近日，英国媒体《卫报》报道了一个值得警惕的行业现象：一些传统企业为了追逐人工智能热度，正试图通过公关话术把自己包装成“AI公司”。报道援引多位公关从业者的观察称，部分企业把普通自动化、流程优化、规则引擎甚至早已存在的软件能力，重新命名为“AI驱动”“AI赋能”或“智能化平台”。

这类行为在海外被称为 AI washing，可以理解为“AI漂洗”或“AI包装”：企业未必真正拥有核心AI能力，却借助AI概念改善市场叙事、吸引媒体关注、提高估值想象空间，甚至影响客户和投资人的判断。

这不是一个只关乎英国市场的现象。只要AI仍是资本、媒体和产业政策关注的焦点，类似的包装冲动就会在更多市场出现。问题不在于企业宣传AI，而在于宣传是否与真实技术能力、业务贡献和风险边界相匹配。

一、自动化不等于AI，接入API也不等于AI公司

很多企业的“AI故事”并非完全虚构。它们可能确实使用了图像识别、文本生成、客服机器人、数据分析工具或第三方大模型接口。但使用AI工具，与拥有可持续的AI产品能力，是两件不同的事。

媒体和投资者需要核验：宣传材料背后是否有技术证据

一家企业可以用AI提高内部效率，但这不必然意味着它的商业模式已经变成AI模式；可以调用大模型API，但这不代表它拥有模型、数据、算法或工程壁垒；可以把旧系统升级为自动化流程，也不代表它具备机器学习能力。

真正需要警惕的是“概念替代事实”：当企业不再解释AI具体解决了什么问题、带来了多少收入、降低了多少成本、是否经过可靠测试，而只是反复堆叠“智能”“大模型”“AI原生”等词汇时，风险信号就已经出现。

二、为什么“AI包装”会带来真实风险

首先是估值风险。AI标签往往意味着更高的增长预期、更高的资本关注度，也可能带来更激进的估值倍数。如果企业的AI能力只是营销层面的包装，估值迟早要回到基本面，后续融资、并购和二级市场表现都可能承压。

其次是业务风险。客户如果基于“AI能力”采购产品，却发现交付结果只是普通规则系统或人工外包流程，不仅会产生合同纠纷，也会损害企业信用。

第三是合规风险。企业一旦声称系统具备智能决策、自动分析或风险识别能力，就必须面对数据来源、隐私保护、偏见控制、模型可解释性和责任归属等问题。宣传越夸张，合规责任越重。

最后是舆论风险。AI热潮会放大曝光，也会放大反噬。媒体和公众对“蹭概念”的容忍度正在下降，一旦企业被认定为夸大宣传，品牌信任可能快速受损。

三、甄别一家“AI公司”，可以先问五个问题

分岔路口：看概念，还是看证据

1. AI到底用在什么环节？
是核心产品、关键决策流程，还是只用于客服话术、营销文案或内部办公？越靠近核心业务，越需要详细证据。

2. 技术来源是什么？
自研模型、开源模型微调、第三方API接入、传统规则系统、RPA自动化，含金量和风险完全不同。

3. 是否有可验证的业务指标？
例如转化率、交付效率、成本下降、错误率变化、客户留存，而不是只给出“效率提升明显”这类模糊表述。

4. 数据和模型是否形成壁垒？
没有专有数据、场景反馈、工程能力和持续迭代机制，所谓AI优势很容易被复制。

5. 风险治理是否跟上？
是否披露数据来源、人工审核机制、错误纠正流程、用户告知方式和合规责任边界。

如果一家企业只能回答“我们用了AI”，却说不清“哪里用、怎么用、效果如何、风险谁负责”，就不应被简单归类为AI公司。

四、给媒体、投资者和合作方的防风险建议

媒体在报道企业AI转型时，应避免直接复述企业通稿里的标签。更好的提问方式是：这项AI能力是否已经上线？服务多少客户？是否由人工审核？与传统自动化相比有什么实质差异？

投资者应把AI叙事拆回收入、毛利、留存、研发投入和客户验证。真正的AI能力最终应反映在产品竞争力或经营效率上，而不是只停留在融资材料的关键词密度里。

企业客户在采购时应要求供应商明确技术边界和责任条款。尤其在金融、医疗、教育、招聘、法律等高风险场景中，不能只听“AI赋能”，还要看审计、留痕、人工复核和数据合规。

风险识别的关键，是把热词拆成证据链

结语：AI不是免检标签

AI会继续改变产业，也会继续创造真正的公司价值。但越是在热潮中，越要警惕那些把“自动化”包装成“智能化”、把“接入工具”包装成“技术壁垒”、把“概念叙事”包装成“商业确定性”的企业。

判断一家企业是否值得信任，不应看它说了多少遍AI，而应看它能否拿出产品、数据、收入、治理和责任边界。热词可以制造注意力，证据才能支撑价值。

信息来源：英国《卫报》2026年5月24日报道，“AI washing”: firms are scrambling to rebrand themselves as tech-focused。本文为基于公开报道的行业评论与风险提示。