2025年，我國人工智能核心產業規模超1.2萬億元。數字背后，很多人好奇：那些投入真金白銀搞AI的企業，到底賺回來了嗎？

記者走進醫療、建材、智能駕駛等不同賽道的民營企業，向負責人了解：為什么要花這個錢？值不值得？下一步怎么走？

立足痛點錨定切口

深夜，廣州金域醫學檢驗集團股份有限公司的實驗室里，數字化掃描設備仍在運轉。宮頸細胞學片子被掃描成圖片，AI系統隨即展開分析，它要在天亮前標定最可疑的病變區域，病理醫生上班后便可做針對性檢查。

“如果一項工作重復性高、人力消耗又大，那便是AI最快落地的領域。”金域醫學人工智能負責人劉斯說。

宮頸病理篩查工作量大，病理醫生需在顯微鏡下逐幀閱片、全域排查，時間一長難免身心俱疲。金域醫學自2018年起率先探索“醫檢+AI”，宮頸癌篩查便成為最先跑通的場景——AI初篩，醫生復核。

劉斯回顧了行業的認知演變：“2017年到2019年，我們對AI的態度還很保守。”隨后，一些醫療資源緊張的領域開始嘗試使用AI。再后來，DeepSeek等大模型讓大眾直觀看到了AI的推理能力，AI被越來越廣泛地應用于醫療領域。

50公里外，廣東東莞馬可波羅控股股份有限公司的工廠里，“線陣列相機+3D掃描技術+AI算法”質量檢測系統正在“上班”——超大規格的陶瓷巖板以每分鐘30米的速度滑過鏡頭，裂紋、孔洞、鼓包等肉眼難以捕捉的細微缺陷均被實時標記。過去，一條線要配5名質檢員，引入智能質量檢測系統后，僅需1名質檢員，且漏檢率從1.5%降到0.05%。

截至2025年年底，人工智能已滲透領航工廠70%以上的業務場景，沉淀了超6000個垂直領域模型，帶動1700多項關鍵智能制造裝備與工業軟件規模化應用。

讓AI接手大量工作，并非因為技術更酷，而是人確實干不動了。

對于馬可波羅來說，招人越來越困難，綠色低碳的要求越來越高，激烈的市場競爭倒逼降本增效。“按照原有模式去做，已經慢慢跟不上要求了，必須引入AI。”公司生產管理部副經理譚亮補充了一組數據，馬可波羅單條產線用工已從行業平均的120人至150人降到35人。

董事長黃建平看得更深遠：“‘AI+’并不簡單，如何讓共性技術與每個企業的實際工藝結合起來，還需要探索。”

不管是為了降本增效，還是開拓市場，AI都已成為企業競爭的關鍵變量。

廣州國際生物島上，廣州文遠知行科技有限公司的自動駕駛車輛正在執行接駁任務。自動駕駛出租車、自動駕駛小巴、自動駕駛貨運車……文遠知行旗下產品同時擁有8國自動駕駛牌照，在全球12個國家超40個城市部署自動駕駛車輛。但文遠知行總裁助理兼市場公關負責人張羽雪更愿意談的，是那些“不起眼”的進步——自動駕駛環衛車的使用，讓人不再需要半夜工作，也避免了危險作業。她希望自動駕駛從新鮮體驗變成日常選擇。比如，上班打無人出租車，城市由無人環衛車清掃，包裹由無人貨運車配送。

AI轉型的一個常見誤區，是跟風上系統、盲目追熱點，最終淪為“面子工程”。企業從最痛的點切入、從最累的活干起，補齊一塊塊短板、做深一個個場景，這是AI從熱詞走向實效的必經之路。

成本轉型化為資產

AI需要海量數據來“喂養”。數據過去是企業的“成本項”——采集、存儲、脫敏、標注都要花錢，卻很難看到回報，不能估值、不能抵押。而現在，這個認知正在被扭轉。

金域醫學服務超2.3萬家醫療機構，積累了超過30PB的醫檢數據。“醫療數據其實是‘1+1+1>3’的——你有臨床數據，我有醫檢數據，他有隨訪數據，單獨拿出來，誰的價值都沒那么大，加在一起才能發揮更大作用。”劉斯說。

