頂尖企業(yè)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(guī)模化的公司。這意味著要將雄心壯志轉(zhuǎn)化為實際行動——選擇符合自身組織實際情況的戰(zhàn)略，賦能員工，并將AI與真正可控的因素相結(jié)合。歸根結(jié)底，AI本身并非戰(zhàn)略，而是一種將戰(zhàn)略付諸實踐的工具。

2018年，兩家全球巨頭著手利用AI技術(shù)重塑其產(chǎn)品設(shè)計和將產(chǎn)品推向市場的方式。

通用汽車利用Autodesk Fusion 360的生成式設(shè)計軟件，重新構(gòu)想了一個看似不起眼卻至關(guān)重要的部件——座椅支架。由AI生成的結(jié)構(gòu)宛如自然生長而成，輕盈的網(wǎng)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(chǎn)。原因何在？通用汽車的供應(yīng)鏈和生產(chǎn)線——專為沖壓鋼材而設(shè)計——無法處理AI生成的復(fù)雜幾何形狀。改造系統(tǒng)需要數(shù)年時間。這項創(chuàng)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(jīng)過AI優(yōu)化的超薄光學組件，能夠取代傳統(tǒng)的相機鏡頭。這項技術(shù)需要整合機器學習、材料科學和半導(dǎo)體制造工藝。短短兩年內(nèi)，蘋果就申請了數(shù)十項專利，并且（截至本文撰寫之時）據(jù)報道正準備將這項突破性技術(shù)嵌入其面部識別傳感器中——首先應(yīng)用于iPad Pro，隨后也將應(yīng)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(xiàn)大膽想法的系統(tǒng)。

這兩個案例揭示了關(guān)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(lǐng)導(dǎo)想要達成的目標，與公司的價值鏈、運營模式和技術(shù)架構(gòu)實際能夠支持的目標之間存在錯位。

不幸的是，絕大多數(shù)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(yè)價值：標普全球市場情報公司的數(shù)據(jù)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(chǎn)前就被廢棄。

本文將提供一個實用的框架，旨在幫助企業(yè)提高AI投資回報率。基于對跨行業(yè)企業(yè)（包括消費品和先進制造業(yè)）的研究和經(jīng)驗，我們總結(jié)了影響AI成功的兩個關(guān)鍵維度：價值鏈控制力和技術(shù)廣度。這些因素界定了各種可能性，并指明企業(yè)可以采取四種截然不同的方法來發(fā)揮AI的潛力：聚焦差異化、垂直整合、協(xié)作生態(tài)系統(tǒng)和平臺領(lǐng)導(dǎo)力。每種方法都伴隨著各自的風險、要求和突破性創(chuàng)新的潛力。但當某種方法與企業(yè)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(gòu)成該框架基礎(chǔ)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(chǎn)品從構(gòu)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(chuàng)新規(guī)模，因為它們自有或能夠強勢影響產(chǎn)品設(shè)計、制造、分銷和客戶互動等環(huán)節(jié)。例如，三星之所以能夠在其所有產(chǎn)品中推廣AI驅(qū)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(wǎng)點的所有環(huán)節(jié)。

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(yè)的二級供應(yīng)商或消費品行業(yè)的品牌授權(quán)商）。這些公司必須依賴其他公司來驗證、采納或推廣其創(chuàng)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(chuàng)新空間也相對狹窄。

第二個維度，技術(shù)廣度（technological breadth），指的是企業(yè)為了保持競爭力而必須整合的技術(shù)的范圍和相互依存程度。在半導(dǎo)體、自動駕駛汽車和生命科學等廣度很寬的行業(yè)，AI很少能獨立運作。它必須融入其他快速發(fā)展的技術(shù)網(wǎng)絡(luò)中，例如傳感器、機器人、材料科學、云架構(gòu)和邊緣計算。在高廣度技術(shù)的行業(yè)，企業(yè)必須應(yīng)對持續(xù)的技術(shù)融合。

