企业AI落地——我从企业创新参与者到AI商业化软件开发者转变的一点思考

回望整个职业历程，深感每一家有持久生命力的企业其发展史也是一部创新史。而个人每次入职时点也都是企业创新的一个节拍：市场拓展、产品迭代、渠道革新、业务模式升级，乃至组织创新。这种职业经历让我养成了对企业发展阶段和增长驱动力、系统稳定性与破坏性的敏感。

自2025年6月底至今近一年，开始用AI在企业、汽车产业链场景内部拼图或者外部合作商业化落地，今天阶段性梳理心得，与各位交流探讨。

背景：2024年底开始系统学习AI大模型应用开发，工作关系自然开始观察汽车ADAS市场表现，之后就迎来2025年底汽车垂直领域由ADAS向L3自动驾驶正式商用牌照发放的历史性转折，随后很快又出现了通用领域openclaw2026年的现象级爆火。为解决汽车行业科技迭代太快导致的从业人员注意力分配焦虑开发了“自动驾驶车产业链动态看板”，它与传统看板的不同就是独立应用、动态更新，输入即符合你的既定知识图谱，无信息处理负担。随意对产品迭代、产品组合和核心竞争力建设的思考，我开始意识到这是一个看起来始于毫末但可能大局已定的应用。以下三方面的总结分享，主要基于这一背景展开。

一、企业AI战略本质判断：是裁人还是赋能？一个关键标准即可识别

1、主导权归属：IT vs 业务的战略分水岭

判断企业AI战略导向的核心标准：企业AI项目主导负责人，是IT技术部门，还是业务职能、综合管理部门。这一看似简单的组织架构安排，实则决定了企业AI转型的根本方向——是AI替代人力，还是人机协同赋能。

对于非IT从业人员或者像我一样的文科生，答案很遗憾。一年多来从学习群看到的AI产品开发人员岗位、产品经理岗位JD，以及昨天从招聘网站看到的企业AI战略负责人岗位JD描述看，绝大部分要求应聘者具备IT或人工智能教育背景。目前唯一一次例外是视频编导专业。此外，数据标注岗位对教育程度要求更低，高中即可。

根据豆包AI搜索，IDC最新调研数据显示，高达80%的CIO负责研究和评估AI技术，71%表示IT部门正主导AI的采用 。然而，这种技术主导模式恰恰暴露出当前企业AI转型的深层困境：大量AI项目由IT部门主导，而非业务线，导致用例与业务价值脱节 。

这种脱节直接反映在项目成功率上。MIT研究报告《The 5GenAI Divide》揭示了一个惊人的真相：通用AI工具在实际生产环境中的成功率高达40%，而企业级定制AI工具的成功率仅为5%。更为讽刺的是，即便在那些已经为员工订阅了官方大模型服务的公司（约占40%），仍有高达90%的员工会选择使用自己熟悉的个人AI工具悄悄干活。

以上对于效果层面的对比也是我学习和实践中首先考虑的。通用大模型的效果有时确实并不逊色于专用工具，在有人机协作情况，甚至更好。笔者制作的第一个二维实景动画视频宣传片就是一次例证。

但AI应用的深层次推进，从来不仅是使用效果的问题，还有一个人和AI选择的问题。

2、阶段演进论：从技术导入到人机协同的四阶段路径

基于我的观察和行业实践，企业AI战略主导权应随发展阶段动态调整：

第一阶段：技术导入期

在全社会、企业全员对AI认知浅薄、认知不足时，比如AGI热潮初期，必然由IT部门牵头主导。

第二阶段：转型磨合期

业务人员熟练驾驭各类AI工具，AI落地迈入新阶段。驾驭的标准包含：不仅可以使用豆包、即梦、Canvas等文生文、文生图、文生视频等通用AGI工具，也能运用Cursor或者Claude进行辅助编程，依托低代码搭建轻量化应用，或者使用openclaw跑通一个生产流程，或者完成基础模型调优等。

