我要投稿

企业AI 应用困局：60%的技术,30%的狂欢 ,剩下10%才是应用

发布日期：2025-05-27 07:08:19 浏览次数： 2060

作者：湘江数评

微信搜一搜，关注“湘江数评”

如果说今年的科技界什么最火，答案都会出奇的一致，那就是:AI！

从ChatGPT的爆火到大模型的军备竞赛，AI技术似乎成了企业竞争力的“万能钥匙”。随着DeepSeek的推出，国内市场瞬间被搅动，仿佛一剂强心针，使得长时间处于沉寂状态的数字化市场重新焕发活力。于是企业不是在做大模型就是在买一体机的路上，不搞AI项目CIO可能都不好意思和同行打招呼，目前2025年已快过半，AI在企业应用的的成绩如何呢？老杨用一句话来形容就是：60%的精力花在技术探索，30%的狂欢式追捧，真正落地的应用可能只有10%。

60%的技术门槛成为AI落地的最大障碍

AI真的如想象中的那般即插即用吗？搞一个大模型出来就是智能化企业吗？买一台一体机即可实现AI智能化吗？企业应用AI的第一道难关便是技术的复杂性。只有经历过AI项目建设的企业才知道AI技术的复杂性远超企业的预期:

第一，首先在技术上实现就需要专业的技术团队支持，搞大模型开发、工具对接、接口开发等等都需要专业技术，对于不差钱的国央企而言养一支开发团队不算什么，但对于大部分民企而言就需要莫大的战略决心，而中小企业就只能“望人兴叹”了；

第二，高昂的算力成本也是档在众多企业AI道路上的拦路虎，虽然当前硬件成本已经下降了很多，但想要实现高性能、复杂运算低配的服务器还是捉襟见肘，低配用不了，高配用不起，这也是当前部分企业AI算力的囧境；

第三，如果要问体现AI价值的基础是什么？毫无疑问那就是数据，为什么很多企业搭建了知识库场景应用起来却与预期相差很多，一个重要的原因就是数据质量太差，AI模型训练需要高质量数据，但当前大部分的传统企业缺乏数据治理的意识及能力，导致AI输出的结果差强人意；

第四，AI技术的开发需要兼具算法、工程和业务理解能力的复合型人才，但此类技术性综合人才非常匮乏且成本昂贵，所以普通企业也是难以负担起的。

从以上四点我们不难看出，AI技术不是简单的技术实现，它依赖数据质量、算法优化、算力支持和持续迭代，任何一个环节的短板都会导致项目失败。让一众企业苦恼的是AI不但需要较高的技术门槛，且案例较少都是在不断试错中前行，并不是企业舍得投入就立竿见影的，在场景实现上还存在着高度的不确定，有时如雾里看花般让企业迷茫，投入大量的技术研发是否值得？

30%的狂欢：领导层的狂欢与焦虑、跟风与泡沫

在AI浪潮下，部分企业管理者由于缺乏对AI的正确认知往往陷入对AI的狂热追捧，甚至产生不切实际的想法，比如某企业领导层对开发团队说：等引进了AI技术你们这些程序员都要统统下岗，我只要用AI自动编写软件就行，想要什么软件就编什么软件！所以不难看出“AI万能论”确实让一部分企业领导的肾上腺素飙升，他们认为AI可以解决所有的企业问题，为此盲目投入大量资源，却忽视了企业自身的能力与场景的适配性。

有狂热追捧自然就有焦虑，一些企业领导看到行业竞争对手宣布AI战略或进行AI项目建设后，再加上一些供应商和咨询公司鼓吹的“AI颠覆论”，产生巨大的焦虑感，认为再不跟进就要被时代抛弃，于是在不考虑企业实际的情况也匆匆上马AI项目，只为追求技术潮流而非真正解决问题。

以上问题导致的后果就是资源错配与浪费，企业投入大量预算采购所谓的AI解决方案，仅是为了体现“数字化转型”的政绩，面子工程而已；而一些盲目追风的企业管理层期待AI短期内带来颠覆性变革，但实际落地效果往往低于预期，最终导致项目难以继续维持，烂尾！

10%的应用：落地难

AI技术若想在企业真正落地应用产生价值必须满足三个条件：

第一，明确的应用场景及目标；

第二，可衡量的ROI；

第三，与现有系统的无缝对接；

但AI在企业的落地却面临如下困境：

1.技术与业务脱节严重：

比如技术团队关心的算法，而业务部门却只关心结果能否马上实现降本增效，两个部门目标不一，鸡同鸭讲，不在一个频道，存在沟通难的境况；

2.存在变革的阻力：

企业应用AI可能会对组织重构，对人员素质能力提出更高的要求，这就会导致一些员工的消极配合甚至公然对抗，存在应用验证难；

3.短期回报难：

AI项目需要不断的优化迭代才能越用月聪明，需要企业坚持长期主义，但由于一些企业领导对AI的高期望，短期内难以看到效果，极易导致AI项目半途而废。

从以上这些现实问题我们不难看出，当前AI技术虽蓬勃发展，但存在企业落地难、成功案例稀缺的尴尬局面，这揭示了技术与商业之间的真实鸿沟，想要打破AI应用的困局，企业在认知上需要理性看待AI，承认AI的局限性，不是所有问题都适合用AI解决；在AI项目的建设策略上要小步快跑，先做MVP（最小可行产品），验证效果后再逐步扩展，避免一次性投入过大；在组织管理上需建立协同机制，让业务、技术和数据团队深度协作，确保AI解决方案真正贴合需求，从“技术驱动”转向“需求驱动”、“价值驱动”。

所以AI不是魔法，它的价值不在于技术本身，而在于如何与业务结合。只有当企业放下对AI的盲目崇拜，真正关注那“10%的应用”时，技术才能从泡沫走向实效。

——The End——