SAP最新发布的《SAP AI价值报告》显示,中国企业在AI上的投入已开始产生正向回报。该报告由SAP委托牛津经济研究院开展,调研了澳大利亚、巴西、中国、德国、印度、新加坡、英国、美国共8个国家不同规模企业的1600位高层管理者,其中包括200位中国企业受访者。

调研显示,中国受访企业,其中涵盖大型和成长型企业,今年在AI领域的平均投入高达 4280 万美元,涵盖软件、基础设施、人才及咨询服务等方面。这一投入规模位居全球首位,超过美国(3700万美元)和德国(3400万美元)。预计今年投资回报率为18%(约合730万美元),未来两年将接近翻倍,达到 34%(约合1880万美元),均高于全球平均水平(当前全球平均 16%,两年后预计 31%)。
超过八成(84%)的中国企业预计,其AI投入将在三年内实现正向回报。多数受访者认为,到2029年,AI将成为业务流程、决策制定及客户服务的核心组成部分,仅有6%的企业认为AI永远不会成为其业务运营的核心环节。
不过,AI的战略性采纳方面仍面临挑战。调研显示,当前多数企业的AI投入呈现零散化(41%),由部门优先级驱动(39%),甚至是临时性的(13%),仅有 8% 的企业基于战略优先级进行 AI 投入。尽管 AI 大规模应用存在障碍,但超半数(58%)的企业在探索解决方案并持续推进,略低于全球平均水平(63%)。
中国企业对AI回报更具信心
报告显示,未来两年,中国企业在AI上的投入预计平均将增长38%。近三分之二(62%)的受访者对当前企业AI的投资回报率表示满意,仅次于软件(64%),并高于其他技术领域的投入。部分原因在于,42%的受访者预计AI 项目能比其他投入更快带来正向回报。
SAP AI首席营销官Brenda Bown表示:“我们开展这项研究,旨在帮助企业看清AI的真实业务价值,加速实现可衡量的成果。研究表明,当企业将AI与高质量数据相结合、培养相关技能人才,并将智能技术嵌入核心工作流程时,就能获得可观的回报。”
调研还发现,超半数(54%)中国受访企业认为,AI已有效帮助其解决了核心组织挑战,尤其与客户及潜在客户互动、业务洞察与决策支持、生产效率提升等方面表现突出。尽管回报和收益明确,仍有三分之二(65%)的受访者表示不确定 AI 是否已充分发挥潜力,或认为其尚未充分释放潜力。
数据与 “影子 AI”成为主要挑战
如今,人工智能已融入日常业务流程。目前中国企业平均28%的业务任务由AI提供支持,未来两年这一比例预计将升至44%,在8个国家中均居首位。

但挑战依然存在。尽管70%的中国企业表示其数据准备程度足以支持AI应用(全球平均为 64%),但在法律、财务、人力资源及高管办公室等多个职能中,大多数受访者并不认同。超半数企业对跨业务部门(52%)或与外部合作伙伴(54%)负责任地共享和整合数据缺乏信心。数据不完整或不一致、数据质量差以及数据孤岛等问题,正成为阻碍AI应用的重要因素。

与此同时,调研中82%中国企业担忧 “影子 AI”,即员工在未经批准或监管的情况下使用AI工具。事实上,70%的中国企业表示员工偶尔或经常使用未经授权的第三方AI工具,这一比例全球最高,仅有3%的企业表示从未出现此类情况。
智能体 AI:引领AI投资回报新方向
当前,中国企业的AI投入多集中于自动化与生成式AI,但未来重点将转向智能体AI(Agentic AI)。这类系统具备自主规划、执行、反思与协作能力,能够解决复杂业务问题。

目前,仅有5%的受访中国企业,已完全做好部署和规模化应用智能体AI的准备,大多数企业(58%)处于部分准备状态。但预期强烈:超四分之三(78%)的中国企业认为,智能体AI在变革企业运营方面具有中等到较高潜力;67%的企业认同其能通过跨部门复杂流程管理创造显著价值。未来两年,这些中国企业预计智能体AI的投资回报率将达 12%,约合460万美元。正因如此,42%的企业表示,未来两年智能体AI将显著影响其战略规划。
Bown 补充道:“智能体 AI作为能够跨复杂流程进行规划、执行和协作的系统,将成为推动业务转型的下一波浪潮。虽然企业对AI智能体的投资回报率预期已相当乐观,但要真正实现这一价值,仍需依托数据、应用与AI的整合基础。SAP 聚焦客户携手,将这些要素融合在一起,这是我们独特优势所在。“
SAP 助力中国企业释放AI价值
SAP凭借独特优势,帮助中国企业实现韧性发展,在充满不确定性的当下抓住发展机遇。正如物理学中的飞轮效应——SAP通过应用、数据与AI的深度协同,将最广泛的关键业务应用作为核心业务背景,以最丰富的语义化数据驱动智能洞察,而原生嵌入这些应用的SAP商业AI则持续优化工作流程。这一飞轮效应加速创新、提高生产力,助力企业在AI时代以更快速度、更高精度和更大信心推动业务增长。
好文章,需要你的鼓励
在技术快速发展的时代,保护关键系统越来越依赖AI、自动化和行为分析。数据显示,2024年95%的数据泄露源于人为错误,64%的网络事件由员工失误造成。虽然先进的网络防御技术不断发展,但人类判断仍是最薄弱环节。网络韧性不仅是技术挑战,更是人员和战略需求。建立真正的韧性需要机器精确性与人类判断力的结合,将信任视为战略基础设施的关键要素,并将网络韧性提升为国家安全的核心组成部分。
上海AI实验室提出InternVLA-M1框架,通过空间引导的视觉-语言-动作训练,让机器人先学会"在哪里行动"再学"如何行动"。系统采用双阶段训练策略,构建了300万个多模态样本数据集。在多项测试中表现优异,相比基线方法提升10-20%成功率,在真实世界未见物体任务中提升20.6%,为通用智能机器人发展提供了新思路。
自计算机诞生以来,人们就担心机器会背叛创造者。近期AI事件包括数据泄露、自主破坏行为和系统追求错误目标,暴露了当前安全控制的弱点。然而这种结果并非不可避免。AI由人类构建,用我们的数据训练,在我们设计的硬件上运行。人类主导权仍是决定因素,责任仍在我们。
UC圣塔芭芭拉分校研究团队开发出直接多词解码技术(DMTD),通过重用大语言模型的后期层实现一次性生成多个词汇。该技术无需添加额外参数,仅通过重新组织内部处理流程就实现了2倍速度提升,同时保持96%以上的准确性。实验证明技术在大型模型上效果更佳,为AI交互效率提升开辟了新路径。