企业AI投入陷ROI迷局，“按效付费”能破解AI落地难题吗？

智东西
作者 陈骏达
编辑 漠影

企业的AI投资，到底有多少正在转化为真实收益？

智东西9月13日报道，近日，麻省理工学院用一份《2025企业AI应用报告》，揭示了企业AI落地的现实：全球企业在生成式AI上的投入已高达300–400亿美元，但多数项目在财务报表中尚未体现出显著成效。

造成这一现象的核心原因，是通用AI能力与垂直行业场景的错配。来自金融、能源、零售等领域的企业普遍反馈，现有AI工具对行业理解不够深入，缺乏必要的行业知识，难以契合日常运营。一位受访高管更是直言：“大多数服务商根本不了解我们的审批和数据流程。”

在这种情况下，AI投资效果难以量化，ROI（投资回报率）也难以验证。企业决策层陷入矛盾：一方面担心投入巨大却“烧钱无果”，另一方面又害怕错过下一轮技术变革，只能在“想用”与“不敢投”之间反复权衡。

AI落地的难题依然突出，也让新的探索格外引人关注。昨日，蚂蚁数科副总裁余滨已在一场沟通会上提出最新思考：如果AI技术仍停留在讲故事和逻辑论证阶段，迟早会失去社会认可。蚂蚁数科希望在金融科技、互联网和生活服务等领域扎根，用AI技术解决真正的行业痛点。

与这一观点相呼应的是，同日，蚂蚁数科在外滩大会上宣布推出“按效果付费”的企业AI服务模式，支持客户根据大模型应用的实际效果（如业务增长或成本节省）来付费，将蚂蚁数科在行业层的技术积累，以更为普惠的方式提供给广大中小企业。

这一模式的背后，是从“卖AI技术”到“交付业务结果”的转变。它让企业在应用AI时，不再被动承担风险，而是能够聚焦于业务价值的释放。这一创新，或许正是帮助企业跨越AI落地鸿沟的关键一步。

一、行业应用水土不服，AI落地为何总卡壳？

在AI技术落地垂直行业的过程中，常常面临“水土不服”的问题。以金融行业为例，该行业的业务流程高度标准化，层层审批，且无法随意更改；而多数通用型AI工具强调灵活与泛用，难以嵌入既有的合规工作流。

此外，金融行业涉及大量专业知识与专有名词，通用大模型在缺乏行业数据训练的情况下，往往输出错误甚至“想当然”的结论，难以满足实际业务需求。

为此，企业通常需要对AI工具进行深度定制，或订阅专门的行业解决方案。理论上这能带来更优质的服务，但无论是项目制还是订阅制，对预算敏感的中小企业而言，都意味着高额投入与集中风险。

在海外，已有企业敏锐捕捉到AI落地中的这一痛点。OpenAI董事长Bret Taylor围绕“按效果付费”的Agent服务，打造出了估值达100亿美元的AI客服独角兽——Sierra。

Bret Taylor曾用一个案例生动说明这一模式的运作：假设Sierra为某企业提供AI客服服务，如果AI客服能够自主解决客户问题，从而节省人工客服的成本，Sierra便可从中获得报酬；反之，如果AI客服未能解决问题，需要人工介入，Sierra便不会收取任何费用。

Sierra的模式已经获得音响企业Sonos、智能家居企业ADT等海外知名品牌的信赖，帮助企业在降低人工成本的同时，提升客户体验和运营效率。

蚂蚁数科也在订阅制和项目制之外，率先引入了“按效果付费”模式，把这一在海外市场已验证的商业模式带给企业客户，提供更多选择。

“按效果付费”模式主要用在运营、营销等以结果为导向的场景，目的就是降低中小机构的应用AI技术的门槛。

在具体执行上，蚂蚁数科基于行业实践，已经形成大模型落地产业的“ACE”（Align-Construct-Evaluate，对齐-建设-评估）三步方法论：

首先，他们会与客户共同明确可衡量且最具价值的业务目标；第二步，围绕业务目标，为客户构建从模型到应用的完整解决方案与实施路径；第三步，通过持续联合运营，跟踪和优化AI应用效果，确保业务目标真正达成，从而实现“按效果付费”的落地价值。

在这一过程中，蚂蚁数科深度参与到客户的决策流程里，能更好地捕捉企业真实需求，提供更为精准的服务。

这一商业模式有效统一了AI服务供需双方的利益。

对企业客户而言，它从源头上降低了“投入大、产出小”的风险，使企业可以更轻松地尝试和应用AI技术；同时，费用与实际成果直接挂钩，让企业能够直观地看到价值，更容易证明采购的合理性。

对服务提供方而言，“只有产生实际效果，才能获得报酬”的机制激励其持续优化产品和服务，从而推动AI技术在企业中的落地与规模化应用，实现供需双方的真正共赢。

二、为何敢于喊出“效果付费”，揭秘背后技术积淀

落地按“效果付费”的模式，有赖于一个极为重要的前提：只有效果足够好、足够稳定，才能按效果付费，否则，提供服务的企业就将难以收回成本，而需求方也无法获得预期价值，这将导致整个模式无法持续运行。

