AI+：企业AI战略的误区和挑战

AI+：企业AI战略的误区和挑战

几乎每一次科技革命，最大、最长久的赢家都出现在产业端和企业端——新供给创造新需求，这几乎是个铁律。AI作为第四次科技革命，也不例外。本系列的前几篇文章，其实都在为本文做铺垫，现在到了AI+系列“概要篇”的收尾时刻。

在进入正题之前，先快速回顾一下前序文章的核心结论：

1. 理解了

，你就会“看到”（Vision）：AI以“认知计算”为原理，在产品层（产品会思考、会说话）、个体层（AI辅助认知）、组织层（AI驱动认知协同）和产业层（认知流驱动业务流）都将产生重大变革，创造全新的生产力和生产关系体系。新世界的大门已经打开。

2. 理解了AI+的创新逻辑，坚定了AI+的愿景信念，再看

，就会知道“认知更新”才是应对新世界的核心挑战——比如把AI当成无所不能的许愿树、以为AI应用就是问答工具、幻想AI大模型能消灭幻觉……这些思维惯性和行为惰性，远比技术难题更可怕。

3. 因为“看见”，所以亢奋和憧憬；因为“迷惑”，所以焦急与无助。

揭示了这种在大变革中持续存在的常态心态。

这些探索和认知，以及理想与现实间的矛盾，只有在“企业AI战略”这个领域里，才能被系统性地统合。原因很简单：AI的价值需要在完整体系中实现（就像个人价值需要在社会中实现），而且AI的应用需要客观的成长周期（就像个人成长需要学习和实践）。

以下部分，将继续用“误区”这种框架，来尝试勾勒企业AI战略的边界轮廓。正面阐述和系统刻画，接下来会通过半年的工作来呈现（包括发布白皮书、开展全方位的立体研讨直播）。

态度误区：既急于求成，又固步自封

必须承认，这是近一年来AI领域最大的痛苦之一，无论大模型企业还是AI应用企业，各层面都面临这个问题。各级决策者都想直接“要结果”，急不可耐得就像孩子要奶吃；一旦发现不能立竿见影，又迅速退回本位固步自封，不愿深究，甚至不愿思考。在应用价值层面，每个人的“想象力”都被ChatGPT以及铺天盖地的宣传激发了，觉得所有神奇功能都是“立等可取”——只要不能立刻实现，就立刻撇清关系：“跟我没关系了”，然后赶紧回归“手头事”。

在企业战略层面，社会热情、顶层关注与基层“求而不得”之间的鸿沟，形成了巨大的“张力”空间。这个空间充斥着“不确定性”，让被卷入其中的人们在无方向、无结构的混沌里或被选择明哲保身，或玩起了“皇帝的新衣”，最终无法走出迷宫。在资本和政府引导层面，大家都在耐心“等待标杆案例”和“光鲜业绩”横空出世，就像等待下一个ChatGPT或Sora。每个层面、每个视角，都呈现出碎片化、短期化的视野，心态则是急躁、浮躁、肤浅。

一个值得思考的问题：是“卷”得太厉害让所有人都掉进了“稀缺”陷阱，还是实用主义传统导致我们缺乏探索精神？或者，全人类本就只有极少数人能够真正拥抱创新？放松下来看，这种现象或许也很正常，甚至反应了我自己一样的急躁和浅薄——期望如此深刻的变革能立刻深入人心，本身就不现实。换个角度看，这恰恰是真正的创新者的机会：一片蓝海，属于有心人。

技术误区：唯AI大模型论

关于AI技术的常见误区，在前文已有较多阐述。这里从企业角度再做梳理和界定。首先，企业AI应用不是简单地开发“行业大模型”。认为拥有行业大数据就能做出“行业大模型”，是个技术幻想；寄希望于一招制胜的端到端行业大模型，只是技术童话。其次，企业AI应用不是简单地开发业务问答场景。“问答”本身并不具备真正的生产力价值（因为大多数岗位依赖熟练工作业，而非业务问答），它只是AI大模型“认知计算”能力的体现。AI认知引擎好比电气化时代的电动机，如果认为业务问答就是全部，就如同以为有了电动机就等于拥有了整个电气时代的所有电器，这种想法过于懒惰。

