近期，与从事一二级市场投资的朋友交流得知，今年AI硬件领域的投资项目热度空前，不少投资者收获颇丰。然而，一组看似矛盾的数据却引发了广泛关注：88%的企业已引入AI技术，但仅有6%的企业实现了利润的显著增长。其余企业虽投入了资金、部署了系统、发布了新闻稿，利润表却未见明显改善。这一现象背后，反映出企业在应用AI时普遍面临的核心问题——尚未找准AI与自身价值链的契合点。
作为国内早期接触全球AI技术的互联网从业者，笔者深刻体会到，AI带来的变革远超互联网革命，更接近工业革命对社会的根本性重塑。它不仅是新的生产工具，更是从生产力端引发的革命性变革。AI的智能能力首次成为可按量交付、可跨境流通的标准中间品，这一特性使其与过去三十年的数字技术浪潮形成鲜明分野。例如，AI模型推理的物质消耗（硬件折旧+能耗）已接近制造业水平，远高于服务业；GPU+HBM加速器的商业折旧周期仅约3年，数字企业的资产负债表因此呈现出重工业特征。
AI的工业化特征体现在三个维度：成本结构上，每次AI调用都对应真实的算力、电力与网络消耗，边际成本不再趋零；资产形态上，高资本开支与快速经济折旧并存；产品形态上，AI输出是中间品而非最终消费品，其价值需嵌入下游流程后才能兑现。这种变革推动数字经济从“轻资产模式”迈入“工业化时代”，智能成为可拆解、可计量、可编排的商品，类似于工业革命将体力劳动工业化，AI正在将认知劳动工业化。
从价值链角度看，AI的价值沉淀分为四层：物质底座层（电力、芯片、服务器等）、智能供给层（基础模型、训练和推理服务）、组织中介层（Agent、RAG、系统集成等）、场景兑现层（企业应用、智能汽车、机器人等）。新增价值往往流向议价能力强、客户粘性高的环节。当前，AI算力相关商品的贸易额快速增长，2025年全球AI算力贸易额达4.18万亿美元，占全球贸易增长的42%。美国凭借全球约一半的新增数据中心容量，相关贸易增长约66%，金额达2200亿美元。尽管中美直接贸易因关税下降30%，但AI技术贸易几乎未受影响，显示出先进制造业的结构性变化已超越短期关税冲击。
AI的普及正在重塑全球分工格局。传统制造业的比较优势（如劳动力成本、配套能力）和服务外包的优势（如人力成本、语言能力）因AI的介入而重新定价。新的比较优势包括：廉价的算力与稳定的电力供应、模型与工具链的掌握能力、将AI嵌入行业流程的能力，以及获取高质量场景数据并反馈改进的能力。全球分工因此裂变为三层：掌握芯片、云平台、基础模型的经济体通过技术和服务获取更高附加值；拥有制造体系、产业场景和工程落地能力的经济体将智能转化为生产效率和行业方案；主要依赖低成本外包的经济体则面临岗位替代与进入高附加值数字服务门槛降低的双重影响。
然而，拥有场景并不等同于实现生产率提升。麦肯锡2025年的调查显示，尽管88%的企业已在至少一个部门常态化使用AI，但仅约6%的企业通过规模化应用AI使EBIT增长超过5%。这些成功企业的共同点并非单纯使用AI，而是对工作流进行了全面重构。例如，某鞋企通过AI分析北美消费者偏好，将产品从构思到落地的时间从一个月缩短至两天，一双拖鞋售价达145美元，批发利润率高达92%。这一案例表明，AI的价值实现需与业务流程深度融合。
为帮助企业找准AI的应用切入点，笔者将企业运营拆解为业务运营全周期（A线）和经营管控（B线）两条链路。以出海企业为例，A线包括产品调研与设计、原料采购、生产加工制造、销售与客户管理、库存与仓储管理、物流与配送、跨境贸易与合规七个环节。AI在每个环节均可发挥重要作用：在产品调研与设计环节，AI可实时抓取全球电商、社媒数据，将调研周期缩短约85%；在原料采购环节，AI可通过机器视觉实现来料全检，检出率提升至95%以上；在生产加工制造环节，智能排产可提高设备利用率15-20%，预测性维护可减少非计划停机50%以上。
B线则涵盖企业使命与愿景、发展策略、未来经营范围、人员管理、财税管理、法务与合规七个模块。AI的改造虽不直接创造收入，但决定企业战略选择的正确性、资源配置的合理性以及风险管控的有效性。例如，AI可实时生成PESTEL图，帮助企业感知战略环境变化；通过蒙特卡洛模拟，为战略决策提供数据支持；在财税管理方面，智能记账可将月末结账周期缩短约80%，税务筹划可优化20-30%的空间。
AI时代，企业能否实现超额收益，取决于数据资产、流程资产与先进AI工具的乘积效应。仅有数据或工具而未重构流程，仍无法持续提升效率。麦肯锡调查中仅6%的头部企业获得显著回报，正是因为它们不仅使用了AI，更对工作流进行了彻底改造。未来，全球竞争将不再单纯比较智力，而是比拼谁更能将AI深度嵌入价值链与经营链。对于企业家而言，关键在于选择正确的改造方向，而非盲目追随技术潮流。
