企业AI转型韧性：全球视角-先行篇

序言

通用目的技术（General Purpose Technologies，指具有得到广泛应用、可以进行持续的技术改进、可以在应用领域促进创新等三个特征的技术，是产业革命中的关键共性技术）革新往往会改变行业的竞争格局，人工智能也在带来类似变化。当前市场讨论更多关注企业是否布局AI、投入多少资源，却较少回答另一个更实际的问题：当传统业务增速放缓，而AI相关业务尚未形成规模时，企业现有的现金流、时间和组织能力，能否支撑这段转型期？

为回答这一问题，我们构建了对冲韧性指数（Hedge Resilience Index，HRI）并在本次报告中基于194家全球上市公司的公开数据进行样本观察。结果显示，多数样本企业仍处于转型的早期或承压阶段。长期以来，资本市场主要通过财务表现、市场指数以及包括ESG在内的非财务框架评估企业。这些工具分别回答盈利能力、资本配置和可持续经营等问题，但对于一家公司能否在技术变迁中顺利完成新旧业务转换，仍缺少一个直接、统一的量化视角。随着人工智能融入更多行业的产品、流程和经营活动，这个缺口变得更加明显。

当AI改变产品形态、成本结构和收入来源时，企业能否维持竞争力，并形成新的长期价值来源？真正需要关注的，不是企业有没有使用AI，而是能否将AI投入转化为可衡量的业务成果。多数大型企业已经发布AI战略、采购算力或引入大模型，但采用技术并不等于实现价值。通用目的技术从部署到价值兑现之间存在一定的时间差，需要经过组织调整、流程再造和商业化探索才能逐步释放价值。AI也可能经历类似过程：当前多数企业仍处在投入阶段，能够将AI技术转化为产品、收入和运营改善的企业，将更有可能率先收获回报。

这种价值兑现的时间差，意味着新旧业务的转换正在分阶段发生。对于许多正在经历这一过程的企业而言，原有产品、客户关系和经营模式仍在贡献收入，但部分传统业务已经面临增长放缓或结构性压力；与此同时，AI相关业务尚未形成足够规模。这种变化通常不会在某一时点突然发生，而是逐季反映在收入结构、市场份额和估值预期中。等到压力完全体现在财务结果上，企业可用于调整的时间往往已经缩短。

然而，面对AI带来的转型压力，现有评估体系尚难提供充分支撑。正是为了弥补这一缺口，我们构建了对冲韧性指数（HRI）。对冲韧性指数（HRI）由七项指标构成，用于比较样本企业在业务结构、增长速度、未来价值、资本效率和战略时间等方面的表现。对冲韧性指数（HRI）关注的不是企业采用了什么技术，而是AI相关的新收入和业务增强，能否逐步承担增长责任，并缓冲传统业务面临的压力。我们把这种能力称为AI转型韧性。

本报告基于21个行业、194家全球上市公司的公开数据进行样本观察，呈现样本企业AI转型的阶段分布和行业差异。报告结论反映的是本次样本与数据口径下的观察，不代表对全部企业或行业的普遍判断。

一、样本概览：多数企业仍处于转型承压期

对冲韧性指数（Hedge Resilience Index，HRI）由覆盖了业务结构、增长速度、未来价值、资本效率和战略时间五大维度的七个指标构成，其根本命题是衡量企业用旧业务赚取的现金和时间，能否买到新业务的入场券。这不是一个财务比率问题，而是一个关乎企业持续发展的生存概率问题。

在展开具体分析之前，先看三个核心数字。它们分别回答三个问题：样本企业目前处于什么阶段，AI新业务能在多大程度上缓冲传统业务压力，以及哪些企业已经进入加速阶段。

第一个数字回答“走到了哪一步”。以对冲韧性指数（HRI）综合得分衡量（满分100），194家公司的中位数为36.2，落在本报告定义的U型框架中“U形底”区间。（U形底代表新旧业务转换的承压阶段，属于转型过程中的常见位置，并非失败标志。）全量样本中，约88%的企业对冲韧性指数（HRI）得分低于55，位于U形底及左侧衰退区间，说明其传统业务已经面临不同程度的压力，而AI相关业务尚未形成足够规模。换句话说，多数企业已经采取行动，但这些行动还没有充分转化为可衡量的业务承接能力。

