最新研究

从当前政策导向看，国资国企推进“AI+”已经不适合停留在“技术项目管理”视角。国资委围绕高价值场景、数据集建设、算力基座、人才评价体系和长期资本等方面统筹推进，并明确要求将人工智能发展与“十五五”规划、主责主业、产业需求和经营管理机制联动起来。换句话说，政策对“AI+”的要求，已经从“鼓励试点”升级为“要求形成系统化推进能力”。

这种变化意味着未来如果仍把人工智能理解为若干零散试点、若干外部采购项目、若干信息化升级动作，很快就会遇到边界：场景之间难以协同、数据难以贯通、技术能力难以复用、组织机制难以承接、投入产出难以持续。因此，“AI+”要真正走深走实，必须从项目思维转向体系思维，把规划、场景、数据、算力、组织、人才和生态放到同一个推进框架中统筹考虑。

国企“AI+”之所以不能停留在项目层面，根本原因还在于：人工智能带来的并不只是效率提升，而是价值创造方式的变化。它不是给原有业务加一个工具，而是在推动企业从“原有流程做得更快”转向“业务模式、决策方式和资源配置方式重新优化”。

因此，国企真正需要建立的，不是“几个AI项目”，而是一套可以持续识别场景、组织资源、验证价值、沉淀能力、扩展复制的推进体系。只有这样，人工智能才不会只是“热闹一阵”，而有可能成为企业长期能力的一部分。对地方国企尤其如此，因为地方国企更需要把有限资源投向真正能形成价值闭环和能力积累的方向，而不是陷入零散投入、分散试点、各自为战的低效循环。

在所有实施路径问题中，最容易出现偏差的一点，就是起点选错。很多企业看到人工智能趋势后，最先想到的是“上什么模型”“接什么平台”“建什么中台”，但政策导向始终很明确：要瞄准战略意义强、经济收益高、民生关联紧的高价值场景，以应用领航推动AI赋能千行百业。

这说明，国企“AI+”的起点，首先不是技术，而是主责主业中的关键问题。地方国企推进时，应优先围绕资产运营、工程管理、产业管理、招商服务、风险管控、客户服务、能源调度、生产制造、物流协同等高价值环节筛选场景，而不是简单追逐通用型、展示型、热点型应用。选对起点，后续的数据、技术和组织调整才有明确方向；起点选错，越往后投入越容易偏离主业。

以国家电网“光明电力大模型”为例，其应用并不是停留在通用办公或展示层面，而是直接进入电网规划、电网运维、电网运行、客户服务等核心业务环节。公开披露显示，该模型在长沙配调等场景中将单次转供决策时间由30分钟缩短至1分钟，大型保供电方案编制时间由10小时缩短至10分钟；在江苏供电方案编制等场景中，也明显压缩了工作量和办电时长。这个案例表明，真正具有长期价值的“AI+”应用，往往首先进入的是主责主业核心链条，而不是外围展示型场景。

类似地，国家管网集团“全国天然气管网供销运预测与资源优化”场景也是围绕主责主业展开。该场景基于超过13万条天然气行业运行数据，结合管网大模型和自研时序预测模型，实现全国和试点地区天然气消费日预测，相关预测准确率达到96%，并支撑资源调度优化、管容销售策略动态调整和合同履约监测等核心应用。这同样说明，国企“AI+”真正值得优先布局的，恰恰是那些直接关系供需匹配、资源配置和经营效率的关键场景。

另一个常见误区，是很多企业一开始就想做到“大平台、全覆盖、一次到位”，结果往往投入大、周期长、成效慢。更有效的路径，往往是先从高价值、小切口、可验证、可量化的场景切入。

对国企而言，这种路径更为现实。因为高价值小切口场景往往更容易定义问题、验证效果、形成组织认同，也更容易在试点基础上逐步扩展到流程级、系统级和板块级应用。真正有效的实施路径，通常不是“先搭平台再找应用”，而是“先用场景验证价值，再倒推需要什么数据、什么平台、什么模型和什么机制”。