相比之下，低廣度技術(shù)的行業(yè)——例如食品加工、建筑材料和基礎(chǔ)物流——往往采用更穩(wěn)定的技術(shù)架構(gòu)。它們可以利用AI獲得巨大收益，但通常是通過改進現(xiàn)有流程來實現(xiàn)，而不是重新定義整個行業(yè)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(xù)演變的動態(tài)力量。一家公司可能在研發(fā)方面擁有很高的技術(shù)廣度，但在客戶互動方面覆蓋面較窄。也可能在一個地區(qū)擁有強大的價值鏈控制力，但在另一個地區(qū)嚴重依賴中間商。企業(yè)應(yīng)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(yè)務(wù)的領(lǐng)域。

挑選正確的策略

上述框架衍生出四種AI創(chuàng)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(chuàng)新路徑相契合。現(xiàn)在來深入了解每一種策略——其邏輯、傾向于釋放的特定創(chuàng)新類型，及其風險。

聚焦差異化（Focused differentiation）：磨礪自身優(yōu)勢。對價值鏈控制力有限、技術(shù)廣度較低的公司，通常身處成熟行業(yè)。它們在價值鏈的某個環(huán)節(jié)擁有深厚的專業(yè)知識——例如產(chǎn)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(lǐng)域的先鋒，但它們擁有數(shù)據(jù)，并且懂得如何運用數(shù)據(jù)。它們無法重新設(shè)計整個系統(tǒng)，但可以使其更加智能。它們利用AI在特定領(lǐng)域內(nèi)對產(chǎn)品或流程進行微調(diào)和優(yōu)化。這正是精準、高影響力應(yīng)用場景的領(lǐng)域：更優(yōu)質(zhì)的標簽、更智能的傳感器、更具適應(yīng)性的配方。這些公司要想在AI領(lǐng)域取得成功，關(guān)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(yīng)鏈上游應(yīng)用了AI技術(shù)，并通過與種植農(nóng)戶的合作項目對供應(yīng)鏈進行嚴格管控。百事公司利用無人機和機器學習技術(shù)評估作物健康狀況的早期指標，幫助農(nóng)民優(yōu)化灌溉和施肥，從而減少碳排放，提高產(chǎn)量，增強作物抗逆性——這在商品貿(mào)易中至關(guān)重要。百事公司歐洲分公司還與全球作物營養(yǎng)公司雅苒（Yara）合作，為農(nóng)民提供精準農(nóng)業(yè)數(shù)字化工具，以推動再生農(nóng)業(yè)實踐的普及。

垂直整合（Vertical integration）：聯(lián)動整個機制。擁有強大價值鏈控制力但技術(shù)廣度相對有限的公司，往往是企業(yè)級AI應(yīng)用的理想對象。它們或許無須追蹤每一項前沿技術(shù)趨勢，但通過將AI嵌入現(xiàn)有流程，就能產(chǎn)生巨大的影響。AI可以將內(nèi)部系統(tǒng)間的洞察連接起來，揭示數(shù)據(jù)、部門或流程之間的協(xié)同效應(yīng)和效率提升空間。AI正是在這些領(lǐng)域提升卓越運營，例如預(yù)測性維護、動態(tài)定價和需求驅(qū)動型物流等等。在此，規(guī)模效應(yīng)起到倍增器的作用——運營規(guī)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(wǎng)絡(luò)中全面應(yīng)用AI，利用實時數(shù)據(jù)優(yōu)化從倉庫庫存、配送路線到勞動力調(diào)度和需求預(yù)測等各個環(huán)節(jié)。疫情期間，京東的智能系統(tǒng)根據(jù)封控區(qū)域重新規(guī)劃配送路線，利用AI驅(qū)動的機器人實現(xiàn)倉庫運營自動化，并根據(jù)區(qū)域需求激增動態(tài)調(diào)整庫存。當競爭對手苦苦應(yīng)對瓶頸和延誤時，京東憑借其更智能的系統(tǒng)，保持了服務(wù)的持續(xù)穩(wěn)定。

追求垂直整合的公司往往擅長挖掘新的關(guān)聯(lián)——打破信息孤島，將數(shù)據(jù)和流程連接起來，從而發(fā)現(xiàn)他人無法察覺的模式和效率提升點。當AI應(yīng)用于嚴格控制的系統(tǒng)中時，將物流與定價、運營與預(yù)測等環(huán)節(jié)串聯(lián)起來的能力，便成為獨特的競爭優(yōu)勢來源。

