《CEIBS&增长黑盒：2025年AI时代的商业进化蓝图（37页）.pdf》由会员分享，可在线阅读，更多相关《CEIBS&增长黑盒：2025年AI时代的商业进化蓝图（37页）.pdf（37页珍藏版）》请在三个皮匠报告上搜索。

1、AI时代的 商业进化蓝图AI is the new oxygen5目录121416162124273034364044505660636465进化之惑：为何企业对 AI“口是心非”？1.1 期望与现实的差异1.2 项目的战略鸿沟进化蓝图：解码企业 AI 战略路径2.1 AI战略目标广度2.2 AI 落地深度2.3 构建 AI 战略矩阵进化样本：6 家企业的 AI 战略最佳实践拆解案例 1：某国际耐消品零售品牌案例 2：某国民家居品牌案例 3：美的案例 4：伊利案例 5：欧莱雅案例 6：Shutterstock进化未竟：AI 商业应用的前沿趋势4.1 垂直场景解决方案和“AI原住民”增多，更多的

2、基因突变将会诞生4.2 从单一的 AI 工具到智能体协作，促进规模化、系统化4.3 行业垂直的模型将成为企业的“数字 DNA”67AI IS THE NEW OXYGEN：AI 时代的商业进化蓝图序言人类文明的每一次跃迁，都始于技术对商业基因的重塑从蒸汽机叩开工业之门，到电力点亮现代文明，从互联网编织全球脉络，再到今天，生成式 AI 正以颠覆性浪潮冲刷商业世界的每一块基石。2024 年，企业在大模型相关 AI 技术上的支出激增至138亿美元，是 2023年的六倍以上。这一数字不仅是技术的跃迁，更昭示着一个新时代的临界：当 AI 从“工具”蝶变为“生态”，商业竞争已悄然迈入“认知重构”的深水区。

3、技术是撬动变革的支点，认知重构的深度则决定了商业进化的高度。以大模型为代表的新一代 AI，不同于传统 AI 的线性“输入输出”模式，通过千亿参数构建的神经网络，展现出类人的抽象推理与跨域迁移能力，使机器首次具备“理解语境归纳规律创造新知”的认知闭环。这种“通才”特质，使得 AI 从单一任务的执行者升级为复杂系统的思考者无论是营销内容的自动生成、消费者需求的动态捕捉、新产品创新，还是商业模式的颠覆性创新，AI 正以个性化、智能化、自动化、实时化的方式，重塑企业的决策体系与价值创造路径，并催生出一批具有时代特征的“商业新物种”。在以上技术突破与认知重构的双重驱动下，这场商业进化正从宏观叙事转向微观

4、实践的关键阶段。但进化从来不是单向的馈赠，当技术的光环褪去，企业终需直面变革的阵痛。当前，大多数企业正站在 AI 商业化落地的临界点，在普遍认同 AI 战略价值的同时，也普遍困于“技术在场”与“价值落地”之间的结构性断层，技术浪潮的澎湃之下，是战略模糊、组织脱节与人才焦虑的暗流。这种困境的根源在于商业系统复杂性的指数级增长：AI 在打破行业边界的同时，也重构了价值网络的连接密度，传统线性管理思维已难以驾驭这种多维博弈。在技术理想与商业现实的剧烈碰撞中，学术机构正承担着弥合认知鸿沟的关键使命。作为中国与欧盟合作创办的全球化商学院，中欧国际工商学院始终秉持“助推中国经济发展，搭建国际交流平台”的初

5、心，以跨学科研究为锚点，密切关注 AI 技术对商业社会的深远影响。我们深信，助力企业在智能时代找准定位、实现转型，不仅是学院的责任，更是推动商业文明进步的要义。为此，中欧 x 特赞 AI 与商业创新研究基金特别推出AI 商业创新白皮书，旨在为企业管理者提供一套系统化、可落地的 AI 战略框架，帮助他们在技术洪流中锚定方向，从战略构想迈向价值创造。本白皮书以“进化”为脉络，从战略框架到实践路径，从行业样本到前沿趋势，系统勾勒 AI 时代的商业蓝图。白皮书创作过程中，研究团队秉持严谨学术态度，运用多学科研究方法，提出的“33 战略矩阵”，以企业的 AI 战略目标广度（降本增效、驱动增长、模式创新）

6、和技术落地深度（探索期、规模期、重构期）为坐标轴，为企业的 AI 转型提供系统性指引。通过这一框架，管理者可以评估企业AI 应用的现状，明确战略诉求，找到自身所处的位置，并规划下一步行动。这一矩阵提供相应的策略建议，适用于企业 AI 应用的各个阶段从探索起步到试点推进再到规模化落地，确保 AI 战略与业务目标同频共振、协同推进。衷心希望本白皮书能为企业管理者提供兼具战略高度与实操价值的指导，助力企业跨越 AI 应用的门槛，从战术改善走向战略重构。未来已至，AI 正重塑商业世界的呼吸节奏。中欧国际工商学院将继续以全球化视野和本土化洞察，携手各界伙伴，以学术为基、以实践为桥，以开放之心迎接挑战、以

7、智慧之手擘画蓝图，在这场波澜壮阔的智能革命中，共创属于人类的商业新纪元。汪泓 教授中欧国际工商学院院长（中方）管理学教授横店集团管理学教席教授杜道明(Turpin,Dominique V.)教授中欧国际工商学院院长（欧方）市场营销学教授89AI IS THE NEW OXYGEN：AI 时代的商业进化蓝图序言150 年前左右，我们发明了电，有了电，我们可以很容易地预测电梯的出现。有了电梯，我们就可以很容易地预测摩天楼出现。当我们从水平的地面生活发展到垂直的空间时，我们看到了 100 层的风景，但我们却难以预测曼哈顿出现，作为一种文化，甚至文明。两年前，我们开始了解 GPT（Generative

8、 Pre-Trained Transformer），GPT 还有另一种含义General Purpose Technology（通用目的技术）。如同电力一般，以 GPT 为代表的生成式人工智能将对每个人的生活产生影响。我们坚信，一定会有一个属于 AI 这一代通用技术的“曼哈顿”出现，它将由各式各样的商业创新共同构建而成。我们一直提倡企业面对人工智能应该要“先行后知”。先行动、快速尝试、试错，然后再进行分析、反思、调优。短短三年，我们作为“行”动者，为 200 家国内外领先企业开展了“内容+人工智能”方面的创新实践，包括内容生产、管理（DAM）、分发、分析等关键环节。实实在在的看到了人工智能为企

9、业业务增长带来的巨大机遇。2024 年中，我们联合中欧国际工商学院，发起了中欧 x 特赞 AI 与商业创新研究基金，希望可以开始做一些“知”，构建一套人工智能落地商业的“可操作框架”，为行业发展提供坚实的理论支撑。在此要感谢汪泓院长的长期支持，王琪、鲁薏等中欧教授们的深入研究、以及众多企业朋友们提供的行业洞察，得以编纂这本AI 商业创新白皮书。白皮书以“进化”为视角，基于全局视野与分层递进的设计思维，对数百家企业进行深度调研后，研究团队发现：AI 的商业化进程并非简单的工具叠加，而是战略认知与组织能力的双重进化。在战略层面，企业需要完成从 增效 到 增长 再到商业模式创新的三级跨越这意味着AI

10、不仅要成为降低成本的有效工具，更要推动收入增长，最终重塑行业价值链条；在落地实施方面，则需跨越 概念验证的技术浪漫主义阶段，突破业务渗透的协同障碍，最终实现组织重构，使 AI 深度融入企业的核心。“知”和“行”就像左右脚，不断有节奏的交替，与人工智能这个移动靶保持合适距离。这本白皮书又会是新的“行”的开始在特赞我们开始了一个新的尝试 atypica.AI，致力于用多智能体进行商业问题的分析和研究，这也是一次AI原生的商业研究体验的范式探索。我们相信，未来将有更多AI原生的应用、体验、解决问题的方式可以由此涌现出来。我们诚挚地希望该白皮书能为企业管理者提供兼具战略高度与实际操作价值的指导，帮助企

11、业跨越 AI 应用的门槛。从企业 AI 战略地图出发，让我们沿着技术发展的脉络，共同探寻商业+AI 落地实践的操作路径。麦克卢汉说过，人类创造了工具，工具又塑造了我们。让我们彼此确认眼神，共同创建（Build&Create）属于AI时代的新商业文明。范凌特赞科技 Tezign 创始人及 CEO中欧 x 特赞 AI 与商业创新研究基金主席1011AI IS THE NEW OXYGEN：AI 时代的商业进化蓝图前言2024 年，企业在大模型相关的 AI 上支出激增至 138 亿美元，超过 2023 年 23 亿美元的 6 倍以上1。然而在技术革命的背后，企业应该如何理解新一代 AI 浪潮带来的冲

12、击？商业究竟处于一个怎样的时代？我们从生物进化的角度，找到了一个形象的比喻：寒武纪生命大爆发（Cambrian Explosion）。如果把地球生命 38 亿年的历史压缩到一天，寒武纪大爆发就发生在晚上 9点 35 分至 42 分。这个只占全天时间 0.53%的瞬间，却创造了现存 34 个动物门类中的 28 个，也让现代生命从单细胞飞跃到了多细胞的新时代。比尔布莱森在其科普巨著万物简史曾打趣的形容：“差不多 40 亿年的时间里，生命一直是慢腾腾的，看不出有任何朝着复杂方向前进的雄心壮志”，直到寒武纪大爆发。为何地球生命的进化会在“瞬间”爆发？科学家们发现这归功于环境的变化，更确切的说是氧气含量

13、的变化2。地质环境持续变化，以及单细胞生物进行光合作用产生氧气，在地球上积累了 30 多亿年，让大气及海洋中的氧气含量终于突破了 15%的阈值，使得生物能够高效进行有氧代谢。这就像一直处于低电量模式的手机被接上了快充-生物有了强大的能量供给来支撑复杂的器官组织和生理活动。同理，经过工业革命 300 年的积累，基于大模型的 AI 技术终于诞生，并迅速突破了应用渗透率的阈值-与之前的 AI 技术相比，核心突破主要体现在 通才能力 和认知深度上。传统AI如同掌握单一技能的专业工匠，需针对每个任务（如图像识别、翻译）单独训练专用模型，依赖人工标注的海量数据。新一代 AI 则像具备综合素养的学者，通过千

14、亿级参数构成的神经网络，从原始文本中自主归纳语言规律和世界知识，展现出跨领域的理解能力，并具备了新知识生产的“涌现”能力。这使得 AI 应用突破了过去 输入-输出 的机械模式，开始处理开放式复杂任务。AI 逐渐成为了企业“呼吸”中必备的元素，让商业增长的爆发有了真正的可能性，也加速了商业“新物种”的诞生。我们有理由确信：AI is the new oxygen。然而，生命进化的故事同样预示了一个挑战：寒武纪虽然涌现出了数千个新物种，但 99%都很快灭绝了，未能延续到现代。虽然 AI 为企业商业模式创新带来了前所未有的机遇，但进化的核心是适者生存，如同生物要适应环境中的氧气浓度持续变化，企业也要

