今年以来，各大科技巨头纷纷加码AI基础设施扩张，其中OpenAI与英伟达、AMD、甲骨文等科技巨头签署了总额近1万亿美元的算力协议（注①）。

OpenAI宏伟的“算力帝国”构想能否实现还是未知数，不过，这些协议确实推高了各大科技巨头合作伙伴的市值——在甲骨文和AMD在宣布与OpenAI合作后，市值分别飙升了2440亿美元和630亿美元。

美国科技巨头逐渐迈入“高投入-高估值-更高投入”的循环，这催生了美国AI产业独特的“风险共同体”，也引发了市场对美股AI泡沫的多重担忧。

毕竟，过去两年，微软、Meta、特斯拉、亚马逊和谷歌在AI基础设施领域投入约5600亿美元，但获得的AI相关收入总额仅350亿美元，更不用提仍在巨额亏损的OpenAI了。

时至今日，全球企业管理者对AI技术的重视程度已无需多言，如何在巨额投入与商业回报之间找到平衡点，如何让AI在全企业范围内创造真实价值，才是企业管理者关心的核心命题。

概念、梯队与中国领跑者实践

10月15日，阿里云位于迪拜的第二座数据中心正式投入使用，至此，阿里云全球布局已扩展至29个地域、92个可用区。

受益于强劲的AI需求，2025年上半年阿里云营收333.98亿元，同比增长26%。阿里认为，未来十年，最大的增量和变量，都来自以AI为核心的技术驱动变革——这一判断与埃森哲最新发布的《一马当先：AI 规模化应用指南》调研结论不谋而合。

在报告中，埃森哲通过对全球1998家年收入超10亿美元的企业调研发现，尽管大多数企业仍在AI应用的浅水区徘徊，一批“领跑者”已经通过战略性布局实现了AI的规模化部署，并从中获得了显著的财务回报和竞争优势。

阿里正是其中屈指可数的领跑者之一。总结来看，这需要实现——AI规模化部署、领先且成熟的AI核心能力、已经取得较为可观的收入、在产业中获得竞争优势和强势地位。

要理解AI规模化的价值，首先需明确其边界。在讨论AI规模化之前，首先需要明确其边界——报告中对“规模化AI”的定义并非简单的“多场景应用”，而是“在全企业范围内扩展部署AI，以取得更广泛、更具影响力的成效”。

来源：埃森哲商业研究院

雷达图填充区域面积越大，能力成熟度越高

基于对企业“数据与AI能力”的评估，可以将受访企业划分为三大梯队，这也清晰呈现了全球企业AI成熟度的分布格局（图表1）：AI重塑就绪型（15%）：即行业“领跑者”；AI推进者（43%）：处于“稳步前进”阶段，已建立基础的 AI 应用能力，但难以支撑全企业范围的AI规模化；AI 探索者（42%），AI 应用多集中于单一场景，大多数企业未能将AI与核心业务结合。

迈向AI规模化的突围密码

基于深入调研和丰富的客户实践，埃森哲报告提炼出企业实现AI规模化的“五大核心要务”。这些要务构成了企业从AI探索者向领跑者蜕变的路线图，无论企业处于哪个成熟度阶段，聚焦这五大要务都能加速规模化进程。

• 高管层深度参与，将AI上升为企业战略核心。AI规模化不是“技术部门的事”，而是“CEO与董事会的事”。如果没有高层自上而下的战略决策，AI规模化将永远是空谈。在这一过程中，也要明确战略优先级：将AI 与企业具体目标绑定，比如“通过 AI 实现营收增长 15%”“用 AI 将研发周期缩短 20%”，避免AI 战略与业务战略脱节。

• 重塑人才与工作方式，AI规模化的本质是“人的能力与AI能力的协同进化”。招聘AI人才之外，更要注重根据员工岗位需求设计具体的AI学习路径，比如让市场营销人员学习“AI客户画像分析”，让会计师掌握“AI财务风险预警”。实现了AI规模化的企业就在于构建“人类+智能体”协作生态，将重复性工作交给AI，让员工专注于创造性任务。

• AI规模化不是“一次性项目”，而是“持续迭代的旅程”。在布局AI战略前，企业要事先规划了从早期部署到全面规模化各阶段预期创造的价值，并持续跟踪进展。一方面，AI投资需具备“可量化的业务价值”，通过动态监测ROI，及时终止低效项目，将资源转向高价值领域。另一方面，“员工因为担心AI导致失业或职业倦怠”的现象，越来普遍，企业要将“变革力”融入企业文化，通过创新体验激发员工参与度。

• 企业要打造“自主智能且安全的技术体系”，这包括构建AI赋能的安全数字核心，建立透明可追溯的 AI 体系。全面落实负责任AI，这涉及到——聚焦AI治理；开展风险评估；进行系统性测试；监控合规性；培训员工掌握最佳实践；以及分析AI对企业员工队伍、可持续发展计划、隐私与安全项目的影响。

从观望等待到主动布局

在全球AI竞赛中，中美的AI发展路径逐渐分野——美国企业凭借资本优势在基础模型和算力基础设施上大力投入，中国企业则更注重应用场景的深耕和商业化落地。

至于这两种路径孰优孰劣，还需要时间验证，毕竟产业的成熟本就是一个动态演进的过程，未来两条路径或许会走向融合。

但立足当下，我们也能看到一些值得关注的现象：目前国内大厂仍倾向于打造“通用大模型”，希望通过全面的应用功能抢占用户入口。然而市场上涌现的各类AI应用，其功能大多仍停留在“能用”层面，距离“专业好用”还有明显差距。这种差距恰恰反映了AI规模化过程中的核心挑战——技术易得，但与核心业务深度融合难求。

就在行业探索前行之际，生成式AI技术本身仍在快速演进。推理计算的突破、智能体架构的创新、实体AI的融合，持续为企业创造着新的可能性。

而埃森哲的调研，也为企业管理者揭示了一个明确结论——AI规模化不是“技术领先者的专属游戏”，而是“所有企业都能参与的转型机遇”。

这意味着，对于企业而言，最大的风险不是“技术落后”，而是“观望等待”。

中国企业可从两方面发力：一是夯实数据与技术基座，借鉴阿里、腾讯等领跑者的经验，通过标准化数据治理、搭建安全数字核心，为AI规模化打牢基础；二是聚焦垂直场景深耕，避免盲目追求通用大模型而是针对自身核心业务（如制造业的生产优化、零售业的客户服务）开发专业好用的AI解决方案，逐步实现从试点到规模化的跨越。

注：协议包括与英伟达高达5000亿美元、与AMD约3000亿美元、与甲骨文3000亿美元的战略合作，以及与数据中心运营商CoreWeave超过220亿美元的交易。