁来处理,系统还要不要持续维护?低价进场之后,整个使用周期的钱由谁出?我的判断是,未来几年,甲方得为一批“野生交付”交学费。

4. 关于商业

不少厂商指望用 RaaS 撬动更大的业务预算,可真到结账那一步,往往又落回 IT 软件采购的老规矩里。矿工实实在在挖了矿,公司却打算拿只能在自家商店花的代用券来付账。下面这张图讲的那段旧事,让我联想到的正是结算规则。

业务结果和结算规则,这两件事未必能对上。你在客户现场担的是哪份责任,最后按哪套规则收钱,都得事先说明白。业务部门点头认可了效果,采购怎样签合同、财务怎样付款,还得一并走通。干的是业务的活,结的却是软件的账,这恐怕是很多企业 AI 厂商要撞上的窘境。

5. 关于自研

CIO 如今手里有了“利器”,内部团队自己就能搭 Agent,尝试自然少不了。可一个部门一套数据口径、一套自己的规则,再分别往企业系统里接,过些日子留下的“烂尾楼”,可能比数据孤岛还难清理。十九世纪的英国,铁路越铺越多,轨距却各走各的,一到换接站,旅客和货物只能下车换乘。

不同轨距各自跑得动,却难以连成一张网。

企业内部的场面可能差不多:每个 Agent 单拎出来都能跑,接进一段完整业务,上下文、权限、规则就对不上了。更麻烦的是,有些 Agent 还在自动干活,它动过哪些数据、触发了什么动作,一旦没人说得清,收拾起来只会更难。

08

模型可以借,总闸握在自己手里

前面五张图是黑白的,收尾我想添点亮色。模型和工具的能力可以借,但企业自己的数据、知识和业务决定权,要尽量攥在自己手上。走了一圈,跟客户、同行聊下来,我发现不少企业会选择用开源方式搭自己的 AI 大脑:外部能力接进来,核心业务的知识、权限和控制权,得自己拿住。

AI 主权,最终的决定权留在企业自己手里。

企业 AI 主权,说到底就是电可以引自外部,但总闸得攥在自己手上。这几个周期下来,谁手里都攒了些东西,也都有些放不下。往后看,判断一旦清楚,就赶紧把组织转型推起来,让工具往前走的那一步,实实在在落到企业的能力上。

最后再说一句:ToB 是个慢市场,先发优势没有那么大。一切还未明朗的当下,晚点下注未必不是好选择。构建 AI 原生组织,控制好现金流,伺机而动。

本文由本站编辑组整理与排版,内容基于公开信息核实后归纳发布,与文中提及的产品、公司无隶属关系。我们持续跟踪 AI 领域的模型、产品与行业动态,力求信息准确、表述清晰;文中涉及的名称、价格与功能细节可能随官方调整而变化,请以官方最新说明为准。如发现疏漏或表述有误,欢迎通过站内渠道反馈指正。

相关推荐 按相关度与热度排序

全部资讯 →
  1. 剑桥词典2026年度词汇花落“Human”:AI热潮下重提人性边界

    IT之家 11 月 18 日消息,人工智能带来的担忧,让剑桥词典将目光重新投向了 15 世纪,选择一个古老词汇来概括 2026 年的时代文化特征。 剑桥词典公布的年度词汇是“Human”。这一选择不仅是对过去的回望,也在一定程度上反映了人们对 AI 发展的反思。随着人工智能逐渐模糊机器与人类之间的界限,关于人类独特性的

    来源 AI 行业观察
  2. AI高薪叙事之外:985硕士12小时连轴转,校招门槛抬到社招

    晚上11点,杨涵合上电脑,12小时连轴转暂告一段落。但人下班了,神经没下,一旦数据有问题,她要24小时待命。 杨涵毕业已经3年,是985计算机本科、QS前20院校硕士,始终在AI这条线上,在几家大厂攒过实习和履历,还当过初创公司AI方向负责人。 这扎实的简历,配上超高的工作强度,按理说收入该傲视群雄。但眼下杨涵的月薪,

    来源 AI 行业观察
  3. 剑桥词典2026年度词选“Human”:AI时代重问人性是什么

    IT之家 11 月 18 日消息,人工智能带来的担忧,让剑桥词典将目光重新投向了 15 世纪,选择一个古老词汇来概括 2026 年的时代文化特征。剑桥词典公布的年度词汇是“Human”。这一选择不仅是对过去的回望,也在一定程度上反映了人们对 AI 发展的反思。随着人工智能逐渐模糊机器与人类之间的界限,关于人类独特性的讨

    来源 腾讯网
  4. Snowflake Business Ontology:AI 时代如何统一业务口径?

    11 月 3 日,Snowflake 宣布推出 Business Ontology ,即将开启公开预览。它提供了一种受治理的方式,支持团队定义、归属、审批共用业务术语、实体、关联关系与指标,并将其映射至承载这些定义的数据和模型。

    来源 InfoQ
  5. 超三分之一Z世代靠AI交朋友,孤独感反而更重?

    盖洛普最新报告显示,超过三分之一的Z世代将AI作为社交伴侣,拥有纯线上朋友或依赖AI陪伴的年轻人,孤独感显著高于其他群体。技术看似填补了社交空缺,却可能加剧人际疏离。本文编译自WIRED,解析这一矛盾现象背后的数据与隐忧。

    来源 AI 科技快讯
  6. 击败传统 K-pop 偶像,AI 辅助制作歌曲首次登顶韩国热门音乐排行榜

    IT之家 11 月 17 日消息,据日经亚洲今天(17 日)上午报道,韩国 AI 音乐项目 MEOMURU 推出的《你成为梦想中的大人了吗?》登顶 Melon TOP100,成为第一首登上韩国主要音乐榜单榜首的 AI 辅助制作歌曲。 该曲在当地时间 13 日登上 Melon TOP100 榜首,截至当地时间 16 日仍

    来源 AI 行业观察
  7. 宁德时代独家投资子虔科技C轮:AI能否压缩工业研发前置环节?

    过去一个多世纪,制造业一直在解决“如何更快、更便宜、更稳定地生产”。从福特流水线到自动化工厂,这个问题已被回答得足够好。但另一个问题很少被摆上台面:产品走上产线之前,它究竟应该被设计成什么样? 如果说制造,是把确定方案生产出来,那么创造,就是从无数种可能里找到可行设计。制造有产线、节拍、良率等一系列参数可以衡量,创造却

    来源 AI 行业观察
  8. AI伴侣越聊越孤独:斯坦福1131人研究揭开三个机制

    (本文作者为 猫头鹰科技社,钛媒体经授权发布)文 | 猫头鹰科技社一个24小时在线、永远温柔、从不拒绝你的AI伴侣,听起来似乎是缓解孤独的完美方案。然而,这可能只是一种违反直觉的幻觉。2026年8月4日,美国斯坦福大学杨迪一(Diyi Yang)团队在《自然·人类行为》(Nature Human Behaviour)发

    来源 腾讯网
  9. 张朝阳回应搜狐在AI浪潮中“躺平”:这是一种“清醒和无奈”

    2026年11月18日,搜狐创始人张朝阳回应外界认为搜狐在AI浪潮中“躺平”的说法,称这是一种“清醒和无奈”:大批年轻人正没日没夜投入AI,自己在竞争力和资金上都不够。他表示将做最熟悉、最擅长、最热爱的东西,不追求做到老大,但要做有质量、有品质的产品。

    来源 凤凰科技
向下滚动自动加载更多