《全球首席信息官（CIO）報(bào)告》中指出，盡管已有近半數(shù)企業(yè)啟動(dòng)了 AI 部署，但多數(shù)仍處于早期階段，普遍面臨 ROI 不明確、數(shù)據(jù)基礎(chǔ)薄弱、專業(yè)能力不足等關(guān)鍵困境。

在聯(lián)想集團(tuán)高級(jí)副總裁、首席信息官、方案服務(wù)業(yè)務(wù)集團(tuán)首席技術(shù)與交付官胡貫中（Art Hu）看來，中國(guó)與海外在 AI 交付方面的路徑不盡相同。

海外依托傳統(tǒng) SaaS 模式打下的牢固基礎(chǔ)，通過 SaaS" 消費(fèi) "AI 服務(wù)成為主流。相比之下，中國(guó)市場(chǎng)對(duì)軟件與 SaaS 的認(rèn)知度與成熟度不如海外，不過這也為中國(guó)市場(chǎng)提供 AI 交付提供了一些機(jī)會(huì)。

機(jī)會(huì)與挑戰(zhàn)并存

無論從國(guó)家，還是企業(yè)層面，都在積極推動(dòng) AI 技術(shù)在 ToB 領(lǐng)域的應(yīng)用。

國(guó)家層面，8 月 26 日，國(guó)務(wù)院印發(fā)《關(guān)于深入實(shí)施 " 人工智能 +" 行動(dòng)的意見》，明確將智能體列為重點(diǎn)發(fā)展領(lǐng)域，并提出了三個(gè)階段的發(fā)展目標(biāo)：2027 年，實(shí)現(xiàn)人工智能與六大重點(diǎn)領(lǐng)域廣泛深度融合，新一代智能終端、智能體等應(yīng)用普及率超過 70%；2030 年，新一代智能終端、智能體應(yīng)用普及率進(jìn)一步提升至 90% 以上；2035 年，我國(guó)將全面步入智能經(jīng)濟(jì)和智能社會(huì)發(fā)展新階段。

《意見》中也明確提出，要 " 創(chuàng)新服務(wù)業(yè)發(fā)展新模式 "，推動(dòng)服務(wù)業(yè)從數(shù)字賦能的互聯(lián)網(wǎng)服務(wù)向智能驅(qū)動(dòng)的新型服務(wù)方式演進(jìn)。包括探索無人服務(wù)與人工服務(wù)相結(jié)合的新模式，在金融、法律、交通、物流、商貿(mào)等領(lǐng)域，推動(dòng)新一代智能終端、智能體等廣泛應(yīng)用。

在優(yōu)化應(yīng)用發(fā)展環(huán)境方面，《意見》提出了一系列創(chuàng)新舉措，為智能體技術(shù)的發(fā)展提供了強(qiáng)有力的支撐保障。通過布局建設(shè)一批國(guó)家人工智能應(yīng)用中試基地，搭建起連接技術(shù)創(chuàng)新與產(chǎn)業(yè)應(yīng)用的橋梁，加速智能體技術(shù)從實(shí)驗(yàn)室走向產(chǎn)業(yè)化。這些中試基地將成為智能體技術(shù)驗(yàn)證、成果轉(zhuǎn)化和商業(yè)模式探索的重要平臺(tái)。

同時(shí)，通過推動(dòng)軟件信息服務(wù)企業(yè)智能化轉(zhuǎn)型，重構(gòu)產(chǎn)品形態(tài)和服務(wù)模式，培育一批專注于人工智能應(yīng)用的服務(wù)商，發(fā)展 " 模型即服務(wù) "" 智能體即服務(wù) " 等創(chuàng)新模式，打造人工智能應(yīng)用服務(wù)鏈。形成從技術(shù)研發(fā)、產(chǎn)品化到商業(yè)化應(yīng)用的完整產(chǎn)業(yè)生態(tài)，打破技術(shù)應(yīng)用門檻，使更多企業(yè)能夠以較低成本享受到智能體技術(shù)帶來的紅利。