最后，企业AI应用不能“唯AI大模型论”而摒弃已有基础和其他条件。AI大模型本质上是“认知引擎”，必须构建在数字化基础之上，以数据和知识为“燃料”，并以行业的知识积累和知识工程为核心。它需要用知识/认知连接起所有生产要素（劳动者、劳动对象、劳动工具），并重构所有生产关系（分工协作、价值分配）。AI大模型的认知引擎，必须连接一切、重构一切。

形态误区：产品与工程的差异

AI在企业中的最终形态，不是某一种具体的“产品”，而是“系统工程”。它既不是简单的APP，也不只是N个APP的聚合，而是由无数个APP构成的一套“操作系统”。它不是一只过江的竹筏，而是要建造一座“跨江大桥”；它不是一个遮风避雨的帐篷，而是一座“摩天大楼”。如果看不到整个“系统工程”的全貌，就无法判断每个单点应用的价值——就像没有操作系统就运行不了APP，看不到“跨江大桥”的整体，就无法评估一个桥墩或一根钢缆的作用。

AI在企业中的应用，本质上是知识工程、认知工程、数智工程，是要构建一个由AI驱动的新型业务系统（涵盖产品、客户、员工，以及物资流、信息流、资金流、认知流等），是对要素、结构、流程的全面重构。它确实必须从具体的功能点做起，就像从一块砖头、一根钢筋开始建设“跨江大桥”一样；但如果没有大桥的蓝图，就不知道要采用什么样的砖头、钢筋和混凝土。

从产品角度认知AI应用，很容易滑入简单的“采购”逻辑（明确的功能指标、清晰的ROI、成功的应用案例），但目前AI产品距离具体的功能应用还有距离，无法简单套用这些标准。而从系统工程角度来看，就需要严谨的论证、规划和设计：要掌握第一性原理、规划激动人心的未来蓝图、开展可行性试验、做好结构设计和施工组织、保障资源投入，并制定日拱一卒的长期计划。就像企业数字化一样，这不是简单的产品采购，而是持之以恒的系统再造。AI在企业中的应用，虽然速度、深度和强度都可能超过数字化，但其本质依然是——甚至更是——一个“系统工程”。

战略误区：战略方法与战术方法的错配

企业AI战略的常见问题，是用战术替代战略：只在场景层面看问题，而不是系统层面；只在短期看问题，而不是长期。战略问题的核心，归根结底是解决“做正确的事”和“把事做正确”这两件事：

• 深刻理解AI变革的技术本质，以及它对企业与产业可能带来的根本性变革；
• 清晰描述AI变革下的产业未来图景，并统一企业上下的共识；
• 系统规划实现路径，进行严密论证和验证；
• 精心组织具体计划，确保资源投入并控制风险。

如果只把注意力放在场景层和战术层，就会“只见树木不见森林”，看到的各种业务问答价值有限——“AI也不过如此”，与理想的境界有天壤之别。同时，由于场景和战术层的功能实现和价值有限（仅有单点价值而无系统价值），就难以吸引和调动足够资源和力量，导致“浅尝辄止”，无法做到“饱和攻击”和“攻坚克难”。没有在战略层构建足够的“势能”和“空间”，战术层就缺乏资源支撑。这种错配，最终导致企业AI创新能力的“瘫痪”：用战术替代战略，无法构建蓝图；缺乏战略投入和资源保障，战术层无法突破；最终“点-线-面”全面虚化，企业AI战略始终浮于表面，错失变革机遇。

兜兜转转写了四篇文章，约1.6万字，总结起来核心就是一句话：

我们在阿尔特已经基本完成了“AI+汽车研发设计”的系统规划，近期将做出详细计划并投入实施。为了推动行业协同创新，我们将会通过白皮书的方式，公开我们对“AI+汽车研发设计”的规划和计划，启动开放式的联合研发，努力打造企业级AI应用创新的高效模式。同时，也在积极参与国家部委发起的“AI+产业创新”课题组，与更多行业的AI创新先锋们相互学习、交流互鉴，携手奔向AI新世界。