12月3日，由亿欧主办的“WIM2025创新者年会”在北京威斯汀酒店正式拉开帷幕。

本届WIM创新者年会以“New Growth，New Arena”为主题。这是国内专门聚焦“未来产业”的千人峰会——会议邀请了来自未来产业界的100+位头部企业专业嘉宾、超过2000位行业从业者齐聚一堂，共同探讨“AI引领新增长，未来产业新赛场”核心议题，回望2025年未来产业创新成果，预测2026年最新创业创新趋势。

WIM2025创新者年会由北京科技大学、中国人民大学数据与人工智能研发实验中心、欧美同学会（中国留学人员联谊会）留日分会、首都统战智库联合会民营经济高质量发展专委会、中国农机工业协会低空经济装备分会、深圳谦仁智能产业研究院、百城市长公益论坛协办，中国国际科技促进会国际科技产业创新工作委员会支持。

WIM2025创新者年会于12月3日—5日在北京、上海、深圳三地先后举办，会议以独立演讲、尖峰对话、圆桌论坛、报告首发、百人晚宴、榜单发布等多种丰富形式，为大家带来一场商业视听盛宴！

主论坛环节，以《CTO真心话：AI到底给业务带来多少“真增长”？》为题的圆桌对话成功举办。字节跳动IT研发leader朱凌，数势科技合伙人、CTO韩秀锋，合合信息智能解决方案事业部副总经理邓亚光，白海科技CEO卢忆雷，北大青鸟CEO肖睿进行了深度探讨。对话由中芯万业科技总经理郭子龙主持。

以下为发言内容整理：

主持人（郭子龙）：开始前先请各位作下自我介绍，先从朱凌老师开始。

朱凌：大家好，我是朱凌，目前在字节跳动负责内部企业服务相关工作，面向外部提供ToB服务，我们会为中小企业提供办公系统实施支持，涵盖办公网络智能运维、AI智能化运营等技术服务，感兴趣的朋友可以随时交流。在加入字节跳动之前，我在快手、京东等企业任职多年，长期在技术领域。

韩秀锋：大家好，我是韩秀锋。此前我在百度任职14年，其中8年深耕技术研发领域，6年专注AIToC产品，主导过百度地图AI功能和多款商业化产品的研发工作。2023年，我加入了数势科技。

数势科技的使命是为中国ToB行业创造核心价值，早期聚焦企业数据资产化建设。2023年起，捕捉到大模型发展机遇，成为国内较早布局Agent的企业之一。目前，服务客户已覆盖零售、金融等多个领域。今天期望能与大家围绕AI技术的实践应用展开交流与分享。

邓亚光：大家好，我是合合信息中的邓亚光。自毕业以来，我便加入了合合信息，全程参与并见证了公司的完整发展历程。合合信息是一家以智能文字识别和商业大数据为核心的上市企业，相信不少嘉宾都使用过我们推出的扫描全能王、名片全能王等产品。目前，这几款产品的全球月活跃用户已达到1.8亿。

我们事业部的定位与公司C端产品逻辑一脉相承，核心是将底层的智能文档处理、多模态文本识别技术及商业大数据能力，转化为面向企业端的专业服务。

今天大会探讨的“AI是否给业务带来正增长”话题，我正是深度实践者，日常工作的核心就是推动AI技术在业务中的赋能落地。基于此，我非常期待能与各位来宾围绕这一主题展开深入交流。

卢亿雷：感谢邀请，我是白海科技的卢亿雷，我们专注于AI基础设施领域，目前核心布局两大业务，第一个是算力调度与纳管优化平台，第二个是依托专业垂类模型，为企业提供数据处理服务。谢谢大家！

肖睿：大家好，我是北大青鸟的肖睿。北大青鸟深耕技术人才培养领域超过20年，累计培养各类技术人才超过百万名。早期我们聚焦IT领域，近两年全面转向AI领域人才培养，涵盖AI技术及AIGC等前沿方向，目前年均培养相关人才数万名。

