頂尖企業的 AI 布局，都在遵循這套四象限策略

未來十年的最終贏家，不是那些啟動AI試點項目最多的公司，而是那些懂得如何將AI能力規?；墓尽＿@意味著要將雄心壯志轉化為實際行動——選擇符合自身組織實際情況的戰略，賦能員工，并將AI與真正可控的因素相結合。歸根結底，AI本身并非戰略，而是一種將戰略付諸實踐的工具。

2018年，兩家全球巨頭著手利用AI技術重塑其產品設計和將產品推向市場的方式。

通用汽車利用Autodesk Fusion 360的生成式設計軟件，重新構想了一個看似不起眼卻至關重要的部件——座椅支架。由AI生成的結構宛如自然生長而成，輕盈的網狀外形比原件輕40%，強度則提升了20%。然而，這個部件最終未能投入生產。原因何在？通用汽車的供應鏈和生產線——專為沖壓鋼材而設計——無法處理AI生成的復雜幾何形狀。改造系統需要數年時間。這項創新就此擱置。

與此同時，蘋果公司開始試驗超薄光學元件——一種經過AI優化的超薄光學組件，能夠取代傳統的相機鏡頭。這項技術需要整合機器學習、材料科學和半導體制造工藝。短短兩年內，蘋果就申請了數十項專利，并且（截至本文撰寫之時）據報道正準備將這項突破性技術嵌入其面部識別傳感器中——首先應用于iPad Pro，隨后也將應用于iPhone 17系列機型。與通用汽車不同，蘋果公司不僅擁有大膽的想法，還擁有實現大膽想法的系統。

這兩個案例揭示了關于AI的一個重要真相：問題通常不在于AI能做什么或不能做什么，更多時候，問題在于公司領導想要達成的目標，與公司的價值鏈、運營模式和技術架構實際能夠支持的目標之間存在錯位。

不幸的是，絕大多數公司在這方面更像通用汽車，而不是蘋果公司。研究表明，許多AI項目未能帶來切實可見的商業價值：標普全球市場情報公司的數據顯示，到2025年，42%的公司將放棄大部分AI項目（高于2024年的17%）；平均而言，46%的概念驗證項目在投入生產前就被廢棄。

本文將提供一個實用的框架，旨在幫助企業提高AI投資回報率。基于對跨行業企業（包括消費品和先進制造業）的研究和經驗，我們總結了影響AI成功的兩個關鍵維度：價值鏈控制力和技術廣度。這些因素界定了各種可能性，并指明企業可以采取四種截然不同的方法來發揮AI的潛力：聚焦差異化、垂直整合、協作生態系統和平臺領導力。每種方法都伴隨著各自的風險、要求和突破性創新的潛力。但當某種方法與企業的實際情況相匹配，回報將是巨大的。

讓我們首先仔細看看構成該框架基礎的兩個維度。

從兩個維度看清自己

第一個維度，價值鏈控制力（value-chain control），指的是公司對其產品從構思到上市的整個過程，擁有多大程度的影響力。擁有對價值鏈高控制力的公司，能夠快速測試、迭代和擴大創新規模，因為它們自有或能夠強勢影響產品設計、制造、分銷和客戶互動等環節。例如，三星之所以能夠在其所有產品中推廣AI驅動的顯示屏或攝像頭改進，是因為它掌控著從芯片制造到全球零售網點的所有環節。

光譜另一端的一些公司，對價值鏈的控制力較弱（例如汽車行業的二級供應商或消費品行業的品牌授權商）。這些公司必須依賴其他公司來驗證、采納或推廣其創新成果，因此很難快速行動。它們對其他公司的運營方式幾乎沒有影響力，創新空間也相對狹窄。

第二個維度，技術廣度（technological breadth），指的是企業為了保持競爭力而必須整合的技術的范圍和相互依存程度。在半導體、自動駕駛汽車和生命科學等廣度很寬的行業，AI很少能獨立運作。它必須融入其他快速發展的技術網絡中，例如傳感器、機器人、材料科學、云架構和邊緣計算。在高廣度技術的行業，企業必須應對持續的技術融合。

