回溯時間線，企業AI化升級的進度並不慢。
2023年大模型元年，國內開啓百模大戰，企業開始思考大模型能做什麼。2024年，大模型能力快速迭代，企業開始嘗試接入AI能力，智能問答、文檔助手等應用在其內部陸續上線。2025年，智能體概念爆發，從去年9月份開始，企業開始探索讓AI切入到核心生產流程。
到了2026年，阿裏雲智能集團副總裁霍嘉判斷，“今年是Agentic AI應用真正爆發的元年，企業的核心任務是推動AI應用落地。”
但現實是，大多數企業卡在了AI落地的最後一公裏：從“能用”到“進入生產”。
背後的原因在於，AI落地企業要面對其內部原本運行多年的系統、權限、數據、設備和業務規則。這意味着，AI要想真正進入生產流程，不是再疊加一個入口的問題，而是要進入這套復雜的體系內。
讓智能進入業務
過去二十年的企業數字化，主要解決了流程線上化、數據沉澱和系統協同的問題。但今天AI面臨的情況不同，企業不是一張白紙，ERP、MES、DCS、OA已經在企業內部扎根。AI進入內部時，既無法推翻重來，又必須找到合適的切口，落地難度自然更高。
從數字化到智能化，最突出的變化是系統在業務中的角色。數字化以數據打通，業務重構爲核心，數據是分析依據，決策主體是人，依賴信息化系統與網絡；智能化以算法推理，自動決策爲核心，數據成爲了決策原料，決策主體變成機器輔助或自主決策，一來完備數字化底座與AI算法。
然而，企業現有的數字化架構大多是爲流程固化和系統管控而設計。ERP管資源、MES管生產、DCS管控制、OA管流程，每一套系統都在自己的領域內高效運轉。系統習慣於把已知的規則轉化爲標準動作，卻不一定擅長應對規則模糊，需要跨系統推理以及依賴專家經驗的復雜場景，而這恰恰是AI進入生產流程時必須面對的難題。
更關鍵的是，這些系統本身並不會主動提示AI，業務現場應該調取哪些數據，切換哪些系統，由誰來負責決策，一旦發生異常意味着什麼。而上述種種問題，跟大模型是否聰明和便宜，關系不大。
系統層面的障礙之外，建設模式本身也構成了阻力。霍嘉告訴光子星球，傳統AI項目式構建是先規劃好流程，再開始建設。但今天模型相關技術日新月異，從年初的上下文工程到Harness工程再到自進化工程，僅在九個月之內就更新了四個版本。在固有的數字化建設模式下，很難跟上如此快的技術迭代和場景落地要求。
系統固化與建設慣性疊加，共同造成了當前企業AI落地的困境。AI既進不去存量系統，傳統建設模式又跟不上技術迭代。
數字化時代已經完成的，是讓業務進入系統；智能化時代需要完成的，是讓智能進入業務。企業真正缺乏的，是一套能夠讓AI理解業務、調用現有數字化系統、接受驗證並參與業務流程的方法論。
選場景、做Demo、Say No
這套方法論無法平地起高樓，也不能靠遠離現場的產品設計來補齊，需要廠商進入業務現場，把問題、系統和工程實現連接起來。
但過去三年，企業嘗試的路徑大多遠離現場。有的從大模型API切入，做出一批問答助手；有的從某個業務痛點出發，做單點POC；有的成立AI專項組，試圖自上而下推動。這些嘗試方向未必錯，但共同的問題是，設計在遠端，驗證靠匯報，交付即結束。真正讓AI進入生產流程、形成閉環的案例仍然不多。
阿裏雲在服務大型國企和行業頭部客戶的過程中，逐步摸索出一套企業AI落地的方法論。這套方法論無需企業從零構建一套新系統，核心是在企業已有的數字化底座之上，把通用AI能力轉化爲真正能進入生產流程的業務能力。
這背後也代表了一種全新的工作模式，霍嘉將其概括爲四步：選對場景、快速驗證、科學建設、效果飛輪。
選對場景是起點。判斷一個場景是否值得用大模型技術去做，至今仍是大部分項目成功與否的首要原因。隨着AI的發展，場景變得越來越多，實踐下來發現，很多場景未必適合大模型，強行去做反而會失敗。真正值得優先切入的，是那些高頻、高價值、強專家依賴的核心環節，即越靠近生產核心，AI的價值越可衡量，越難被替代。
中國石油蘭州石化是阿裏雲的重點客戶之一。在選擇場景環節，阿裏雲團隊用三級漏鬥式調研層層細化，總部戰略調研覆蓋6個職能部門和4個工業聯創中心，再聚焦四個聯創中心圍繞勘探開發、注水採油、煉化裝置、設備檢維修篩選，最後進現場和裝置管理人員、工藝專家、內操人員一起蹲流程，最終把煉化常減壓裝置異常告警診斷定爲試點。
快速驗證決定方向是否成立。不講PPT，直接看DEMO。用真實數據、真實流程跑一遍，讓業務專家直接對着結果提意見，把討論從“要不要做”推進到“怎麼做更好”。蘭州石化項目中，團隊進場後23天完成設計演示方案，再用13天現場端到端調通，36天產出可運行業務Demo。當可運行系統先擺上桌，業務專家直接對着診斷結果、證據鏈和處置建議，判斷如何推進下一步。
這種快速驗證的思路，同樣貫穿於項目推進的節奏。霍嘉對項目推進有一個明確要求：把周期壓短。一個央企項目團隊最初匯報上線要3個月，霍嘉直接說不要做了，將發布節奏改爲每月一次，後來到每周一次。此外，他還堅持一個前提，即與客戶構建真正的“One Team”關系，而非傳統甲乙方模式。