15、不断适应当前 AI 带来的商业环境改变，才有可能建立长期的竞争优势。当前企业正处于 AI 商业应用的关键分水岭。一方面，AI 正以前所未有的速度重塑产业边界和竞争规则；另一方面，大多数企业尚未找到从战略定位到系统实施的有效路径，陷入概念验证与规模应用之间的 价值鸿沟。其中，生成式 AI（generative AI）的商业应用已经成为了企业最关注的焦点，也是这份报告的主要研究对象。传统 AI 通常作为后台工具，生成式 AI 则更多走向了前台，使得其降本增效、驱动增长、商业模式创新的价值能够被清晰的看到。本报告旨在为企业管理者提供一个结构化的战略框架，解析企业如何在 AI时代完成从战略定位到价值创

16、造的系统性转型。我们将剖析企业 AI 转型面临的战略困境，探讨从初期探索到规模化应用的实施路径，并通过 33 战略矩阵，系统梳理不同业务目标与应用深度下的价值创造模式。通过多元案例的深度剖析，我们试图向读者清晰呈现一张企业 AI 战略地图：企业如何突破 AI 应用的系统性障碍？不同阶段的战略重点与组织能力如何匹配？如何从战术性改善跃升至战略性重构？这些关键问题的答案，将决定企业能否在AI 驱动的商业环境中立于不败之地。1213AI IS THE NEW OXYGEN：AI 时代的商业进化蓝图进化之惑：为何企业对AI“口是心非”？1415AI IS THE NEW OXYGEN：AI 时代的商业

17、进化蓝图1.1期望与现实的差异从外部视角来看，整个市场都在狂热的追捧 AI。高盛的数据显示，过去 3 年里，头部上市公司频频在业绩会中提及“AI”这个关键词，热度以指数级爆发。到了 2024 年 Q4，标普 500 成分公司中，竟然有一半都提及了 AI。而根据麦肯锡的最新调研，65%的受访者预计 GenAI 将对他们的行业带来显著或颠覆性的变化，72%的组织现在在至少一个业务职能中使用AI3。可矛盾的是，企业内部对于生成式 AI 的兴趣正在逐步冷却。德勤在 2024 年的全球调研显示：Q4 相比 Q1，企业高管或业务负责人的兴趣明显下滑，董事会对于 AI 的兴趣程度甚至低于了普通员工-只有技术

18、负责人长期保持了最高的兴趣程度4。在企业应用 AI 的过程中，遇到了“内冷外热”的情况标普 500 指数的公司中，在季度电话会上提及“AI”的占比60%50%40%30%20%10%0%董事会C-level 管理者技术负责人业务部门负责人基层员工2015 2016 2017 2018 2019 2020 2021 2022 2023 2024 62%-16%-15%-8%+1%46%74%59%86%86%64%56%49%50%2024Q1 2024Q44Q2450%*数据来源：Goldman Sachs Global Investment Research，Deloitte 不同职级对于“

19、生成式 AI”的兴趣程度另一方，从 2019 年到 2024 年，每年都有 17-25%的企业声称会在一年内部署 AI 能力-按理说 AI 落地应用数量将呈现双位数增长。可实际上，真正落地的项目每年只增加了 2-5%5。为什么企业嘴上说着想要进化，但实际行动却并非如此呢？核心原因在于：大部分企业 AI 战略推进的路径不清晰，AI 项目短期内并不能从概念验证阶段（POC）走向成熟业务部署，也没有规模化的业务价值。Gartner 发现，平均只有 48%的 生成式 AI 项目进入生产阶段，从生成式 AI原型到生产需要 8 个月6。根据 IDC 的调查，仅有 28%的企业管理者认为在未来一年内会看到

20、AI 项目的投资回报7。对比区块链、AR/VR 等其它技术的落地，生成式 AI 的进度显然更加落后8。如果聚焦到国内市场，虽然有 53%的大型企业都已经积极布局生成式 AI 项目，但仅有 20%设置了独立预算或取得成果9。AI 的价值难以在业务上实现规模化已经有相应的支出预算已经取得一定成果有专门团队负责落地，但还在研究进行过生成式 AI 的培训或分享各团队自行探索尚未进行在核心业务上有了成熟的流程有限的场景中部署有限的领域做小范围有限的场景做概念验证生成式 AI区块链AR/VR*数据来源：Luicdworks，EY，Gartner，火山引擎 只有少量项目超越了试点计划或概念验证阶段，实现全面

21、部署和运营全球企业：生成式 AI 对比其它先进技术的落地进度中国企业：生成式 AI 在大企业的落地进度AI 项目成功率 9%11%15%19%23%24%80%20%10%1%18%13%68%26%64%25%1617AI IS THE NEW OXYGEN：AI 时代的商业进化蓝图1.2AI 项目的战略鸿沟从顶层来看：在全球范围内，尽管大多数 CEO 声称非常重视 AI 的价值，并将其列为公司的 TOP 级战略，但他们当中仅有 35%制定出了清晰的战略愿景和路径规划10。对于那些尚未制定出 AI 路线图 CEO 来说，64%的人发现公司的 AI 项目在试点阶段就收效甚微，更别提规模化部署了

22、。因为他们在实施 AI 项目时难以能定义具体、可衡量的业务目标，导致难以评估成功并证明 ROI11。许多企业管理者在未厘清 AI 能解决什么问题 的前提下，就匆忙跳至实施阶段，导致项目方向偏离业务核心需求。业务团队可能不清楚 AI 能够解决哪些关键业务问题，而技术团队则可能不了解业务的真正需求，导致双方沟通不畅、合作受阻，最终影响 AI 项目的有效推进和规模化。美国知名咨询公司兰德(RAND)揭示了一个令人警醒的数据：普通 IT 项目的失败概率约为 40%，而一旦项目涉及 AI 技术，这一数字会飙升至 80%，误解项目意图以及沟通不畅成为最主要的失败原因。这种战略决策链条的断裂，成为 AI 项

23、目从概念验证到规模落地过程中最难逾越的鸿沟12。从中层来看：当 AI 项目缺乏统一的战略目标时，各个业务部门可能会根据自身的局部需求和理解来开展 AI 应用，导致项目之间缺乏协同，甚至出现目标冲突。有 7 成的管理者认为，公司里的 AI 应用几乎都是“孤岛”式的存在。有顶层：缺乏 AI 战略愿景和规划路线图中层：权责分工和部门协同存在阻力基层：对 AI 缺乏认知或存在抵触情绪6 成以上的 CEO 认为 AI 项目推进使得管理层和员工之间、IT 团队和其它业务部门关系紧张13。管理者认为 AI 战略的决策权几乎是自己与 IT 团队 7/3 开，只把 3%的权利分配到业务部门。但在员工眼里：IT

24、部门主导 5 成，高管 3 成，业务部门至少有 15%的权利13。对于 AI 项目推进，8 成 CEO 对此表示很自信，而仅 3 成的中层管理人员对此表示乐观12。从基层来看：执行者的认知很可能与管理者大幅度脱节-AI 项目迟迟无法渗透到基层的工作中，就如同部队里的先进武器无人愿意使用。73%的管理者认为自己公司的 AI 项目是有计划、有节奏的推进，但认同这个观点的员工只有 47%13。60%的 CEO 对于 AI 持有积极态度，相信 AI 会提升产品/服务质量，而只有 21%的员工认为 AI 会为自己创造新机会。甚至有 35%的员工对 AI 持有消极态度，比如没有信心掌握 AI 技能14。最

25、惊人的是：有 31%的员工意识到了自己正在对公司的 AI 项目推进产生负面影响（比如数据泄露），但对此毫不在意13。1819AI IS THE NEW OXYGEN：AI 时代的商业进化蓝图进化蓝图：解码企业AI战略路径2021AI IS THE NEW OXYGEN：AI 时代的商业进化蓝图那么，企业应该如何去制定清晰的 AI 战略、解决业务脱节的问题呢？这可以分为战略目标的广度和落地应用的深度来思考。规划 AI 战略蓝图的两个维度窄浅深广AI 战略目标广度AI 落地深度研究显示，76%的生成式 AI 应用领导企业能够将 AI 技术和业务目标有效对齐-该比例显著高于普通企业15。我们将 AI

26、 战略横向的业务价值点分为下列三类。2.1AI战略目标广度-广告与营销内容生成-自动化客户服务与支持-智能文档处理与合同审查-员工助手与知识管理-代码生成与软件开发-财务流程自动化-人力资源自动化-供应链优化及生产安全监控新用户：-数据驱动的精准营销-社交媒体运营-互动式营销活动新收入：-个性化产品推荐和服务-销售线索生成与培育-社群及私域营销新产品：-新产品研发全流程-市场研究与经营数据分析-将标准化产品转变为高度个性化服务：设计、教育、快消品-将专业知识转化成数据应用与服务：律所、财务、研究机构-将 AI 能力融入智能硬件：3C 电子、家电、医疗设备-将 AI 能力融入个性化定制制造：制造

27、业、家具、服装-将 AI 能力作为软件与硬件共同形成 解决方案：制造业降本增效目标：稳固内核，可量化的成本节约和生产力提升 切入点：ROI 清晰的成熟业务场景目标：强化客户关系和体验，基于当下扩展新收入切入点：价值交付方式不同的新业务场景目标：商业模式转型，押注未来的指数级增长机会切入点：从产品导向转向解决方案和平台思维降本增效驱动增长驱动增长商业模式创新商业模式创新核心业务核心业务新市场/客户核心业务新业务新业务2223AI IS THE NEW OXYGEN：AI 时代的商业进化蓝图在探索新兴技术时，企业会习惯性的“广撒网”。但如果同时开展过多的 AI项目，目标又不明确，这会导致在低影响应

28、用上稀释资源，而高价值的项目则被忽视。对于在 AI 应用上领先的企业来说，同时开展试验的 AI 项目数量比普通企业要低 40%，但预期 ROI 却要高出 2.1 倍16。因为从优先级的角度来看，领先型企业更倾向于“把钱花在刀刃上”：围绕降低成本&增长营收两大目标，在运营、营销和市场等核心职能上开发 AI 的应用场景，而非客服、财务等支持性部门17。在生成式 AI 应用领先的企业，更多在核心职能上创造价值生成式 AI 应用的潜在价值分布（降低成本或增长营收）核心职能部门分布支持性职能部门38%客服、IT、流程、财务、法务、HR 等核心职能部门 62%运营销售与市场营销23%20%13%5%研发供