協(xié)作生態(tài)系統(tǒng)（Collaborative ecosystem）：構(gòu)建網(wǎng)絡(luò)。有些公司身處技術(shù)復(fù)雜的生態(tài)系統(tǒng)，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(zhàn)略合作——共享創(chuàng)新風險、基礎(chǔ)設(shè)施和專業(yè)知識。這些公司通常身處高科技、快節(jié)奏的行業(yè)，但執(zhí)行的杠桿并非完全掌握在自己手中：它們需要依賴監(jiān)管機構(gòu)、研究人員或平臺合作伙伴才能觸達最終用戶。它們的優(yōu)勢在于合作：共享平臺、共同開發(fā)工具以及建立聯(lián)盟，從而協(xié)調(diào)各方利益，而不僅僅是時間節(jié)點。

以諾華和微軟為例。它們不僅建立了合作伙伴關(guān)系，還創(chuàng)建了一個AI創(chuàng)新實驗室，旨在加速藥物發(fā)現(xiàn)和開發(fā)。該項目的核心是一套機器學習模型，這些模型經(jīng)過訓(xùn)練可以預(yù)測分子行為、識別潛在治療靶點并優(yōu)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(shè)計時間縮短了30%以上。該項目的成功不僅源于技術(shù)共享，更源于共同的目標、共同開發(fā)的基礎(chǔ)設(shè)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(xiàn)根本性突破——那種能夠重塑科學、技術(shù)或醫(yī)學的早期突破。但這些突破需要協(xié)作。如果監(jiān)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(zhí)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(yīng)用不僅僅關(guān)乎協(xié)作，更關(guān)乎一致性以及合作伙伴的協(xié)同。

平臺領(lǐng)導(dǎo)力（Platform leadership）：塑造規(guī)范。在技術(shù)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(yīng)變化，更能塑造變化。它們不僅打造產(chǎn)品，還創(chuàng)建基礎(chǔ)設(shè)施和生態(tài)系統(tǒng)。這就是統(tǒng)籌的力量所在：制定標準、開放API，并設(shè)計出其他公司想在其基礎(chǔ)上構(gòu)建的系統(tǒng)。

以彭博社推出的BloombergGPT為例，這是一款專門針對金融領(lǐng)域的大語言模型，其訓(xùn)練數(shù)據(jù)基于超過7 000億個代幣（Token）。這不僅僅是一次技術(shù)升級，更是一項旨在定義下一代金融AI的戰(zhàn)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(shù)據(jù)集進行訓(xùn)練，使其能夠總結(jié)財報、自動分類新聞并輔助風險建模——所有這些都可以在彭博社高度集成的終端生態(tài)系統(tǒng)中完成。彭博社的這項舉措不僅僅是生成式AI的應(yīng)用，更是在樹立新的行業(yè)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(lǐng)域：跨地域、跨行業(yè)、跨領(lǐng)域發(fā)現(xiàn)微弱信號和新模式。平臺領(lǐng)導(dǎo)者擁有規(guī)模、數(shù)據(jù)和架構(gòu)優(yōu)勢，能夠洞察他人無法發(fā)現(xiàn)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(yè)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(jiān)管機構(gòu)和最終用戶之間的信任。這一領(lǐng)域的失敗很少因為技術(shù)薄弱。以谷歌通過其DeepMind Health進軍醫(yī)療AI領(lǐng)域為例，該團隊與英國多家醫(yī)院合作，開發(fā)了基于真實患者數(shù)據(jù)訓(xùn)練的診斷模型。從技術(shù)角度來看，這個項目前景光明。但當DeepMind未經(jīng)授權(quán)訪問數(shù)百萬份NHS（英國國家醫(yī)療服務(wù)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(fā)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(diào)動員工