从首批央企高价值场景看，许多成功案例并不是“大而全”的平台工程，而是边界清晰、价值突出的高价值小切口。中国航空工业集团“机器视觉C919全机疲劳试验损伤检测”就是典型代表。该场景通过构建高质量工程数据集，结合“机器人+计算机视觉”技术，实现对全机疲劳试验中结构损伤的智能识别与追踪。公开资料显示，该系统已在C919、C909、AG600等多个型号试验中投入使用，具备毫米级裂纹识别和追踪测量能力，裂纹检测误差小于0.5毫米，检测效率提升40%。这一案例充分说明，高价值场景不一定是大而全的平台工程，也可能是一个边界清晰、价值很高、成效可验证的小切口。

在“AI+”推进中，很多企业最容易误判的一点，就是把自建算力、自建大模型、自建平台视作能力强弱的象征。但真正重要的不是“建多少底座”，而是底座是否能支撑主责主业和高价值场景。未来国企“AI+”底座建设并不只有一条路径，而是要根据企业定位、资源禀赋和场景需求作出差异化选择。

对于大多数地方国企而言，更现实的方式往往不是从底层全栈自建起步，而是优先借助已有的开源社区、平台能力、行业模型和开放生态来完成前期验证。只有当场景已经清晰、数据已经沉淀、组织已能承接、需求具有长期稳定性时，再决定哪些能力值得逐步内生化、专有化和平台化。换句话说，底座配置的核心不是“是不是自建”，而是“哪些需要借力、哪些值得沉淀、哪些必须掌握”。

从已公开的案例看，真正成熟的“AI+”落地，往往不是简单的“有算力、有模型”就足够，而是围绕业务场景形成“数据—模型—平台—调度”协同体系。例如，中国华电“乌江水风光一体化智慧调度决策运营”围绕乌江流域多能互补调度中的径流预测精度不足、风光功率波动难测、多能互补协同效率低等问题，构建高质量能源数据集，研发百亿级参数径流预测大模型，并结合AI驱动的风光功率预测系统和一体化智能调度平台，实现水风光资源的精准预测与最优配置。这一案例说明，国企“AI+”真正需要关注的，不是是否一定要自建一整套底座，而是是否围绕关键场景形成足够稳定、足够适配的能力组合。

同样，国家电网“光明电力大模型”的做法也表明，底座建设的本质不是堆资源，而是围绕主责主业形成可复用的行业能力。公开信息显示，国家电网已建成覆盖总部和27家省公司的统一开放人工智能技术创新平台，并构建以光明电力大模型为核心的总体布局，覆盖规划建设、电网运行、设备管理、客户服务、经营管理等多个领域。这意味着，对大多数地方国企而言，更现实的路径往往不是从底层全栈自建起步，而是优先借助成熟平台和行业能力完成前期验证，在此基础上逐步明确哪些能力值得沉淀、哪些底座必须掌握。

“AI+”底座并不是彼此独立的几块资源，而是围绕应用需求形成的一种组合配置。没有场景，数据难以定义优先级；没有数据，模型难以训练和适配；没有算力和平台，模型能力又难以稳定供给。

因此，国企在底座配置上最重要的不是“样样都要有”，而是围绕重点场景形成“够用、可扩、可接、可持续”的能力组合。对地方国企来说，这种组合配置尤其重要。因为地方国企更需要避免重复投入和低效建设，在借助外部成熟底座的同时，把有限资源投入到最能沉淀长期竞争力的数据治理、场景理解、流程适配和组织承接上。

在“AI+”推进初期，设立专班、专项组、联合工作机制是必要的，因为它能打破部门壁垒、集中资源推进试点。但如果长期停留在“专项项目管理”状态，而没有把场景、数据、流程、岗位和评价机制真正嵌入日常经营管理体系，项目就很容易在试点后失去延续性。