我个人接触人工智能的时间比较早，ChatGPT引发的大模型热潮，已经是人工智能发展的第四波浪潮，大模型也标志着行业发展迈入全新阶段。伴随第四波浪潮，我们也创办了新公司，使命是创造数字生命，现阶段则聚焦AI硬件产品研发与落地。谢谢大家！

主持人（郭子龙）：接下来我要提问的第一个问题，各位嘉宾定义的AI为企业带来了真正的增长，核心的衡量指标是什么？是营收还是运营效率的提升？或者是成本结构的优化，还是新业务上有破局？

朱凌：我简单介绍下我看过的一些企业情况，AI带来的价值主要体现在两个方面，一方面，是内部运营效率的提升，也就是常说的“降本增效”，不少企业在智能运营等场景上做了很多工作。

另一方面，是营收的增长，例如通过数字化智能直播机器人等工具，企业能直接获得收入增量，我认为这部分价值对企业而言可能更为关键。

韩秀锋：这个问题之所以具有讨论性，核心在于不同企业的实践效果存在显著差，尤其是龙头企业与大多数中小型企业看到的结果大相径庭。我们聚焦于AI在指标体系中的应用，从数据应用赋能企业经营决策的角度，发现AI价值主要体现在三个层次。

第一是可量化的效率提升，比如过去响应一项数据分析需求需要的人力和时间成本，与现在通过AI实现的效率相比，差异非常直观。

第二是数据应用的“平权化”，我们真正能通过数据驱动决策的人其实是少数，大部分往往依赖人工整理数据。AI能让更多人直接使用数据，实现数据应用的普及。

第三是业态的创新延展，我们服务的某家国际咖啡品牌，在享受到早期数据红利后，借助AI实现了决策自动化，推出了无人门店这一全新业态。当然，对多数企业而言，第三个层次的价值还停留在“案例参考”阶段。

邓亚光：从服务企业的视角看，我认为有两个层面，第一个是核心运营指标的提升，比如AI在办公智能领域的应用，使合同法务审查效率、财务处理效率显著提升等等，这一点有不少具体案例支撑。

第二个更高阶的价值在于AI对业务模式的重塑，解决非标准化、长尾问题，帮助企业切入此前无法触及的市场。比如银行对公业务，通过AI结合大数据构建的线上精准营销平台，客户经理能实现线上精准获客，这一转变的核心不是提升了单个客户经理的效率，而是将“线下扫街”的传统模式升级为“线上精准获客”的全新模式。

所以AI的价值远不止于“降本增效的工具”，更重要的是成为业务破局、拓展新业务的核心资产。对AI服务型企业而言，只有持续为客户创造价值，才能实现双方的共同增长。

卢亿雷：前面几位嘉宾已经讲了很多方面，我补充一个观点，大家都在谈AI实现降本增效，但我认为评价AI价值应更关注结果，这其实和之前提到的RaaS理念一致，典型例子就是ChatGPT的增长曲线，用户增长呈现爆发式直线上升，完全打破了传统产品的推广逻辑，这种结果层面的突破，值得大家关注。

肖睿：成本优化、收入增长、效率提升、新业务突破这四个维度，其实已经涵盖了技术赋能企业的核心价值。成本优化、收入增长和运营效率提升，本质上都可以归为“降本增效”范畴，这类指标更适合衡量AI对现有业务、产品和行业的赋能效果。而新业务突破则有所不同，尤其对AI原生企业而言，是通过新产品、新服务形式满足传统需求，这些需求本质上还是人的核心需求。

我们需要先理清当前AI的能力边界，以大模型为例，我认为其能力可以分为三个层次：第一层是语言及多模态理解与表达能力，这一点目前主流大模型都已达标。

第二层是知识能力，大模型的训练数据蕴含人类知识，模型在学习数据模式时会沉淀这些知识，但这种沉淀是“有损压缩”，解压缩时必然产生“幻觉”，这是知识能力的固有属性，只能缓解，无法根除。