第二个数字回答“转型韧性的核心是什么”。对冲韧性指数（HRI）关注新旧业务之间的承接关系，而不是单独评价技术先进程度。我们用原始对冲比率（HRR）衡量AI新业务填补传统业务压力的能力。结果显示，59%的企业HRR低于50。按照本报告的指标定义，这意味着其AI相关业务尚未形成充分对冲。技术投入仍然重要，但工具、模型和算力只有转化为可验证的新收入或业务增强，才会形成转型韧性。

第三个数字回答“谁已经进入加速阶段”。进入右侧加速阶段或辉煌顶部的企业约占样本企业总数的12%，并且集中在少数行业。值得注意的是，这些企业并不一定来自资本开支最高的行业。后续章节将进一步分析这一差异，以及它对企业资源配置的启示。

核心判断

先进工具和大模型是投入，不是转型结果。对冲韧性指数（HRI）关注的是，这些投入能否形成可验证的新收入或业务增强，并逐步承担增长责任。

二、评估方法：对冲韧性指数（HRI）如何衡量AI转型韧性

要比较半导体、金融、软件和电信等差异显著的行业，首先需要统一定义和计算规则。现实中，不同企业披露AI收入的口径并不一致：有些只披露直接收入，有些将AI增强后的产品收入纳入统计，还有一些只描述投入和应用场景。对冲韧性指数（HRI）采用同一套七项指标评估全部样本企业，并将各项指标归一化至0—100分后等权汇总，以提高跨企业比较的一致性。

七项指标采用等权设计，减少了人为调整权重的空间。但等权本身并不自动等于可复算；第三方能否得到相同结果，还取决于指标定义、原始数据、归一化方式、缺失值处理和人工判定规则是否完整公开。因此，对冲韧性指数（HRI）的透明性不仅来自权重设置，也取决于方法和数据口径的充分披露。七项指标分别回答一个具体问题，合起来构成企业AI转型韧性的整体画像。

表2-1 HRI七项指标及核心回答问题

在计算指标之前，还需明确哪些价值可以被认定为AI相关价值。本报告将AI原生产品、传统产品因AI升级形成的增量价值，以及AI带来的新增销量纳入收入侧观察。对于客户无法感知、去掉AI后业务仍可照常运行的收入，不计入AI收入。AI带来的降本和效率提升可能改善利润与现金流，但由于企业披露口径差异较大，本轮对冲韧性指数（HRI）将其作为成本侧价值单独观察，不直接等同于AI收入。这样处理是测量范围的选择，并不否定效率提升本身的价值。

三、企业分布：从承压阶段到加速阶段

七项指标回答企业当前的转型能力，U形框架则用于呈现企业在新旧业务转换中的相对位置。左侧下行曲线代表传统业务承压，右侧上行曲线代表AI相关业务形成规模后带来的价值增长，最低点称为“U形底”。需要说明的是，这是一张定位图，而不是已经被验证的时间预测模型。企业未来向左还是向右移动，还取决于后续经营表现、资源配置和外部环境。

U形底不是终点，而是需要作出关键选择的阶段。

处于U形底的企业，既可能继续承压，也可能在完成关键调整后重新增长。决定方向的因素不只包括行业环境，也包括管理层如何配置资本、调整业务组合和推动组织执行。GE和IBM可以作为说明性案例：GE通过业务拆分重组业务组合，IBM则通过包括收购RedHat在内的战略动作调整业务方向。这些案例提示大型企业有可能在低谷后恢复增长，但不能仅凭个别案例推导出适用于所有公司的固定路径。

这些案例还提示我们，大型企业的结构性转型通常需要多年时间，并可能伴随重组、并购或业务组合调整等重要动作。对处于U形底的企业而言，真正的风险并不是得分暂时偏低，而是低估转型所需的时间，继续用局部优化应对业务结构的变化。