29、应链*数据来源：BCG在制定 AI 战略目标时，大部分管理者的共识都是“自上而下”来推动，将其作为一把手工程。然而，其中却有一个误区：CEO 习惯于抓大放小，只去看顶层设计，而不去跟进后续的落地环节。多项研究显示，相比于整体战略架构，CEO 在业务场景相关的决策上参与度大幅下降-而这恰恰是领先公司与落后公司的差异点所在1018。如果 CEO 完全把落地执行交给 IT 团队和业务团队自行配合，而不去关注具体细节，那么CEO自己还是无法了解业务目标对齐的痛点，更无法加速推动项目。在生成式 AI 应用领先的企业，更多在核心职能上创造价值CEO 在 AI 战略环节中的参与度 自上而下决策的占比：构思应

30、用场景 自上而下决策的占比：应用场景优先级排序70%32%26%18%13%57%35%63%46%整体战略定制识别应用场景评估技术开发工具技能培训领先者落后者领先者落后者*数据来源：Teneo，Bain2425AI IS THE NEW OXYGEN：AI 时代的商业进化蓝图然而，就算锁定了核心业务目标，企业也很难一步到位把成绩写在利润表上，间接的铺垫必不可少。我们先把 AI 应用推进的深度分为概念验证、扩展规模、组织重构三个阶段。2.2AI 落地深度概念验证AI-Assistant快速部署、小范围试验，聚焦单一业务痛点资源投入有限，周期短追求业务应用的 quick win从单点应用扩展到多

31、场景和多部门协作资源投入显著增加，周期中等决策标准转向投资回报率与规模效益人机协作模式重构，形成新型组织能力资源投入转向战略性重组，周期很长决策标准聚焦长期战略价值与差异化竞争力扩展规模AI-Copilot组织重构AI-Autopilot辅助决策：提供信息支持和初步分析，但不参与最终决策 流程外置：作为现有工作流的外部补充，而非内嵌组件 任务导向：解决特定、明确的业务问题，范围有限 人工监督：需要持续的人工参与和结果验证 能力增强：系统性提升员工工作效能和决策质量 深度协作：与人类形成互补的工作模式，共同完成复杂任务 流程集成：嵌入标准工作流，成为日常运营的必要环节 范围扩大：横向覆盖多个业务

32、场景，形成互联互通的应用网络 自主决策：在特定领域实现端到端的自动化决策 系统重构：基于 AI 能力重新设计整个业务运营架构 价值创造：开创全新的业务模式和价值交付方式 战略驱动：从工具性角色跃升为战略性资产 概念验证扩展规模组织重构企业很希望新技术能够解决复杂、系统性难题。但从项目的起点上来看，领先的企业更擅长取得“quick win”-当浅层业务价值快速摆在所有人眼前，就更容易获得组织的支持。Google 的研究发现，如果把提升员工生产力作为目标，就容易快速获得成效19。以细分场景来举例：品牌 CMO 眼中最重要的“quick win”是内容创作、社媒运营和社媒数据洞察20。Google

33、的研究显示：如果企业能够从概念验证阶段上升到生产落地阶段，ROI的确定性将会更强。而长期形成系统后，将能够给营收增长带来明显的贡献15。生成式 AI 项目能够在哪些目标上快速见效？CMO 眼中的“quick win”生产力业务增长用户体验成本效率安全性可持续性 53%14%12%12%5%4%*数据来源：Google Cloud，BCG*数据来源：Google Cloud内容创作社交媒体互动社交媒体数据洞察概念验证生产环境落地企业已经看到了ROI 回报企业落地一年后预估给营收带来了至少 6%增量生成式 AI 应用领导企业有 10个以上能够落地的应用场景生成式 AI 应用领导企业未来目标：TOP

34、1：提升客户体验TOP2：新产品研发TOP3：运营效率提升TOP4：员工生产力提升TOP5：加速创新-生产力提升：45%IT 和非 IT 员工工作-生意增长：63%获客/产品创新/收入/转化率-用户体验提升：85%互动率/满意度-安全态势提升：56%威胁识别/解决威胁落地一段时间后扩大规模对于生成式 AI 非常重要74%86%50%2627AI IS THE NEW OXYGEN：AI 时代的商业进化蓝图在 AI 项目不断在组织内推动的过程中，仅有自上而下的决策远远不够，更需要中层、基层员工自下而上发力。麦肯锡的研究显示，用强硬的命令或严格的 KPI 考核并不能有效调动员工积极性，他们更需要公

35、司的培训，以及对于工作流程的整合21。而如果一名员工具备了积极性，就能在组织中发挥巨大的能力，不仅能够主动帮助项目寻找机会点，还能够向其它人普及 AI 的价值、教别人使用-60%的人曾经直接帮助过项目的推动13。然而，德勤研究显示，虽然七成企业预计 AIGC 会改变人才战略，但仅 22%对员工进行了充分培训22。同时，有 35%的员工对 AI 持有消极态度，比如没有信心掌握 AI 技能14。AI 应用落地深度：需要更多自下而上的参与在员工眼中，公司的哪些举措会让自己在日常工作中更多的使用 AI？如果一名员工是“AI 倡导者”，他会采取的行动 48%57%52%50%48%38%45%45%41

36、%40%30%30%29%22%*数据来源：Mckinsey，Writer来自组织的正式生成式 AI 培训无缝集成到现有工作流程获取生成式 AI 工具的权限激励和奖励来自管理者的明确指示，要求使用生成式 AI将生成式 AI 使用作为认证计划的要求参与工具的开发将 OKRs/KPls 与生成式 AI 使用挂钩确认组织内生成式 AI 的机会展示生成式 AI 的价值培养对生成式 AI 和 AI 趋势的深入理解赋能并教育他人利用并尝试生成式 AI 工具建立跨职能关系当我们把两个维度组合在一起，就形成了一张 3X3AI 战略矩阵。企业可以在三大重要的业务目标下选择试点项目，再逐步将应用范围向规模化推进。

37、其中：企业可以聚焦在最核心的场景，也可以选择同时开始多个概念验证，多业务部门同时进行 一个试点项目在推进的过程并非是线性的，而是在过程中及时调整方向：启发新的概念，或直接转变业务目标2.3构建 AI战略矩阵*备注：此图仅用于思路演示，不能完全囊括所有公司走过的路径；一个公司可以有多条路径并行，也可能聚焦于一条路径。降本增效概念 1验证成功并规模化应用验证成功并规模化应用未能重构工作流验证成功并规模化应用可扩展到更多战略目标新业务实现指数爆发抓住新趋势启发新尝试启发新尝试启发新尝试多部门工作流程改变X验证失败概念 3概念 2概念 4概念 5窄浅深广AI 落地深度AI 战略目标广度驱动增长商业模式

38、创新概念验证扩展规模组织重构不过，企业成功识别并放大了那些价值显著的 AI 应用，这仅仅是 AI 进化历程的“上半场”，它们还不足以形成持久的竞争屏障真正的挑战在于如何将这些局部创新转化为企业的固有能力，就像生物进化中有利基因被 固定 在 DNA中并代代相传。埃森哲的最新研究揭示了这一阶段的重要性：从 2023 年到 2024 年，成功实现业务流程现代化、以 AI 为主导的公司数量几乎翻倍（从 9%增至 16%）。这些企业不仅在收入和生产力方面取得了显著提升（分别为 2.5 倍和 2.4 倍），2829AI IS THE NEW OXYGEN：AI 时代的商业进化蓝图更令人瞩目的是，它们在 A

39、I 应用扩展方面的成功率高出其他企业 3.3 倍23。真正的竞争优势并非来自AI技术的“在场”，而是来自AI驱动的业务流程“重塑”。无论是基于什么战略目标出发，企业最终的形态是进化到组织重构阶段。将 AI 从实验性项目转变为企业的内在能力，需要系统化的方法和全方位的变革。我们发现，成功企业通常聚焦于四个战略行动领域：1.流程再造：从补丁式应用到原生集成。不再是在现有流程上“贴”AI 功能，而是彻底重新设计端到端业务流程。领先企业会:绘制关键业务流程的全景图，识别每个环节的决策点和信息流 基于 AI 能力设计全新的工作方式，而非简单自动化现有步骤 建立新的衡量标准，聚焦整体流程成效而非单点效率

40、2.能力固化：从项目化管理到系统化能力。将 AI 从特殊项目转变为企业标准配置，成为日常决策和操作的一部分:开发内部 AI 平台和工具集，降低各部门应用门槛 建立 AI 能力中心，确保技术和经验在组织内部传播 将 AI 应用纳入标准运营程序(SOP)和工作指南 3.持续迭代：从静态应用到学习系统。AI 的价值在于持续学习和自我完善，这要求:建立数据反馈闭环，确保 AI 系统能从每次交互中学习 开发监控指标，实时评估 AI 性能并自动触发优化 规划定期更新周期，让 AI 能力随业务需求演进 4.组织协同：从技术孤岛到跨域整合。真正的 AI 转型需要打破部门壁垒，创造全新的协作模式:组建跨职能团队

41、，包含业务、数据和技术专家 调整绩效指标和激励机制，鼓励基于 AI 的创新和协作 改变决策流程，让数据和 AI 见解成为标准输入 研究显示，在领先企业中，87%实现了技术和业务团队的深度协作，而基础阶段企业中，88%表示两个团队之间几乎没有合作23这种差异直接影响了AI 应用的广度和深度。3031AI IS THE NEW OXYGEN：AI 时代的商业进化蓝图进化样本：6家企业的AI战略最佳实践拆解3233AI IS THE NEW OXYGEN：AI 时代的商业进化蓝图企业规模与 AI 战略感知呈现出显著相关性。数据表明，年营收超过 200 亿美元的大型企业中，有 71%认识到如不能尽快适

42、应生成式 AI 趋势将面临竞争劣势；而在年营收 50 亿美元以下的企业中，持相同观点的比例仅为 56%24。这种“危机感差异”进一步放大了大型企业的先发优势它们因对战略意义的深刻洞察，更可能投入充足资源抢占 AI 应用先机，从而在未来竞争中处于更有利地位。随着AI技术渗透率提高，我们正见证一个典型的“马太效应”在产业中展开。那些能够从概念验证阶段(POC)成功跃迁至生产落地阶段的企业，不仅获得了更高的投资回报确定性，更在长期系统形成后为营收增长带来显著贡献9。这种成功经验形成了强大的正反馈循环：验证 AI 价值的头部企业倾向于更加激进地增加 AI 投入，实现更多规模化应用，从而进一步强化其竞争

43、优势。研究证实，企业 IT 预算中生成式 AI 投入占比越高，对 ROI 的满意程度也越高这一相关性进一步加剧了行业分化25。与此形成鲜明对比的是，当前尚未使用生成式 AI 的企业中，接近 60%选择“不确定”或明确表态“未来也不会使用”25。有 35%的企业高管表示他们在规模化应用生成式 AI 时，最大的障碍是可能导致现实业务“出错或失误”4。那么，这些头部公司具体在做什么？值得其它企业借鉴学习的策略有哪些？为了在进化的趋势中进一步梳理企业 AI 战略的最佳实践，我们在本次研究中探访了 6 家行业头部公司，与其高管进行了深度沟通，并整理出了各个公司作为“进化领跑者”的关键动作。“投入越多见效