对地方国企而言，这意味着一个重要转变：前期可以以专项推进机制为抓手，但中后期必须逐步把“AI+”纳入规划管理、业务管理、数据治理、流程优化、考核评价和人才培养的常规体系。否则，就会出现“试点时很热闹，结束后又回归原状”的现象。真正成功的实施路径，不是把AI项目长期悬浮在组织之外，而是让组织逐步具备吸收和承接AI的能力。

国企“AI+”在实施层面还面临一个容易被忽视的问题：很多时候评价仍停留在“有没有上线、有没有接入、有没有展示成果”，而没有真正转向“是否形成可复制能力”。但未来“AI+”实施效果的评价，不能只看项目完成情况，更要看它有没有真正改善业务效率、提升决策质量、优化资源配置、沉淀组织知识和强化企业能力。

这意味着，国企在推进“AI+”时，要逐步建立更贴近长期能力形成的评价框架。例如，是否识别出一批高价值场景、是否打通一批关键数据、是否形成可复用的方法、是否带动组织协同机制调整、是否培养出一批复合型骨干、是否实现从单点应用到板块复制。只有把这些内容纳入评价，企业才不至于把“AI+”做成一场短周期运动。

当前政策已经非常明确：人工智能推进不能长期停留在零散试点阶段。随着首批央企人工智能战略性高价值场景发布，政策导向已经从“鼓励试点”进一步走向“推动开放、复制和协同扩散”。这实际上强调的是同一个方向：未来“AI+”的竞争，不再主要是企业内部试点竞争，而是场景复制能力、生态连接能力和规模化扩散能力的竞争。

首批高价值场景既包括国家电网“光明电力大模型”这类主责主业深度嵌入型场景，也包括国家管网“全国天然气管网供销运预测与资源优化”这类数据驱动型场景、中国华电“乌江水风光一体化智慧调度决策运营”这类系统级场景，以及航空工业“机器视觉C919全机疲劳试验损伤检测”这类高价值小切口场景。它们共同说明，所谓从“盆景式试点”走向“雨林式应用”，并不是简单把案例数量做多，而是要形成一套从场景筛选、数据准备、能力配置到规模复制的系统路径。

对地方国企而言，这一点尤其重要。地方国企通常资源禀赋有限，不适合长期陷入封闭式试点，更需要借助成熟生态、开放场景库、开源社区、产业共同体和行业伙伴的力量，把已经验证有效的场景快速放大，把单点成果尽快转化为板块能力和组织能力。谁能够更早从“单点项目”转向“场景复制+能力扩展+生态协同”，谁就更有可能真正把“AI+”做深。

从“十五五”阶段看，国资央企对“AI+”的定位已经越来越清晰。人工智能绝不是一轮短期技术热点，而是已经进入中长期战略布局阶段。

这也决定了国企实施路径必须具备三个特征：一是体系化，不能靠单个项目支撑；二是协同化，不能靠单一主体独立完成；三是长期化，不能只追求短期展示成果。谁能够尽早用规划思维、体系思维和协同思维来重构“AI+”推进方式，谁就更有可能在“十五五”期间把人工智能真正嵌入发展逻辑，而不仅仅是停留在技术布局层面。

综合来看，国企“AI+”从试点走向体系落地，关键不在于“动作做得多快”，而在于“路径设计是否正确”。当前政策已经给出了非常清晰的方向：以“十五五”规划为牵引，以高价值场景为切入口，以数据、算力和模型为基础能力，以组织机制和人才体系为承接条件，以开放协同和场景复制为生态支撑，逐步推动人工智能从零散试点走向规模化赋能。

对地方国企而言，真正需要把握的，不是“跟不跟热点”，而是“能不能围绕主责主业、结合自身优势、借助开放生态，走出一条适合自己的AI+实施路径”。谁能够更早从项目思维转向体系思维、从封闭试点转向开放协同、从短期展示转向长期能力建设，谁就更有可能在这一轮国企“AI+”深化推进中形成真正的主动权。归根结底，人工智能带来的不只是一次技术升级，更是一场发展逻辑、经营逻辑和治理逻辑的系统重构。