企業(yè)層面，除了以阿里、華為、騰訊、聯(lián)想、百度為代表的科技行業(yè)頭部企業(yè)在積極推動(dòng) " 模型即服務(wù) "" 智能體即服務(wù) " 等創(chuàng)新模式，并結(jié)合應(yīng)用場(chǎng)景，挖掘 AI+ 場(chǎng)景之外，諸如中信、中遠(yuǎn)海運(yùn)這樣的傳統(tǒng)行業(yè)的龍頭企業(yè)，央國(guó)企，也在積極結(jié)合自身所處領(lǐng)域的行業(yè) Know-how，在垂類領(lǐng)域不斷挖掘應(yīng)用場(chǎng)景。

雖然 AI 應(yīng)用、AI 服務(wù)有著很多機(jī)會(huì)，市場(chǎng)仍有很大的括展空間，但對(duì)于絕大多數(shù)企業(yè)而言，企業(yè)級(jí) AI 真正落地，還有很多挑戰(zhàn)。

據(jù)麥肯錫 2024 年企業(yè) AI 應(yīng)用調(diào)研，全球 73% 的企業(yè)在 AI 落地過程中遭遇 " 預(yù)期與現(xiàn)實(shí)偏差 "，超 40% 的項(xiàng)目因無法規(guī)?；騼r(jià)值模糊而終止。當(dāng) AI 從 " 技術(shù)熱詞 " 走向 " 產(chǎn)業(yè)剛需 "，企業(yè)級(jí) AI 落地的復(fù)雜性遠(yuǎn)超預(yù)期。技術(shù)、數(shù)據(jù)、組織、成本的多重挑戰(zhàn)交織，正在重構(gòu)企業(yè)智能化轉(zhuǎn)型的底層邏輯。

AI 落地仍有諸多挑戰(zhàn)

具體來看，AI 在企業(yè)側(cè)落地的過程中，仍存在很多挑戰(zhàn)。

首當(dāng)其沖的就是幻覺問題?；糜X問題自從生成式 AI 出現(xiàn)，就一直是阻礙 AI 前進(jìn)腳步的 " 絆腳石 "。與 C 端應(yīng)用不同的是，企業(yè)級(jí) AI 的應(yīng)用對(duì) " 幻覺 " 存在幾乎是 " 零容忍 " 的，一個(gè)幻覺的錯(cuò)誤很可能導(dǎo)致企業(yè)業(yè)務(wù)，甚至決策受到極大影響。

對(duì)此，胡貫中表示，幻覺問題是這一代 AI 架構(gòu)中普遍存在的現(xiàn)象，且在短時(shí)間內(nèi)是不可避免的，但隨著技術(shù)的推進(jìn)，大模型的幻覺率一直在下降。" 大家都是在逐步迭代，盡可能去降低幻覺率，但即便如此，一定還會(huì)有小概率的幻覺存在。" 胡貫中指出。

胡貫中認(rèn)為，企業(yè)可以通過圍繞幻覺問題設(shè)計(jì)一些相應(yīng)的場(chǎng)景解決方案，應(yīng)對(duì)出現(xiàn)幻覺后企業(yè)面臨的難題，而針對(duì)大模型生成內(nèi)容的人工復(fù)核是當(dāng)下比較常見的方法。

" 目前在很多場(chǎng)景中，針對(duì)智能體處理結(jié)果，都需要進(jìn)行風(fēng)險(xiǎn)評(píng)估。比如智能體跑出一個(gè)結(jié)果之后，無論是小任務(wù)，還是大任務(wù)，如果任務(wù)涉及到企業(yè)核心決策，就需要有人來判斷是否接受這一結(jié)果，或是評(píng)判這個(gè)結(jié)果是否達(dá)標(biāo)。" 胡貫中舉例道。

與此同時(shí)，聯(lián)想集團(tuán)副總裁，方案服務(wù)業(yè)務(wù)集團(tuán)業(yè)務(wù)應(yīng)用服務(wù)交付負(fù)責(zé)人陳敏儀也向筆者表示，幻覺問題絕對(duì)不是僅僅依靠大模型能力的提升就能解決的。