44、越好”，竞争优势将会越来越不平等对生成式 AI 的投资力度 VS 投资回报满意程度*数据来源：腾讯研究院，企鹅有调更有能力投入做试错更快发现应用场景更快获得正向的回报超过 30%61%36%21%10%4%4%其中认为 ROI“非常高”占比 对生成式 AI 的投入占总 IT 预算的百分比17%42%31%6%0.14%21%-30%11%-20%5%-10%少于 5%我不清楚3435AI IS THE NEW OXYGEN：AI 时代的商业进化蓝图专家观点AI驱动的组织变革不应从上而下强制推行，而应通过打造内部创新生态系统，激发员工自主参与。建立 共创 文化机制，让一线员工成为数字化转型的主体

45、而非客体，是实现企业数字化韧性的关键路径。在零售企业的数字化转型中，组织形态应从传统的层级式结构转向 赋能型网络。通过建立基于 AI 的内容生产与分发体系，将品牌影响力从中心向边缘扩散，使每位员工都能成为品牌传播的节点，形成品牌声量的指数级增长，这是实现 小投入、大声量 战略的组织基础。首先我们非常关注传统制造企业如何构建创新土壤并积极拥抱 AI，从而在众多战略目标下都能成功迈出尝试的第一步。正如前所述，“自上而下+自下而上”的组织管理是重要的推动方式。案例1某国际耐消品零售品牌降本增效驱动增长概念验证扩展规模组织重构关于自下而上掀起 AI 变革的方式，这里有个典型的案例：当多数企业将 AI视

46、为“技术部门专属工具”时，一家国际耐消零售巨头却选择让上万名普通员工成为这场数字革命的主角。该公司先是组建了一支数人的 AI 创新团队，但并非传统意义上的“技术极客集中营”，他们的核心任务不是开发复杂算法，而是将 AI 技术“翻译”成业务语言。例如，通过 A/B 测试验证 AI 能否让仓库拣货效率提升，或让社媒爆款内容产出率翻倍。既然要让 AI 直接服务业务，那么只有个别懂 AI 肯定是不够的，因此公司成立了一个俱乐部，以兴趣社群的形式吸引全球上万名员工参与 AI 学习-公司不设置 KPI，秉持的是通过自由度和影响力激发创新的原则，自下而上令员工产生“主人翁意识”。在中国市场具体业务场景的落地

47、上，公司借助 AI 激发一线零售员工的创造力，共同生产社媒营销的内容。员工自愿参加，公司会用物质和精神的双重鼓励，激励员工发高质量内容，也让员工们相互影响，相互学习一起摸索。首先，营销部门利用 AI 判断流行趋势、挖掘热门话题，以及汇总近期正负面反馈，定期抓取相关度高的转赞评等。其次，通过洞察总结当下流行的内容形式，AI 能够生成 0-1 的大纲，零售部门的员工可以在此基础上从 1 向 1.1/1.2 迭代。进而可以让 AI 生成一些较为基础的营销内容，包括但不限于产品的宣传文案和图片，甚至可以借助AI剪辑直播切片。最后，复盘内容数据表现，总结爆款思路，分享给所有人，鼓励大家做新一轮迭代，使爆

48、款率越来越高。在这个过程中，公司也会开展培训，总结和传授爆贴经验，降低员工发帖成本，提高员工积极性。在上千一线员工的积极参与下，社媒平台就不再只是品牌曝光阵地，而是能够更紧密地读懂并连接消费者的大本营。这种“技术民主化”实践，不仅降低了 AI 应用门槛，更是一场关于“人如何与 AI 协作”的管理创新。3637AI IS THE NEW OXYGEN：AI 时代的商业进化蓝图专家观点 在数字化竞争中，规模化思维是制胜关键。企业不能小规模试水，而必须通过系统性布局实现全面覆盖。这正是我们在各大平台投放千家矩阵账号的核心逻辑只有规模化才能真正撬动平台算法，获取流量红利。对公司而言，内容规模需求与生产

49、效率的矛盾是核心挑战，AI 恰恰提供了这一问题的最优解。技术应用必须服务于商业本质，这是数字化转型成功的关键。我们进一步的关注点在于：如何锁定高价值业务场景，取得“quick wins”并快速扩大战果，从而解决现有难题、驱动业务的新增量。该家居品牌凭借电商起家的先发优势，成功建立了一个规模达百亿的商业版图。与传统家居品牌如顾家、芝华仕等线下起家的品牌不同，公司形成了以电商为主导的模式，吸引了更为年轻的消费群体其 75%的客户年龄在 40 岁以下。然而，近年来家居行业整体面临增长放缓甚至负增长的挑战。与此同时，电商流量红利见顶、获客成本攀升、消费者信息差缩小导致需求更加难以满足，使公司面临着更多

50、挑战，迫切需要获得新的生意增量。在此背景下，公司开始将战略重心从纯电商转向新零售，主动布局线下经销商体系，并已拥有超过 1000 家门店。在组织架构调整与技术创新双轮驱动下，案例2某国民家居品牌驱动增长概念验证扩展规模组织重构小红书矩阵策略 公司的经销商网络主要以 夫妻店 为主，这些小型经营者普遍缺乏专业的内容生产能力和数字化运营经验。传统线下店铺往往依赖于老板家人或临时雇员负责营销工作，难以适应当前社交媒体和内容营销的趋势。因此，总部中心化获取流量的效率会更高，AI 发挥的价值也更大。其中，公司制定了一项颇有野心目标：到 2026 年在小红书平台运营 1000个矩阵账号。这一布局建立在对平台

51、流量特性的深入理解基础上要想在竞争激烈的社交媒体平台获取有效流量，必须通过规模化策略建立存在感。公司在抖音平台上采取了类似策略，一次性布局了数千个账号，验证了这种规模化运作模式的有效性。全域内容平台布局小红书大众点评抖音总部中心化获取流量：低成本获取海量客户线索精准线索分配：根据地域就近原则将线索分配给对应经销商，解决获客难题精细化考核反馈：建立完整的跟进率、转化率等考核指标体系，让流量变成业绩美团高德地图其核心战略之一就是利用生成式 AI 技术，解决规模化内容生产和经销商赋能的关键难题。驱动增长 AI+全域内容矩阵，打造流量增长新引擎对于传统行业来说，社媒的线上流量可谓是全新增量。该家居品牌

52、构建了包括高德、美团、大众点评、抖音本地生活服务、小红书在内的全方位触点布局-充分发挥了总部在流量获取上的规模效应，同时保证了客户服务和销售转化的本地化响应能力，最终形成了一个闭环的新零售生态。3839AI IS THE NEW OXYGEN：AI 时代的商业进化蓝图 这些矩阵账号并非以公司官方名义运营，而是采用分散化的“KOC素人”（key opinion customer）模式：本地化账号矩阵：根据城市和地段投放账号，在笔记中添加地址信息，形成精准的本地流量池 主题化账号矩阵：关注热搜产品和话题，制作相关内容获取全国范围的流量 在实际操作中，公司将内容设计为“赛马”的形式-同样的内容主题在

53、不同账号、不同时段发布，通过数据反馈分析筛选出最有效的传播模式。AI 内容生成策略 面对如此大规模的内容需求，传统人工生产模式显然难以支撑。公司选择将AI 技术作为核心解决方案，构建了一套高效的内容生产流程：前端策划：由专业团队根据平台趋势和热点进行内容规划 AI 内容批量生成：使用 AI 工具批量生产图文和视频内容 数据反馈优化：根据平台数据反馈进行迭代优化 在内容形式上，公司综合运用了图文和视频内容，包括 AI 混剪和图生视频等多种技术。与传统前置审核不同，公司采用 先发后优 的运作模式，内容发布后根据数据表现决定是否保留、加投或调整，大大提高了市场响应速度。值得注意的是，AI 应用始终围

54、绕用户实际需求展开-公司将搜索流量作为小红书运营的核心目标，通过规模化内容覆盖相关家具品类的搜索词，提升品牌在用户搜索路径中的出现频率。效果评估策略 AI 生成的内容和人工精品内容到底哪个更有效？或许没人能下定论，但公司用“品效协同”的视角来理解 AI 内容的价值：从“品牌”上看：传统的广告投放会更多顾及“存量”，即尝试降低CPM(千次展示成本)。但公司 AI 生成的内容几乎都是自然流量，也几乎没有生产成本，所以无需考虑 CPM 的问题。公司更关注“增量”，即海量的内容触达了全新人群，带来广告曝光价值的新增，实现了营销效率的实质性提升。从“效果”上看：虽然单个 AI 内容的留资转化率可能低于精

55、品人工内容，但通过规模化获客和系统化管理，最终实现了整体转化效果的提升。AI 内容在前端获客环节可能有所损耗，但通过线下专业服务的补强，最终销售转化率与传统方式相当，而总体客户量则显著增加。给经销商分配流量后，公司也通过考核机制，将 AI 内容带来的流量优势有效转化为销售业绩：全链路跟进监控：建立一小时、8 小时、24 小时的跟进率考核机制 客户转化率优化：通过数据分析持续优化经销商的客户转化流程资源匹配与组织赋能高层主导的战略推动 公司的 AI 战略获得了公司高层的坚定支持，项目由 CMO 或更高级别管理者直接牵头。公司认识到，AI 应用不是单个部门的尝试项目，而是需要跨部门协作的战略性工作

56、。由高层直接推动确保了 AI 项目能够获得充分资源支持，避免成为部门级别的 自娱自乐 实验。具体项目推进上，公司采取了自上而下的方式，先在战略层面达成共识，再分解为各部门具体任务，确保了项目执行的一致性和连贯性。分布式的 AI 应用模式 与许多企业设立专门 AI 团队的做法不同，公司采用了 工具导入+全员赋能 的分布式应用模式。公司没有组建专门的 AI 部门，而是将 AI 工具和能力分散到各业务环节，使其成为日常工作的自然延伸，这种模式避免了 AI 应用与业务脱节的风险，使技术能够更直接地服务于实际需求。产品部门使用 AI 生成设计 demo 设计部门利用 AI 快速批量生图 营销部门将 AI

57、 应用于内容创意和洞察 短视频部门使用 AI 进行内容剪辑和视频转化 务实的项目管理 在项目推进过程中，公司发现最大挑战并非技术本身或员工抵触，而是目标设定与技术能力的匹配问题。为此，公司特别强调对 AI 技术保持科学认知既不盲目抵触也不过分依赖，始终以业务价值为核心判断标准。明确的战略定位：将 AI 项目清晰定位为流量结构优化的关键手段 合理的目标设定：避免对 AI 技术期望过高，设定符合技术现状的应用目标 预设变更应对：提前规划可能的需求变更，准备灵活的应对方案 关键决策者共识：注重关键部门负责人之间的一致性，而非简单依赖会议讨论 外部合作的开放策略 公司采取了开放的外部合作策略，与多家

