历经多年的巨额投入与热切期待，围绕人工智能（AI）的讨论已从“潜力”彻底转向“实际成效”。如今，企业领导者们不仅要看到AI创造价值和影响力的实证，更在为下一波企业创新浪潮积极布局。

世界经济论坛发起的“AI应用之星”计划正是对这一现实的系统回应。该项目对来自30多个国家数百家组织的AI实践进行系统评审，识别出了一批在真实业务场景中交付“有意义、智能、新颖和可部署解决方案”的企业。

率先入选的“AI应用之星”企业完成了从试验到落地、从愿景到成效的实质跨越。其成功经验为AI的规模化应用沉淀出五大实践洞察。这五项洞察环环相扣，相互强化，系统性地决定AI能否规模化落地。

洞察一：将AI纳入组织运营的核心

走在最前沿的“AI应用之星”企业，不再将AI视为战术工具，而是将其作为战略能力纳入组织全局。他们追问的不是“AI能用在哪里”，而是“AI如何帮助我们重塑商业模式，打造新的竞争优势”。

在实践中，领导者首先会复盘核心流程，充分释放AI的价值。“AI应用之星”企业将AI目标纳入团队目标，定期评估目标达成情况，鼓励员工积极参与，动态平衡自上而下的经营成效与自下而上的创新活力。

更重要的是，这些企业正在平衡短期回报与长期投入：一方面持续推进短期回报稳健的项目；另一方面，也保留投资高潜力、长周期项目的可能性。约75%的“AI应用之星”企业会将现有AI项目产生的收益再投入到新的业务领域，以扩大应用规模，同时仍保留专项预算，支持那些处于价值潜伏期的探索性项目。

洞察二：人机协同成为价值放大的关键机制

尽管AI技术持续演进，但“AI应用之星”的经验表明，AI的成功应用始于人，而非技术。这些组织并未将AI视为替代人力的工具――人类专业智慧仍是价值的分水岭。相反，他们将AI作为人类智慧的放大器，解锁前所未有的精准、创意与革新。这一转变主要体现在三个方面：

第一，将员工纳入AI设计过程，实现共创。这些组织没有将AI作为独立的技术层，而是让员工从源头上参与AI项目的设计，将AI直接纳入员工的日常工作，围绕员工的真实需求设计工具，支持员工改善现有流程。这种做法不仅能激发员工的主人翁意识、提高方案采纳率，更能确保每一项应用都切实解决问题。

第二，推动角色导向的技能提升。这些组织不再将AI局限于专业团队，而是重新设计岗位，为员工配备AI助手，将其融入现有的关键工具。领导者还采取了重要的变革管理实践，例如就AI的角色定位、对岗位的影响以及所需技能展开坦诚交流，通过强化岗位技能培训，将提高AI素养融入学习体系，促进人机协作。领先组织还瞄准那些因专业人才短缺而陷入瓶颈的领域，通过战略性引入AI，破除资源限制。

第三，建立内部AI推广网络。领先企业通过提供实践学习机会、建立AI先行者网络，进一步巩固人机协作模式，提升组织渗透率。

洞察三：数据基础决定AI规模化上限

数据质量问题被普遍认为是AI落地的头号障碍。为了破局，“AI应用之星”企业主动构建差异化的数据优势：整合结构化和非结构化数据，并注入合成数据、实时数据和物理仿真数据。这一实践释放出清晰信号：AI的规模化，取决于对数据深度与准确度的把握。

在这个过程中，不同类型企业展现出差异化的路径。数字原生企业依托一体化数据生态与平台能力，实现数据的持续生成与快速迭代；而行业传统企业则将长期积累的专有与非结构化数据转化为核心资产，通过AI工具激活历史数据价值，高效调用、复用组织知识。

与此同时，领先企业还通过数据增强策略突破数据规模与质量的双重限制。在数据稀缺或获取成本极高的场景中，他们结合领域专业知识、替代性数据流与先进建模技术，减轻对海量数据集的依赖。