" 從應(yīng)用角度出發(fā)，想要解決整體精準(zhǔn)度和幻覺率的問題，一定需要一套從上到下的、一體化的解決方案。" 陳敏儀進(jìn)一步指出，" 這其中包括從模型，到工程化，到各種體驗(yàn)層和 UI 層，各個(gè)環(huán)節(jié)去系統(tǒng)性解決問題。"

幻覺問題一方面體現(xiàn)在模型能力和體系化解決方案能力的不足，另一方面，缺乏高質(zhì)量的數(shù)據(jù)集用于訓(xùn)練、微調(diào)模型，也是絕大多數(shù)企業(yè)在應(yīng)用 AI 大模型過程中感覺 " 不好用 " 的關(guān)鍵所在——因?yàn)?AI 的本質(zhì)是 " 數(shù)據(jù)驅(qū)動(dòng)的決策 "。對(duì)此，胡貫中認(rèn)為，數(shù)據(jù)和數(shù)字化基礎(chǔ)的準(zhǔn)備程度是目前絕大多數(shù)企業(yè)應(yīng)用 AI 的困境之一。

目前從數(shù)據(jù)的準(zhǔn)備程度上看，多數(shù)企業(yè)的數(shù)據(jù)分散在 ERP、CRM、IoT 設(shè)備等分散的，各自成 " 孤島 " 的數(shù)十個(gè)系統(tǒng)中，格式涵蓋結(jié)構(gòu)化表格、非結(jié)構(gòu)化文檔、時(shí)序傳感器數(shù)據(jù)等多種不統(tǒng)一的格式，且存在大量 " 臟數(shù)據(jù) "。

此外，即便企業(yè)投入資源清洗數(shù)據(jù)，垂直領(lǐng)域的 " 隱性知識(shí) " 仍難以結(jié)構(gòu)化：例如，半導(dǎo)體制造中的 " 晶圓良率波動(dòng) " 可能與上百個(gè)工藝參數(shù)相關(guān)，但工程師的經(jīng)驗(yàn)判斷（如 " 某臺(tái)設(shè)備近期維護(hù)記錄異常 "）往往未被記錄，導(dǎo)致數(shù)據(jù)無法完整反映業(yè)務(wù)邏輯。

據(jù) BCG 統(tǒng)計(jì)，企業(yè)可用于 AI 訓(xùn)練的有效數(shù)據(jù)占比普遍低于 10%，" 數(shù)據(jù)豐富但信息匱乏 " 成為常態(tài)。

另一方面，即便是數(shù)據(jù)內(nèi)部流通，現(xiàn)在仍有很多企業(yè)并沒有打破內(nèi)部部門間的數(shù)據(jù)孤島，究其原因，技術(shù)標(biāo)準(zhǔn)不統(tǒng)一、利益分配機(jī)制缺失，導(dǎo)致了 " 數(shù)據(jù)孤島 " 難以打破。而唯有打破企業(yè)內(nèi)部的數(shù)據(jù)孤島，才能真正讓企業(yè)級(jí) AI 發(fā)揮價(jià)值。

除了幻覺、數(shù)據(jù)這類技術(shù)上的難題之外，ROI 不能確定也是阻礙企業(yè)級(jí) AI 落地關(guān)鍵。胡貫中告訴筆者，通過聯(lián)想對(duì)市場(chǎng)上用戶的反饋得出——企業(yè)在大幅增加 AI 投入的同時(shí)，也越來越關(guān)注可量化的業(yè)務(wù)成效。" 投資流向生成式 AI 過程中，企業(yè)也從對(duì)技術(shù)先進(jìn)性的追求，逐漸轉(zhuǎn)變?yōu)樽非笄袑?shí)的商業(yè)價(jià)值。" 胡貫中指出。

這個(gè)觀點(diǎn)并不是聯(lián)想 " 一家所言 "，在此前的紅杉資本大會(huì)上，全球超過 150 名頂尖 AI 企業(yè)的創(chuàng)始人共同得出了 " 下一輪 AI，賣的不是工具，而是收益 " 這樣的結(jié)論。