58、AI 技术供应商建立合作关系。公司使用了市面上几乎所有主流 AI 工具，并与特赞等合作伙伴开展了内容生产和系统开发合作。这种多元化的外部合作策略有效规避了对单一技术路线的依赖风险，同时也保持了对新兴技术的敏感度。4041AI IS THE NEW OXYGEN：AI 时代的商业进化蓝图下一步，对于规模更大、技术基础更强的企业来说，AI 能够“多点开花”，同时对齐多样化的战略目标，从而带来清晰的价值回报。企业才有可能不断加大投入，持续构建竞争优势。案例3美的降本增效驱动增长概念验证扩展规模组织重构作为家电制造业的数字化先行者，美的集团自 2012 年起已投入超过 200 亿元推进数字化转型。公司

59、于 2024 年组建 AIGC 战略小组，确立三大目标：提高工作效率、激发员工创造性、提升产品竞争力。美的 AI 战略最显著的特点是严格基于 ROI 的落地方法论，确保每一项 AI 投资都能产生可衡量的业务价值。专家观点 企业 AI 战略的核心在于价值创造。成功的 AI 转型始于业务需求，经由价值验证，终于组织能力重塑。技术是载体，业务是目标，唯有将 AI 嵌入企业价值链的关键环节，才能实现从技术应用到战略资产的根本转变。AI 应用的商业化路径遵循明确的演进规律：先对内再对外，先 ToB 再 ToC。企业内部流程优化是验证 AI 价值的最佳起点，企业间业务场景则提供了更成熟的商业化土壤，待技术

60、与应用模式成熟后，才能真正走向消费者市场，实现规模化价值。增效 AI+工厂提效，并改写行业标准美的楼宇重庆工厂是全球中央空调冷水机组行业首座全流程 AI 赋能的灯塔工厂。不仅是美的集团内部的智能制造转型升级的样本，也为美的绿色工业赋能全球制造业的智能化发展树立了典范。81%的选型周期压缩：该工厂基于多物理场仿真构建了一个包含 100 多个高精度物理模型的数据平台，实现最优选型并一键自动报价；45%的设计效率跃升：使用美的自研 PLM 从 23 万个历史设计图纸中提取设计参数的数值信息，结合 AI 算法实现换热器和管路的智能设计；31%的维修率下降：iBUILDING Service 系统实时监

61、控全球机组，故障预警精准度堪比 设备心电图仪，提 前 48 小时拦截 90%的潜在故障，并通过i 管家 APP 和 i 能效系统智能化的推送运维改善建议。降本 AI+内容生成，省下真金白银在美的，AI 项目的价值必须通过财务部的 降本测试。公司将 AI 深度融入企业运营各环节，建立了一套可量化的价值评估体系，实现了从内容创作到客户服务再到研发流程的全面效率提升。文生图：电商视觉内容生产的革新 美的集团利用 AI 文生图技术在 2024 年上半年生成了超过 30 万张电商和内部宣传图片，直接节约了原本需要外包商完成的高成本视觉内容制作。美的自主开发的 M-design 平台彻底改变了传统的 br

62、ief agency 工作流程，使设计人员能够直接在平台上输入需求并获得 AI 生成的图片。财务部门通过比较原先人工制作同等质量图片所需的人力成本，精确计算出 AI 应用带来的降本价值。智能问答：企业知识管理的效率跃升 美的的智能问答系统覆盖 HR、IT 等内部知识领域以及客户服务场景。在客服领域，美的建立了两个核心评估指标：直通率：衡量机器人直接应对客户而无需人工干预的比例 采纳率：评估 AI 回答被用户接受的程度 这些量化指标使美的能够精确评估 AI 在客服场景中创造的价值，有效减轻了人工客服的工作负担。驱动增长 AI+客户体验，打造智能家居的全球用户价值链4243AI IS THE NE

63、W OXYGEN：AI 时代的商业进化蓝图美的利用 AI 技术全面提升产品体验与用户互动，实现了从硬件性能到营销触达的完整价值链优化，为业务增长注入新动力。AI 赋能交互技术：智能家居生态的感知升级 美的将 AI 技术深度融入产品体验，通过升级语音交互和语义理解算法，实现了用户与产品之间更自然、更高效的交互。在空调产品上，AI 控制算法优化带来显著的节能效果；在扫地机器人和烹饪产品上，视觉识别技术大幅提升了设备感知环境的能力。VOC 项目：用户声音的智能分析 美的的 Voice of Customer 项目利用生成式 AI 技术替代传统自然语言处理模型，从互联网评论中自动提取用户见解。系统能够

64、智能识别评论的情感倾向，归纳主要观点，并将这些洞察直接转化为产品改进建议。这一系统显著缩短了从市场反馈到产品迭代的周期，增强了美的捕捉新兴消费趋势的能力。资源匹配与组织赋能美的通过系统化的组织架构设计，实现了 AI 技术与业务需求的无缝对接，建立了从基础设施到业务应用的全链路创新支撑体系。四层 AI 应用支撑体系 基础设施层：由软件工程院负责 IaaS 基础设施，包括数据中心建设 算法平台层：AI 研究院维护的 AI 算法管理平台，统一管理各类算法模块 应用集成层：企业数字平台(EDP)下的应用中心负责集成开发 业务应用层：通过 IT 经理制度连接技术与业务，确保技术对业务需求的精准响应 业务

65、驱动的 AI 开发模式 美的采用业务需求驱动的 AI 开发模式：AI 研究院负责公共性、基础性的算法工作，各事业部负责特定领域的定制化应用。这种分工确保了基础研究的深度与应用落地的效率能够并行不悖，同时通过明确的费用分担机制（通用技术由集团战略性投入，特定应用由事业部支付）实现了资源的优化配置。4445AI IS THE NEW OXYGEN：AI 时代的商业进化蓝图有的头部企业，在AI战略中不仅规模化实现了业务价值、实现业务稳定运行，还充分发挥了“想象力”，尝试构建更多创新的模式。伊利集团位居全球乳业五强，连续十一年蝉联亚洲乳业第一，也是中国规模最大、产品品类最全的乳制品企业。面对数字经济浪

66、潮的冲击，伊利始终在技术应用上始终保持前瞻性视角，不断进行商业模式创新与组织变革。早在几年前，伊利就前瞻性地将生成式 AI 列为未来驱动增长的关键技术，并在 2022 年底 OpenAI 发布后迅速行动，仅数月内便上线了自研的 YILI-AI。伊利强调不从技术和系统视角讲业务，而是从业务视角看如何用数据和技术赋能,将数字化表现与业务目标紧密关联。驱动增长 AI+产品创新全链路数字化，加速从市场洞察 到打造爆款案例4伊利降本增效驱动增长商业模式创新概念验证扩展规模组织重构专家观点 智能化转型的本质不是技术堆砌，而是将隐性知识转化为显性资产的系统工程。当企业能将分散在各环节的专业经验、消费者洞察和

67、运营智慧通过 AI 赋能为可复制、可扩展的数字资产时，才真正实现了从数字化到智能化的质变。1.创新起点：AI 捕捉全网创新趋势，识别机会赛道2.产品概念设计：AI 生文、AI 生图和 AI 生结构的全链路闭环创新工具3.消费者共创测试：调研问卷/大纲 AI 生成、数据自动化处理4.配方与工艺设计：AI 协助配方营养与细分人群营养需要的精准评估，支持杀菌工艺参数精确计算5.包装审核：计算机视觉-OCR 技术支持包装技术文字与设计稿的精确比对消费者共创体系 伊利构建的 编外产品经理 机制将高价值消费者直接纳入产品开发流程：建立数百个共创社群，并为参与者提供专属权益。AI 的应用大大加速了共创流程：

68、项目负责人仅需提供基本调研提纲，系统即可自动生成标准化问卷，并基于数据分析匹配最适合的目标受众 AI 系统能自动将非结构化的消费者反馈转化为可分析数据，并生成洞察报告 该系统将传统数月的市场调研压缩至 3.5 天，同时实现了调研能力的组织民主化市场部、研发部均可独立操作，而无需专职研究人员，企业内部每日可并行三个测试项目。伊利构建了以 消费者为中心 的产品创新全流程数字化体系，覆盖产品创新的 5 大核心阶段，显著提升了产品开发速度与上市成功率，使企业能够以前所未有的敏捷度把握市场机会、获取业务增量。4647AI IS THE NEW OXYGEN：AI 时代的商业进化蓝图 伊利畅轻爆珠酸奶验证

69、了 智能爆品=精准需求洞察 敏捷概念验证 精准市场击穿 的新公式。通过 AI 语义分析，伊利精准捕捉 咀嚼趣味 等新兴需求，快速锁定爆珠技术应用于乳品的市场机会。借助用户标签系统，团队组建 都市轻食族 和 新锐妈妈 等高价值消费者共创社群，基于数据分析优化配方和口味组合，最终确定 蓝莓+紫米爆珠 等独特产品系列。上市后，数字化生意看板实时监测销售数据，指导营销策略调整，实现高效转化。成果显著：新品上市 40 周达成 1.2%家户渗透率（3 倍于行业均值），17.27%重购率创行业纪录，销售额份额位居全国新品第一，成为低温酸奶新品王。全域营销与内容创新 通过全域营销打造爆款，伊利也有自己的独门“

70、心法”-在 AIGC 加持下，用内容驱动增长。伊利金领冠品牌与华为音乐跨界合作，结合代言人张杰的音乐属性，将 AI技术与音乐创作有机融合，为父母提供了为宝宝创作 第一只 MV 的服务体验：公域私域多平台协同传播，设计抖音挑战赛实现从抖音到小程序的完整链路闭环 全年 PK 赛制设计促进用户系统性高度参与，提升会员转化率 每月更新 1 个拍摄主题，结合当下潮流元素，通过内容创新维持消费者持续参与热情 该活动实现全渠道 30 亿+曝光，用户上传超过百万件作品，同时通过不断优化程序节约开发成本 降本增效 AI+供应链优化，确保核心业务稳健运行 作为千亿规模的乳制品企业，伊利拥有复杂的全产业链体系。高效

71、协调这一庞大资源网络是伊利面临的核心运营挑战。3.原奶调配的智能化转型伊利应用数字化技术全面赋能原奶调配业务，构建了一套成本最优、新鲜度最优、敏捷响应的智能调配管理体系。该系统通过多维数据分析和智能算法优化调配流程，考虑因素包括：工厂产能状态与生产计划的动态协调 司机驾驶习惯数据与燃油经济性的关联分析 天气条件、交通限制等外部环境因素的实时响应这套系统成功降低物流成本，显著优于行业最佳标准。其中的秘诀并非技术本身，而是伊利对各种业务环节的深入理解，从而能够精确调控模型参数，实现业务与技术的最佳结合。设备管理的智能化升级 伊利基于智能体平台搭建了设备知识助手，导入数 TB 级的知识文档和历史检修