第三层是思考与推理能力，这也是当前大模型竞争的战略高地。

不同行业、组织在不同阶段，应选择适配的AI能力，要先明确自身需求是降本还是增效，再匹配对应的AI能力层次。不同场景的适配逻辑完全不同。

主持人（郭子龙）：各位嘉宾根据企业特点，分别发表了不同的见解。接下来的问题是，很多企业大力投入AI，但在谈AI赋能的时候，往往会遇到“技术投入大，业务体感差”的问题，所以如何区分AI的“虚”“实”价值？作为技术负责人或企业负责人，如何保障AI研发不会脱离业务？

肖睿：这个问题的本质，与互联网等技术落地的核心逻辑一致，即不能为了技术而技术，必须与业务效果深度绑定。尤其对CTO而言，要具备CEO视角，从运营和业务维度出发，聚焦财务、业务的核心痛点，而非单纯“炫技”。

具体来说，在启动AI项目前，首要任务是定义“真问题”，避免“拿着锤子找钉子”的盲目性。同时，项目的结果指标必须与企业经营指标同频共振。如果技术与业务脱节，短期即便能依靠信任维持，但长期来看也无法长久。

卢亿雷：我以前是CTO角色，现在转型成了CEO，对此有切身体会。我过去也热衷于技术研究，确实存在刚才提到的“炫技”心态，但这很容易导致技术脱离业务。转型CEO后，我最大的转变是“以终为始”，先明确客户的核心需求。

这其实是角色视角的转换，无论是CTO还是CEO，都要学会换位思考，站在客户和商业化的角度评估技术价值，这是避免技术脱节的关键。

邓亚光：时间有限，我说下判断AI需求“真伪”问题，我会要求团队在对接项目时，通过三个问题验证需求：第一，用户对AI技术的应用现状如何，是否有过实际使用经验？第二，用户的核心期待是什么，希望通过技术实现怎样的状态提升？第三，项目中是否有深度参与的业务端人员？这三个问题基本能判断项目是否靠谱，从源头避免技术脱离业务。

韩秀锋：我们布局AI比较早，观察到一些行业现象，能为这个问题提供参考。2023年时，市场对Agent、大模型等概念认知不足，我们需要主动找客户沟通；但到了2025年初DeepSeek等模型推出后，局面彻底反转，大量客户主动邀请我们交流AI应用落地。

更值得关注的是，2025年尤其是Q3，不少前期仓促上马AI项目的负责人被轮岗，这些项目生命周期极短。这背后反映的正是“技术脱离业务”的问题，部分企业管理层对AI认知不足，只看到行业热度就盲目跟风，却没有想清楚核心到底要解决什么问题。

我们发现，合作长久的客户都有共性，项目启动前，会充分探讨自身需求、内部环境条件以及产品能力与边界，形成认知共识。所以区分AI“虚实”价值的核心，要回归需求本质与认知共识。

朱凌：核心是在于实现将预期与实际能力匹配，这让我想到以前云计算刚兴起时的场景，当时行业也在热议云计算的降本增效，不少企业盲目投入却没有达到预期，这和当前AI的处境十分相似。但随着时间推移，当企业真正看到云计算的价值后，就不会再排斥这项技术。

这背后有个规律，我们往往高估技术的短期价值，却低估了长期价值。对于AI而言，破解“投入大、体感差”的关键，就是拉齐认知，对AI的短期效果与长期价值形成一致预期。如果一项AI应用短期难以产生实效，不妨理性评估后再推进。如果是若着眼于长期价值，就需做好持续投入的准备。归根结底，认知一致是实现AI价值与业务落地匹配的前提。

主持人（郭子龙）：由于时间原因，提最后一个问题，各位认为当前AI给业务带来的增长到底处于什么阶段？是已经释放了10%的潜力？还是释放了50%？未来1到3年，AI驱动业务增长的核心突破口可能在哪里？对于还在犹豫是否要投入AI的企业，各位有什么建议？