总体而言，领导者需优先考虑数据基础能否支撑其AI愿景。除了确保数据质量和使用权外，还需平衡监管合规要求，积极参与协作式数据生态系统建设，在不暴露原始数据的前提下构建共享资源，共驱行业进步。

洞察四：革新传统技术栈，全面释放AI潜力

“AI应用之星”企业普遍认识到，随着生成式AI等技术的快速演进，计算基础设施既是价值放大的关键杠杆，也正在变为新的约束条件。所有参选企业都将“技术基础设施不足”列入其AI规模化的三大核心挑战之一。在这一背景下，领先企业的关注重点正从单纯扩建基础设施，转向构建可支撑AI长期演进的战略性工程能力。

在转型过程中，统一的AI平台成为关键基础。硬件层面，领先组织正在扩展计算能力，改进数据存储，并连接那些在信息生成端附近处理信息的边缘设备。软件层面，他们正在构建统一的数据环境，连接模型、工作流和应用程序，同时打造强大的安全和模型服务能力。这些一体化平台共同成为AI发展的战略抓手，其作用远非零散的单点解决方案可比。

与此同时，领先企业并未依赖单一技术路径，而是形成了以混合架构为核心的多层基础设施体系。一方面，私有化部署被用于满足数据主权与高敏感场景需求，并支持模型微调、检索增强生成与智能体系统等关键能力；另一方面，云计算与边缘计算的结合成为主流模式，在保障实时响应的同时，实现更深层次的集中分析与规模化训练。实践表明，这种“边缘+云”的协同架构，能够在成本、性能与扩展性之间取得更优平衡。

在这一过程中，基础设施决策不再是一次性选择，而是一个动态优化过程。成本、标准化、灵活性、数据主权与风险分散等因素持续交织，推动企业不断调整其技术架构。最终，这些“AI应用之星”所构建的，并非单一技术方案，而是一套能够适应业务变化与监管要求的系统性能力底座。

洞察五：负责任实践是AI规模化的前提

除了数据质量与技术局限，多个“AI应用之星”企业将信任、可靠性、准确性、人工监督及合规列为核心挑战。为实现可持续落地，组织应构建以“负责任AI”为核心的系统性治理体系，将原则、实践与控制机制嵌入技术与业务流程之中。

领先企业正从政策驱动转向技术赋能的治理体系，通过在AI全生命周期中引入可追溯性、可解释性与公平性机制，将模型监控、偏差检测与安全数据管道等能力集成进平台与智能体系统，搭建起“信任内置”的基础设施。同时，他们在关键环节保留必要的人工监督，在合规框架下平衡效率与风险。

在治理方式上，人工介入正从全流程控制转向按风险分级的差异化监督：低风险场景采用高自主与轻干预结合的策略，中等复杂场景通过结构化约束实现有限自主，而高风险决策需人类主导。总体而言，企业从二元对立的治理模式，迈向与情境和风险相匹配的分层协同治理体系，AI能力与人类判断形成良好互补。

从“AI应用之星”企业的实践可以看到，那些成功案例，往往得益于战略远见、数据根基、技术现代化与人才赋能汇聚起来的合力。当企业实践能够契合以上多项洞察，企业价值便不再是简单相加，而是通过协同作用产生乘数效应，从而在商业、社会与环境层面持续扩大影响。

原报告《行胜于言：2025年“AI应用之星”（MINDS）实践洞察》¹

1.  《行胜于言：2025年“AI应用之星”（MINDS）实践洞察》（Proof over Promise: Insights on Real-World AI Adoption from 2025 MINDS Organizations），
世界经济论坛，2026年1月19日，https://www.weforum.org/publications/proof-over-promise-insights-on-real-world-ai-adoption-from-2025-minds-organizations/ 。

216.73.217.134