在这个阶段，主导权可以从IT部门平稳移交至一线业务部门与综合管理部门。

第三阶段：良性协同期

业务与技术充分磨合、彼此适配后，进入双向赋能、良性互动阶段。各岗位回归本职核心工作，仅持续做好技术优化迭代，静待行业新一轮技术变革。

第四阶段：终极形态（未知）

企业是否走向精简人力、极致轻量化运营，甚至一人式公司，既是企业自主经营选择，也将成为社会选择。

相反，企业在人才市场对于IT技术的一边倒，个人以为导向既不利于人才培养，也不利于企业和社会发展。

说明：以上观点，并不代表IT专业人才与其他专业人才在AI浪潮中只能平分秋色，恰恰相反，在我自己的实践中发现IT从业人员的专业积累使得他们在承担产品级难度挑战时相对其他专业人员更具效率。

二、AI应用的技术鸿沟：产品级与管理级应用的成本与门槛差异——软件行业的现状与未来

1、 动态看板应用未来产品组合形态的思考：专业壁垒vs零门槛普惠

目前开发的自动驾驶产业链看板，从低代码切入，无论通用大模型的代码功能编写功能，还是一些低代码平台工具都能实现。车企或者零部件公司本身的分析师手搓出来完全可行。

*说明：以上仅指产品0-1部分。实际上即使抛开个人在行业内的多年沉没成本积累，仅看板内容架构、UI、数据，版本迭代、知识产权申请、技术推广、产品和品牌宣传人工成本，域名、服务器、ICP、上架等各种综合商业成本，它实际上并非一句话或者打一个响指就可以实现。

对于这个软件单品，未来如何实现营收，我考虑过三个方向。

第一个方向：产品组合形态向营销软件方向发展。我收集了saleforce的一些数据分享如下：

—技术路线为不做基础大模型，深度绑定OpenAI/谷歌Gemini，聚焦行业微调、数据安全、企业流程自动化；

—年度AI预算未单独披露，根据豆包AI整理整体资本开支约50–60亿美元，AI占比约20%（约10–12亿美元）。

—变现周期：6–12个月，Agentforce推出1年即达$8亿 ARR，2年目标$20亿。

—利润率：AI业务毛利率75%+

—市值：1678亿美元（2026年5月8日）

—估值：12–14倍远期营收，低于历史中枢，反映“稳健但缺乏爆发性”的共识。

—负面：AI规模仍小（占营收7%）、增长放缓（有机订阅+8%）、AI颠覆CRM焦虑

补充：

2026年4月14日，投行派珀桑德勒宣布下调微软（MSFT）和Salesforce（CRM）两家全球企业软件巨头的目标价，原因是AI模型供应商正加速切入企业IT服务市场，企业客户的IT预算分配正在发生结构性转移。

仅从技术路线看，普通人可以触及，也说明资本市场对saleforce类软件企业的焦虑不无道理。更别提Anthropic这类今年已经碾压OpenAI的真正威胁。

第二个方向：仿真、机器人、数字孪生、自动驾驶算法等。我只是看了下涉到的大模型底层技术的追踪、各种算法学习和unity shader等tech artist日常工作内容，感觉个人在多方面同时持续学习太吃力。如果商业化，与大厂充足的人才储备、客户与知识产权沉淀相比，毫无竞争力。