在国内率先应用这一模式的蚂蚁数科，其底气从何而来？

早在2017年，蚂蚁数科便布局AI技术，率先从“云原生”迈向“AI原生”，希望用AI技术重构企业核心场景，提升商业效率，推动企业的智能化转型。

在通用AI尚难深入行业应用、知识壁垒较高的现实背景下，蚂蚁数科正通过输出在金融和能源等领域积累的知识与技术经验，打造行业大模型及配套应用，帮助企业降低AI使用门槛，并构建专业、自主、可控的“AI大脑”。

以金融领域为例，蚂蚁数科会在前期搭好一个适合金融行业普遍需求的地基，包括垂类大模型、知识库、工具集、智能体平台和系统工程方法论的全栈能力。

同时，他们还会根据客户的具体业务需求，结合蚂蚁数科对金融行业的理解，进行定制化的服务，支持客户逐步构建自己的方法论和AI能力。

目前，蚂蚁数科已经推出了企业级智能体服务Agentar、金融推理大模型Agentar-Fin-R1以及大量金融行业智能体应用，并在真实的客户案例中，产生了“看得见、摸得着”的效果。

例如，上海银行联合蚂蚁数科推出的AI手机银行以“对话即服务”为核心，用户只需用自然语言就能完成转账、还款、理财咨询、养老金管理等十余项常用业务，再也不用在复杂菜单中反复查找。

系统还能根据用户习惯提供个性化服务，如沪语模式切换、专属理财建议和网点预约提醒，并通过多轮对话理解实现“服务找人”，大大降低操作门槛，同时照顾老年人和残障人士的使用需求。

蚂蚁数科为上海银行提供自然语言交互、智能体开发、模型管理和算力调度等一站式服务，将阿里通义大模型与金融场景经验结合，实现即插即用和高效资源管理。自上线以来，AI手机银行将业务转化率提升了10%，成为银行数字化转型的标杆案例。

南京公交集团携手蚂蚁数科打造的“公交智能体”，正在让城市通勤变得更聪明、更高效。基于“线网优化与客流预测AI大模型——小蓝鲸”，系统可以实时分析全城客流和线路情况，精准发现出行堵点，并智能生成最优接驳线路。

南京运用大模型辅助决策开通了微循环线路30余条，增加84个招呼站，尽可能减少乘客步行距离。

其中，在AI“建议”下开通的地铁7号线接驳公交210路，单日客流最高达2168次，日均每辆车帮助380人提供换乘便利。

这些成果不仅展示了AI在实际业务中的可量化价值，也为按效果付费的商业模式提供了可靠依据。

三、让企业享受低门槛AI红利，普惠金融再落一子

蚂蚁数科是蚂蚁集团面向科技商业化的独立板块，自2024年4月起独立运营。在AI、区块链、隐私计算、IoT、云原生等前沿技术领域，蚂蚁数科均有深厚积累，其AI业务尤其聚焦金融、新能源等高复杂度行业。

在金融领域，蚂蚁数科已服务100%的国有股份制银行、超过60%的城商行及数百家金融机构，助力行业实现高效的数智化转型。

为何此时推出“按效果付费”的新模式？蚂蚁数科副总裁余滨认为，AI发展已进入“必须证明价值”的阶段，而“按效果付费”（RAAS，结果即服务）有望成为AI服务的主流模式。

其核心理念是将AI视为“数字员工”或“智能体”，就像按实际完成任务发放工资一样，价值体现在实际业务成果上，而非单纯的技术工具。

这一模式对中小银行尤为重要。面对高额前期投入、不确定回报及技术与人才储备不足等挑战，传统AI项目周期长、风险高，使许多中小银行望而却步。

蚂蚁数科的“按效果付费”模式有效解决了这一痛点：客户无需承担高额基础设施建设成本，仅需根据实际业务效果付费，大幅降低初始资金压力与风险，让中小银行能够轻量接入顶级AI能力。

同时，与其他科技企业不同，依托蚂蚁集团自身金融业务，蚂蚁数科能够在真实生产环境中验证技术效果，为客户提供可靠参考。

这一模式对普惠金融的落地也意义深远。中小银行是社会金融服务的“基本盘”和“毛细血管”，服务超过50%的家庭和就业人口。

借助AI赋能，中小银行可以为客户提供便捷、个性化、智能化的服务，如对话式金融、精准理财推荐和智能风控，从而提升用户体验、扩大服务覆盖，让过去被忽视的小额客户也能享受专业金融服务，实现普惠金融从理念到实践的落地。

结语：从工具到数字员工，蚂蚁数科务实探索AI落地路径

在外滩大会上，蚂蚁数科提出的“按效付费”商业模式，是对当前B端AI服务痛点的一次有针对性的回应，也展现出对产业AI应用方向的持续思考。

这一尝试将AI从技术工具逐渐转向任务驱动与效果导向，推动其向更实用、可衡量的“数字员工”形态演进，或将为行业提供一条可供参考的落地思路。