告别“硬件囤积”，深扎“系统集成”：工业企业AI投入迎来结构性翻转

2026年二季度，长江商学院对全国2000余家规模以上工业企业开展AI专项调研。上一季度的结果显示：只有10%的企业已经产生AI相关支出，近八成没有采用AI的企业认为这项技术“不适用于本企业”。到了二季度，AI采用率升至10.4%，依然只是缓慢增加；但在已经开始使用AI的企业中，变化明显得多——10万元以下的项目少了，几十万元乃至数百万元的项目多了，企业投入也从硬件进一步延伸到内部系统。与此同时，大企业采用率继续上升，小企业则有所下降，两者之间的差距进一步扩大。

如果说一季度的数据主要告诉我们，中国实体企业使用AI仍然处在起步阶段，那么二季度开始出现的，是这批先行企业在真正花钱以后，AI项目怎样继续往前做。

两个季度的数据进行对比可见，AI采用率从10.0%升至10.4%，说明新增采用企业仍然有限；本季度和下季度的正投入率却都提高了约1.5个百分点，已经采用AI的企业继续投入更加明确。钱的去向也发生了变化，硬件占比下降5.1个百分点，内部AI系统提高5.3个百分点。与此同时，经营改善仍然接近九成，岗位替代比例几乎没有变化，岗位增强比例有所下降。二季度最明显的变化，集中在投入金额和投入方式上，普及速度、经营效果和岗位影响则相对平稳。

在2026年第二季度的调研中，中国工业企业对人工智能的应用呈现出一种从“技术狂热”回归“车间逻辑”的演进。二季度的数据则揭示了一个重要的结构性信号：AI正在告别单纯的硬件买办时代，转而向企业的核心生产流程与管理系统进行深度集成。这种变化并非表现为渗透率的爆发式增长，而是在于投入强度与路径选择上的实质性变化。

渗透率的“存量加码”与行业覆盖的泛化

从调研数据来看，2026年Q2工业企业的AI采用率为10.4%，较一季度的10.0%仅实现了0.4个百分点的微增，这表明AI在实体产业中的扩散仍处于早期阶段，接近九成的企业尚未形成实质支出。然而，更具穿透力的指标在于“正投入率”，即实际产生金额支出的企业比例从Q1的8.2%提升至了9.7%，其增幅显著高于采用率的增长。这意味着二季度的主要动力并非来自新用户的爆发，而是源于存量采用者的“加码”投入，部分企业已经由初期的概念试用走向了明确的资源倾斜。

在行业分布上，AI的应用也正在突破原有的“自动化基础”依赖。一季度，AI投入高度集中在自动化程度较高的设备制造业，而二季度采矿业、电力燃气业以及化工工业的采用率均出现了明显提升，行业间的排名较上一季度更趋接近。这种趋势说明AI的适配场景正从标准化的车间流水线，向工况复杂、环境多变的重工与资源领域渗透，技术对不同物理环境的兼容性正在经历真实生产环境的考验。

规模折叠：领跑者的重构与中小企业的退潮

尽管行业覆盖在拓宽，但企业规模间的“数字鸿沟”却在二季度表现得更为明显。以营收为主要指标口径，调研范围内大企业AI采用率由Q1的15.5%升至19.0%，提高3.5个百分点；中型企业由9.1%小幅降至8.9%，小企业由5.4%降至3.4%。以人数划分的企业情况也基本一致，500人及以上企业AI采用率由21.9%升至27.3%，500人以下由8.3%降至8.0%。这种分化背后反映的是资源禀赋的直接博弈：大企业拥有更充裕的试错资金、更完整的数据治理体系以及足以支撑系统改造的专业团队；而中小企业在面临生产压力与技术门槛时，往往陷入“想用却无力适配”的困境。

大企业不仅在“敢用”上领先，在“如何用”上也表现出明显的底层重构倾向。二季度，大企业在100万—500万元这一区间的投入占比从17.0%剧增至38.5%，这一量级的资金通常足以支持跨部门、多场景的系统级建设，而非简单的单点优化。相比之下，中小企业的退潮则指向了更深层的问题——在缺乏轻量化、标准化方案的当下，高昂的适配成本正在将资源匮乏的企业挡在智能化的大门之外。

投入结构的重心位移：从“外挂硬件”到“内部大脑”

二季度最核心的观察点在于，企业在AI账单上的结构发生了实质性的翻转，这种“由硬转软”的演进标志着中国产业AI化进入了系统集成的新阶段。此前一季度的投入中，高达57.5%的资金流向了传感器、边缘计算等硬件设备，走的是一条重资产的基础设施路径。而二季度，AI硬件占比回落至52.4%，与之相对的是，开发或定制内部AI系统的占比提升至44.3%。

