人工智能驱动企业商业模式创新

本文来自微信公众号： 清华管理评论 ，编辑：排版|尚慧林，作者：邵云飞 等

人工智能作为国家战略布局的核心科技，正在重构商业生态，从价值主张、价值传递、价值获取等方面赋能商业模式创新，成效显著。然而，在全球经济疲软与技术竞争加剧的压力下，我国企业在普及关卡、技术关卡、人才关卡和算法关卡的堵点亟须打通。通过新标杆、新科技、新人才、新规制等“四新”举措，人工智能将驱动企业的商业模式迈向生态共荣。

商业模式创新是指企业在首次提出新的价值主张后，被其他利益相关者追随，最终甚至重塑整个行业的价值网络。物联网、大数据、云计算等新兴技术的发展带来高度灵活的新产品和新服务，以企业为中心、单向价值传递的传统商业模式“失灵”。我国企业亟须进行商业模式创新，培育可持续竞争优势，以应对快速变化的市场需求和日益激烈的市场竞争。

2022年科技部等六部门联合提出，以促进人工智能与实体经济深度融合为主线，以人工智能高水平应用促进经济高质量发展。随着人工智能应用上升至国家战略，越来越多的企业认识到以人工智能为核心技术驱动商业模式创新的独特价值。人工智能撬动多元主体的价值共创已经显现成效，为企业商业模式的价值创造寻求到新的增长空间。全球经济延续复杂态势，我国企业如何在多重挑战中把握人工智能的浪潮、实现可持续创新与高质量发展？深入剖析人工智能驱动企业商业模式创新的现实挑战并提出对策，对商业实践及探索有着重要意义。

人工智能驱动企业商业模式创新的成效

人工智能赋能企业商业模式创新的成效体现在商业模式创新的核心模块，包括价值主张、价值传递和价值获取（见图1）。

价值主张创新板块

在需求端，人工智能通过大幅提高企业对需求洞察的精确度，赋能企业科学全面地识别和预测用户需求，进而提出新的价值主张。人工智能通过多模态数据的融合和多轮次的数据反馈，整合用户行为数据，解析用户的情感倾向，最终构建高精度动态用户画像，挖掘用户已表达或未表达的需求并快速迭代。在生产端，由人工智能驱动的柔性生产模式可以更好地将产品功能与用户需求高度匹配，为企业实现价值新主张提出可行方案。一是人工智能通过实时监控生产参数，动态调整设备运行状态，提高产品质量。二是人工智能根据企业的生产需求在编程上即时调适，通过调整工业机器人的运动轨迹和操作参数，提高企业的生产线对多品种需求的适应性。在产品端，人工智能为用户创造更大的价值，赋能企业满足用户超越单一产品功能边界的多样化需求。人工智能支持用户自主定义产品组合方案，实现产品的智能连接、智能交互。此外，丰富的用户行为数据能“反哺”企业对市场需求的洞察，实现“三端”的良性循环。

价值传递创新板块

按照商业模式的核心逻辑，畅通的信息流和及时准确的信息传递是价值传递的关键。一方面，人工智能赋能企业形成稳固的价值增值链。人工智能通过早期的欺诈行为预警，减少企业间的信息不对称，突破供需合作关系的信息孤岛，增加企业供应链上下游的信息透明度和敏捷度，有效降低价值增值链的“断链”风险。人工智能还通过畅通生产要素的流动，赋能企业供应链趋向收缩与短链，提高价值增值链效率。另一方面，人工智能赋能企业形成长期稳定的客户关系。高效的价值传递是对客户端的一种积极信号。人工智能通过智能客服和智能产品，提升客服工作的效能和客户交互的体验，减少企业与客户间额外支付的交易成本，为企业赢得客户好感，具体表现为满意度、使用意愿以及宽恕意愿的显著提高。

价值获取创新板块

一方面，人工智能赋能企业提高劳动投资效率，为企业实现“降本提效”提出新方法。企业可以利用人工智能高效率地完成遵循程序又高重复性的常规工作，既减少了无效雇佣，又提高了工作效率和工作质量。以库存仓储调配为例，基于人工智能算法的智能仓储管理系统能自动调整仓库货位配置，提高仓库空间使用率，减少无效的出入库动作，既减少了劳动力工资支出和库存持有成本，又提高了入库上架时效。另一方面，人工智能释放数据要素的商业价值，为企业“变现创收”开设新利润来源。人工智能基于海量数据为企业推演出稳健的定价规则，根据产品和消费者的异质特征为企业提供能获取更高利润的差异化定价模式。尤其值得注意的是，人工智能与数据要素深度融合，能增强数据的经济增长效应，提高企业数据交易意愿。目前，典型的基于数据产品的企业商业模式包括单边数据提供模式和数据交易平台模式。