在企業(yè)普遍追求降本增效的時(shí)代，企業(yè)雖然對(duì) AI 會(huì)加大投入，但同時(shí)企業(yè)也更希望看到 AI 為他們帶來 " 既得利益 "，"AI 在企業(yè)中應(yīng)用，要么給企業(yè)帶來新的增長(zhǎng)，要么為企業(yè)節(jié)省開支，這兩個(gè)都不能帶來的技術(shù)，是沒有意義的。" 此前筆者在與某零售行業(yè) CIO 交流中，他曾向筆者多次強(qiáng)調(diào)。

一體化交付的誤區(qū)與解法

在諸多的挑戰(zhàn)面前，企業(yè)在落地 AI 應(yīng)用過程中，需要的事一體化交付的能力。

以一體機(jī)舉例，年初 DeepSeek 火出圈的同時(shí)，也帶火了一體機(jī)的市場(chǎng)，但經(jīng)過多半年的發(fā)展，有不少企業(yè)當(dāng)初購(gòu)買的一體機(jī)處于了 " 吃灰 " 的狀態(tài)，究其原因，首先是企業(yè)認(rèn)知上的錯(cuò)誤——這部分企業(yè)認(rèn)為 " 購(gòu)買了一體機(jī) = 擁抱 AI"；其次是有了硬件，軟件、場(chǎng)景沒有，也讓一體機(jī) " 無用武之地 "。

一體機(jī)反應(yīng)的不僅是硬件的采購(gòu)熱潮，其背后是企業(yè)對(duì)一體化交付能力的渴望。企業(yè)需要一個(gè)整套的數(shù)智化的解決方案，這套方案中，硬件只是載體，而軟件和服務(wù)才是核心。

而這種一體化的服務(wù)也成為了很多具備這樣能力的 AI 服務(wù)商布局的重點(diǎn)。

以聯(lián)想為例，前不久，聯(lián)想就宣布全面升級(jí)其 " 聯(lián)想混合式人工智能優(yōu)勢(shì)集 "，進(jìn)一步拓展其全棧 AI 能力。據(jù)了解，本次升級(jí)重點(diǎn)包括：強(qiáng)化 AI 基礎(chǔ)設(shè)施解決方案、完善全周期 AI 服務(wù)組合，并擴(kuò)展與全球技術(shù)伙伴深度融合的混合式 AI 工廠平臺(tái)，助力各行業(yè)在多元化應(yīng)用場(chǎng)景中高效部署 AI，釋放生產(chǎn)力，提升業(yè)務(wù)靈活性，實(shí)現(xiàn)可量化的投資回報(bào)。

針對(duì)聯(lián)想混合式人工智能優(yōu)勢(shì)集，胡貫中表示，AI 的突破不只是技術(shù)層面的革新，更是一項(xiàng)系統(tǒng)工程。真正推動(dòng)企業(yè)走向智能化，需要的不僅是算法能力，更需要從基礎(chǔ)設(shè)施、平臺(tái)工具到行業(yè)場(chǎng)景的全棧布局與實(shí)踐經(jīng)驗(yàn)。

聯(lián)想希望通過混合式人工智能優(yōu)勢(shì)集，讓各個(gè)模塊可靈活組合，在滿足定制需求的同時(shí)，實(shí)現(xiàn)快速部署、可擴(kuò)展、可復(fù)制，加速 AI 從試點(diǎn)到規(guī)?；涞?。" 未來，我們也將繼續(xù)推動(dòng) AI 在更多行業(yè)中規(guī)模化落地，真正實(shí)現(xiàn) " 從技術(shù)創(chuàng)新到價(jià)值創(chuàng)造 " 的跨越。"

當(dāng) AI 從 " 單點(diǎn)實(shí)驗(yàn) " 走向 " 規(guī)?；瘧?yīng)用 "，企業(yè)需要的不再是單一技術(shù)模塊的供應(yīng)商，而是具備整合能力的，從 " 數(shù)據(jù) - 模型 - 算力 - 場(chǎng)景 - 運(yùn)維 " 多維度出發(fā)的，能提供全鏈路一體化交付服務(wù)商。需求背后，是企業(yè)應(yīng)對(duì) AI 落地復(fù)雜性、降低試錯(cuò)成本的必然選擇。（本文首發(fā)于鈦媒體 APP，作者｜張申宇，編輯丨蓋虹達(dá)）