AI浪潮重塑千行百业 商业化落地如何跑出“加速度”？

（原标题：AI浪潮重塑千行百业 商业化落地如何跑出“加速度”？）

从生成式人工智能（AI）到智能体AI、物理AI时代，千行百业正以前所未有的速度被重塑，技术商业化落地有望跑出“加速度”。

中国互联网络信息中心发布的《生成式人工智能应用发展报告（2024）》显示，中国初步构建了较为全面的人工智能产业体系，相关企业超过4500家，核心产业规模已接近6000亿元人民币，产业链覆盖芯片、算法、数据、平台、应用等上下游关键环节，技术渗透至各行各业，成为经济转型升级的关键密码。

3月21日，以“‘AI+商业’进化论”为主题的行业峰会在中欧国际工商学院上海校区举行。中欧x特赞人工智能与商业创新研究基金执行委员会主席、中欧国际工商学院市场营销学教授、市场营销学系系主任王琪表示，企业AI应用要突破“重概念、轻实效”的误区，以战略前瞻性布局拓宽技术覆盖场景，同时深耕业务场景，实现精准落地。

生成式AI不仅是降本增效工具，王琪强调，企业更应通过数据洞察重构用户需求、孵化新商业模式，将技术嵌入企业决策闭环，通过敏捷迭代与组织文化适配，实现AI与核心业务的深度协同与价值裂变。

随着领军企业从工具级应用向生态级重构跃迁，这种范式变革或将重新定义未来十年的商业竞争规则。

垂直领域应用或将迎来爆发期

随着人工智能成本降低，越来越多的机遇涌现。

欧莱雅北亚及中国CIO赵枫预计，生成式AI正加速从单模态向多模态迭代，未来12―18个月垂直领域应用将迎来爆发期。中国市场的独特优势在于开源生态活跃与人才储备丰富，企业应强化数据治理，通过轻量级投资快速推进实践，抓住当前行动窗口期。

如何实现AI规模化？亚马逊云科技CTO刘亚霄认为，核心在于可扩展性（Scaling）。他强调要利用大模型的泛化能力、多模态处理能力和深度思索能力。AI要想落地，“谈钱不伤感情”，资金是基础模型或行业大模型的门槛，而快速迭代与业务指标导向是确保AI项目盈利的核心策略。

随着AI+商业的应用从概念验证进入规模落地阶段，企业可通过业务流程智能化改造实现降本增效，依托组织能力重构培育AI原生竞争力，从而赋能业务增长。

中欧国际工商学院战略学助理教授陈卓认为，AI项目推广需兼顾自上而下与自下而上两条路径，强调多部门协同与敏捷验证，企业应该借力DeepSeek突破业务场景复杂性。她建议中小企业聚焦现成工具的场景适配，在“低成本试错”中探索AI技术的边界。

不过，特赞科技Tezign创始人兼CEO范凌也提醒，尽管AI在总体上能够显著节省时间，但为了实现这一目标，必然需要在某些环节投入更多时间，例如编辑、核查等环节。每个企业基于其独特的立场和视角，普遍存在以下四种实施路径：小步快跑，快速试错；人本主义，赋能员工；实用主义，注重结果；全面拥抱，重构基础设施。这些路径为企业提供了多样化的选择，以适应不同阶段的需求和目标。

如何应对AI幻觉等挑战？

危与机总是如影随形，在AI发展如火如荼之际，幻觉和隐私风险等风险也不容忽视。

大模型目前面临的“幻觉”问题，主要根源在于训练数据的污染。英伟达CEO黄仁勋表示，业界在未来几年内无法解决人工智能的幻觉问题，整个行业也在重新思考如何在有限数据和资源下更有效地训练模型。

人工智能“一本正经地胡说八道”，如何应对挑战？范凌对21世纪经济报道记者表示，技术永远都是双刃剑，需要合理运用。很多企业开始搭建自己的知识库，不用大模型的数据，减少AI幻觉，企业对于AI的边界有了更好的理解，会加强核查。

21世纪经济报道记者也将这一问题抛给了DeepSeek，它认为减少AI幻觉需要多维度策略：优化训练数据，改进训练方法，生成时通过检索和调整参数增强确定性；引入自我校验与外部工具验证关键事实；用户需明确提问并交叉验证信息。受限于概率生成本质，完全消除幻觉比较困难，需持续结合技术迭代与人工审核提升可靠性。

此外，亿滋国际大中华区总裁范睿思还提醒，生成式AI带来效率红利的同时，也需要警惕内容同质化、价值观偏差及数据隐私风险，品牌需建立“AI内容治理框架”。一方面，通过内部培训（如创意团队AI工具认证）和外部合作（联合平台/技术服务商）构建敏捷内容生态；另一方面，需坚守品牌核心价值，避免过度依赖AI，导致“创意空心化”。未来品牌需平衡好“规模化内容供给”与“有温度的品牌叙事”。

应对隐私风险需要多管齐下。王琪对记者表示，DeepSeek可以让企业进行私有化部署，数据隔离保障是一种解决办法。范凌认为，如果用过去的法律和道德框架去衡量新的技术会错配，因此需要与时俱进。