相比之下，低廣度技術的行業——例如食品加工、建筑材料和基礎物流——往往采用更穩定的技術架構。它們可以利用AI獲得巨大收益，但通常是通過改進現有流程來實現，而不是重新定義整個行業格局。

這些維度并非地圖上的固定點，而是會隨著職能、地域和時間而持續演變的動態力量。一家公司可能在研發方面擁有很高的技術廣度，但在客戶互動方面覆蓋面較窄。也可能在一個地區擁有強大的價值鏈控制力，但在另一個地區嚴重依賴中間商。企業應該專注于那些自身處于最佳位置、能夠集中精力、充滿自信開展業務的領域。

挑選正確的策略

上述框架衍生出四種AI創新策略。每種策略都代表著一種不同的方式，使組織定位與可行的創新路徑相契合?，F在來深入了解每一種策略——其邏輯、傾向于釋放的特定創新類型，及其風險。

聚焦差異化（Focused differentiation）：磨礪自身優勢。對價值鏈控制力有限、技術廣度較低的公司，通常身處成熟行業。它們在價值鏈的某個環節擁有深厚的專業知識——例如產品配方、上游采購或消費者洞察——但無法掌控整個市場通道。它們并非AI領域的先鋒，但它們擁有數據，并且懂得如何運用數據。它們無法重新設計整個系統，但可以使其更加智能。它們利用AI在特定領域內對產品或流程進行微調和優化。這正是精準、高影響力應用場景的領域：更優質的標簽、更智能的傳感器、更具適應性的配方。這些公司要想在AI領域取得成功，關鍵在于深入鉆研，而非淺嘗輒止。

例如，食品飲料巨頭百事公司在其馬鈴薯供應鏈上游應用了AI技術，并通過與種植農戶的合作項目對供應鏈進行嚴格管控。百事公司利用無人機和機器學習技術評估作物健康狀況的早期指標，幫助農民優化灌溉和施肥，從而減少碳排放，提高產量，增強作物抗逆性——這在商品貿易中至關重要。百事公司歐洲分公司還與全球作物營養公司雅苒（Yara）合作，為農民提供精準農業數字化工具，以推動再生農業實踐的普及。

垂直整合（Vertical integration）：聯動整個機制。擁有強大價值鏈控制力但技術廣度相對有限的公司，往往是企業級AI應用的理想對象。它們或許無須追蹤每一項前沿技術趨勢，但通過將AI嵌入現有流程，就能產生巨大的影響。AI可以將內部系統間的洞察連接起來，揭示數據、部門或流程之間的協同效應和效率提升空間。AI正是在這些領域提升卓越運營，例如預測性維護、動態定價和需求驅動型物流等等。在此，規模效應起到倍增器的作用——運營規模越大，即使是微小的效率提升也能帶來很大的累積收益。

中國電商巨頭京東，在其物流網絡中全面應用AI，利用實時數據優化從倉庫庫存、配送路線到勞動力調度和需求預測等各個環節。疫情期間，京東的智能系統根據封控區域重新規劃配送路線，利用AI驅動的機器人實現倉庫運營自動化，并根據區域需求激增動態調整庫存。當競爭對手苦苦應對瓶頸和延誤時，京東憑借其更智能的系統，保持了服務的持續穩定。

追求垂直整合的公司往往擅長挖掘新的關聯——打破信息孤島，將數據和流程連接起來，從而發現他人無法察覺的模式和效率提升點。當AI應用于嚴格控制的系統中時，將物流與定價、運營與預測等環節串聯起來的能力，便成為獨特的競爭優勢來源。

協作生態系統（Collaborative ecosystem）：構建網絡。有些公司身處技術復雜的生態系統，卻無法掌控其解決方案最終如何推向市場。這個象限的公司，其AI成功并非來自單打獨斗，而是源于戰略合作——共享創新風險、基礎設施和專業知識。這些公司通常身處高科技、快節奏的行業，但執行的杠桿并非完全掌握在自己手中：它們需要依賴監管機構、研究人員或平臺合作伙伴才能觸達最終用戶。它們的優勢在于合作：共享平臺、共同開發工具以及建立聯盟，從而協調各方利益，而不僅僅是時間節點。

