调研发现：当前实体企业的AI渗透率约为10.0%，“场景不适用”是核心阻碍

2026年开年，长江商学院对全国2016家规模以上工业企业进行了一项AI应用专项调研。这份贴近生产线真实反馈的数据，揭示了中国实体产业对待AI高度务实的底色：当前实体企业的AI渗透率约为10.0%。企业将平均57.2%的资金投向了“AI硬件”，走出了一条重资产、基础设施化的独特路径。同时，高达79.2%的未采用企业面临的核心阻碍是“场景不适用”。

宏观的均值往往会掩盖微观的剧烈分化。当我们拿着放大镜，进一步穿透这10%已经产生AI支出的企业样本时，一幅更为复杂、甚至存在明显“折叠”现象的产业全景图浮出水面。

在这场刚刚起步的产业智能化浪潮中，大企业与中小企业之间已经有了显著的“温差”；而在企业内部，打工人最关心的岗位更迭，也正经历着深刻的结构重组。看清这些隐藏在水面下的分化趋势，是企业和个人在下一轮产业周期中找准坐标的关键。

一、 产业折叠：大厂与中小企业、不同行业间的“AI温差”

在当前的产业界，AI的落地速度与投入力度并不均衡。数据表明，AI的应用存在明显的规模门槛与行业基础依赖。

1. 渗透率的鸿沟与行业基因 调研数据显示，企业规模越大，AI采用率越高：500人以上的大企业采用率达到15.5%，中型企业为9.1%，而小企业仅为5.4%。大企业凭借丰富的业务场景和更充裕的试错资源，已经率先领跑。

此外，行业的自动化基础直接决定了AI的落地速度。设备制造业的AI投入比例最高（13.5%），因为该行业本身拥有较多的自动化设备和数据采集环节，生产流程相对容易拆分，AI更容易找到切入点。相对而言，采矿业（6.3%）和化工工业（5.3%）由于现场环境复杂、工况变化大，很多环节对安全和经验判断要求极高，AI暂时难以直接嵌入现有流程。

2. 投资金额的折叠：“局部修补”与“底层重构” 在已经产生AI支出的企业中，资金规模呈现出两极分化。在500人以下的中小企业中，“2万—10万元”的支出区间占比高达42.6%。这说明广大中小企业的AI投入主要集中在较低金额，更多是针对个别生产环节进行小额尝试或局部修补（例如增加一个视觉质检探头）。

而在500人及以上的大企业中，单笔投入在“500万元以上”的比例达到了21.3%。大企业的AI应用往往涉及多个部门、多个系统和多类业务场景，是一场同步投入硬件、系统开发、数据平台和人员培训的底层重构。

3. 应用动机的分化：求生存与谋未来 资源禀赋的差异，直接导向了战略眼光的不同。中小企业应用AI的首要诉求高度集中在“提高劳动生产率”，它们更希望AI尽快在现有生产经营中发挥作用，带来直接的效率提升和成本压降。相比之下，大企业在资金、人员和管理体系上更为成熟，它们不仅关注降本增效，在“开发/改进产品或服务”和“更有效服务客户”等维度的提及率也明显更高，开始利用AI探索新的业务边界。

二、 职场重构：哪些岗位在消亡，哪些在升值？

如果说企业规模的折叠决定了资金的流向，那么AI对不同岗位的影响，则真切地关系到每一个职场人的饭碗。在这个问题上，调研数据排除了“一刀切”的裁员恐慌，指向了一种基于任务属性的精细化重构。

1. 总体趋势：任务重组，增强大于替代 在有效回答该问题的企业中，50.0%的企业报告AI对现有岗位起到了“补充/增强”作用，同时有31.4%的企业感受到了“替代”压力。

这一格局表明，在当前的早期阶段，AI主要接管的是岗位内部标准化、可编码、重复性较高的任务环节，释放出的人力则转向该岗位中更需要判断、协调的部分。AI带来的劳动力影响，更多表现为“任务重组”而非直接的“就业削减”。

2. 危险地带：高替代暴露的岗位特征 为了精准测量不同岗位的替代风险，研究引入了负向暴露指数（NEI，数值越大代表被替代风险越高）。

数据显示，行政管理类岗位的NEI极低（0.05），客服销售类也偏向增强（0.67），技术类岗位则是替代与增强并存（0.96）。相比之下，包含流水线操作、搬运、包装等岗位的“其他类”NEI高达2.14，面临极大的替代风险。这些岗位任务结构较为单一、以简单的体力和重复性劳动为主，在软硬件一体化的产业AI面前，被机器替换的空间最为广阔。

3. 安全地带：未来3-5年的“不可替代”榜单 在开放式的问卷中，企业填写了未来3-5年内最不容易被AI替代的岗位或能力。排名前五的类别依次为：销售（18.2%）、管理（13.6%）、技术（10.4%）、研发（9.0%）和生产现场操作（8.0%）。

为什么是这些岗位？进一步分析这些高频词汇背后的任务属性，我们可以得出清晰的结论。这些岗位的工作内容深度依赖“情境判断、情感互动、跨部门协调沟通、现场异常处置”。例如，客户关系维护需要情感互动，管理协调需要跨部门优先级权衡，技术与生产现场需要依靠经验应对复杂工况和突发异常。

当前的AI系统在处理结构化、可重复的任务上表现突出，但在处理这类信息不完整、依赖隐性知识和需要实时灵活应变的非标准化任务时，依然存在明显的局限。

三、 破局之道：找准坐标，拥抱“非标准化”

在产业折叠与职场重构的双重趋势下，无论是受制于资源的中小企业，还是身处时代洪流中的个人，都需要及早调整自身的坐标与能力结构。

对中小企业的建议：立足现实，单点爆破 中小企业应当客观认知当前投入集中在2万-10万元区间的现实局限。在资源有限的情况下，不必盲目对标大厂追求全链路、跨系统的AI重构。破局的关键在于集中火力，在企业利润影响最大、痛点最明确的“针尖”环节进行单点攻关。例如利用简单的机器视觉设备解决某一项核心耗材的质检问题。通过低成本、快回报的局部试点，逐步积累数据资产和应用经验，是中小企业跨越技术鸿沟的最优路径。

对职场个人的建议：剥离机械性，深耕“隐性知识” 既然AI在快速接管标准化、可编码的任务，人的核心价值就必然向“非标准化”领域转移。职场人应当主动将自己从机械的数据整理、重复的代码编写或单一的流水线操作中抽离出来。未来的核心竞争力，在于培养AI目前难以跨越的“隐性知识”能力：例如理解复杂的人际情绪并促成交易（销售端）、在不确定的环境中进行资源调度与权衡（管理端）、以及在物理世界中应对突发异常的动手解决能力（技术与现场端）。

结语

AI引入实体产业，绝不仅是一次简单的办公软件升级或设备采购。它正在悄无声息地拉开企业竞争维度的差距，并深度重塑着组织内部的任务分工。

在这幅折叠的产业画卷中，大厂与中小企业有着各自的航道；在重构的职场里，标准化与非标准化的任务正在被机器与人“重新认领”。认清客观存在的分化趋势，主动拥抱那些需要沟通、判断、经验和现场应变能力的高价值环节，企业和个人方能在席卷而来的智能化浪潮中，稳住阵脚，赢得未来。

（作者李学楠系长江商学院金融学教授 产业政策研究部主任，作者王小龙系长江商学院高级研究员）