被认为是未来基础设施的AI，正推动企业的生产变革。

“我们是一家供应链公司，日常更关注AI对于准确率提升所带来的影响。以需求预测为例，在引入算法引擎和AI工具后，需求预测的准确率在85%～90%之间，这有助于我们的连锁餐饮客户更精准地管理库存。”顺新晖首席技术官（CTO）周军在接受本刊记者采访时说。

8月，《国务院关于深入实施“人工智能+”行动的意见》正式印发，阐明了“人工智能+”行动的“路线图”和“时间表”。

在这一背景下，越来越多企业正积极接入AI，探索其在不同业务环节的应用方式。与此同时，接入成本、技术适应性等问题也受到广泛关注。如何进一步推动AI与实体产业深度融合、释放更多创新活力，已成为行业共同思考的方向。

AI落地遇挑战：

有企业遭遇 “水土不服”

“在我们数据开发部，AI早已成为团队‘标配’。它承担了大量重复性工作，比如可以直接问AI这段SQL（一种编程语言）是什么意思，能让工程师聚焦核心逻辑。我们的数据开发效率因此提升了50%。”国货洗护发品牌诗裴丝相关负责人对本刊记者说。他们将采购的AI产品用于编程、设计、数据分析等领域。

在医药研发领域，希格生科利用类器官疾病模型和AI技术，开发出全球首款弥漫性胃癌靶向药，该药已先后获得美国、中国的新药临床批准。

希格生科创始人兼CEO张海生对记者说：“AI帮助我们突破了传统候选化合物库的限制，候选化合物挑选的精度和广度提升很多。”

中国工业互联网研究院（以下简称“工联院”）对近1500例AI项目分析发现，在工业领域应用方面，不同行业的AI应用渗透率不同，大模型在电力、汽车、钢铁等行业渗透率较高。不同环节AI应用成熟度不同，传统AI（指判别式小模型，主要针对单一任务）在生产制造和运维服务使用较多，而大模型的应用分布呈“微笑曲线”，在产业链高附加值两端的研发设计和经营管理落地较快。

“各行业和环节的数字化基础存在差异，且不同环节对于模型准确性、稳健性和实时性等方面要求也不同。”工联院智能化研究所人工智能研究员杨昱文对本刊记者说。

不过，大模型逐步落地企业的过程中，也出现了不少“水土不服”的情况。

“我还是担心AI存在泄密可能。”马新（化名）告诉记者，作为一家中小型新材料企业的负责人，他们研究的新材料用于航空航天等前沿领域。他非常关心大模型使用中的数据安全问题。他说，公司相关业务对于信息保密有着要求严格，因此暂时不考虑在公司内使用AI。

AI幻觉（指AI一本正经地胡说八道），也常被“吐槽”。

“我们看到某AI问诊平台，建议糖尿病患者每日注射50单位胰岛素（远超安全剂量），这是因为训练数据混淆了不同体重患者的用药标准。”甘李药业信息技术部总监高源告诉记者说。

对于研发、临床等对信息准确性要求极高的领域而言，其核心诉求始终是提供精准可靠的答案。

除了上述问题，企业在推进AI落地时还需面对另一个现实挑战：如何找到真正适合AI并能产生实际价值的应用场景。

周军介绍，以货物配送为例，过去公司使用的技术已经能够很好地解决货在哪里、如何寻找最优路径的问题。如果引入AI，只不过是把之前做的再做一遍，而且大模型公司往往拿不出更好的解决方案。

“大模型所具有的查询或简单总结过往作业数据的功能，对我们来说意义并不大。