智能体普及之后,企业AI转型怎么做
/传播易/过去两年,不少企业在AI上的投入不可谓不大:采购大模型、组建技术团队、上马试点项目,预算花出去了,落地效果却常常不及预期。问题出在哪?
2026年10月13日,在"AI赋能商业·科创智启未来"复旦科创先锋论坛现场,复旦大学管理学院立足科创战略、依托科创管理研究中心打造的人工智能管理工坊(AI Management Lab)正式启动。这个工坊不做算法开发,而是专注回答一个管理层面的命题:企业究竟该如何进行AI转型。
其中,上海熠知电子科技有限公司董事长黄海清分享了一套完整的企业AI转型五步法:立足业务刚性痛点,完成场景与智能体选型;遴选大模型合作伙伴;判断垂类模型路径;构建高质量数据集;部署云边端协同算力——并且全程坚持一把手牵头、业务与技术深度融合。这套方法串起了论坛多位嘉宾的一线经验,本文就沿着这五步,把企业AI转型的关键环节讲清楚。
第一步:从刚性痛点出发,找到AI+的业务价值
AI转型最常见的弯路,是先买一个通用工具,再回头找它能用在哪里。结果往往是工具很先进,业务没变化。
黄海清认为五步法中的第一步就是立足业务刚性痛点,完成场景与智能体选型。那什么叫刚性痛点?可以理解为,AI应该进入可以直接决定经营结果的核心业务,而且效果须用业务指标量化验证。相反,如果一个AI项目无法说清楚能解决什么问题,大概率也无法陈述能带来什么业务价值。
据叮咚买菜副总裁兼研究院院长申强介绍,叮咚买菜把AI深度用在需求预测、订货及库存调拨等核心业务上,成功把端到端损耗率降至1.25%,助力企业连续两年实现规模化盈利——损耗与缺货的平衡、用户满意度和复购率,就是他们衡量AI价值的标尺。家辉教育创始人彭家辉的团队则用自研模型做作文智能批改,批阅效果达到中高级教师水准,把传统批改周期长的问题真正解决掉了。
第二
场景定了,接下来是选模型。模型能力越来越强,获取成本越来越低,一个自然的想法是:直接用最好的通用大模型就行了。但一线实践的反馈并不支持这个判断。
特赞科技创始人范凌在论坛上指出,未来模型将走向多元化,通用模型难以适配细分业务,长程决策、后训练的垂直模型会成为趋势。这意味着企业在遴选合作伙伴时,要看的不是谁的模型参数最大,而是谁真正理解你的业务、愿意和你一起打磨细分场景。
和选伙伴紧密相连的,是垂类模型的路径判断:哪些环节用通用模型打底,哪些环节必须结合企业私有知识做后训练。这背后是一个更深的问题:当模型能力趋于普及,人人都能买到差不多的技术,企业之间靠什么拉开差距?创新药企业君实生物的实践提供了一个答案。君实生物信息技术与数字化副总裁雷斌说,目前AI已覆盖其靶点发现、分子设计、临床开发等多个环节,但实验室验证、临床试验这些物理验证过程无法被AI替代。他谈到模型能力趋于普及时,真正拉开差距的将是"AI与物理验证衔接的能力、企业自身的知识和数据沉淀,以及组织能力"。
所以对多数企业来说,垂类模型不是一道"做不做"的选择题,而是一道"自己的数据和知识沉淀在哪里"的战略题。
第四、五步:构建高质量数据集,部署云边端协同算力
垂类模型的效果,直接取决于喂给它的数据质量。高质量数据集的构建,也因此成为五步法中独立的一环。
据介绍,君实生物能把AI用进药物研发核心环节,靠的正是长期在医学洞察、分子设计领域沉淀的专业数据。数据沉淀不是转型启动后才做的事,而是要在日常业务中就有意识地积累、清洗、结构化——这一步做不扎实,前一步的模型路径判断就成了空中楼阁。
智能体普及带来的一个显著变化发生在算力层面。黄海清则认为,伴随智能体应用兴起,算力格局迎来重大变革,产业正由过去的GPU主导转向CPU与GPU双轮驱动,算力部署也要相应地做云、边、端的协同规划。对企业更实际的问题是部署位置的选择。法至科技CEO程翰的判断是"数据在哪里,智能就在哪里",智能体自主迭代会产生海量GPU、CPU与存储资源消耗,而端侧场景对低延迟的需求,正推动算力和智能下沉。复旦管院信息管理与商业智能系卢向华教授进一步指出,随着端侧智能普及,头部企业的AI应用将逐步从云端转向内部自建。
中小企业未必需要走到自建这一步,但至少应该提前想清楚:核心业务数据放在哪里,哪些环节可以上云,哪些必须留在本地。这个决策做得晚,日后的迁移成本会很高。
转型没有标准答案,但可以少走弯路
五步之外,论坛讨论中还提到两件容易被忽略、但贯穿转型全程的事。
程翰建议,甲方企业应把评测体系放在AI落地的前置位置,搭建持续自动化验证机制。AI转型的效果不能靠感觉判断,要用业务指标说话,而不是等项目做完再回头算总账。黄海清特别强调,AI转型要坚持一把手牵头、业务与技术深度融合。这不是IT部门一个团队能完成的项目,涉及流程再造和跨部门协同,没有足够的推动力很难走通。范凌也提醒,单纯给员工配备AI工具,并不必然带来企业整体效率提升,AI转型本质上是一道管理命题。
需要承认的是,企业AI转型至今仍是一个没有成熟范式的领域。技术可以采购,但如何把AI嵌入真实业务场景、重塑组织能力、构建可持续的商业价值,恰恰是管理学要回答的命题。单家企业闭门摸索,试错成本很高。
这正是高校与企业联合研究的价值所在。复旦大学管理学院人工智能管理工坊依托科创管理研究中心设立,立足企业真实业务场景,探索人工智能与管理实践的融合,并将学术研究、企业实践与人才培养相衔接。据悉,工坊计划以3年为研究周期,首批精选8个场景,与复商集团、特赞科技、叮咚买菜、君实生物、家辉教育等9家单位开展联合研究,既积累成功经验,也记录失败案例,为中国企业的AI转型提供参考,降低试错成本。










