图3-1·U形定位图：概念曲线与194家企业的截面分布

将194家样本企业放入U形框架后，可以看到明显的集中分布：119家企业（约61%）位于U形底，52家（约27%）位于左侧衰退区，两者合计占约88%；22家（约11%）进入右侧加速早期，另有1家位于辉煌顶部。按人数计算，右侧加速早期与辉煌顶部合计23家，约占样本的12%。这一结果说明，多数样本企业仍在新旧业务转换过程中。U形底不等同于失败，企业未来能否向右移动，仍取决于后续业务表现和战略选择。

四、行业比较：AI转型进展及其差异

从行业层面看，本样本中的21个行业均未整体越过转型跨越点，各行业对冲韧性指数（HRI）中位数都低于55分。这说明，在当前样本和数据口径下，AI转型仍处于普遍推进但尚未集体进入加速阶段的状态。需要注意的是，不同行业的样本量差异较大，部分行业只有1—2家企业，因此相关结果主要用于观察样本差异，不应直接代表整个行业。

图4-1·行业AI转型韧性排名（HRI中位数，样本量≥ 3 的行业）。阅读时应关注行业样本量；小样本行业仅作参考

尽管没有任何行业样本的中位数越过55分，不同行业之间仍存在明显差异。互动媒体与服务、通信设备和软件位于前列；综合电信业务、航空航天与国防及医疗保健提供商与服务相对靠后。下面的总表同时列出各行业的HRI中位数、HRR均值、越过跨越点的企业数量、对冲成规模的企业数量和当前主导范式。阅读时，应同时关注样本量、统计口径和行业内部差异。

表4-1 样本行业HRI全景

五、企业梯队：不同阶段面临的主要问题

根据当前样本的对冲韧性指数（HRI）表现，可以将企业大致分为三个梯队。梯队之间的主要差异，不在于是否采用AI，而在于AI相关业务已经在多大程度上形成收入，并缓冲传统业务增长放缓或下降所带来的经营压力。

领先梯队：AI业务已形成初步对冲能力

在样本量不少于3家的行业中，互动媒体与服务（HRI中位数45.1）、通信设备（HRI中位数43.3）和软件（HRI中位数40.9）位于前列。这些行业的AI原生收入和AI转型收入占比较高，原始对冲比率也相对突出。软件行业的HRR均值达到65.1，28家样本企业中有20家的对冲已经成规模；软件行业有8家、通信设备行业有4家企业越过跨越点，是全样本中数量较多的两个行业。对这些行业中的领先企业而言，AI相关业务已经开始承担更明确的增长责任。

不过，高对冲比率并不一定意味着整体韧性同样较高。软件行业的HRR均值虽然位居前列，HRI中位数仍为40.9，说明资本效率、战略窗口等其他维度仍会影响综合表现。一项指标表现突出，只能说明企业在某个方面取得进展，不能替代对整体转型能力的判断。这也是对冲韧性指数（HRI）同时观察七项指标的原因。

中间梯队：转型路径不同，主要约束各异

以半导体产品与设备（HRI中位数38.8）、电脑与外围设备（HRI中位数37.9）和电子设备、仪器及元件（HRI中位数32.6）为代表的中间梯队，较多企业采取效率内化型路径。这类企业的转型表现与资本效率密切相关：如果AI相关收入增速能够跟上资本开支扩张，投入可能形成规模优势；如果收入兑现慢于投入增长，则会增加回报和估值压力。因此，这是一条投入高、市场预期高，同时波动也较大的转型路径。

金融服务（HRI中位数33.1）和信息技术服务（HRI中位数32.6）等服务型行业呈现出不同特点：HRR相对偏低，AI的价值更多体现为流程效率，而不是直接收入。金融服务行业样本企业的HRR均值为24.6，样本中尚无企业达到“对冲成规模”的标准。由于对冲韧性指数（HRI）本轮重点衡量收入侧价值，内部优化成果在得分中的体现较为有限。这并不意味着降本没有价值；对这些企业而言，下一步需要更清楚地衡量效率收益，并判断这些收益能否进一步转化为利润、现金流或面向市场的产品能力。