人工智能驱动企业商业模式创新的挑战

目前，我国人工智能不仅在机器视觉、机器翻译、自然语言处理、语音识别、多模态学习等多个分支取得巨大进展，还在商业模式创新上展现出独特的赋能价值，尤其是在价值主张、价值获取、价值传递三个核心模块为企业创新与增长带来新突破。然而，当前已取得的不俗成绩并不代表我国企业能顺利完成人工智能对商业模式创新的持续赋能。应清醒地看到，普及关卡、技术关卡、人才关卡、算法关卡等重重关卡正制约着人工智能潜在效能的释放以及企业商业模式创新的落地。

关卡1：重点行业普及度低，大中小企业“冷热不均”

一方面，人工智能与我国传统企业的深度融合尚处于小规模试验阶段，对比欧美国家，我国的应用普及稍有落后。根据凯捷公司数据，中国顶级制造企业的人工智能普及率仅为11%，而欧洲和美国的顶级制造企业的人工智能普及率分别是51%和28%。我国距离迈向人工智能规模化应用、全面智能化升级的宏伟目标尚远。人工智能和制造业的深度融合呈现“东密西疏”的分布格局，制造业人工智能企业集中分布在北京、上海、深圳、杭州等一线城市。

另一方面，重点行业内由人工智能赋能的企业以大型企业为主，中小企业相对有限。工业和信息化部于2024年12月31日公示《人工智能赋能新型工业化典型应用案例名单》，该名单聚焦人工智能赋能的钢铁、有色、石化、化工、建材、机械、汽车、电力装备、轻工、电子等制造业十大行业，遴选出行业应用类案例总计89例。三类企业是牵头申报的重要主体，一是能源、基建等领域的央企或国企集团及子公司，二是以宁德时代、海尔智家、京东方为代表的制造行业上市龙头企业，三是以朗坤智慧、商汤科技为代表的科技行业龙头企业。以广东蘑菇物联、北京霍里思特为代表的中小企业占比不足10%（见表1）。

关卡2：关键技术“卡脖子”，企业正步入“中等技术陷阱”

一方面，我国人工智能产业处于上升期，但在高端芯片设计等关键方面依然落后于国际一流水平，企业的竞争能力和创新能力有待提升。人工智能芯片是专为人工智能计算任务设计的芯片，是人工智能的核心基础设施。根据中商产业研究院相关报告，2024年，我国人工智能芯片市场规模为1412亿元，2025年将突破1500亿元，呈现爆发式增长的态势。我国企业在人工智能芯片垂直行业的终端应用具有一定的竞争能力，但由于发达国家率先取得先行优势，后发国家被迫形成“锁定效应”。我国人工智能芯片企业在高级设计、尖端制造上对国外知识产权的依赖程度高，大算力通用芯片的发展进度一直处于追赶状态。

另一方面，在“人工智能+”行动的推动下，我国企业正在加快引进人工智能，但被迫“低端锁定”于低附加值环节，无法成功地实现对国内外竞争对手的经济追赶。《人工智能赋能新型工业化典型应用案例名单》的89例行业应用类案例高度集中在质量检验、设备运维、作业安全、生产监测、节能减排等常规性的生产管理环节，偏向于创新性活动的研发设计环节仅涉及辅助设计和仿真模拟，人工智能的赋能价值沦为“替代重复劳动”的“效率工具”。另外，我国人工智能领域企业与高校、研究院所的合作意愿趋向下降，未能形成深度协同，造成基础研究与真实需求的割裂。产业链、供应链及创新链出现严重的滞后性失衡，对企业的商业模式创新甚至经济跨越均会带来严重羁绊。

关卡3：人工智能行业“人才荒”，供需错配拖累企业创新

一方面，我国面向人工智能的人才市场高度供不应求，高层次人才供需严重失衡，直接影响企业的生存与发展。与人工智能直接相关的新岗位正在增加，包括技术层、应用层、基础层和衍生岗位等（见表2）。根据智联招聘相关报告，算法工程师和数据标注师在人工智能行业岗位需求占比分别为26%和23%，位列第一和第二；人工智能产品经理和工业机器人工程师的岗位需求增长率分别为323%和7%，位列第一和第九，招聘需求旺盛。但猎聘大数据研究院相关报告显示，人工智能行业整体人才紧缺指数（TSI）达到了3.24（TSI＞1即表示人才供不应求），人工智能拔尖人才成为我国企业的“稀缺资源”。在学历要求方面，要求硕博学历的职位占比46.98%，算法工程师和深度学习等技术层岗位对硕博学历要求占比最高。