这种转变意味着工业企业开始意识到，单纯购买现成的硬件设备无法触及生产的核心逻辑，或者已经完成了硬件的采购阶段，真正的价值来自于将AI深度接入现有的排产、质检、维护及经营管理系统中。值得注意的是，即便在采用率较低的中小企业群体中，已投入企业的内部系统占比也从38.2%提升至45.4%，升幅甚至超过了大企业。这一微观行为表明，务实的工业企业正试图通过改造内部流程与数据接口，来实现AI技术与本地化场景的精准融合。投入金额重心从10万元以下向10万—500万元区间的移动，进一步印证了这种系统级建设，正在取代碎片化的“局部修补”。

在对2026年Q2工业企业AI投入的金额规模与技术路径完成解构后，我们必须穿透财务数据，审视技术在生产经营微观层面的真实回响。第二季度的调研显示，当AI从“外挂式硬件”深入企业“内部大脑”时，经营反馈与职场重构正呈现出极具分析价值的“时滞”与“错位”。

经营反馈的“时滞”：重集成期的评价强度回落

当企业跨越了小额试用的阶段，进入百万级别的系统集成期时，AI对经营绩效的贡献逻辑也随之发生了微妙的变化。调研数据显示，尽管Q2的投入强度在加大，但企业主观报告的经营改善感知却进入了一个短暂的评价调整期。

在有效回答经营影响的企业中，虽然正面评价（显著改善与略有改善）合计占比依然维持在88.4%的高位，但评价的“强度”分布发生了明显位移。对比Q1数据，认为“显著改善”的企业占比从41.7%回落至37.5%，而“略有改善”和“基本无变化”的比例则同步微升。这种评价强度的重新分布，恰恰印证了投入结构向内部系统转型的特征：相较于Q1那种买硬件、装软件即可见效的局部优化，Q2大规模推进的定制化内部系统建设周期更长、涉及部门更广。系统从部署、数据打通到形成稳定的生产力，存在必然的反馈时滞，这种“效果尚未完全释放”的阶段性特征，是工业企业智能化向深水区挺进的必然产物。

与此呼应的是应用动机的多元化。虽然提高生产效率（61.6%）依然是绝对核心，但“增强决策与管理”以及“更有效服务客户”的提及率较一季度均有所上升。这意味着AI的应用触角正从单纯的生产线降本，延伸到更复杂的组织调度与市场响应。这些管理维度的提升往往比直接减人增效更难量化，也更依赖于组织长期的数字化沉淀，从而进一步解释了经营改善得分由4.23降至4.17的微观心理偏差。

职场重构：增强效应主导下的任务边界迁移

针对舆论普遍关注的职场变迁，Q2数据提供了一个基于任务属性而非单纯岗位替代的理性视角。AI对岗位的冲击正表现出一种精细化的“任务重组”特征。

从总量上看，AI对岗位的增强效应（46.3%）依然显著高于替代效应（31.9%），岗位净增强指数为14.4%。但相较于一季度，这一领先幅度出现了明显收窄（由18.6%降至14.4%）。这种“净增强”的收窄并非因为替代岗位的企业数量激增，而是由于“增强效果”的覆盖面尚未在更多新集成场景中及时显现。这反映出随着AI工具与内部系统的深度集成，它不再仅仅是员工手中的“放大镜”，而是开始参与到流程决策中，迫使企业重新界定“哪些任务该给人、哪些该给机器”。

通过负向暴露指数（NEI）可以更清晰地观察到职场安全区的边界（大于1偏替代，小于1偏增强，接近1表示替代和增强并存。）：行政管理岗位的NEI极低（0.05），客服销售与技术岗位也表现出较强的韧性，NEI均小于1。这意味着在涉及沟通协调、情境判断以及非标准化异常处置的任务中，AI更多是在重组岗位内部的任务，而非消灭整个岗位。企业当前的策略倾向于让AI接管岗位中可编码、标准化的信息处理部分，从而将人力释放到更具判断力和现场应对能力的环节中。

这背后表明企业的观点：人是不应该被轻易替代的，数据更支持任务边界重划，而不是完整岗位被一次性替代。具有主观能动性、积极性的人应该借助AI，摆脱重复和标准化的工作。

认知的“迷雾”：不确定性背后的能力反思

一个值得深思的细节是，在关于“未来3—5年哪些岗位不可替代”的开放式回答中，选择“不确定”的企业比例从25.8%显著上升至31.0%。这种不确定性的增加，说明随着AI渗透进内部系统，其能力的演进速度已经超出了部分企业主的预判，导致他们对AI应用边界的认知变得模糊。

