AI的世界里，企业到底在比什么？

过去两年，很少有企业能回避AI转型这个话题。而随着投身其中的企业越来越多，新的问题随之涌现：“为什么很多企业做了AI项目，却没有形成可观的业务结果？”

IBM2025年高管调研显示，在众多的AI项目中，只有约25%达到了预期ROI，仅16%实现了企业级规模化。Gartner也指出，至少一半的生成式AI项目在概念验证后被放弃，原因多集中在数据质量、风险控制、成本与价值不清晰上。

不久前，哈佛商业评论也援引一份企业高管调研显示，绝大多数受访者（65%）表示他们认为自己对AI及其好处有深入的理解，但只有6%的人声称具备从这些技术中提取价值并对公司的损益产生实质性影响的能力。文章进一步指出，AI的表现更多取决于决策者如何、何时以及在哪里应用AI，而非技术本身。

换言之，AI转型已经进入分水岭，真正拉开差距的，不是企业有没有部署AI，而是有没有完成从工具应用到能力重构的跃迁。

也正因如此，在讨论AI转型时，真正值得分析的，不是那些把AI加到产品说明书上的企业，而是那些借AI完成了问题重构、数据构建、能力升级、生态协同和价值转译的企业。

重新定义问题

很多传统企业做AI，往往从功能增强出发，例如加一个助手、加一份报告、加一个接口；但真正有效的转型，第一步往往不是加技术，而是重新定义企业到底在解决什么问题。麦肯锡在2025年的调查中反复强调，能够从AI中获得更高价值的企业，更倾向于围绕核心业务流程重构，而不是围绕单点工具做试验。换句话说，AI转型首先是问题定义能力的升级。

在不久前结束的AWE2026上，我们可以看到众多正在尝试重新定义问题的企业。以TCL展示的一款AI空调为例，其关注点不再只是制冷制热效率，而是围绕人在不同状态下需要怎样的环境展开。通过对人体状态的持续感知与判断，空调开始主动调节风量与温度。这意味着，空调所解决的问题，不只是制冷、制热，而是服务人的状态。

类似的变化，也出现在睡眠场景中。在一众智能电器、机器人产品争奇斗艳的场合里，慕思的床垫，正以“智能终端参与者”的身份参展，还与华为鸿蒙智选共同呈现围绕睡眠场景的解决方案。慕思正在做的，是把床垫从一个舒适性产品，重定义为睡眠管理系统的入口。其核心关注点，从传统的材料与躺感，转向了更深层的用户价值：睡眠质量、脊椎支撑、恢复效率以及卧室环境协同。

当然，这并不是传统企业在AI浪潮里的应激转型，而是源于对用户真实痛点的洞察。

以慕思为例，根据慕思联合CBNData发布的《2026脊椎健康与睡眠白皮书》，超3亿国人受脊椎问题困扰，73%的受访者遇到过“睡够了还是累”的体感落差。其背后是脊椎在夜间因缺乏科学支撑而持续代偿，导致修复失效，近六成受访者将“脊椎干扰”列为睡眠的首要影响因素。因此，慕思要解决的，不再仅仅是如何让人躺得舒服，而是如何通过夜间睡眠，系统性地修复白天的脊椎损耗。这一问题定义的升维，为慕思后续的技术应用划定了全新的战场。

值得注意的是，这种转向也并非一蹴而就。慕思集团副董事长、总裁姚吉庆曾提到：“慕思的AI产品在去年增长3倍，但是慕思做AI不是跟风，我们为了这件事，押注AI走过了孤独的10年。”

其实，早在2014年，慕思就推出首款智能床垫，尽管当时售价极大超出市场预期，更接近概念产品，但其本质意义在于，企业已经开始思考“床垫是否可以成为数据与算法载体”。此后十余年，其持续投入研发，不断探索作为一个占据人三分之一时间的产品，床的能力边界到底在哪里？也正是对这一问题理解的不断深化，使慕思在AI时代具备了重新定义自身的基础。