在所有四種策略中，最根本的挑戰(zhàn)并非技術(shù)，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(shè)備租賃公司Rent a Mac推出AI驅(qū)動的庫存管理系統(tǒng)時，引發(fā)了員工焦慮。這導(dǎo)致系統(tǒng)實施延遲了七周，并損失了約8.5萬美元的預(yù)期提升效益。但通過任命AI示范官來展示實際應(yīng)用案例，該公司員工的參與度在短短幾個月內(nèi)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(zhuǎn)。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(nèi)部AI中心，讓員工無需編程經(jīng)驗即可開發(fā)自己的AI助手——最終開發(fā)了數(shù)千個。結(jié)果不僅僅是工作流程的優(yōu)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(shè)者。

在AI驅(qū)動的組織中，管理者的角色也在發(fā)生轉(zhuǎn)變。除了調(diào)遣員工，管理者還必須幫助團隊學習如何與算法協(xié)作——解讀機器的洞察、重新設(shè)計工作流程，并將技術(shù)進步解讀為員工的進步。這通常需要一種文化變革：創(chuàng)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?nèi)绾尾拍芨斆鞯匾黄鸸ぷ鳎?/strong>最終，這意味著其中一些組織會同時出現(xiàn)在所有四象限中。讓我們來看看具體情況。

引領(lǐng)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(fā)實驗室，到制造工廠，再到零售執(zhí)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(tǒng)，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(yù)測算法能夠監(jiān)控機器振動和溫度數(shù)據(jù)、預(yù)測設(shè)備故障并持續(xù)優(yōu)化生產(chǎn)。

除了運營，寶潔還在關(guān)鍵領(lǐng)域精準應(yīng)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(shù)指導(dǎo)用戶正確的刷牙技巧，從而改善口腔衛(wèi)生效果。汰漬團隊則運用AI加速配方測試，將測試時間從數(shù)月縮短至數(shù)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(gòu)建協(xié)作生態(tài)系統(tǒng)，例如其長期運營的“連接+發(fā)展”（Connect + Develop）平臺。這個開放式創(chuàng)新網(wǎng)絡(luò)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(gòu)建了一套專有的消費者脈搏系統(tǒng)，該系統(tǒng)整合了來自社交媒體、客戶服務(wù)、產(chǎn)品評論和零售數(shù)據(jù)的信號，使其不僅能夠響應(yīng)市場趨勢，還能引領(lǐng)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(chuàng)造價值的領(lǐng)域；它通過規(guī)模效應(yīng)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(guān)鍵生態(tài)系統(tǒng)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(zhàn)略或許始于某個象限，但成功卻建立在整個系統(tǒng)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(guī)模化的公司。這意味著要將雄心壯志轉(zhuǎn)化為實際行動——選擇符合自身組織實際情況的戰(zhàn)略，賦能員工，并將AI與真正可控的因素相結(jié)合。歸根結(jié)底，AI本身并非戰(zhàn)略，而是一種將戰(zhàn)略付諸實踐的工具。所以，企業(yè)需要回答一些關(guān)鍵問題：我們的優(yōu)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(chuàng)新潛力？AI能夠產(chǎn)生洞見，但需要組織能力將這些洞見轉(zhuǎn)化為實際成果。通用汽車和蘋果公司之間的區(qū)別不僅僅在于技術(shù)，更在于支撐技術(shù)的體系。那些構(gòu)建了正確系統(tǒng)的公司——那些將雄心壯志與執(zhí)行力相結(jié)合的公司——不再止于AI試點，而是開始引領(lǐng)行業(yè)。

關(guān)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(fā)展學院（IMD）的戰(zhàn)略與創(chuàng)新教授，也是《異類思維：通往突破性創(chuàng)意的非常規(guī)路徑》（ALIEN Thinking: The Unconventional Path to Breakthrough Ideas，PublicAffairs 出版社，2021年）一書的合著者。克里斯托弗·J.賴特是瑞士公司Iprova的首席發(fā)明官，該公司利用AI加速突破性發(fā)明的誕生。朱利安·諾蘭是Iprova的創(chuàng)始人兼CEO。

程明霞 | 編校

聯(lián)系方式

投稿、廣告、內(nèi)容和商務(wù)合作

newmedia@hbrchina.org