然而，在明确的回答中，销售、管理、研发、生产和技术依然构成了最为稳固的“不可替代”榜单。这五个领域的共同特质在于其工作的“非标准化”属性：销售依赖于复杂的情感互动与信任构建；管理需要在不完整信息下权衡优先级；研发与技术则要求处理现实世界中千变万化的工艺异常。调研数据反复印证了一个逻辑：AI目前难以跨越的鸿沟是“隐性知识”与“现场智慧”。这种职场任务的重新分配，正在无形中重塑中国工业企业的人才画像——未来的高价值员工，将不再是标准操作的熟练工，而是能够与AI协同、深耕非标环节的“场景专家”。

场景困局：77.2%“不适用”背后的真相与转机

谈到场景，尽管Q2的正投入率与投入金额均有显著提升，但在尚未拥抱AI的1809家企业中，阻碍普及的头号瓶颈依然稳固：77.2%的企业认为AI“不适用于本企业”。这一比例虽然较一季度下降了2.0个百分点，但仍占据绝对主导，远超“技术不成熟”（14.3%）和“成本过高”（8.3%）。

这种“场景不适用”的感知，折射出通用人工智能与工业深水区之间的供需错位。实体制造环节复杂且高度碎片化，通用的文本或图像处理能力很难直接转化为生产线上的工艺优化方案。然而，Q2数据中一个细微的趋势值得关注：随着企业对技术关注度的提升，对技术成熟度和成本约束的忧虑分别上升了0.7和0.4个百分点。这说明一部分企业已经从“觉得没用”转向了“关注好不好用、贵不贵”，这种认知的迁移正是技术扩散进入下一阶段的先兆。

预期与韧性：从“试水支出”转向“常态化预算”

对于已经入场的企业，二季度展现出的投资韧性为下半年的景气度定下了基调。

1. 支出的延续性：调研显示，92.5%的现有采用者计划在下季度维持正向支出。虽然下季度预计支出等级均值（3.48）较本季实测值（3.78）略有回落，但仍远高于一季度水平。这意味着企业对AI的安排不再是临时性的拨备，而是正在进入常态化的年度预算体系。

2. 大企业的项目周期：大企业在100万—500万元区间的投入占比已升至38.5%。这一量级的投入通常对应着长达数个季度的系统集成周期，这意味着下半年我们将看到更多大厂进入“系统调优”与“效果呈现”的交替期。

3.行业渗透的“泛化”：AI正从基础较好的设备制造企业（采用率13.2%）向能源、采矿等工况复杂的重工业扩散。这种全行业的横向渗透，将迫使更多服务商提供更具行业属性的垂直方案，从而进一步消解“场景不适用”的阻碍。

破局框架：从效率领先到商业重构

面对Q2展现出的“规模折叠”与“反馈时滞”，无论是身处领跑梯队的大厂，还是在门槛前徘徊的中小企业，都需要重新校准自身的破局逻辑。

• 对中小企业的建议：单点爆破，积累“小数据”优势 中小企业不应盲目对标大厂的全链路、重资产集成。破局的关键在于利用Q2中占比提升的“定制化”逻辑，在利润影响最大的“针尖环节”进行单点攻关。例如，利用轻量化视觉设备解决核心耗材的质检问题，通过这种低成本、快回报的局部试点，逐步积累本地化的场景经验。

• 对先行企业的建议：从“降本增效”转向“管理与服务升级” Q2数据中，管理升级（28.2%）和客户服务（16.2%）动机的增加是一个重要信号。当效率红利进入平台期，先行企业应利用已打通的内部AI系统，探索如何重构决策链条或定义新的服务需求。正如调研所指出的，机会不在于“成本领先”的内卷，而在于利用新技术“框选一个新世界”，实现商业模式的升维。

2026年Q2的调研数据完整勾勒了中国工业企业AI化的“中盘”景象：这是一场从局部硬件改造向深度系统集成转型的长跑。10.45%的采用率意味着巨大的无人区，而77.2%的“不适用”则预示着探险者将拥有先发优势。

在这幅重构的产业画卷中，机器正在接管标准化任务，而人类正在被推向需要沟通、判断、经验和异常处置的“非标”高价值环节。实体产业的智能化在设备采购的外衣下，是一次关于组织任务分工与竞争边界的重塑。认清分化趋势，拥抱深度集成，务实探索场景，中国制造方能在智能化浪潮中稳住阵脚，赢得属于自己的时代红利。

（作者李学楠，系长江商学院金融学教授 中国产业政策研究中心主任；作者王小龙，系长江商学院高级研究员）

来源：李学楠 、王小龙