构建数据资产

定义问题之后，AI转型落地的关键一步在于数据。IBM在2025年展开的CDO调研显示，AI系统更依赖高质量数据，同时，一旦缺少真实业务数据，AI很容易放大偏差和低质量判断。这也是为什么很多企业重视基于业务的专有数据资产，甚至有72%的CEO认为专有数据资产才是释放AI潜力的关键所在。

目前在全球各地，众多企业正在尝试释放企业专有数据中的价值。以知名的农机企业约翰迪尔为例，它不再只是卖农机，而是持续采集数据，并提供作业建议和管理服务。换句话说，农机不再只是干活的工具，而是一个不断产生数据、持续提供价值的入口。

在更多领域，这种变化都在持续发生。比如耐克记录用户运动数据，从卖鞋转向参与用户的运动过程；苹果通过Apple Watch等设备，将健康数据纳入系统，使硬件成为长期服务的一部分。它们的共同点在于，产品已经转化为持续的获取服务的入口。

但对于很多传统企业来说，用户状态很难被持续感知和记录。数据就无法沉淀，AI也难以真正进入业务流程。

为解决这一问题，慕思就选择了一条更底层的路径：通过硬件与材料层创新，构建无感数据采集能力。目前，其智能床垫产品内部嵌入高精度压力传感器矩阵与生物雷达系统，无需任何穿戴设备，即可实时捕捉心率、呼吸频率、体动幅度、离床状态等20余项生理数据，精度达到医疗级水平。即便是轻微翻身或深睡中的呼吸变化，也能够被系统识别。

进一步地，其与MIT Media Lab合作探索的“智能纤维（FiberCircuits）”技术，将微型传感器嵌入柔性织物，实现更高密度、更无感的连续数据采集。这些实时、连续、多维且达到医疗级精度的数据流，构成了慕思独特的睡眠数据资产。

“在这个过程中，我们获取了大量的数据。” 姚吉庆表示，“包括100万人体工程学数据，1000万以上的睡眠数据。”也是在这样的数据的基础上，慕思才得以从销售产品转向管理结果。

从连接到决策

数据为企业的AI进化提供了关键燃料。但数据本身，并不构成能力。

即便进入AI应用阶段，很多企业依然停留在数据与分析层，而难以进一步转化为稳定的业务能力。问题并不在于有没有数据，而在于这些数据是否能够被持续转化为判断，并对产品和用户体验产生影响。换言之，AI的关键，不只是看见和理解，而是能否形成一套将感知、分析与反馈连接起来的能力结构，使系统能够基于用户状态不断做出调整与响应。

比如慕思就构建了一套能够把监测、分析、调节与反馈串联起来的能力，并形成了独有的“潮汐算法”。

这套算法的开发，源于一个朴素的观察：人的睡眠并非静止，而是像潮汐一样有节律地起伏、变动。传统的静态床垫无法适应这种动态变化。因此，慕思的工程师和睡眠科学家们开始思考，能否让床随着用户睡眠的潮汐，也就是不同睡眠阶段和身体状态自动调整。

如今，已迭代至3.0版本的潮汐算法，结合百万级人体工学数据库，能让床垫生成超5000种睡感方案，实现千人千面。例如，动态调节不同区域的软硬度，为悬空的腰部提供更精准的支撑；或在用户翻身前后，预调节睡姿承接区域，减少惊醒可能。这里的重点不在某个单一功能，而在于产品从被动承接身体转向动态响应用户状态。

看向更广阔的市场，这种以算法为中枢、由模型驱动决策的能力升级模式，正在成为多个行业的共同选择。科沃斯机器人大模型算法赋予家用机器人深度理解与执行复杂意图的能力，添可智能大模型算法将烹饪想法转化为一步步的可视化指南，协同科技基于工道大模型的巡检智能体，则实现了从设备点检到远程维修的全流程智能化，将首检效率压缩数十倍。

这些不断涌现的垂类模型与算法，正帮助企业构建一个个更高效的服务系统。增长能力的差距，也由此被拉开。

开放与融入生态

在充满连接的时代，企业必须面对一个现实，单一产品的智能化，很难支撑完整体验。真正的系统价值，往往来自生态协同。如今，越来越多企业开始从产品竞争转向生态竞争，打造生态型企业，强调以场景而非单一产品构建用户价值，并开始思考自己在更大生态里的角色。

