从工具到引擎，“AI+”重构企业增长逻辑。

在过去几年，对业界来说，几乎没有哪个词能比“AI”更耀眼。几乎所有行业都在谈论如何用AI增效提质，无数试点项目应声而起——然而，热潮的背后是冷静的现实。

表面上，AI无处不在，实则真正落地并创造价值的应用仍属凤毛麟角。尽管人人都在大谈特谈AI的必要性，但许多企业却在AI转型的思路上重蹈覆辙——只是通过在局部环节叠加智能化工具，实现有限的降本增效，这种做法本质上是在原本的企业建设上做简单的加法，是一种典型的“+AI”的思维方式。

《2025企业AI应用概况调查报告》数据显示，50%的受访企业引入AI的首要原因，是“不安全感”，他们认可智能化趋势，却鲜少能有清晰的认知，底层的逻辑未变，反而加剧了这种“不安全感”。

高额的投入却总是无法换来对等的收益，大部分企业在应用AI的落地实践结果仍然不及预期，这背后更深层次的原因在于，企业总是止步于“+AI”。

为了解决这一痛点，上海交通大学安泰经济与管理学院、中银科技金融学院联合中国太平洋保险集团、欧莱雅中国、乐刻运动、兴业银行和蚂蚁集团等一众产业伙伴，共同发布业界首个企业应用AI成熟度模型（AI Adoption Maturity Model, AIM²）。上海交通大学中银科技金融学院执行院长、安泰经济与管理学院副院长刘少轩教授牵头的AIM²联合课题组对金融、汽车、健康、零售四个行业的典型企业做了深度调研并形成报告。

对于企业来说，它提供了一套全新的思维方式和方法论，是真正将AI内化至企业战略、经营、技术等诸多层面，最终促成“AI+”的路径。

AI发展已进入下半场，在硝烟四起的战场之中，仍有收获规模收益的机会。问题在于，AIM²如何帮助企业抓住这个机会？如何真正实现从“+AI”到“AI+”的跨越？

一、为什么企业总止步于“+AI”？

企业纷纷投身于AI的浪潮之中，但并非所有人都能上岸。

实际上，只有少数应用AI成熟度高的企业，能将AI深度融合于业务，更多的企业则陷入了AI转型的“迷雾”之中。麻省理工学院研究团队发表的报告《The GenAI Divide State of AI in Business 2025》中，提到大量企业投资于GenAI的试点项目，却难以转化为实际的生产力提升和业务转型，数据显示，95%的组织在GenAI项目中获得的回报为零，只有5%的组织成功将GenAI工具大规模集成到工作流程中。

为什么会出现这种巨大的反差？放眼全行业，企业在应用AI时的乱象层出不穷：把打赢“百模大战”当成目标，却缺少转化和提升的衡量标准；无法建立完善的复用机制，以至于成功变成偶然；同时也没有统一的度量口径，让决策基于直觉而非科学验证的结果……多个层面的动因，造成了大范围的系统性失灵。

回顾来看，困住企业的并非AI技术本身，而是业界普遍停留在“+AI”的认知之中，缺乏系统性的框架，重技术、轻应用，难以把AI深度嵌入业务。试想，如果对AI的应用无法形成完整的解决方案，无法明确回答AI最终能为企业带来什么具体的、可衡量的价值，那么这种尝试至多是一种常规的技术试水，难以帮助多数企业跨越从试点到规模化的鸿沟。

企业真正的应用AI，应是一套完整的将AI与业务相融合的发展蓝图，包含清晰的战略规划、有效的技术落地方案以及对AI商业价值的准确评估。在2025 Inclusion·外滩大会“洞见2035：AI驱动的产业突围与智能演进”见解论坛上，刘少轩教授总结得出了问题的核心：应用AI，应该是一场从“+AI”到“AI+”商业模式的接力赛。

二、未来，企业如何实现“AI+”？

真正的“AI+”，意味着从根本上改变出发点，真正做到“AI原生”的应用。

原生的AI应用方法论几乎是颠覆性的，它要求企业不再简单叠加AI功能，而是将AI作为核心驱动力，从架构设计到交互逻辑均围绕AI能力展开。这种转变，让AI从工具正式跃迁为引擎，驱动着企业的战略和模式创新。

当AI从外围走向核心，它所带来的影响也开始由点及面，逐步扩展——从生产、供应链，到销售和客户服务，AI让企业的运转逻辑发生根本改变，创造出新的价值点。

数据决定了AI应用能力的上限，中国太保作为首家深度介入“医保+商保”数据融合与直赔结算领域的险企，将AI应用嵌入与国计民生紧密相关的“大康养”和“保险+服务”生态场景中，成功地将医疗、气象、物联网等多场景数据进行融合，为自身在未来的大康养生态竞争中，占据战略制高点。此外，中国太保自2023年起提出构建“保险领域的数字劳动力”，将AI从“效率工具”升级为“数字员工”，系统性重塑运营模式。