72、工单，为一线员工在设备维保、检修场景中提供知识支持。传统设备检修场景高度依赖一线员工的操作经验（即 隐性知识），而这些非结构化的经验数据长期未能得到有效利用。在 AI 技术加持下，伊利实现了两项关键性突破：知识库查询响应时间大幅缩减，员工满意度有效提升至 98%生产设备故障停机平均修复时间（MTTR）显著缩短，故障修复效率提升52%商业模式创新 AI+健康服务，拓展从“卖产品”到“卖服务”的可能性 伊利正在探索将自身定位从纯粹的制造业企业向健康生活方式提供者转型，通过 AI 技术开辟全新的业务增长点。5.营养健康垂直大模型 伊利集团联合复旦大学，打造了国内首个营养健康垂直领域大模型，推动科学营

73、养知识普惠化。该模型突破了传统健康管理单向建议模式的局限，通过构建千万级营养健康数据库，实现了基于消费者个性化需求的高质量健康营养问答服务。Wellness 营养健康大模型已完成 6 万+用户内测和多轮迭代优化，模型识别准确率达 94%。伊利将通过品牌私域阵地，面向广大消费者提供实时健康营养服务，拓展商业模式边界。6.差异化健康服务 伊利 QQ 星奶粉以 AI 科技为支点，为营销开辟了 产品价值+健康服务 双驱动的新范式：线下活动层面：通过 AI 智能设备为儿童提供身高筛查及预测、体态评估、运动潜力分析等科学分析，并生成个性化成长及改善方案 线上私域运营：沉淀用户数据，基于 AI 大模型能力为

74、用户进行报告解读，持续提供营养咨询、营养指导等互动内容，形成 筛查-服务-转化 的完整商业链路4849AI IS THE NEW OXYGEN：AI 时代的商业进化蓝图这些举措不仅在短期内有效刺激了消费者互动，更在长期战略层面沉淀了有价值的用户资产，构建了全生命周期的运营体系。资源匹配与组织赋能 伊利的数字化转型获得了公司高层的坚定支持，体现在资源配置和战略耐心上。同时，伊利保持着高度的危机意识，每年定期开展“继续活下去的理由是什么”的战略复盘。伊利能够持续扩大 AI 价值，核心支撑点在于三项机制：融合型组织架构“数业融合铁三角”成为伊利最具创新性的组织模式，将技术、数据和业务紧密结合，通过专

75、职连接团队与业务部门形成桥接，确保技术能够快速响应业务需求。人才能力激活 伊 利 通 过 将 数 字 化 能 力 与 管 理 晋 升 明 确 挂 钩 的 认 证 机 制“Digital Leadership”，成功解决了传统企业数字化转型中的“人才抵触”难题。同时，通过内部 AI 工具的系统性推广，伊利实现了数字化理念从高层管理决策到日常工作流程的纵向渗透数据显示，仅内部“YILI-AI”平台的日活用户就达到 3000 人，反映了组织内部对 AI 工具的高度接受度。开放式生态合作 伊利打破传统封闭模式，积极构建开放创新生态：与复旦大学合作进行大模型训练，与中国移动共建算法平台，成为中国第一个在

76、 Apache 顶级项目中共享数据服务技术的国内快速消费品企业。这种开放战略确保了伊利能够快速吸收外部先进技术能力，同时建立起自身的技术壁垒。5051AI IS THE NEW OXYGEN：AI 时代的商业进化蓝图专家观点 数字化转型的终极挑战不在技术本身，而在于人的适应与成长。任何企业都可以购买相同的 AI 模型，但组织如何将技术与人的能力有机融合，如何让技术真正服务于人的创造力而非限制它，这才是数字化成功的关键变量。在生成式 AI时代，技术不再是简单的自动化工具，而是人类创造力的延伸。我们将数据视为新时代的颜料，让 AI 成为创意人的得力助手，而非替代者。真正的竞争优势不在于谁拥有更先进

77、的模型，而在于谁能更巧妙地引导 AI 实现人机共创。我们发现，对于一些国际化集团来说，天然具备数字化的先发优势，从而能够顺利将 AI 应用推进至组织重构阶段，在多个战略目标下发挥重要价值。战略定位：科技赋能的美妆革新者 在数字化浪潮席卷全球的背景下，欧莱雅以全局战略视角推动 AI 落地，实现了业务流程的系统性重塑。作为一家以”Digital First“为信条的公司，欧莱雅对自己的定位并非是一个化妆品企业，而是一家美妆科技（beauty tech）公司：在美妆行业最懂科技，在科技行业最懂美妆。在集团数字营销部门成立的十余年时间里，数字思维已经深入企业 DNA。欧案例5欧莱雅降本增效驱动增长概念

78、验证扩展规模组织重构莱雅也在近几年得以快速技术转型，将AI融入业务流程，培养团队的AI应用能力。公司大力投入 AI，有一条很重要的逻辑：数字化时代的用户旅程已经发生不可逆的变化，“以消费者为中心”的理念也会有截然不同的实现方式-即通过ARVRAI 技术提供增强（augmented），使品牌能够以前所未有的方式与消费者互动，创造更加个性化和沉浸式的购物体验。“沿着旧地图，招不到新大陆”，传统的品牌营销路径一定无法满足这一点。因此，欧莱雅以 AI 为原点去重塑业务形态，从思维层面重构组织，而不是在原来的业务架构上叠加 AI 能力。公司定义的创新标准也非常极致 对生意有意义且可被规模化。举例来说，在

79、中国市场欧莱雅重构业务的思路是：内容才是新的货币（Content is the New Currency）。战略转型：从内容工厂到内容中台 公司认识到，在消费者注意力稀缺的环境下，高质量、个性化的内容才是赢得消费者钱包的“货币”：内容需求爆发式增长：电商平台 三天一个档期、七天一个档期 的促销节奏，要求品牌持续生产海量促销内容。渠道碎片化程度加剧：从天猫、抖音、京东到微信小程序，再到线下零售场景，每个渠道都需要量身定制的内容形式。内容生产成本攀升：优质内容制作人才稀缺，传统内容制作流程耗时长、成本高，无法满足市场需求。触点激增与个性化需求：欧莱雅在中国有超过 1 万个零售网点，每个网点都需要定

80、制化的销售支持内容。高质量内容永远都是需求大于供给，AI 生产的价值不仅仅在于“省钱”，而是每多出来一份内容，就多了一次品牌心智构建和转化的机会。传统的思路是借助内部人力和创意外包，构建一座“内容工厂”。欧莱雅发现，到达一定规模后就面临内容生产效率瓶颈、分发管理混乱以及质量控制困难。为此，欧莱雅与技术伙伴特赞合作开发了 China Content Hub(CCH)平台，作为其 AI 转型的技术核心。该平台从巴黎欧莱雅品牌试点起步，三年内已扩展至全集团应用，成为连接创意、技术与业务的枢纽。ContentHub 的设计理念是构建了一个闭环的内容生命周期管理系统，覆盖创意构思、内容生成、审核合规到分

81、发投放的全流程，从而突破传统模式的上限。5253AI IS THE NEW OXYGEN：AI 时代的商业进化蓝图该平台的技术架构有三个核心特色：AI引擎集成：整合了多种AI能力，包括图像生成、文本创作、标签推荐等，为不同业务场景提供针对性解决方案。模块化设计：系统采用高度模块化架构，使不同品牌、不同地区可以根据自身需求定制功能组合，实现技术的可扩展性和适应性。本地化部署：对数据安全的高度重视，确保内部信息不会外泄；使用自身历史内容对模型进行训练，避免品牌调性流失 与市场上其他内容管理系统不同，ContentHub 的独特价值在于其对美妆行业特性的深度理解与适配，远超通用内容工具。这也帮助欧莱

82、雅形成了 AI 时代的差异化竞争优势：品牌调性保护：系统能够精准理解和维护不同品牌的独特调性，确保所有生成内容符合品牌标准。合规性内置：系统内建了美妆行业特有的合规规则，自动识别和屏蔽不合规内容，降低合规风险。此外，欧莱雅为 AI 应用设定了明确伦理边界，特别是欧莱雅中国的内容中台系统概念验证概念验证内容需求内容分发者内容需求者总部提供素材&中国团队自产&代理商&KOC/KOL产品线 PM产品内容管理社媒代运营渠道：B 站微博小红书抖音微信形态：APP 开屏、RTB、KOL 视频、朋友圈广告、官方视频电商团队内容整合延展Buycoor渠道：微信商城抖音唯品会京东天猫形态：社群、媒体点位、宝贝页

83、面、店铺首页、活动页面客户关系管理团队运营渠道：BA 私域&自有平台形态：EDS、云店、1V1、社群、朋友圈、公众号渠道：O2O形态：宝贝页面、Banner渠道市场团队渠道内容协作私域内容分发Others内容创新OthersContent Hub 系统+团队在人像使用方面-涉及人脸或肌肤效果的内容必须使用真人实拍。人机协作设计：平台并非旨在替代人类创意，而是促进人机协作，让创意人员专注于高价值工作。0 到 1 的创意工作（品牌策略、创意构思）由人类负责；1 到 100 的执行工作（变体生成、格式调整）交由 AI 完成。区域专业化：总部保留品牌战略和调性控制权，而区域团队获得更大的本地化自主权。

84、跨部门协作：建立营销、设计和数字技术部门的紧密协作机制，打破传统部门壁垒。设计师与市场人员的角色界限淡化，设计师能够直接与市场需求对接，减少沟通环节。在此基础设施之上，公司以“内容驱动增长”为主线，重构了各个部门的协作流程-在巴黎欧莱雅品牌的中国团队中，约 80%的相关人员访问并使用了 AI内容系统，电商团队的使用率甚至更高。核心场景：从提升效率到革新体验 ContentHub 的实际应用场景展示了 AI 如何从战术层面的效率提升扩展至战略层面的体验创新，为欧莱雅创造多维度的竞争优势。电商内容实现规模化生产 在电商领域，欧莱雅面临内容需求爆炸性增长的挑战。以往需依靠 200 多名设计师手动创建

85、电商页面和促销图片，流程繁琐且响应速度慢。ContentHub 彻底重构了这一流程：销售团队只需通过 Excel 输入产品信息，系统即可生成符合各平台规格的营销素材。这一转变带来多方面突破：1.响应速度质变：将原本需要数小时或数天的设计工作缩短至几分钟，使欧莱雅能够快速响应市场变化，如双 11 等大促期间的紧急需求。2.资源优化分配：设计师从繁琐的重复性工作中解放出来，转向更具创意和战略价值的任务，实现人力资源的高效配置。3.规模经济效应：随着系统学习和积累，其生成内容的质量和效率持续提升，形成正向循环，进一步扩大规模效应。会员私域生态实现精细运营 作为拥有庞大会员体系的企业，欧莱雅长期面临私

