全球AI部署现状 - 近半数企业已启动AI部署但多数处于早期阶段 面临ROI不明确 数据基础薄弱 专业能力不足等关键困境 [2] - 海外市场通过SaaS模式消费AI服务为主流 中国市场对软件与SaaS认知度较低但存在差异化机会 [2] 国家政策推动方向 - 国务院提出三阶段发展目标：2027年AI与六大重点领域深度融合 智能终端/智能体普及率超70% 2030年提升至90% 2035年全面步入智能经济社会 [3] - 重点推动金融 法律 交通 物流 商贸等领域智能终端与智能体应用 创新无人服务与人工服务结合模式 [3] - 布局国家人工智能应用中试基地 搭建技术转化与产业应用桥梁 [3] 产业生态建设 - 培育人工智能应用服务商 发展模型即服务 智能体即服务等创新模式 打造从技术研发到商业化应用的完整产业链 [4] - 科技头部企业与传统行业龙头共同推动AI服务创新 结合垂直领域行业知识挖掘应用场景 [5] 企业级AI落地挑战 - 全球73%企业遭遇AI预期与现实偏差 超40%项目因无法规模化或价值模糊而终止 [5] - 企业级AI对幻觉问题零容忍 需通过人工复核和系统化解决方案应对 当前大模型幻觉率持续下降但不可避免 [6][7] - 企业有效训练数据占比普遍低于10% 数据分散于数十个系统 存在格式不统一与脏数据问题 [7][9] - 垂直领域隐性知识难以结构化 如半导体制造中设备维护经验未被系统记录 [8] - 技术标准不统一与利益分配机制缺失导致内部数据孤岛难以打破 [10] 商业化需求与投入趋势 - 企业AI投入从追求技术先进性转向追求可量化商业价值 重点关注新增长或成本节约 [10] - 红杉资本大会150名AI企业创始人共识：下一轮AI核心是销售收益而非工具 [10] 一体化交付模式演进 - 一体机硬件采购热潮反映企业对整体解决方案需求 硬件仅为载体 软件与服务才是核心 [11] - 联想升级混合式人工智能优势集 强化AI基础设施 全周期服务与混合式AI工厂平台 实现快速部署与可量化ROI [12] - 企业需要全链路一体化交付服务商 覆盖数据-模型-算力-场景-运维多维度 降低试错成本 [12]