当AI真正沉淀为企业的内生能力，它的价值会进一步外溢。企业能够通过“AI+”，引导长期竞争走向生态建设，而非短期的技术赛跑。

蚂蚁数字医疗健康过去几年的实践印证了这一点：其AI健康管家AQ反映出了跨越周期的未来趋势，它能够跳出对某个场景应用的聚焦，通过技术深度连接医疗生态的多方资源，构建起医疗服务的闭环生态，整个事业部就是一个自主运行的智能体，通过统一的“感知、决策、行动、学习”闭环机制，实现跨业务、跨系统的敏捷协同与高效决策。

值得注意的是，从AIM²所呈现出的洞察来看，应用AI最终的方向，是企业逐渐演进为“企业即智能体”。将来，AI将成为驱动企业自我进化的核心引擎，届时，企业的竞争力不再取决于规模和资源，而在于能否从AI原生的逻辑出发，不断学习、调整、进化，在技术浪潮中继续保持生命力。

因此，AIM²所带来的面向“AI+”的模式转换，不仅关乎企业当下的发展路径，更关乎其在未来行业格局中的位置，也是企业能否跨越周期的关键节点。那么，如何运用起AIM²，以期实现最大化的效益？

三、找到跃迁之路上的“罗盘”

如何从“+AI”迈向“AI+”？

AIM²创新性地构建了“五级六维”体系，为企业应用AI提供了清晰的演进路径。

五个等级（L1~L5）和六个维度(战略、组织、数据、技术、应用与商业)体系下，除了对企业具有评估价值外，AIM²模型同时也是一套从战略筛选到价值实现的“漏斗式”行动指南，指导企业如何系统性地识别、筛选和实施高价值的AI应用场景。这意味着，从建立“AI+”的目标认知，到真正切实落地，有了全面而可靠的解法。

AIM²设立的五个等级，清晰地定义了企业应用AI的成熟度阶梯，反映了企业从AI作为辅助工具（“+AI”模式）到以AI为核心重构业务（“AI+”模式）的战略演进。

同时，AIM²从点到面，设立了六个相互关联的关键维度，覆盖了从顶层设计到底层基础、再到最终价值实现的完整闭环，促使企业关注平台化、标准化与复用，而不是重复“造轮子”，从而显著降低企业的边际成本。

此外，AIM²本就服务于企业AI应用的落地，模型在构建之初时，便考虑到了行业与行业的差异性。刘少轩教授在接受36氪采访时表示，一方面是考虑到跨行业的通用标准，需要不同的指标加以平衡，另一方面则是考虑到不同行业的AI技术扩散的周期和过程。由此，多维平衡的指标，以及凸显周期的阶段性指标，便尤为重要。

尤其在市场回归理性的当下，企业在采用决策时，更需要全面的评估，系统性规避风险与陷阱，逐步规划出从“+AI”到“AI+”的发展路径。通过AIM²，我们得以更详细地洞察不同行业中企业的AI应用状况。

例如，对于传统金融机构而言，AI应用初期并非必须追求颠覆性变革，而应以务实的策略切入核心领域，并优化关键流程。上海银行即围绕风险管理这一金融核心领域，通过机器学习精准评估信用风险，以高质量数据为基础，实现贷前审批和贷后预警的精准优化。此外，生态合作也是银行业快速提升AI能力的重要路径，上海银行积极与外部科技公司合作，引入智能投顾、智能风控等成熟系统，快速在业务场景中落地验证AI的实际价值。

在健康行业，海量数据与高并发挑战推动技术基础设施的持续升级。美年大健康系统性地运用AI技术对全流程服务进行重塑，基于分布式数据库技术，对新一代智慧体检管理系统进行升级，不仅突破性能瓶颈，还实现了AI驱动的服务模式创新，推动了个性化健康服务的转化，实现由一次性体检服务向全生命周期健康管理的转型。

转型之中的汽车行业，则可以依靠准确的战略选择与技术深耕，避免盲目跟随潮流的陷阱。新锐汽车品牌零跑汽车已经在严格遵循ROI导向的AI发展路径，明确聚焦智能驾驶与智能座舱两个核心领域，高效利用有限算力实现精准业务场景优化，开发深度适配特定场景的专家模型，未来将实现“AI实用主义”下的智能化转型。

智能化并非简单的技术叠加，而是对组织、业务模式与生态协作的根本性重构。在零售行业，欧莱雅实现了全球AI技术的中国市场深度适配，构建本地化数据中台，形成趋势识别、虚拟试妆等多场景能力反哺全球总部的创新路径。同时，积极打造开放式美妆科技生态，与初创企业和高校联合推动生成式AI和智能交互技术的快速概念验证，持续强化了品牌在科技创新方面的竞争力，这也启示行业：嵌入现有生态，比自建平台更具商业效率。

人机深度融合能够共创全新业务与增长模式，实现1+1>2的效果。而这种更简单、更高效的AI应用模式，则可以让企业从浅层的“工具提效”迈向深层的“生产力变革”。健身产业头部互联网平台乐刻运动的AI转型便是一个鲜活的例子，在门店管理上，乐刻运动在采用先进的数据采集和分析平台的同时，引入了AI巡检系统并设置AI客服，通过人机融合大幅提升门店营运的效率。

