（文/张志峰编辑/吕栋）

　　Gartner调研显示，88%的企业计划在2026年继续加码AI投入；行业整合数据显示，在中国仅有8%的企业确认从AI中获得可量化的实际财务回报。

　　埃森哲7月发布《2026中国企业数字化转型指数》进一步印证了企业AI投入与价值兑现脱节的落地痛点这一残酷现实：中国企业跨过AI先进试点阶段的比例已从2025年的46%飙升至88%，但真正实现生产效率、收入和利润显著提升（效率提升10%以上/营收利润提升5%以上）的企业，占比仅从9%微增至14%。

　　钱在流入，模型在迭代，数据在积累——几乎所有企业都已完成“采集”这一步。但价值为何迟迟不兑现？

　　7月18日，神州数码董事长郭为在WAIC期间给出了一个尖锐的回答：问题不出在数据本身，而出在数据进入组织之后的那段“无人区”。他将其概括为十个字——数据即权利，智能即资产。

　　言下之意，多数企业坐拥数据金矿，却缺乏将矿石冶炼成组织能力的“高炉”。这座高炉，就是流程。

　　一道被忽视的鸿沟

　　郭为在演讲中反复强调一个判断：AI的价值释放是一个系统工程，必须从技术范式、管理方法和商业模式三个维度协同推进，而非简单地给现有流程“贴”一层AI。

　　他提出的路径是“AI for Process”——不是用AI替代某个岗位、某项任务，而是让AI成为流程本身的“神经系统”，形成可自适应、可进化的智能体流程（即多个AI智能体在业务流程中协同工作、自主决策的机制）。

　　这一判断并非孤例。

　　麦肯锡《2026组织状态报告》调研覆盖全球15个国家超万名企业高管，指出全球89%的企业已开展AI转型试点，但仅不到25%能规模化落地并取得稳定业务成果。

　　极客邦科技联合双数研究院7月发布《2026年中国企业AI应用场景报告》，结论更为直白：71%的中国企业已入局AI，但真正实现全流程价值落地、稳定跑通AI项目的企业不到两成。“跑通”与“部署”之间的距离，恰恰就是流程再造的距离。

　　“跑通”与“部署”之间的距离，恰恰就是流程再造的距离。

　　郭为举了两个例子。

　　在创新药领域，一份FDA临床研究报告（CSR）传统撰写周期约3个月，通过多个智能体在数据提取、文献比对、报告生成等环节的协同，可压缩至数天，且资深专家的经验被沉淀为可复用的组织资产。

　　在胰腺癌诊疗中，术前影像分析、术中导航辅助、术后随访管理三个智能体形成闭环，将原本依赖个别专家“手感”的诊疗过程，转化为可传承、可度量的标准化流程。

　　这些案例的共同特征是：AI没有替代人，而是重塑了人与人、人与数据之间的协作方式。

　　谁在填这道鸿沟

　　将AI嵌入企业流程，这个命题在2026年已不新鲜，但真正具备交付能力的玩家，远比想象中稀缺。

　　IDC数据显示，2025年中国企业级AI智能体市场规模为212亿元，预计2026年将增至449亿元，年复合增长率高达107%。市场增速惊人，但格局高度集中——Omdia报告显示，中国AI云市场前五名厂商合计占比已超过80%。

　　在这个赛道上，至少存在四类玩家，各有长短。

　　第一类是拥有全栈技术能力的平台型巨头。

　　阿里云以百炼平台服务百万客户，在AI基础设施和模型服务两个领域均居市场首位；华为云依托盘古大模型和昇腾芯片，在工业、政务等对自主可控要求极高的场景中构建了深厚壁垒；百度千帆平台已支撑企业构建超130万个智能体。

　　它们的优势在于从芯片到模型到应用的全链路掌控，劣势则在于“大而全”往往意味着对细分行业流程的理解不够深入。

　　第二类是国际咨询巨头。

　　埃森哲在最新报告中提出“人机共智”框架，强调企业竞争重心已从采购模型转向搭建自主AI运营系统；德勤则直接以自身组织架构开刀，打破延续多年的职级金字塔，以技能为导向重构18万名员工的协作方式。

　　它们擅长顶层设计和变革管理，但技术落地和系统集成并非其核心能力。

　　第三类是垂直行业服务商，在金融、医疗、制造等特定领域深耕多年，拥有极深的行业认知，但规模有限，难以跨行业复制。

　　第四类则是神州数码所代表的“中间层”角色——不拥有底层大模型，但具备跨行业的流程理解、多模型整合能力和系统集成经验。

　　2025年全年，神州数码AI相关业务收入达330亿元，同比增长48%；2026年一季度进一步加速至155亿元，同比增长119%。其“问学”平台试图扮演的角色，是在底层模型与上层业务之间搭建一座“翻译桥梁”，将通用AI能力转化为特定流程中的可执行智能。

　　这条路的挑战同样清晰。

　　神州数码并非技术源头，其竞争力高度依赖外部模型的能力演进；流程再造牵涉组织架构和利益格局调整，实施周期长、阻力大；而在它所处的生态位上，上有云厂商向下渗透，旁有咨询公司横向切入，竞争烈度不容低估。

　　结语

　　88%与8%之间的落差，不是技术的失败，而是组织进化的滞后。

　　数据人人都在采集，模型人人都在调用，但谁能把数据变成流程中的智能，把智能沉淀为组织的资产，谁才真正握住了AI时代的入场券。

　　这场竞赛的终局，或许不取决于谁的模型更大、算力更强，而取决于谁先完成那场不那么性感、却决定生死的“流程革命”。

　　本文系观察者网独家稿件，未经授权，不得转载。