以諾華和微軟為例。它們不僅建立了合作伙伴關系，還創建了一個AI創新實驗室，旨在加速藥物發現和開發。該項目的核心是一套機器學習模型，這些模型經過訓練可以預測分子行為、識別潛在治療靶點并優化臨床試驗方案。例如，該實驗室的工具幫助諾華識別出用于腫瘤試驗的新生物標志物組合，從而將試驗設計時間縮短了30%以上。該項目的成功不僅源于技術共享，更源于共同的目標、共同開發的基礎設施，以及對科學和運營整合的承諾。

這個象限的公司最容易實現根本性突破——那種能夠重塑科學、技術或醫學的早期突破。但這些突破需要協作。如果監管不明、文化沖突或目標不一致，即使是最有前景的工具也可能失敗。當各方深度契合——認知、激勵機制和執行方案完全一致，其回報將是變革性的。這個象限中的公司，其AI應用不僅僅關乎協作，更關乎一致性以及合作伙伴的協同。

平臺領導力（Platform leadership）：塑造規范。在技術廣度和價值鏈掌控力這兩個維度上都處于巔峰的公司，不僅能適應變化，更能塑造變化。它們不僅打造產品，還創建基礎設施和生態系統。這就是統籌的力量所在：制定標準、開放API，并設計出其他公司想在其基礎上構建的系統。

以彭博社推出的BloombergGPT為例，這是一款專門針對金融領域的大語言模型，其訓練數據基于超過7 000億個代幣（Token）。這不僅僅是一次技術升級，更是一項旨在定義下一代金融AI的戰略舉措。與通用模型不同，BloombergGPT基于獨特的金融文檔、財報電話會議和專有數據集進行訓練，使其能夠總結財報、自動分類新聞并輔助風險建?！羞@些都可以在彭博社高度集成的終端生態系統中完成。彭博社的這項舉措不僅僅是生成式AI的應用，更是在樹立新的行業標準。

該象限中的公司憑借其能力，已做好充分準備進軍看似遙遠的領域：跨地域、跨行業、跨領域發現微弱信號和新模式。平臺領導者擁有規模、數據和架構優勢，能夠洞察他人無法發現的事物，并搶先采取行動。

但影響力越大，風險也越大。塑造行業的能力意味著肩負著更大的責任，必須努力贏得和維持信任——包括合作伙伴、監管機構和最終用戶之間的信任。這一領域的失敗很少因為技術薄弱。以谷歌通過其DeepMind Health進軍醫療AI領域為例，該團隊與英國多家醫院合作，開發了基于真實患者數據訓練的診斷模型。從技術角度來看，這個項目前景光明。但當DeepMind未經授權訪問數百萬份NHS（英國國家醫療服務體系）記錄的消息曝光后，公眾輿論一片嘩然。隨后，該項目被并入谷歌健康，發展勢頭也隨之減弱。失敗的原因不在于其算法，而在于破壞了信任。

調動員工

在所有四種策略中，最根本的挑戰并非技術，而是人。許多AI項目失敗并非因為底層算法存在缺陷，而是因為人們抵制使用這些工具。

蘋果設備租賃公司Rent a Mac推出AI驅動的庫存管理系統時，引發了員工焦慮。這導致系統實施延遲了七周，并損失了約8.5萬美元的預期提升效益。但通過任命AI示范官來展示實際應用案例，該公司員工的參與度在短短幾個月內就翻了三倍——從31%飆升至89%。透明度、溝通和員工體驗，讓局面得以逆轉。高露潔棕欖公司也意識到員工參與的重要性，因此推出了內部AI中心，讓員工無需編程經驗即可開發自己的AI助手——最終開發了數千個。結果不僅僅是工作流程的優化，更重要的是員工的認同感。當人們覺得自己是未來的參與者，他們不會感到恐懼，而是會成為未來的建設者。