四、从容迎接技术浪潮

企业在面对新的技术浪潮时，总是不可避免地陷入焦虑之中。而AI尤甚，在过去的短短几年里，这门技术已经经历了数轮迭代，面对不可预见的未来挑战，“AI+”还能具备什么样的潜力？

技术解决当下，而生态能够穿越周期。当越来越多企业有系统化的方法论操作AI战略落地，构建均衡的、协同的六维能力，各行各业的应用AI生态都会发生改变。AIM²所指向的，也许并不仅是某个特定企业的突围，而是行业整体的生态优化。

换言之，应用AI的未来趋势，不仅是引导企业“做正确的事”，更是在无形中规划了行业的“路网”。

面对全新的技术浪潮，审慎思考与放手尝试同时存在，每一步的投入，都是对未来的投资，既考验耐心，也磨砺远见。我们相信，那些持续投身AI应用实践的企业，终将收获智能之上的“智慧”，在迷雾中保持远见，于浪潮中锻造韧性，创造出属于自己的可持续竞争力。

如您对AIM²模型与《中国企业应用AI成熟度模型报告》感兴趣，可在微信搜索“AIM2”小程序，查阅报告全文。

如何学习大模型 AI ？

由于新岗位的生产效率，要优于被取代岗位的生产效率，所以实际上整个社会的生产效率是提升的。

但是具体到个人，只能说是：

“最先掌握AI的人，将会比较晚掌握AI的人有竞争优势”。

这句话，放在计算机、互联网、移动互联网的开局时期，都是一样的道理。

我在一线科技企业深耕十二载，见证过太多因技术卡位而跃迁的案例。那些率先拥抱 AI 的同事，早已在效率与薪资上形成代际优势，我意识到有很多经验和知识值得分享给大家，也可以通过我们的能力和经验解答大家在大模型的学习中的很多困惑。我们整理出这套 AI 大模型突围资料包：

• ✅ 从零到一的 AI 学习路径图
• ✅ 大模型调优实战手册（附医疗/金融等大厂真实案例）
• ✅ 百度/阿里专家闭门录播课
• ✅ 大模型当下最新行业报告
• ✅ 真实大厂面试真题
• ✅ 2025 最新岗位需求图谱

所有资料 ⚡️ ，朋友们如果有需要 《AI大模型入门+进阶学习资源包》，下方扫码获取~

① 全套AI大模型应用开发视频教程

（包含提示工程、RAG、LangChain、Agent、模型微调与部署、DeepSeek等技术点）

② 大模型系统化学习路线

作为学习AI大模型技术的新手，方向至关重要。 正确的学习路线可以为你节省时间，少走弯路；方向不对，努力白费。这里我给大家准备了一份最科学最系统的学习成长路线图和学习规划，带你从零基础入门到精通！

③ 大模型学习书籍&文档

学习AI大模型离不开书籍文档，我精选了一系列大模型技术的书籍和学习文档（电子版），它们由领域内的顶尖专家撰写，内容全面、深入、详尽，为你学习大模型提供坚实的理论基础。

④ AI大模型最新行业报告

2025最新行业报告，针对不同行业的现状、趋势、问题、机会等进行系统地调研和评估，以了解哪些行业更适合引入大模型的技术和应用，以及在哪些方面可以发挥大模型的优势。

⑤ 大模型项目实战&配套源码

学以致用，在项目实战中检验和巩固你所学到的知识，同时为你找工作就业和职业发展打下坚实的基础。

⑥ 大模型大厂面试真题

面试不仅是技术的较量，更需要充分的准备。在你已经掌握了大模型技术之后，就需要开始准备面试，我精心整理了一份大模型面试题库，涵盖当前面试中可能遇到的各种技术问题，让你在面试中游刃有余。

以上资料如何领取？

为什么大家都在学大模型？

最近科技巨头英特尔宣布裁员2万人，传统岗位不断缩减，但AI相关技术岗疯狂扩招，有3-5年经验，大厂薪资就能给到50K*20薪！

不出1年，“有AI项目经验”将成为投递简历的门槛。

风口之下，与其像“温水煮青蛙”一样坐等被行业淘汰，不如先人一步，掌握AI大模型原理+应用技术+项目实操经验，“顺风”翻盘！

这些资料真的有用吗？

这份资料由我和鲁为民博士(北京清华大学学士和美国加州理工学院博士)共同整理，现任上海殷泊信息科技CEO，其创立的MoPaaS云平台获Forrester全球’强劲表现者’认证，服务航天科工、国家电网等1000+企业，以第一作者在IEEE Transactions发表论文50+篇，获NASA JPL火星探测系统强化学习专利等35项中美专利。本套AI大模型课程由清华大学-加州理工双料博士、吴文俊人工智能奖得主鲁为民教授领衔研发。

资料内容涵盖了从入门到进阶的各类视频教程和实战项目，无论你是小白还是有些技术基础的技术人员，这份资料都绝对能帮助你提升薪资待遇，转行大模型岗位。

以上全套大模型资料如何领取？