另一方面，面向人工智能的人才培养体系与企业需求系统性脱节，制约企业创新效率。人工智能迭代周期以月甚至是以周为单位，企业亟须掌握前沿人工智能技术、兼具理论与实践、具备“人机协同”创新能力的复合型人才，以提供基于真实工作场景的解决方案。但“重理论轻实践”的课程体系与前沿人工智能技术脱节，课程更新落后于技术迭代周期，课程教学内容偏离企业真实场景和实际工作需求，跨学科交叉课程的缺席进一步加剧人才供给与岗位要求的错位。该现象迫使企业投入额外的培养成本并承担高昂的试错成本，不得不挤占前沿技术与应用探索的资源，严重拖累了企业创新效率。

关卡4：算法黑箱在客户关系中很可能诱发“价值共毁”

人工智能与客户间的高质量互动是商业模式产生价值共创的基础，互动不良将诱发客户的负面情绪，最终造成企业或客户至少一方的价值减损。算法歧视和算法滥用是破坏客户关系、动摇商业模式根基的主要因素，算法黑箱是诱发“价值共毁”的根源。

算法黑箱是指一种明确输入和输出，部分或全部隐藏输入到输出过程的系统。算法在“黑箱”训练过程中不可避免地会继承数据固有的偏见，这决定了以算法逻辑为指令的人工智能很可能会保留甚至加剧算法歧视，诸如性别、学历和地域歧视。算法价格歧视是指基于消费者特征，利用算法对同一产品或服务收取不同价格的行为。自2018年以来，我国官方媒体对实施算法杀熟的企业进行多次报道批评，但用户投诉依然不断。根据中国电子商会旗下消费服务保障平台的相关数据，2024年“算法杀熟”相关投诉量高达597例，同比增长137.85%。人工智能在定价决策上过度依赖构建模型和调参实验，很可能会反映甚至放大算法价格歧视，诸如新老用户不同价、不同地区不同价等，从而破坏企业信誉，损坏企业形象。

算法滥用主要是对个人数据的过度不适当使用，在商业领域的典型表现是过度索权、强制授权以及超范围获取信息等。人工智能时代，企业将数据隐私作为重要的核心竞争维度。个别小数据经过算法加工和处理成为具有商业价值的衍生数据大合集，如数据画像，很可能泄露客户敏感信息、威胁客户隐私安全。人工智能算法的隐私侵犯特征导致消费者产生抗拒心理，造成客户流失，影响企业和客户的长期关系走向。

人工智能驱动企业商业模式创新的对策

为支持我国企业攻克普及关卡、技术关卡、人才关卡和算法关卡，本文从新标杆板块、新科技板块、新人才板块和新规制板块等4个方面，提出人工智能驱动企业商业模式创新的“四新”举措（见图2）。

新标杆板块：过普及关

一是培育人工智能产业集群高地。人工智能产业具有高技术壁垒、高资本密度、高投资风险以及高外溢效应的“四高”特征，因此，人工智能与重点行业深度融合的施行企业集中在一线城市，并以大型企业为主。一线城市以及大型企业在投资环境、政策支持、产业生态、科研创新和应用落地等方面具有显著优势，虹吸效应明显。应尊重创新发展规律，在重点行业内培育京津冀、长三角、粤港澳等人工智能产业集群，打造新业态和新模式。

二是发挥典型案例示范引领作用。自《人工智能赋能新型工业化典型应用案例名单》印发以来，各地工业和信息化主管部门、中央企业加大了对典型应用案例的政策、资金及项目支持力度。应以牵头申报主体为行业应用标杆，组织开展经验交流会、案例分享会，鼓励人工智能领域供需双方建设交流合作平台，打造人工智能应用示范基地、生产线、无人车间、无人工厂，拓展新技术及新产品应用，促进案例的实战实用。以对口支援等区域互助模式，帮扶西部和东北大部分地区跨过人工智能的门槛，进而加入人工智能技术的扩散进程，触发后发优势，探索符合资源禀赋和发展目标的新路径与新模式。