朱凌：当前AI仍处于起步阶段，企业要根据自身实际情况决策，如果判断AI能快速带来收益，那么All in是合理选择。如果若短期内难以看到收益，并且投入成本较高，建议先借鉴行业内的成熟经验，再逐步推进。

韩秀锋：从行业共识来看，AI在企业级场景的价值释放，如果必须用具体标尺衡量，大概在10%左右，确实处于刚起步阶段。基于这一现实，我的建议是越早布局越有未来。当前行业竞争激烈，技术发展曲线陡峭，如果不提前参与，就会缺乏适应、理解和学习的时间。等技术成熟后再入局，很可能会落后于人，甚至被淘汰。至于如何起步，核心是结合自身业务场景。整个过程需采用迭代式、渐进式的推进策略。

邓亚光：关于阶段的判断，我的结论和前面嘉宾一致，仍处于初级阶段。这让我想到电的普及历程，人类发明了电，但直到50多年后，电力才真正走进千家万户。大模型的出现，就像建成了一座强大的发电站，但要在企业级场景中释放价值，仍然需要漫长的过程。不过这个过程会比电力普及更快，核心是实现从“可用”到“好用”的跨越。

所谓“可用”，是指AI模型能解决80%的通用问题。但剩下20%的专业场景问题，往往是企业的核心业务痛点，这正是决定模型能否“好用”的关键。结合落地经验，我们认为AI落地需要平衡三组核心关系，一是智能与幻觉的平衡；二是模型能力与算力的平衡；三是创新与合规的平衡。

对犹豫的企业，尤其是CTO，我的建议是“战略热情，战术务实”。将技术热点转化为企业实际价值，才是核心目标。

卢亿雷：我想强调两点，第一，AI大模型是确定性的大趋势，属于一个至少持续40年的时代浪潮，无论现在是否起步，入局都不算晚。第二，AI将重塑生产关系，未来的“数字员工”“智能体”会成为核心生产力。

对犹豫的企业，不必纠结于算力、数据等成本问题，关键是“先开始行动”。哪怕从一个可验证、可归因的小场景切入，投入半个人或一个人的成本去尝试，也是成功的起步。AI发展是必然趋势，无论是试水体验还是全力投入，核心是先迈出第一步。

肖睿：当前的数据智能技术，我认为是通向通用人工智能最靠谱的方向，类脑智能等其他路径的突破时间尚难判断。长远来看，AI的发展空间将集中在三个方向：传统企业的AI转型、AI硬件升级、边缘AI落地。未来，必然会从软件延伸到硬件，从专业AI公司渗透到传统企业，从云端覆盖到端侧。从这个角度看，AI技术的发展还处于类似互联网刚起步的阶段。

但技术普及需要漫长过程，刚才嘉宾提到的电力案例很有代表性，AI的普及同样需要过程，从技术突破、认知认可，到组织架构适配，再到价值落地，不会一蹴而就。

结合我们的落地经验，我们规定所有AI项目必须先明确“解决什么业务问题”，而非“使用什么AI技术”，且项目周期通常控制在1-2个季度，最多不超过3个季度。如果超过周期仍没有进展，要么是问题定义错误，要么是当前技术无法支撑，必须及时止损。

对中小规模企业而言，没必要像大厂一样长期投入，也不必盲目“赌一把”。业务的核心是实现长期价值、保障现金流稳定，面对AI这样快速迭代的技术，谨慎试错和及时调整更重要。

主持人（郭子龙）：好，感谢几位的分享。我作为AI实践者，简单总结，AI方兴未艾，大家接下来征途漫漫，但整个产业的发展是未来可期的。今天我们的圆桌分享到此结束。感谢大家！

注：以上发言内容系嘉宾基于实践经验形成的个人思考，不代表所在公司的商业立场。相关表述不构成任何投资建议、商业承诺或法律意见。