承压梯队：AI业务尚未形成有效承接

综合电信业务（HRI中位数29.8）、航空航天与国防（HRI中位数26.4）和医疗保健提供商与服务（HRI中位数25.1）位于当前样本的后列。以综合电信业务为例，20家样本企业中只有3家的对冲达到规模，尚无企业越过跨越点；行业HRR均值为25.9。庞大的传统业务仍能提供收入和现金流，但AI原生收入占比较低，AI相关业务尚未形成足够规模。主要风险不是传统业务会在短期内消失，而是企业可能因为现有业务体量仍然庞大，低估培育新增长来源所需的时间。

六、关键解释：为什么要关注新旧业务的承接关系

在比较完行业和梯队差异后，我们回到对冲韧性指数（HRI）的核心问题：AI相关业务能否逐步承担增长责任，并缓冲传统业务面临的压力。下面两幅图分别呈现全样本的HRR分布和U形位置分布，帮助读者同时理解“对冲程度”和“所处阶段”。

图6-1 AI转型韧性的对冲关系。左：原始对冲比率（HRR）分布，中位数为41，近六成企业低于50的参考线，右：U形五大位置分布，U形底与左侧区间合计占88%

左图显示，多数样本企业的AI新业务还不足以覆盖传统业务压力；右图显示，多数企业仍位于U形底或左侧区间。两组结果共同说明：在当前样本中，企业的AI投入已经较为普遍，但能够形成规模化收入并承担增长责任的企业仍然较少。

企业分层的关键，不是AI投入金额本身，而是投入能否转化为可验证的新业务贡献。

这里所说的“对冲”，是指企业利用现有业务提供的现金流、时间和组织能力，支持AI相关业务逐步形成规模，并在传统业务承压时承担更多增长责任。技术是实现这一过程的手段，而不是结果本身。对冲韧性指数（HRI）衡量的也不是模型或工具有多先进，而是企业完成新旧业务转换的相对能力。

七、管理启示：如何判断AI转型进展

基于这组样本，企业领导者可以重点关注以下三项判断。它们概括了本报告的主要发现，也可以作为进一步诊断和讨论的起点。对投资者和政策制定者而言，这些判断具有参考价值，但具体使用方式仍需结合各自目标。

看经营结果，不只看AI投入

样本中越过跨越点的企业集中在软件和通信设备行业，而非资本开支最高的行业，不支持“投入越多，转型就越成功”的简单推断。企业评估AI转型时，除了看投入规模，还应回答几个问题：AI相关收入增长多少，新产品或增强产品贡献多少业务，投入是否改善了利润和现金流。投入是必要条件之一，只有转化为可验证的经营结果，才会形成转型韧性。

先识别主要约束，再确定推进顺序

不同转型范式面临的主要约束并不相同。按照当前分类，资本密集型企业更需要关注资本效率，合约锁定型企业需要关注存量合约的持续性，效率内化型企业则需要解决价值衡量和商业化问题。因此，不存在一套适用于所有企业的转型路线图。企业应先判断自身关键的约束，再确定投资重点和推进顺序，而不是简单复制处于不同业务结构中的竞争对手。

行业数据用于参照，企业判断仍需具体分析

数据还显示，部分行业内部的企业差异，明显大于行业之间的平均差异。半导体和软件行业中，既有进入加速阶段的企业，也有仍处于左侧承压区的企业。行业排名可以提供方向性参照，但不能替代对单个企业的分析。对企业而言，“同行都在做”只能说明市场趋势，不能证明自身的转型路径已经有效。

真正需要回答的，不是企业有没有使用AI，而是现有现金流、时间和组织能力，能否支持AI相关业务逐步形成规模。

企业目前处于 U形框架的哪个位置？这个问题值得带入下一次战略讨论。相比单独审视AI采购清单，更重要的是同时讨论业务组合、收入贡献、资本效率和可用的转型时间。

本文来自微信公众号“艾瑞咨询”（ID：iresearch-），作者：艾瑞咨询，36氪经授权发布。