Related articles
埃森哲正式发布 《引领价值跃迁——2026 埃森哲中国企业数字化转型指数》 报告。报告指出，AI 正加速全球企业价值重构，资本市场已不再只看当下业绩，而是对企业未来增长能力提出更高期待。然而，尽管中国企业数字化转型指数创下近年来最大单年涨幅，真正形成面向未来能力优势的企业仅占 10%，多数企业仍陷于 「部署 AI 不等于实现价值」 的困局。
报告显示，过去十年间，全球企业价值累计发生约 27 万亿美元规模的大迁移，其中近三分之一集中在生成式 AI 兴起后的短短两年间。全球 EV/EBIT 比率十年间上升 25%，表明投资者愿意为未来增长支付更高溢价。市场奖励的不再仅是当前盈利能力，更是企业用 AI 创造未来价值的能力。
埃森哲将决定企业未来竞争力的核心能力归纳为三项：自主智能，将 AI 从工具层嵌入企业数字核心，实现从 「自动化提效」 走向 「自主化运营」；价值密度，从客户需求和场景变化中发现新价值来源，通过 AI 洞察放大单位资源产出；多极经营，在多个市场建立本地化运营能力，以全球平台连接区域研发、资源和执行。
数字化转型指数创最大涨幅，但能力分化已然加剧
2026 年埃森哲中国企业数字化转型指数得分同比提升 10 分，创下近年最大单年涨幅。生成式 AI 与智能体 AI 的快速应用推动企业智能化基础加速提升，AI 在广告、创意生成与客户体验等场景的渗透率比去年增加 14 个百分点；数字孪生、智能研发等能力分别提升 27 和 22 个百分点；数据治理成熟度提升 14 个百分点。
然而，分数的上升不等于能力结构的升级。埃森哲进一步构建了自主智能、价值密度、多极经营三项未来能力评估体系，结果显示，仅 10% 的企业率先形成未来能力优势，即数字化转型指数得分位于行业前 50%，且三大未来能力中至少两项位于行业前 20%。
从三大能力表现来看，自主智能是领先者最突出的能力优势，也是其与其他企业差距最大的领域。更重要的是，三大未来能力正在形成相互强化的价值飞轮：自主智能越深入，价值密度和多极经营的产出越高；而更丰富的数据、业务场景和全球运营经验，又反过来持续强化 AI 能力本身。
能力的分化已开始兑现为绩效分化。领先企业绩效普遍位于各子行业前 20%，而大部分企业低于行业平均水平。随着价值持续向未来型企业迁移，这一差距将进一步扩大。
AI 规模化遭遇三重瓶颈，「价值落差」 亟待破局
调研显示，尽管 88% 的企业已跨过 AI 应用试点阶段，但实现显著价值的企业占比仅为 14%，较上年仅提升 5 个百分点。超过六成企业已为员工部署 AI 助手，但重新设计岗位要求的企业不足一半，仅 18% 的企业在进行流程的系统性重构。
其根本原因在于，AI 规模化推进中的关键问题仍未得到解决――领导层对于 AI 的作用和价值仍有疑虑，缺乏清晰的应用目标与落地路径，同时技术债、数据债、人才债与治理债叠加，限制了 AI 的系统化推进。
除此之外，AI 从试点走向规模化正面临三重新约束：
一是 「Token 税」 尚未算清。AI 使用成本在真实场景中会被严重低估。同一任务在不同拆解方式、工具调用路径下，成本差距可达 17 倍。已有企业因四个月内用完全年 AI 预算而开始设置 Token 使用上限。
二是架构瓶颈导致稳定账未跑通。仅 API 限流、超时等常见故障就可让智能体成功率下降 10 个百分点。架构选择比模型选择更影响稳定性，失败往往涉及多环节协同中的误差叠加，限制了 AI 在关键流程中的应用深度。
三是信任缺口使治理账尚未闭环。目前多数企业尚未建立起覆盖模型行为、数据使用、决策逻辑的完整治理体系，AI 系统缺乏可审计性、可追溯性和可解释性。已有 29% 的中国企业因此选择暂缓 AI 规模化推进，甚至考虑减少相关投入。
面对上述挑战，报告提出三条行动路径：
其一，让 AI 成为企业的新基因。AI 原生能力已成为入场的新门槛。企业不应再将 AI 作为效率工具叠加在既有流程之上，而应以 AI 重构自身运行方式——让 AI 参与判断、驱动协同，并在真实业务中不断优化表现。
其二，重构增长的创造方式。规模驱动的增长模式正在失效。企业需要从交付产品转向交付结果，从规避复杂性转向经营复杂性，从数据支持走向决策可验证，让同样资源持续创造更高回报。
其三，决胜多极市场，放大价值空间。面对多市场、多监管、多供应链的复杂局面，AI 正成为实现本地扎根、全球协同与智能响应的关键杠杆。全球规模为企业赢得广度，本地深耕与智能协同方能助力企业赢得价值。