科學建設覆蓋語料數據、模型策略、評測體系與工程方法。生產級系統與實驗環境有着本質區別，需要一條完整的技術路徑來支撐。
仍然以蘭州石化項目爲例，阿裏雲團隊先基於知識圖譜技術構建常減壓裝置本體知識庫，把物理世界的業務語言翻譯成本體世界的語言；再用大模型把操作手冊、各種IT系統裏的數據清洗成Agentic數據，灌入本體知識庫；最後構建全域推理引擎，基於千問Max模型和常減壓裝置訓練垂域時序大模型。當異常出現時，該模型能夠模擬人的思考過程，協助智能體捕捉異常信號，給出根因判斷。該系統自5月份上線至今持續運行，整體效果達到90%準確率，處置效率提升80%。
效果飛輪讓前三步持續增值。系統上線後產生的新數據、業務人員的新反饋、專家積累的新經驗，都應該回流到語料庫、評測集和工程規則中，驅動模型和系統持續優化。每一次循環，系統對業務的理解更深一層，輸出的價值更高一截，而單位成本隨之下降。當產出價值遠超投入成本時，智能化建設就進入了自我強化的正循環。
算力、模型、智能體缺一不可
這套方法論的落地，離不開一套完整的全棧式AI基礎設施作爲支撐。
整體上看，這套支撐體系分爲三層：最底層是AI Infra，中間是MaaS，最上面是Agent。底層算力支撐推理效率，MaaS層提供模型調度與私有化部署，Agent層完成智能體編排與工程約束，安全與可觀測體系保障生產級運行。
阿裏雲是比較好的觀察樣本。在AI Infra層，阿裏雲有平頭哥芯片，當前在售的PPU1.5是國內第一個支撐原生FP4的芯片，也是第一個做到144G HBM3E顯存和800G顯存帶寬的芯片，確保MOE大尺寸模型推理效率足夠高。
在MaaS層，阿裏雲提供千問系列模型，包括2.4T參數的大模型，以及Qwen3.8的27B小模型，同時提供五類專屬閉源模型，從大語言到多模態到語音識別、語音生成、視頻生成、圖像生成與編輯，都能進行私有化部署。
在Agent層，阿裏雲提供AgentScope智能體框架、Qoder AI原生編程工具、Harness工程平臺、工業本體平臺等。
蘭州石化項目驗證了這套全棧體系的支撐能力。本體知識庫讓智能體看懂裝置，Harness層讓每一步推理可審可信，13個專業AI助手嵌入班組日常，工業軟件通過MCP協議被大模型統一調度。
這套全棧能力還構建了一個正向循環的飛輪。雲廠商在客戶現場用AI原生產品解決問題，客戶的使用產生真實數據和反饋。這些反饋回流到產品團隊，驅動產品功能迭代和架構演進。產品能力增強後，進一步提升場景價值和工作效率。
霍嘉告訴我們，在服務客戶的過程中，阿裏雲從最初只用模型和雲的基本產品，一步步拓展到了百煉平臺、Qoder、千問辦公等更多AI原生產品。在真實場景裏獲取的需求，可以成爲產品以後迭代的反饋源，不斷保持產品的先進性。
對雲廠商來說，當使用和產品飛輪轉起來以後，能夠驅動底層的模型和數據飛輪，從而提升整體的商業化；對客戶而言，一次性解決了找不到場景、驗證技術可行性和ROI以及生產級上線的三個痛點。一旦產生了正向的ROI，企業AI落地自然也有了價值回報。
技術不是壁壘，把技術轉化爲企業專屬智能才是
當企業AI落地逐漸走向深水區，更根本性的問題正在浮出水面。通用大模型越來越強，但企業的核心競爭力，從來不是擁有聰明絕頂的模型。
通用大模型是技術底座，可以被任何企業調用，能力趨於同質化。真正拉開差距的，是企業自身的數據、知識和流程，是沉澱在生產流程裏的工藝參數、專家經驗、制度規則和業務邏輯。
霍嘉反復強調一個判斷：無論什麼技術，對企業而言，價值歸根結底就是“增收、提質、降本、增效”八個字。企業經營的本質是創造價值、賺取利潤，技術本身不構成壁壘，把技術轉化爲專屬能力才是。
專屬智能不是買來的，是在生產流程裏一點一點長出來的。這個過程沒有捷徑，哪些數據可用，哪些知識可信，哪些規則必須硬性約束，哪些判斷可以交給模型，都需要在真實驗證中逐一確認。而一旦沉澱下來，這些專屬資產就構成了企業智能化轉型中最難以復制的壁壘。
當模型能力同質化後，真正能賣出溢價的不是模型，而是用專屬智能解決具體業務問題的能力。模型越強，專屬智能的天花板越高；但專屬智能的厚度，取決於企業自己在業務場景中積累了多少。
專屬智能要落地，也需要具體的產品載體。以千問辦公爲例，除了大規模個人辦公場景，也上線了面向企業的私有化版本，可部署於企業自有環境，並圍繞安全可信要求完成權限、數據隔離和審計適配。
千問辦公帶進企業的，不只是一個AI助手，而是懂崗位、能協同、可追溯的數字員工，在企業服務、運營管理和產業協同中承擔具體工作。當數字員工真正上崗，專屬智能的厚度才有了可衡量的落點，也才有了持續增厚的空間。
相關閱讀
- 原創 小米跌沒了9700億，雷軍只剩最後一張牌了？2026-10-08
- 二代豆包手機，還沒解決舊問題2026-10-08
- 騰訊偷偷內測“AI美女陪玩”，真人陪玩要集體失業了？2026-10-08
- AI博主圈，正被「中戲北電」擠滿2026-10-08
- 原創 在印度又遭遇大麻煩，小米這次會被印方割去多少肉？2026-10-08