86、域运营的挑战如何在不增加人力的情况下，为千万级会员提供个性化内容？ContentHub 为这一难题提供了创新解决方案：BA 赋能系统：为线下美容顾问(BA)提供自动生成的朋友圈文案和图片，支持一键发布。后台设置好的工作任务，一键触发。不仅提高了内容质量，还大幅5455AI IS THE NEW OXYGEN：AI 时代的商业进化蓝图提升了 BA 的工作效率。当然了，这也得益于欧莱雅内部对于企微的重视。欧莱雅构建了集内容任务沟通一站式企业微信应用，结合 ContentHub 强大的内容后台，做到更高效的内容传递。KOC 内容孵化：基于成功案例数据，系统能快速生成符合小红书等平台调性的 KOC 风

87、格内容，实现社交媒体影响力的规模化扩展。全渠道一致性：解决上万个线下柜台内容分发不一致的问题，确保消费者在不同渠道接收到统一的品牌信息，增强品牌认知。这种精细化的私域运营不仅提高了会员活跃度，更深化了欧莱雅的消费者洞察，为产品开发和营销策略提供数据支持。降本增效成果可被量化从商业角度看，ContentHub 创造了显著且可衡量的价值：直接成本的节约：不管是内容的管理，还是沟通/获取成本都大大降低。在AI 引擎的赋能下智能裁剪，一键批量成活动图功能更是大大降低了内容二次创作的成本。创意周期缩短：传统广告创意从概念到制作需要 3-4 个月，现在缩短至 1-1.5个月。另外，从长期战略的角度来看：释

88、放创意人员精力，促进创新文化，增强组织敏捷性，这些无形价值虽难以量化，但对长期竞争力至关重要。这些降本增效的成果，除了欧莱雅在 ContentHub 的应用，其他在流程简化上的投入也功不可没。这一切得益于欧莱雅对于新科技产品的包容，和敢于改变的魄力。成功要素：组织与技术的平衡发展 欧莱雅能够成功推动 AI 重构多部门工作流程、贯彻 内容驱动增长 战略，关键在于三大组织保障机制的有机结合。这一系统性变革不仅涉及技术部署，更深入到组织文化与工作方式的根本转变。以 ContentHub 为例：多层次内容变革管理：改变固有工作流习惯 采取 自上而下 与 自下而上 相结合的变革策略。一方面，通过CEO

89、成员会议展示系统价值，获取高层背书；另一方面，深入一线团队了解实际痛点，确保 ContentHub 系统设计切中要害。公司巧妙应用 农村包围城市 战略，选择内容需求量大、工作压力高的电商运营部门作为 ContentHub 推广的突破口。在培训与激励机制上，欧莱雅通过常态化内部宣讲、对比展示AI效率优势、追踪使用情况并表彰先进团队等方式，逐步推动认知转变。这种渐进式方法避免了激进变革带来的组织抵触，实现了员工从被动接受到主动拥抱的转变。打通内容数据孤岛：构建内容效果闭环 在技术层面，公司正开发中间转接系统连接内容平台与各营销渠道，实现数据标准化处理和自动化抓取。ContentHub 作为重要的内

90、容系统部件，在其中起到了收取、整合内容数据的作用，配合公司其他数据系统。同时，通过组织架构调整，成立专门数据分析团队，建立跨部门数据共享机制，打破传统部门壁垒。欧莱雅还建立了 小范围测试先行 的内容策略。每个重要活动都设计多版本内容进行 AB 测试，基于初步效果数据快速迭代，这种数据驱动方法大大提高了内容投资回报率。这些内容在实际落地后，也会 Archive 到 ContentHub 中，作为内容沉淀，赋能后续的内容生产。这一过程不可能一蹴而就，需要长期坚持与系统规划，但回报也是显著的组织敏捷性与数字化能力的同步提升。5657AI IS THE NEW OXYGEN：AI 时代的商业进化蓝图“

91、每个人都在创作内容，从 CEO 到零售业的基层员工，内容创作的需求正在迅速爆发。我们很早就看到了一个机会，可以将我们的内容视为能够训练生成式 AI 模型的数据。这不仅是为了保护我们业务的核心，同时也是对于艺术家和内容贡献者的高度尊重。”-Michael Francello,director of innovation at Shutterstock专家观点最后，我们也注意到一些中小型的“数字原生（digital native）”企业，凭借敏捷的优势，能够迅速抓住 AI 浪潮中的新机会，实现商业模式的转型，从而收获“第二增长曲线”，这种现象在国外市场更加显著。Shutterstock 于 200

92、3 年在美国成立，是全球领先的数字内容授权平台，主营业务是售卖高质量的图片、视频、音乐和插画等数字素材的版权。公司的商业模式非常简单：艺术家和创作者可以给平台上传作品，平台再向创意专业人士提供按需下载服务，或向企业客户提供订阅制服务。作品版权被出售后，作者自然也会获得一定比例的分红。作为连接全球创作者与内容使用者的桥梁，Shutterstock 构建了一个庞大的市场生态系统，拥有超过 200 万内容贡献者和数亿可授权内容资产。截至 AI案例 6Shutterstock商业模式创新概念验证扩展规模组织重构浪潮兴起前，Shutterstock 已在纽交所上市。2022 年收入 8.3 亿美元，服务

93、全球 150 多个国家的企业和个人客户，市场地位非常稳固。2021 年末至 2022 年初，随着 DALL-E、Midjourney 等生成式 AI 技术迅速发展，Shutterstock 管理层开始明确感知到“生态环境”压力。其核心资产-上亿高质量素材和庞大的贡献者网络，很有可能被 AI 所替代。同时，他们也注意到一个无法解决的行业痛点-早期生成式 AI 模型面临着严重的数据来源和版权问题。许多 AI 公司在未经许可的情况下使用创作者作品进行训练，引发了法律和伦理争议。而 Shutterstock 的企业客户，特别是大型品牌和营销机构，对内容的合法性和商业授权有着严格要求。Shutterst

94、ock 很快意识到：提供 合法且可信赖 的 AI 生成内容服务，解决市场对 AI 内容版权顾虑的痛点，很可能是一个完全空白的市场机会。基于这些洞察，Shutterstock 制定了三步走的转型策略：第一步：建立战略合作，掌握技术主动权 2022 年 10 月，Shutterstock 宣布与 OpenAI 建立合作伙伴关系：通过授权训练数据获取 AI 技术访问权，而非被边缘化 确立出售 AI 训练数据的商业模式，为内容创作者创造新的收益来源，并且为 AI 公司提供“军备支持”抢占 合法 AI 内容 市场定位，将潜在威胁转化为差异化优势 第二步：推出创作者补偿计划，解决伦理困境 Shutters

95、tock 认识到，任何 AI 转型都必须解决创作者权益问题。2022 年底，公司推出了创作者基金，承诺将部分 AI 合作收入返还给内容贡献者。这一举措解决了关键伦理问题：确认创作者对 AI 训练所用内容拥有合理权益 建立透明的补偿机制，维护创作者生态 形成与其他 AI 平台的道德差异化 第三步：整合 AI 创意工具，重塑价值主张 2023 年初，Shutterstock 将 AI 图像生成器整合到其平台，重新定位公司角色：从单纯的内容提供商转变为创意解决方案提供商。Shutterstock 自建了 AI 工具，为企业客户提供附加值更高的技术解决方案 与微软、英伟达、苹果等更多的大模型研发商建立

96、合作关系，给大模型5859AI IS THE NEW OXYGEN：AI 时代的商业进化蓝图内容创作者内容创作者产生收入上传作品上传作品版权分红服务服务版权分红销售版权销售版权训练Shutterstock 平台Shutterstock 平台大模型研发公司产生收入客户内容数据集自研 AI 工具普通客户新的商业模式：AI 版权定义者旧的商业模式：内容中介Shutterstock 从 0 拓展出上亿美金的新市场Shutterstock 营收变化（单位：百万美金）Shutterstock 新老业务对比*数据来源：公司财报77020212022202320242024 毛利率2024 营收增速16398

97、3087013717594058%72%3%28%总营收 内容产品 数据、分发和服务营收 数据、分发和服务营收训练提供数据支持，每次合同金额超过 1000 万美金 创作者的内容无论是应用在自己的 AI 工具训练上，还是出售给其他科技巨头，都会收到版权分红 这种新的商业模式，使得 Shutterstock、内容创作者、大模型公司、客户三者之间产生了互利共生的关系，生态关系稳定。大模型公司和普通客户愿意花钱获得受到版权保护的素材，用于模型训练或内容创作，而内容创作者在没有付出更多成本的情况下，额外多了一笔收入，从而 Shutterstock 的生意越滚越大。公司创新总监表示，与 AI 技术的合作不

98、仅提升了产品质量，还为艺术家争取了更多权益，帮助他们在 AI 时代获得公平的认可和补偿。Shutterstock 事实上是在帮助艺术家取得话语权，随着内容需求的不断增长和企业对 AI 生成资产的日益依赖，这种话语权将变得更加宝贵。新业务 4 年时间翻了 10 倍以上，无论是增速还是利润率都优于传统内容业务。仅仅靠出售AI训练数据集这一项，Shutterstock就在2023年赚了1.04亿美金，2024年继续增长了15%。公司CEO预测，到 2027 年，这一收入可能达到每年 2.5 亿美元。6061AI IS THE NEW OXYGEN：AI 时代的商业进化蓝图进化未竟：AI商业应用的前沿

99、趋势6263AI IS THE NEW OXYGEN：AI 时代的商业进化蓝图企业在 AI 应用的道路上，从试验、规模化到重构，正在经历一场深刻的数字化进化。这个进程并非机械式的阶段跳跃，而是一条连续的演进路径，每一步都在积累能力、沉淀经验、拓展边界。当企业完成业务重构，将 AI 能力固化到核心工作流并释放出新的增长动能时，我们看到的不是终点，而是新起点的开始。展望未来，通用式 AI 技术本身也在快速迭代，全新的能力边界正在形成。在这个背景下，企业 AI 应用的下一轮进化将呈现出哪些新特征？变异、选择和遗传这三个演化机制，又将如何在企业数字化转型中展现新的内涵？首先，自下而上的创新和尝试会越来

100、越多。领导者也可能低估了员工对于 AI 的掌握程度-员工会在工作中自发使用AI，并取得一定成效。麦肯锡最新的研究表明，全球有 13%的员工认为，自己日常有 30%以上的工作中都用到了生成式 AI。而仅有 4%的管理者认为，自己的员工现在可以做到这种程度21。对于现在职场的 00 后来说，更有了“AI 原住民”的身份-他们有 95.2%都曾使用过 AI 工具/产品，其中 41.7%达到了熟练掌握的程度，46.7%每天都在使用26。其次，垂直领域的 AI 应用工具正在爆发，概念试验将会变得门槛越来越低。随着专注于特定行业的 AI 模型与工具不断涌现，长期困扰企业的 技术能力不足 和 没有合适模型与

