目前，不少企业的AI应用仍停留在提升局部效率阶段，而非推动组织变革。未来，企业更需要关注决策质量、流程效率、知识沉淀以及组织持续变革能力等指标，这些才是真正体现AI竞争力的关键。
人工智能（AI）正从资本市场最热门的投资主题，加速演变为企业竞争力重塑的核心变量。
过去两年，无论是股票市场、公司债券市场还是风险投资领域，资金几乎都围绕AI展开布局。
尽管近来AI概念股一度出现调整，但市场对于AI资产的配置热情依然高涨。
与此同时，企业也在持续加码AI投入。波士顿咨询公司（BCG）调查显示，今年全球企业计划将AI投资规模扩大一倍。
与前两年不同的是，AI竞争的逻辑正在发生变化。过去，企业比拼的是谁率先部署大模型、谁拥有更先进的算法；如今，随着AI逐步嵌入企业核心业务流程、企业级应用和日常工作流，竞争焦点已转向谁能够真正利用AI重塑组织能力，并将技术优势转化为商业价值。
越来越多的研究表明，AI竞赛已经进入“兑现价值”的阶段，企业之间的差距也开始迅速拉大。
AI进入“价值兑现期”
AI是否能够创造价值，已经不再是争论的焦点。
印度科技公司HCLTech与Raconteur联合发布的最新调查显示，90%的企业认为，生成式AI（GenAI）和代理型AI（Agentic AI）已经对运营流程和业务效率产生重大或一定程度的影响；91%的企业认为AI提升了数据获取能力，90%的企业认为AI改善了知识获取效率并提高了员工生产力。此外，59%的受访企业认为，持续投资AI已经成为保持竞争力的必要条件。
随着AI应用不断扩大，企业已经开始在生产效率、决策质量和客户体验等方面获得切实收益。
然而，同样是在加大AI投入，不同企业获得的回报却开始明显分化。
调查将18%的企业定义为“AI领导者（AI Leaders）”。这类企业不仅利用AI降低成本，更重要的是通过AI推动收入增长、产品创新和客户体验改善，实现了更高的投资回报。
相比之下，占样本60%的“AI追随者（AI Followers）”虽然也在多个业务领域部署AI，但更多停留在流程优化和效率提升层面，在能够重塑商业模式、建立竞争优势的高价值应用方面明显落后。
这种差距在代理型AI和自主智能系统（Autonomous Systems）的应用上尤为明显：AI领导者大规模部署代理型AI和自主智能系统的可能性，是AI追随者的4倍。
这意味着，领先企业已经从“使用AI”迈向“围绕AI重构企业”，而多数企业仍停留在局部应用阶段。
企业之间的分化，也得到另一项研究的验证。
哈佛商学院教授苏拉杰·斯里尼瓦桑团队分析了美国专利商标局2001年至2023年的180万项专利后发现，AI相关专利的平均价值比非AI专利高出9.6%；按绝对价值计算，一项AI专利平均价值可达到1670万美元，比普通专利高出48%。更重要的是，高价值AI专利能够持续提升企业毛利率、市场份额和销售回报率。
不过，这项研究最重要的发现，并不是AI专利本身价值更高，而是AI创造的经济收益并不只属于OpenAI、谷歌、微软等模型开发商。
研究发现，大量传统行业企业通过将AI融入自身业务流程同样获得了显著回报。例如，雪佛龙利用AI预测油田产量，美国银行利用机器学习识别违规通信，江森自控则利用AI优化设备维护模型。
这些被称为“AI整合者（AI Integrators）”的企业累计申请了超过20万项AI专利，其创新价值较普通专利仍高出6.9%。
斯里尼瓦桑认为，未来真正成功的企业，并不一定是开发出下一代大型语言模型（LLM）的公司，而是那些能够最快将AI融入自身运营流程、形成专有竞争优势的企业。
“大模型+小模型”协同成趋势
研究认为，AI领导者持续扩大领先优势，并非因为部署了更多模型，而是正在重构整个企业体系。从数据、流程到应用架构、治理机制和人才体系，AI正被深度嵌入企业运营，而不是简单叠加到现有业务之上。
与此同时，AI领导者更倾向于采用分布式治理模式，而非依赖传统的“HiPPO”（Highest-Paid Person's Opinion，即“薪酬最高者意见”）决策方式。
随着代理型AI快速发展，企业之间的竞争将进一步分化。辛格姆认为，未来AI竞争可能呈现“赢家通吃”的格局。
目前，不少企业的AI应用仍停留在提升局部效率阶段，而非推动组织变革。随着代理型AI不断成熟，仅以AI调用次数、词元（Token）消耗量或生产率提升来衡量AI价值已远远不够。未来，企业更需要关注决策质量、流程效率、知识沉淀以及组织持续变革能力等指标，这些才是真正体现AI竞争力的关键。
值得注意的是，随着企业逐渐从测试AI转向将AI真正嵌入产品和业务流程，AI竞争的焦点正从“谁拥有最强模型”转向“谁能以最低成本、结合最合适的数据和算力，为不同场景调用最适合的模型”。人工智能搜索引擎公司Perplexity首席执行官阿拉温德·斯里尼瓦斯表示，未来“模型本身已不再是产品”，真正的竞争力在于能够智能调度模型、工具和数据的编排系统。
在这一趋势下，企业开始采用“大模型+小模型”协同模式：简单任务交由成本更低的开源模型处理，复杂任务再调用高性能模型。与此同时，美国企业正收紧AI预算，推动开放权重模型快速崛起。Perplexity近期推出基于中国Z.ai开源模型GLM 5.2的新系统，正是这一思路的体现。
风险投资机构基准资本（Benchmark）预计，未来18至24个月内，超过90%的AI推理可能来自开源模型，前沿大模型厂商的高利润率将面临压力。基准资本认为，企业选择开源模型不仅因为成本更低，更因为针对特定任务优化的小模型往往速度更快、表现更佳。
AI基础设施公司Ollama首席执行官杰夫·摩根也指出，企业真正关心的已不是模型来自哪里，而是“模型在哪里运行、如何运行”。
目前，已有超过85%的《财富》500强企业采用Ollama，许多企业先在本地部署小型模型，随后再逐步扩展至更大规模的开放模型。