报告认为，上一阶段的企业重塑已奠定基础，下一阶段的价值竞争将取决于企业能否以自主智能重构运营，以价值密度打开增长，并以多极经营跨市场放大价值。价值跃迁已经开始，窗口仍然敞开，但不会无限期等待。
在随后的交流问答中，埃森哲大中华区 AI 与数据事业部总裁曹琦峰，埃森哲大中华区商业研究院院长邱静分别就该报告相关话题进行了解答：
为结果付费：共担风险的前提是 「指数级共识」
曹琦峰指出，为结果付费的本质不是简单的对赌，而是双方对指数级增长可能性的共同认知。只有当客户看到确定性结果 （如投入两、三人/月换取五、六人/月的效率） 时，没人愿意为结果付费，因为别人也能给出同等结果。真正的合作杠杆在于用技术方案撬动更大可能性，此时客户与埃森哲才愿意共担前期风险，这也让项目更容易成立和推进。其核心逻辑是，对未来的不确定性和指数级增长是否达成共识。
合规焦虑上升，地缘担忧下降：中国企业的韧性适应
邱静分析调研数据时指出，中国企业在地缘政治持续升级中已形成成熟应对策略，因此对供应链韧性挑战的感知反而下降。但本地经营合规难度剧烈增强，尤其在数据、环保等新兴领域。这反映出中国企业出海的 「深水区」 特征：从卖产品转向深度经营时，必然面临更高监管门槛，但也意味着在更高价值链上竞争的机会。
AI 智能体打破品牌壁垒：让中国产品力 「被看见」
邱静提出，A 智能体为中国企业提供了与当地品牌同台竞争的理性通道。传统上，海外消费者有固定品牌偏好，不倾向选择中国品牌；但智能体更可能基于 「好不好用、服务如何」 做理性推荐。这意味着中国企业在品牌力上的短板被部分对冲，而产品力的长板有望被更好发挥，是出海品牌突围的结构性机遇。
价值密度：88% 越过试点，仅 14% 实现显著价值
这是本次调研中极具张力的数据对比。曹琦峰解释，大量企业部署了会议纪要、文档整理等 AI 工具，员工体感良好，CIO 却被追问 「几千万预算的效果在哪」。问题根源在于：缺乏顶层战略规划和端到端的商业影响设计，AI 沦为点状工具而非系统性价值引擎。要实现显著价值，必须把 AI 嵌入业务目标、指标体系、可测量的商业结果中。
Token 出海：不仅是输出算力，更是输出生态
曹琦峰指出，中国大模型在质量接近美国的同时，成本低、灵活性高，且开源模型在数据合规上更适配出海场景。Token 出海不只是输出词元，而是连带中国云生态、开源模型使用方式和智能体应用一起输出。值得注意的反向趋势是：许多跨国公司因中国试错成本低、竞争激烈，愿意先在华试点 AI 工具，再将成功经验反哺全球。
知识层建设：从 「人脑沉淀」 到 「组织资产」
曹琦峰强调，企业知识治理必须从战略定位出发，而非为治理而治理。以某高科技企业为例，其目的是提升售后服务质量，于是将十几万份历史故障报告通过 AI 整理为智能体可调用的知识库。当知识出现矛盾时，由专家介入判断，形成 「人机协同」 的正向循环。AI 让知识留存于组织层面，而非随员工离职流失，这是 AI 转型的核心组织价值。
流程再造：AI 不是蒸汽机换电机，而是重构动力系统
曹琦峰以 19 世纪工厂将电机简单替换蒸汽机却未提升效率为例，类比当前 AI 落地困境，是把 AI 塞进旧流程，等于换引擎不换传动装置。真正的效率释放需要重构流程，把人从无需人的环节抽离，让 AI 承担执行，让人承担责任与评价，体系运行效率才会质变。当前卡点在于技术债、数据债、人才债的土壤尚未准备好。
验证环节的选择题策略：用 AI 验证 AI
针对 vibe coding 后验证效率瓶颈的问题，曹琦峰指出，业界已开始用 AI 做自动化验证，并构建包含验证逻辑的知识层。关键思路是让 AI 做 「选择题」 而非 「作文题」：提前梳理选项、判断标准、决策逻辑，配合可视化交互，可大幅提升验证精度和效率。验证本身也是一个可以被 AI 重构的环节。
中美差异：中国推进速度快，变革管理是软肋
邱静对比全球数据指出，中国企业对 AI 技术的接受度和推进速度明显高于全球平均，且领先企业多为本土企业，外资在华则偏稳健中上。但中国乃至整个亚洲在变革管理上较弱——如何与员工有效沟通、带领团队共同转型，这一 「软能力」 明显逊于欧美。硬件走得快，文化跟得慢，是结构性短板。
咨询业自身再造：从给方案，到助落地
曹琦峰谈到 AI 对咨询业的影响时表示，埃森哲正将自己变为 AI 原生企业，内部流程、经营目标、客户交付均深度嵌入 AI。咨询的价值正从提供方向性建议，转向帮客户在关键领域加速落地、释放价值的速率和倍数。AI 让咨询师更了解市场和客户，也让客户合作从方案交付走向深入共创，这是咨询业新的可能性。
（作者 | 杨丽，编辑 | 杨林）