《哈佛商业评论》曾深入探讨过生态型企业的崛起：传统的价值链线性思维正在被生态化的网状思维所取代。生态型企业的核心特征，在于其不追求拥有或控制所有环节，而是通过搭建开放平台、制定交互标准、促进互补者创新，共同为最终用户创造单一企业无法提供的整合价值。

在这一浪潮中，海尔是典型的样本之一。它跳脱出家电制造商的身份，成为开放的物联网生态品牌，为消费者提供整套的生活解决方案。在这个生态里，海尔提供平台和核心网器，并与食品、健康、家政等外部服务连接，形成持续交互的生态体系。海尔的角色，从产品供应商变成了生活场景的生态组织者。

如今，这种以生态构建系统价值的模式已成为许多头部企业的选择。比如华为构建的鸿蒙生态，连接华为自身设备与海量第三方硬件，目标是让用户在不同设备间获得无缝流转的协同体验。

2025年，慕思就成为鸿蒙在智能睡眠领域的唯一合作伙伴，负责把多年的睡眠数据、人体工学技术积累，转化成床能听懂、能执行的肌肉记忆。

在这一体系中，床垫不只是终端设备，而成为睡眠场景中枢。通过鸿蒙系统，睡眠状态可以触发一整套环境联动：灯光、温湿度、新风、影音设备围绕睡眠形成协同响应。例如，在入睡阶段自动调暗灯光、降低环境噪音；在深睡阶段切换至静音模式；在清晨浅睡期，通过自然光逐步唤醒。

这一系统被华为鸿蒙定义为“智感助眠系统2.0”，其底层引入了失眠认知行为疗法作为设计参考，通过光、温度、声音等多维变量构建助眠环境。床垫提供状态数据，生态系统负责环境响应，双方解决的不仅仅是床这个产品的问题，而是整个睡眠场景的问题。

完成用户价值转译

当AI转型推进至此，企业已经完成能力构建与生态融入，但能力本身并不会自动转化为价值。真正让转型成立的，是这些能力是否被用户感知、理解，并转化为持续选择的理由。因此，AI转型的最后一步，是价值转译。而这一转译，至少应发生在两个层面。

首先，是产品层面的可感知、可体验。慕思将复杂的感知、监测与调节能力，转化为用户可以直接理解的结果。比如在电动车行业，用户不需要理解自动驾驶技术的进化细节，却能感受到跟车更稳、倒车入库更容易；或是在家居领域，用户不需要理解“潮汐算法”如何工作，但能感受到“醒来腰不酸了”“好像更容易睡着了”。这一过程的关键，不是技术本身，而是把技术压缩为简单、可体验的结果。

其次，是品牌层面的认知构建。还以慕思为例，其长期塑造“科技睡眠”的品牌形象，从早期的材料科技突破，到睡眠大数据研究，再到如今的AI睡眠系统，其品牌叙事一直与科技创新紧密绑定。

而当产品能力因AI而变得复杂，品牌更需要承担“翻译官”的角色：一方面，持续发布权威的睡眠白皮书，用数据和科学教育市场，将“脊椎修复”“睡眠3.0”“恢复力”等专业概念转化为公众议题；另一方面，通过签约青年偶像易烊千玺作为品牌代言人，将“智慧健康睡眠”与年轻、活力、积极的生活状态相关联，降低高科技产品的距离感，让品牌价值更具象、更易被年轻消费群体理解和接纳。这些动作的本质，都是在搭建从复杂技术通往用户情感认同的桥梁。

如今，AI转型考验的不仅是技术，而需要企业围绕问题重构、数据构建、能力升级、生态协同和价值转译展开系统性升级。对传统企业来说，最难的也从来不是接入一个模型，而是重新设计原有产品逻辑、组织方式和用户关系，解答如何从产品思维走向系统思维，如何从单点智能走向场景智能，又如何把技术叙事最终落回用户价值。对于希望推进AI转型的更多企业而言，这或许比用了什么模型更值得参考。

刘玥 | 文

联系方式

投稿、广告、内容和商务合作

newmedia@hbrchina.org