人本驱动：亚洲的AI转型机遇

来源：市场资讯

（来源：埃森哲中国）

我们已经从生成式AI时代步入智能体AI时代。AI正日益融入核心业务、工作流和决策流程之中，而不再局限于试点项目或孤立的效率提升。然而，更广泛的应用和更自主的部署，并不总是能转化为持久价值。

世界经济论坛和埃森哲联合发布的最新报告《亚洲人本驱动的人工智能机遇：转型框架》指出，破局关键在于突破“先部署、后设计”的误区，推进人本驱动的AI转型。在这场面向未来的深层变革中，以中国为代表的亚洲市场，正成为全球最具活力的核心试验田。

凭借庞大的产业规模、多元的消费人群结构、强有力的政策支持，以及无与伦比的场景落地速度，亚洲已然站在全球AI部署与创新的最前沿。在这片热土上，三种不同的AI应用路径正同步展开、交织演进。一些国家选择以普惠性的数字底座为基础，通过广泛规模化部署推动千行百业整体升级，实现AI能力的全面扩散与价值释放；另一些国家则遵循循序渐进的节奏，随着数字化成熟度不断深化，在业务流程和组织能力中逐步嵌入AI，实现有序整合与持续优化；还有一些国家选择聚焦重点行业和关键场景，在支柱产业或成熟的数字基础设施上优先突破，通过深度垂直应用和场景化变现，加速释放商业价值。

在AI转型方面，中国是最有活力、最具规模的市场之一。公开数据显示，2025年，中国AI核心产业规模已超过1.2万亿元，相关企业超过6200家1。预计到2030年，中国AI相关产业规模将突破10万亿元人民币。届时，AI将成为国家经济支柱，各行各业实现从“数字化”向“智能化”的转变。

这种快速增长，得益于平台式的治理模式。中国将战略方向、技术标准、试点项目和共享基础设施融为一体，形成了一种规模优势、产业深度和消费活力并行发展的独特组合，并获得政策相应支持。在政策的引领下，AI应用在关键行业已初见规模，并从单纯的模型创新转向深度智能化2。

在制造业领域，截至2025年底，中国规模以上制造业企业人工智能技术应用普及率已超过30%，AI正加速从试点探索走向规模化应用3；在能源领域，千亿参数级的行业大模型正被用于电网巡检和故障诊断，累计调用量已超过1000万次4；在医疗健康领域，医学影像、智慧门诊和临床决策支持已成为医院应用场景中排名前三的落地应用5。

走出“先部署、后设计”误区

充足的资金与技术投入，并不会自然而然地带来商业价值的等量释放。埃森哲研究发现，亚太地区已有77%的企业采用先进AI技术，但只有不到三分之一的企业实现了广泛且持续的价值创造。在受访的亚太地区企业中，仅有20%已经围绕AI重构端到端流程；完成了工作岗位或决策职责相应调整的企业占比只有8%6。

这种技术应用与组织架构之间的严重脱节，揭示了“先部署、后设计”这种方式所带来的结构性阵痛。

在多数企业内部，这一价值缺口的出现几乎是一种必然。AI的早期部署往往是渐进式、局部性的，今天上线一个新工具，明天引入一个自动化节点。这类决策往往试错成本低、所需协同少且能立竿见影。相比之下，对战略、流程、角色和问责机制的重新设计，则是牵一发而动全身的组织变革，要求企业打破部门壁垒、重塑生产关系，且见效周期长。

企业往往更倾向于“部署”而非“重新设计”。长此以往，技术能力的累积速度，远快于组织和人才的演进速度，价值鸿沟不断拉大。在复杂的商业生态中，这种错位还会被层层放大。跨组织的协同不会因技术的接入而自发涌现，缺乏顶层设计的技术互联，往往只会加速混乱的传递。

基于此，报告提出了“人本驱动（Human-Led）”的AI转型概念。需要强调的是，这绝不是对过去那些老生常谈的“人在回路”或“人机协同”的口号式重复，而是对人在整体AI体系中的角色进行了更为明确的界定。

它并不是要求人们退回到过去的旧模式，去机械地参与每一个细微的任务，而是要求组织重新设计权责结构，使人在以下三个关键节点发挥作用，从而保障AI能够在可控、可信的框架下规模化运行：

设定方向：明确AI要解决什么问题、创造什么价值，以及哪些边界不能被突破。AI可以优化实现目标的路径，但不能替代组织决定最终要去哪里。

保留判断：在复杂、高风险或无法预先完全定义的场景中，保留人的介入、调整和否决权。更重要的是，人的判断不应是在AI犯错后的被动“救火”，而应在流程设计之初就被嵌入系统。