在AI驅動的組織中，管理者的角色也在發生轉變。除了調遣員工，管理者還必須幫助團隊學習如何與算法協作——解讀機器的洞察、重新設計工作流程，并將技術進步解讀為員工的進步。這通常需要一種文化變革：創造空間進行實驗、快速試錯并實時學習。

最成功的組織并非將AI視為答案，而是視為一個問題：我們如何才能更聰明地一起工作？最終，這意味著其中一些組織會同時出現在所有四象限中。讓我們來看看具體情況。

引領AI時代

乍一看，寶潔公司似乎是垂直整合的典型案例，從研發實驗室，到制造工廠，再到零售執行，該公司對整個流程都擁有端到端的控制力，并將AI深度嵌入其運營核心。借助微軟的Azure IoT運營系統，該公司在工廠部署新的機器學習模型所需的時間縮短了高達90%，從而使預測算法能夠監控機器振動和溫度數據、預測設備故障并持續優化生產。

除了運營，寶潔還在關鍵領域精準應用AI。例如，Oral-B iO電動牙刷利用傳感器和實時機器學習技術指導用戶正確的刷牙技巧，從而改善口腔衛生效果。汰漬團隊則運用AI加速配方測試，將測試時間從數月縮短至數周。這些都是典型的聚焦差異化的策略——范圍雖窄，但影響深遠。

在公司外部，寶潔積極構建協作生態系統，例如其長期運營的“連接+發展”（Connect + Develop）平臺。這個開放式創新網絡為AI工具（例如玉蘭油護膚顧問）提供支持，該工具通過分析用戶的自拍照來推薦護膚方案。寶潔還構建了一套專有的消費者脈搏系統，該系統整合了來自社交媒體、客戶服務、產品評論和零售數據的信號，使其不僅能夠響應市場趨勢，還能引領市場走向。

寶潔的獨特之處在于它有意在所有四個象限都采取策略：它專注于AI能夠立即創造價值的領域；它通過規模效應提升績效；它尋求擁有重要互補能力的合作伙伴；它打造平臺，使自身處于其運營所在的關鍵生態系統的核心地位。寶潔的這些舉措，揭示了一個更深層次的真理：戰略或許始于某個象限，但成功卻建立在整個系統之上。

未來十年的最終贏家，不是那些啟動AI試點項目最多的公司，而是那些懂得如何將AI能力規模化的公司。這意味著要將雄心壯志轉化為實際行動——選擇符合自身組織實際情況的戰略，賦能員工，并將AI與真正可控的因素相結合。歸根結底，AI本身并非戰略，而是一種將戰略付諸實踐的工具。所以，企業需要回答一些關鍵問題：我們的優勢在哪里？我們可以在哪些方面快速行動？我們天生適合釋放什么樣的創新潛力？AI能夠產生洞見，但需要組織能力將這些洞見轉化為實際成果。通用汽車和蘋果公司之間的區別不僅僅在于技術，更在于支撐技術的體系。那些構建了正確系統的公司——那些將雄心壯志與執行力相結合的公司——不再止于AI試點，而是開始引領行業。

關鍵詞：

西里爾·布凱（Cyril Bouquet）克里斯托弗·J.賴特（Christopher J. Wright）朱利安·諾蘭（Julian Nolan）| 文

西里爾·布凱是瑞士洛桑國際管理發展學院（IMD）的戰略與創新教授，也是《異類思維：通往突破性創意的非常規路徑》（ALIEN Thinking: The Unconventional Path to Breakthrough Ideas，PublicAffairs 出版社，2021年）一書的合著者?？死锼雇懈ァ.賴特是瑞士公司Iprova的首席發明官，該公司利用AI加速突破性發明的誕生。朱利安·諾蘭是Iprova的創始人兼CEO。

程明霞 | 編校

聯系方式

投稿、廣告、內容和商務合作

newmedia@hbrchina.org