新科技板块：过技术关

一是基础研究方面，要面向关键技术整合产学研资源。继续保持我国在应用层技术上的巨大优势，以技术层和基础层的核心技术为方向统筹整合进行布局，以集中投入向高端渗透。为杜绝无意义的重复建设，应坚持“产学研”联合开展人工智能相关基础研究，企业、高校和研究院所抱团取暖。构建“企业出题，研究院所和高校解题”的协同攻关模式，在芯片设计、算力底座、行业大模型、平台工具等方面共享资源。联合龙头企业、专精特新企业、科技“小巨人”企业，释放高校和研究院所的基础研究能量，弥合科学研究与市场需求的鸿沟，促进产业链上下游高效协作与创新链各环节深度融合。

二是应用技术方面，要以应用需求为牵引做好场景开发。面向研发设计、生产制造、运维服务、经营管理等关键环节和重点场景协同开发，面向大模型、深度学习、计算机视觉、智能语音等智能终端产品、智能高端装备、智能工业软件等领域，提升人工智能应用场景的整体性、系统性、前瞻性。特别是在产业化的过程中，应注意人工智能与场景的贴合性，推动芯片、算法、整机等主体间的协同，探索技术路线如何实现批量化与规模化，使人工智能算法模型在基础任务和企业特定任务上迈向大规模复制，以满足重点行业领域碎片化和多样化的场景需求。

新人才板块：过人才关

一是面向人工智能建立科学完善的人才培养体系。人工智能拔尖创新人才具有高度稀缺性，高校作为拔尖创新人才培养的主阵地，应更新思想观念，推进课程体系和人才培养模式改革。应保证课程体系和人工智能发展形势同频共振，确保教学内容覆盖学科基础知识与学科前沿方法。以新工科、新医科、新农科、新文科建设为引领，创设“人工智能+”计算机科学、数学、电子科学等多学科交叉核心课程，培养出具备跨学科综合能力的高数字素养人才。施行一体化培养方案等教育模式，开展本博贯通式人才培养模式，探索专业进阶、跨学科发展、创新创业等个性化发展路径。

二是校企携手推进产教协同育人。发展人工智能要突出应用导向，鼓励校企合作订单培养或联合培养基本功扎实、熟悉研发设计和商业运营的新型劳动者队伍。支持校企共建人工智能产业学院，在行业研究、课程创设、场地建设、师资共享等方面孵化人才。建设中国特色的导师制，邀请企业共建形成“校内主导师+企业导师+创投导师”的导师团队。在供需对接方面，建立人工智能人才需求数据库，创办行业职业技能竞赛和高端人才招聘平台。

新规制板块：过算法关

一是以全链条监管为企业架桥引路。完善个人数据保护治理体系是在事前、事中和事后规制算法歧视和算法滥用的重要方式。监管部门应规范企业收集、存储和处理客户数据的商业行为，保障数据主体权利。事前，应要求企业以可理解的方式向客户解释算法“黑箱”，告知数据收集的类别、范围及用途，说明风险及该风险是否能够规避，获取客户知情同意。事中，应要求企业允许客户随时更改设置权限和查看个人数据使用情况，保障客户访问权、选择权、更正权和被遗忘权。以警示告诫、督促整改等手段引导企业正向发展，坚决把算法价格歧视、数据泄露等“价值共毁”行为扼杀在摇篮中。事后，应以便捷的赔偿申请程序降低消费者的维权成本，以高额罚款、暂停业务等严厉处罚提高企业不道德行为的代价。

二是以企业为治理抓手。企业应严格遵守法律和商业道德，接受政府和社会公众的监督。应以可视化工具、案例说明等简单方式提高人工智能算法的可解释性和透明度，减少算法“黑箱”引发的客户猜忌和误解。应遵循数据收集的最小化原则，避免过度收集客户数据。未经客户同意，不得将客户数据共享给第三方，应确保数据隐私。应部署网络安全防护系统，严格控制对敏感数据的访问权限，防止恶意攻击，为长期稳固的客户关系构筑强劲屏障。

企业的商业模式正在经历从单向价值传递向多主体价值共创的巨大变革，人工智能为商业模式创新增添新动能正逢其时。在人工智能与商业模式创新深度融合的过程中，价值主张、价值传递与价值获取三个核心模块的赋能成效显著，但普及关卡、技术关卡、人才关卡和算法关卡的重重阻碍不容忽视。如何实现人工智能对商业模式创新的持续赋能，是我国企业培育可持续竞争优势亟须解决的重要课题。通过新标杆、新科技、新人才、新规制等“四新”举措，人工智能将驱动企业的商业模式迈向生态共荣。在可预见的未来，一系列与人工智能相关的创新商业模式将稳步进入高峰期。人工智能将孕育出更多可持续创造价值的增长空间，这是企业获取竞争优势、社会经济持续健康发展的必由之路。