承担责任：无论一个AI系统涉及多少模型、智能体、平台和部门，都必须明确谁作出最终决定、谁负责监督、谁有权介入，以及谁对最终结果负责。

人本驱动，系统化推进AI转型

要实现人本驱动的AI转型，仅靠单一工具或单个企业远远不够。报告提出了一套贯穿企业、生态与区域层面的系统性框架，并提出，亚洲是全球人本驱动AI转型的关键试验田。

在企业层面，重构的重头戏在于战略、流程、岗位与能力的四维同步。企业需要彻底扭转“哪些领域可以用AI”的思维，转向“AI应创造什么长期价值”的战略重塑。在流程设计上，不再是让AI去模仿人，而是让员工从繁琐的重复执行中解放出来，转向目标设定、系统协调和例外事件的处理。

例如，为了应对日益增长的可再生能源波动，某国内领先的能源企业部署了一套AI辅助输电调度系统。该系统构建了涵盖AI策略生成、仿真验证、人类决策和反馈学习的闭环工作流。调度员的专业经验被融入系统设计之中。一方面，经验规则被编码到奖励机制中；另一方面，安全层会实时执行各项运行约束，确保系统决策始终处于安全边界内。这种人机协同模式将决策时间从分钟级缩短至秒级，并将过载风险降低约90%，在提升电网运行效率的同时，还兼顾了安全性与可控性。

在生态层面，AI转型能否真正释放价值，很大程度上取决于价值链上下游企业能否形成共同目标，并将成熟的AI能力快速推广到整个生态体系。随着智能体越来越多地跨部门、跨企业协同工作，价值创造不再局限于单个企业，而是建立在生态协作之上。因此，核心企业需要推动建立跨组织的数据共享、问题追踪和协同响应机制，确保AI系统的运行过程透明可追溯，并在生态伙伴之间形成共同的信任基础。

例如，某国内领先的工业供应链技术与服务企业，通过建立统一的产品数据标准和智能体数据治理平台，形成了标准化的工业数据生态系统，在降低冗余和交易成本的同时，还为工业大模型提供了高质量的数据，使得数据处理周期从数月压缩至数小时，整体效率提高十几倍，人工成本下降80%，让人类员工可以投身于更高价值的创新领域。

在国家和区域层面，AI转型的持续推进离不开制度保障和数字基础设施的支撑。这不仅需要政策制定者提前布局国家层面的AI发展战略，还需要建立更加灵活、能够持续优化的监管框架，在鼓励创新与防范风险之间取得平衡。与此同时，随着AI不断重塑就业结构，各国还需要完善覆盖高等教育、职业培训和终身学习的人才培养体系，帮助劳动者持续提升技能、适应岗位变化。谁能够更快培养和吸引AI时代所需的人才，谁就更有机会在下一轮全球竞争中占据优势。

AI正在改变我们工作的方式，但它不会取代人类对目标的判断、价值的选择和责任的承担。比起追逐下一代模型，我们更需要思考的是：在一个AI无处不在的时代，人应该扮演什么角色。这个问题的答案，或许才是决定未来的关键。

埃森哲是世界经济论坛的长期战略合作伙伴。过去几年，我们始终致力于深化AI领域的全球合作，推动AI从局部试点走向企业规模化应用。双方合作的“AI应用之星（MINDS）”计划，旨在识别和推广具有规模化、包容性影响的AI应用，也为其他企业提供了可复制、可落地的AI规模化应用经验。

数据来源

1 《实录丨李乐成在“部长通道”谈现代化产业体系、人工智能产业》，中华人民共和国工业和信息化部，2026年3月5日，https://www.miit.gov.cn/xwfb/bldhd/art/2026/art_e4b64e4dd78544708df400dd1042bdee.html

2 2nd cohort of MINDS recognized organizations has been announced, and nearly half of them come from China，World Economic Forum，2026年1月19日，https://cn.weforum.org/press/2026/01/from-potential-to-performance-how-leading-organizations-are-making-ai-work-cn/

3 《两会速递丨工业和信息化部部长李乐成：我国规上制造业企业人工智能（AI）技术应用普及率超30%》，新华社，2026年3月5日，https://www.xinhuanet.com/politics/20260305/6c513e14463e470ab1482b6802b49455/c.html

4 《展商直击 | “光明大模型”领航能源革命——国家电网WAIC 2025展示AI赋能新型电力系统中国方案》，科技区角，2025年7月28日，https://www.x-techcon.com/article/20579.html

5 《AI在医院哪个领域最“受宠”?首个系统性、全景式医院AI调研报告在穗发布》，广州日报新花城，2025年11月11日，https://huacheng.gz-cmc.com/pages/2025/11/11/SF14673999deef6225b46d4b508059e6.html

6 埃森哲变革脉动调研（2025年12月，全球样本量3650，亚太区样本量790）

业务联系：

(埃森哲中国)