同时，对资金投入的需求相比于管理软件会更快会达到五十万以上。以下是一些产品组合的研发成本：

—数字孪生 + Unity Shader：30–120万（3–6个月）

—机器人 + 仿真（Unity）：80–200万（6–12个月）

—自动驾驶算法 + 大规模仿真：200–500万（9–18个月）

—全栈（数字孪生+机器人+自动驾驶仿真）：500–1000万+（12–24个月）

第三个方向：转向提供特定模版的专业的低代码平台。

这个方向对算力、服务器的要求可能更高，目前大模型和大厂，包括营销自动化软件也都在提供的服务。

2、与物理产品绑定的软件产品

笔者非技术人员，仅个人理解，同样拥有自动驾驶算法，地平线和追觅不同的产品路线和技术路线选择也可以作为创业者和投资者参考。

地平线的一些数据：

—2026年技术路线：整车智能体，舱驾融合芯片+OS，“任务即服务”交互 。

—核心技术：BPU自研、端到端大模型、舱驾隔离安全架构

– 估值：2026年4月港股上市，市值1000亿港元 。

– 研发投入：2025年51.5亿元，占营收137%；2024年31.6亿元，占132% 。

– 亏损：2025年净亏23.7亿元，成立至今未盈利

– 争议：千亿市值 vs 持续亏损，市场质疑盈利时间表（2027-2028） 。

追觅的一些数据：

– 2025-至今技术路线： 宇宙生态，人-车-家-天-地-芯，太空算力计划+汽车电驱/智驾 。

– 核心技术：20万转高速马达、AI SLAM、仿生机械臂、全域自研芯片。

– 融资：小米生态链起步，累计融资超10亿美元，未上市。

– 研发投入：2025年146亿元，占营收36%；研发人员占比70%。

—回报率（高增长盈利） 营收：2025年400亿元，同比+100%；海外占80%，120国销售。

– 利润：2025年前三季度净利10.4亿元，成立至今持续盈利。

– 毛利率：高端清洁电器45%+，高于行业（30-35%）。

三、AI应用学习曲线：从零基础到实战应用的路径

以下是我近一年在不同AI应用的尝试进展供大家参考：

1、内容生成

我使用了非私有化部署的生文、图、克隆声音、音频、视频等效果与老师课堂上私有化部署之后成果做了对比；考虑去AI味儿，学习了手绘procreate、动漫软件blender，以及剪辑、后期和视频内容策划等；考虑到品牌独特性，整理了从表情包、贴纸、贴片、动图到视频的素材规划。

从选题到发布的完整的流程自动化，观察了Gemini和openclaw。

2、 舆情监控、情报、知识图谱与洞察

在舆情监控方面，尝试用扣子工作流搭建没有成功；用低代码平台加AI中间件实现了外部舆情、竞品、客户及产业链，内部销售漏斗到订单处理，月度、年度财务三表及企业经营状况的结构化、系统化信息聚合动态看板。可以实现基于特定平台的H5或者web、agent，也可以包装为独立APP。

3、业务流程自动化

在社交聊天工具到销售合同自动生成方面，尝试了扣子失败，找到openclaw解决方案。观察了微信和小红书都可以部署，还未有实施。

4、 基础办公自动化

早期思考过邮件自动化、定时任务、ocr等，老师课程及openclaw都有涉及，做的人比较多暂时没有具体实施。

以上思考与实践对比培训老师授课内容不及十分之一，这一年更多是对比观望验证想法。

写在最后

企业是现代社会的核心经济组织与社会稳定器，它从经济、就业、分配、创新、社会结构、公共治理等不同维度系统性塑造社会运行。

以中美两国为例，笔者从豆包AI搜索到如下一些数据：

1、企业增加值占GDP比重，中国≈70%–75%，美国≈75%–80%；

2、企业R&D经费/全社会R&D：中国≈77.6%，美国≈70%–75%（企业是创新主力）

3、企业就业人数/总就业：中国≈80%（二、三产业），美国≈85%（非农）；

4、企业法人单位数/市场主体：中国企业法人≈3327万，占市场主体≈27%（个体占70%）；美国企业占比更高；

5、企业部门收入/国民总收入（GNI）：中国≈25%–30%，美国≈20%–25%（居民≈60%–65%，政府≈10%–15%） 。

回到企业AI落地这一主题，人类本性喜欢稳定，厌恶破坏性。今时今日与以往不同在于，不仅企业有黑灯工厂7*24小时工作，一些个人也开始使用openclaw以7*24小时的速度工作；自动驾驶汽车开放个人购买后，它也会从大件消费变为生产资料……这些迹象表明系统破坏性的源头改变了，原本人可控的稳定性周期面临挑战。

面对这种挑战，一方面是美国出现了民众抗议和数据中心审批困难，另一方面是国内民众对于新技术的拥抱热潮。看似不同的表象背后都藏着相似的焦虑。

无论如何，笔者相信每家企业和每个人在被科技裹挟的同时，都能找到自己的应对和掌握主动权。这关系到我们怎么定义自己和人类。

如果您在专注企业自身发展和兼顾科技变革中也面临注意力分配的焦虑，欢迎告知预算向我定制动态看板开发服务。

具体行业案例请参照“自动驾驶细分市场动态看板”及“自动驾驶车辆产业链动态看板”。欢迎汽车产业链分析师交流。