101、工具 等障碍正在迅速消解。越来越多的预训练模型针对医疗、法律、金融、建筑、教育等垂直领域进行了专门优化，使得这些行业特有的知识和语言已被有效编码到 AI 系统中。同时，无代码/低代码平台使企业能够在几天甚至几小时内部署 AI 应用，而不是几个月。这些平台提供直观的界面，允许业务专家直接参与 AI 系统的设计与调整，无需深厚的技术背景。企业可以快速构建概念验证，测试各种业务假设，然后根据实际效果迭代优化。创新不再限于技术巨头或拥有大量 AI 人才的企业，而是向所有具有深刻行业洞察和创新思维的组织开放。真正的竞争优势将转向对行业痛点的理解、业务流程的重新设计以及人机协作新模式的构建。4.1垂直场景

102、解决方案和“AI原住民”增多，更多的基因突变将会诞生6465AI IS THE NEW OXYGEN：AI 时代的商业进化蓝图在 2024 年，众多科技行业的领袖，都纷纷将目光集中到了“智能体（AI Agent）”。比如近期，Facebook 创始人扎克伯格就表示“未来将会出现数十亿个智能体，数量很可能比世界的人口还多.每个企业都会拥有自己的智能体，就如同今天的电子邮件和社交媒体账户一样。”既然企业已经开始从单一环节的效率助手，逐步开始向工作流重构的方向进化，那么一个具备自我规划任务和决策、具备记忆能力、能够协同其它外部工具的智能体将让一切自动化运作起来-人类只需要充当业务系统的“设计师”即可

103、。多个智能体之间，甚至还会形成类似部门之间的协作关系。Google 的调查显示，10%的企业已经在使用智能体，82%计划在未来 3 年内部署智能体，包括：客户支持、员工效率、创意、数据、代码、安全六大主流应用方式27。4.2从单一的 AI 工具到智能体协作，促进规模化、系统化能够形成体系化运作、作为企业基因保留下来的 AI 应用，还需要克服现有通用大模型技术的难题：无法深度整合企业专有知识、难以适应特定业务流程、数据安全与隐私风险增加。随着成功应用的累积，企业逐渐形成对 AI 能力的差异化需求，促使其投入资源进行自主研发。在这一进化过程中，企业自主训练的行业垂直模型正成为最佳选择，它们具有显著

104、优势：1.知识适配性：垂直模型能更精准地编码行业特定知识和企业专有信息，减少通用模型的 幻觉 问题2.资源效率：相比大模型，垂直模型计算成本更低，部署更灵活，更适合企业持续运营3.迭代速度：模型训练和调整周期短，能够快速适应业务变化和新需求4.控制与自主权：企业对自研模型拥有完全控制权，消除对外部服务提供商的依赖 垂直模型正成为企业的 数字 DNA，它们编码了企业独特的知识体系和运营逻辑。就像生物 DNA 携带着生命体的遗传信息，这些模型包含了企业数十年积累的专业知识、最佳实践和决策模式。而这种 数字 DNA 具有自我复制和进化的能力：模型可以不断从新数据中学习，适应业务环境变化 成功的模型架

105、构可以横向扩展到企业其他部门或业务线 模型之间可以组合和协作，形成更复杂的能力网络 企业特定的知识可以通过模型得到保存和传承，不再依赖个别员工的经验 调研显示，虽然当仅有 7%的企业选择利用自有数据训练私有模型，但有54%的企业认为自己会在 2 年后升级到“小模型”28。未来，我们还将持续追踪企业 AI 应用的转型路径，深入研究不同类型企业4.3行业垂直的模型将成为企业的“数字 DNA”6667AI IS THE NEW OXYGEN：AI 时代的商业进化蓝图的差异化战略选择，为管理者提供更具针对性的决策参考。无论是传统制造业的数字化转型，还是数字原生企业的商业模式创新，都将成为我们下一阶段研

106、究的重点方向。当 AI 真正成为企业呼吸中必不可少的 氧气，商业世界的进化大爆发才刚刚开始。6869AI IS THE NEW OXYGEN：AI 时代的商业进化蓝图12345678910111213141516171819202122232425262728Menlo Ventures2024:The State of Generative AI in the Enterprise中国新闻网中国科学家参与发现寒武纪大爆发“密钥”:氧气成最关键开关McKinsey&CompanyThe state of AI in early 2024:Gen AI adoption spikes and s

107、tarts to generate valueDeloitteState of Generative AI in the Enterprise Quarter four reportGartnerGet AI Ready What IT Leaders Need to Know and DoGartnerGartner Survey Finds Generative AI Is Now the Most Frequently Deployed AI Solution in OrganizationsIDC2024 年生成式 AI 采用现状EYHow gen AI and complexity

108、challenge assumptions and business modelsRollingAI生成式 AI 商业落地白皮书Bain&CompanyAI Survey:Four Themes EmergingKearney&FuturumAre CEOs Ready to Seize AIs Potential?RANDThe Root Causes of Failure for Artificial Intelligence Projects and How They Can SucceedWriterGenerative AI adoption in the enterprisePWC

109、生成式人工智能前沿企业六大关键事项Google CloudThe ROI of Gen AIBCGFrom Potential to Profit:Closing the AI Impact GapBCGWheres the Value in AI?TeneoWhere is the World Going in 2025 and Beyond?Google CloudCrossing the generative AI tipping pointBCGHow CMOs Are Shaping Their GenAI FutureMcKinsey&Company Superagency in

110、the workplace:Empowering people to unlock AIs full potential德勤AIGC 时代人才发展趋势及企业应对AccentureHow reinvention-ready companies are driving growth and relevance with gen AICapgeminiHarnessing the value of generative AI腾讯研究院AI 转型的进展洞察报告后浪研究所 2024 年轻人驯化 AI 指南报告Google CloudAI business trend 2025创业邦2024AIGC 创新

111、应用洞察报告参考资料7071AI IS THE NEW OXYGEN：AI 时代的商业进化蓝图主创团队中欧国际工商学院：由中国政府和欧洲联盟于 1994 年共同创立，是中国唯一一所由中外政府联合创建的商学院。学院始终秉承“认真、创新、追求卓越”的校训，致力于培养兼具中国深度和全球广度、积极承担社会责任的领导者，已形成在三大洲五地（中国上海、北京、深圳，瑞士苏黎世和加纳阿克拉）办学的全球化格局，被中国和欧盟的领导人分别赞誉为“众多优秀管理人士的摇篮”和“欧中成功合作的典范”。中欧 x 特赞 AI 与商业创新研究基金：中欧国际工商学院与特赞科技 Tezign 联合创立，旨在建立加强科技创新与产业发

112、展的联系，建立“人工智能+商业”的操作框架（Operational Framework），支持管理领域研究与 AI 商业化，促进产业升级和经济转型。特赞科技 Tezign：全球领先的“内容+人工智能”独角兽企业，依托生成式人工智能技术，赋能企业高效内容管理、生产和分发需求，驱动业务增长。已服务全球200+中大型企业，覆盖快消、零售、鞋服、美妆、医药、工业制造、金融、汽车、互联网等行业。增长黑盒：一家聚焦在消费和科技领域商业研究机构，通过分析市场发展趋势和增长策略，为企业家、创业者提供生意经营的决策支持。已为众多头部消费品牌和互联网公司担任外脑，用科学家的思维破解业务难题。中欧国际工商学院院长（

113、中方）管理学教授横店集团管理学教席教授中欧国际工商学院院长（欧方）市场营销学教授中欧国际工商学院市场营销学教授市场营销学系系主任中欧 AI 与营销创新实验室研究主任中欧 x 特赞 AI 与商业创新研究基金执行委员会主席特赞科技 Tezign 创始人及 CEO中欧 x 特赞 AI 与商业创新研究基金执行委员会主席中欧国际工商学院战略学及创业学副教授中欧 x 特赞 AI 与商业创新研究基金执行委员会副主席特赞科技 TezignCSO中欧 x 特赞 AI 与商业创新研究基金执行委员会副主席增长黑盒 CEO、研究总监中欧国际工商学院市场营销学助理教授中欧 x 特赞 AI 与商业创新研究基金执行委员会成

114、员 中欧国际工商学院战略学助理教授中欧 x 特赞 AI 与商业创新研究基金执行委员会成员 中欧国际工商学院教务长办公室助理研究员中欧 x 特赞 AI 与商业创新研究基金执行委员会成员 中欧国际工商学院教务长办公室助理研究员中欧 x 特赞 AI 与商业创新研究基金执行委员会成员 特赞科技 Tezign 公关传播负责人中欧 x 特赞 AI 与商业创新研究基金执行委员会成员 特赞科技 Tezign 市场活动负责人中欧 x 特赞 AI 与商业创新研究基金执行委员会成员 增长黑盒内容业务负责人消费品行业数字化专家特邀编委汪泓 杜道明执行编委 王琪 范凌 研究基金编委会成员郭薇 任远刘方舟鲁薏 陈卓李子贤

115、 邹育微赵洋熊文 邹沅铮张可人特邀编委7273AI IS THE NEW OXYGEN：AI 时代的商业进化蓝图扫码关注研究中心公众号获取更多中欧 AI 相关研究干货扫码关注研究基金公众号回复【AIBI】获取更多报告，解锁 AI+商业增长新趋势扫码关注中欧国际工商学院公众号扫码关注特赞科技公众号扫码关注增长黑盒公众号中欧 AI 与营销创新实验室作为中欧 AI 与管理创新研究中心的重要组成部分，专注与人工智能技术在营销领域的前沿应用，通过构建一个广泛而多元的合作生态，推动相关教学和研究的创新发展。实验室通过与不同企业之间的战略合作，充分利用各方资源和响应各方需求，围绕创新实践开展深度研究。我们与

116、企业的合作模式多样，包括与特赞和深演的合作，这些都是中欧 AI 与营销创新实验室之下并行推动的不同合作项目。具体的合作形式将综合考虑企业特点、双方合作愿景以及捐赠数额等多种因素来决定。特别与特赞的合作，由于双方期望开展的合作项目较多，且捐赠数额符合学院成立研究基金的标准，故我们共同成立了中欧 x 特赞 AI 与商业创新研究基金。这一基金将支持我们在 AI 与商业创新领域的深入研究。与此同时，与深演智能的合作则集中在合作举办论坛和开展模拟实验，以赋能教学与研究。实验室的成立不仅是响应了现有企业的合作需求，更为了未来更广泛的企业合作打下坚实的基础。我们期望通过与更多关注AI与营销创新的企业合作，共同推动中欧在数智化时代中的教学与研究持续创新，为合作伙伴和校友企业赋能，携手迎接人工智能所带来的机遇与挑战。联系方式：李老师 021-28905442；lelaineceibs.edu