关于报告的所有内容，公众号『行业报告智库』阅读原文或点击菜单获取报告下载查看。
企业对 AI 应用的目标聚焦于内部运营优化、数据价值挖掘、成本控制、客户服务提升以及业务开拓创新等方面。调研数据显示，在参与调研的 193 家企业中，38% 的企业希望通过智能排产、流程优化、自动化办公等方式提升效率、降低成本；17% 以上的企业期望借助 AI 优化供应链、降低运营成本。
数据质量与治理短板是关键问题之一，21.44% 的企业面临数据质量参差不齐的困境，28.42% 的企业亟需提升数据质量能力。数据隐私风险也困扰着 33.96% 的企业。新技术、大模型与原有系统整合难度高，AI 嵌入业务流程难度大，以及 AI 专业人才结构性短缺等问题，均制约着企业 AI 落地的进程。传统系统的烟囱式架构导致业务数据整合困难，AI 部署成本高昂，而企业又缺乏既懂业务又懂 AI 的复合型人才。
为推动企业 AI 应用落地，企业需聚焦三大关键任务。应用或升级到新一代企业软件至关重要。传统软件存在数据孤岛、架构难以快速迭代等问题，而新一代企业软件基于 AI、大数据、云计算等技术，采用元数据驱动、模型驱动、数用分离等架构设计，打破传统桎梏，实现“流程 — 数据 — 智能”原生一体化，为企业提供端到端支撑体系，助力企业高效运营。
加强数据治理与知识治理是企业 AI 落地的基石。数据与知识是数智化的核心生产要素，企业需构建统一数据平台，整合分散数据，通过清洗、标注、建模等过程，形成高质量数据资产，为精准决策和智能运营提供支持。
接入或部署主流大模型与垂类模型是企业实现 AI 落地的关键路径。企业可选择接入云端大模型服务，如 DeepSeek、通义千问等，以低成本快速启动 AI 应用，享受顶级模型能力。对于高敏感场景，企业则可考虑本地部署大模型，以保证数据安全并进行深度定制。