過去，醫療數據不允許商業交易，缺乏產權規則，誰擁有、誰能賣、收益歸誰，全是空白。近年來，隨著政策的放開、產權的明晰、技術的成熟，金域醫學在數據交易所完成了約20筆數據交易，高質量數據集變成了可定價的產品。

金域醫學高級副總裁汪令來表示，公司長期投入的成本項轉化為經營性資產，更依靠數據開拓了疾病監測、藥物研發、公衛應急等增量市場，“醫療數據越積越厚，越用越值錢，反過來也讓AI越來越聰明”。

陶瓷行業數據積累起步較晚。“我們對數據的使用還處于初級階段，但正在迅速升級。”譚亮坦言，過去，生產端采集的大多是無效數據——陶瓷生產變量太多，傳統方式下數據無法用于指導生產。數智工廠投產后，全生產線所有數據被集中到中央平臺，AI開始真正參與決策。

譚亮還原了決策細節——生產端智能系統實時采集原料、壓制、燒制全流程參數，市場端智能系統則同步監測花色銷量、用戶反饋，反向迭代配方與排產計劃。曾經“憑經驗、拍腦袋”的陶瓷制造，變成了數據驅動的柔性生產，AI不再是被動執行，而是主動優化的“大腦”。

黃建平提到，AI帶來的不僅是效率提升，還有傳承方式的深刻變化，“原來是師徒制、經驗制、口口相傳制，現在AI提供了一種高水平、標準化的知識傳承方式，可沉淀、可記錄、可留痕，這對企業的管理邏輯和組織架構正在產生巨大影響”。

文遠知行同樣把數據當作核心資產。“經驗是‘跑’出來的，不是實驗室里寫出來的。”張羽雪介紹，Robotaxi車隊規模已從2023年的100輛增長至當前的約1300輛，每一輛都猶如一個移動的數據采集器——路口怎么通行、高峰期怎么變道、不同城市的道路設計理念有什么差異，數據經過脫敏處理后通過云端回流，持續訓練算法。

國家層面的基礎設施建設也在加速推進，各地數據交易所陸續建立，可信數據空間試點擴圍，數據要素市場化配置持續完善。劉斯說：“幾年前，大家不知道數據治理到底是什么，今年再看，鏈路已經很清晰了——數據能訓練出模型，模型能變成生產力。”

統籌周期兌現收益

動輒上億元的資金投入，AI究竟能不能產生實在收益？企業都在算這筆賬。

金域醫學年均研發經費支出占主營業務收入5%以上。汪令來表示，當前醫療領域布局AI還處于投入期，但局部已經看到回報。如肺癌治療，原來上萬元的基因檢測，如今一定程度上已可以被幾百元的AI產品代替——1分鐘內精準預測肺癌基因突變，再經低成本技術驗證確診。汪令來認為，醫療場景多、數據多、剛需多，AI大有可為。

在馬可波羅，窯爐控制室的智能控制面板實時掌握燒制狀態，根據作業情況自動調節溫度；噴霧干燥塔車間實時檢測物料分布，自動調整噴槍參數……黃建平算了算，人均效率已提高一倍。“如果AI沒有效率和效益，就不可持續。”黃建平認為，還有很多收益是隱性的，如漏檢率下降帶來的市場信心、產品質量提升帶來的品牌溢價，這些很難精確量化，卻正在構成企業的長期競爭力。

文遠知行的收益則很直觀，五大產品線均已實現正向的商業回報。今年一季度，公司總營收同比增長58%，毛利潤同比增長56%，毛利率達35%。文遠知行的思路是，把先進技術能力下沉至大眾消費者可負擔的乘用車領域，轉化為日常可感知的體驗。張羽雪表示，這種“高端技術不懸空，普惠能力不降級”的路徑，既攤薄了研發成本，也打開了更廣闊的市場。

花一個億搞AI，到底值不值？答案是肯定的。當AI學會看病理片、挑瓷磚瑕疵、駕駛汽車，它就不再是遙遠的技術名詞，而是車間里、實驗室中、城市道路上的生產力。

今年的《政府工作報告》提出，深化拓展“人工智能+”。下一步怎么走？金域醫學計劃在縣域醫共體方案中整合AI能力；馬可波羅的目標是智能排程和訂單管理；文遠知行將在Robotaxi和L2++ADAS兩大領域著重發力……企業層面的每一筆投入、每一次嘗試，都在為“人工智能+”寫下真實注腳。