88%的企业用上了AI，只有6%真赚到钱：差距不在技术，在用法

这两组数字值得每位打算投入AI的老板细读。麦肯锡的调研覆盖全球主要经济体：AI的采用率已经很高，但“改善整体利润”的案例仍较少见。埃森哲的报告指向同一个结论：高管层的认知和一线业务流程之间，隔着一道深谷。钱花了，工具买了，演示看了，最后不过盈亏线——问题出在哪？

复盘那些“翻车”的AI项目，问题高度集中

零售行业专家王筱东在复盘企业AI投入时，列出项目启动前必须明确的五件事：解决谁的什么问题；当前业务基线是多少；上线后用什么指标判断有效；AI出错后由谁复核和承担责任；数据和持续迭代由谁负责。现实中，多数企业这五个问题一个都没答清楚，项目就已经上马。他同时提醒企业警惕五个常见误区，几乎条条都能在翻车现场找到对应。

中小企业的劣势，恰恰是它的优势

中山大学岭南学院李兵教授的判断值得细品。他指出中小企业应用AI有三大劣势：规模劣势——算力、模型、数据、人才的固定成本，大企业摊得薄，小企业没得摊；人才劣势——AI人才往大企业集中；数据劣势——AI是数据“喂”大的，中小企业历史积累少。但他同时强调，优势恰恰藏在“小”字里：没有老系统的历史包袱，船小好调头，可以直接用最新的云上工具；数据小而精，垂直场景的模型反而好训练；组织重构可以一步到位，实现“小组织大能力”。他的结论很直接：“组织重构的红利，很可能最先被中小企业吃到。”

李兵给出了四个“利用好”，每一条都是现成的路径：利用好AI产业园区——智算中心、赋能中心把算力模型数据打包供给，算力券降低试错成本；利用好AI服务平台——模型即服务、智能体平台开箱即用、按需付费，比如1688为中小商家推出的数字员工，可自动发布商品、优化标题、接待询盘，不用自己写代码；利用好产学研合作——自己做不了基础研究，可以用场景换技术，长沙一家企业与高校共建AI训练中心，一年时间核心算法识别准确率从60%跃升到90%；利用好大中小企业协同——大企业开放供应链和AI能力，中小企业嵌进去、接订单、借能力，“大平台搭台、小企业唱戏”。