智能时代的企业技术战略

据Mainstay Partners在IT投资回报率方面的研究，将新兴技术投入到新业务及组织能力的开发上，通常会获得10倍以上的回报。但如何确保新技术最终落地、规避过程风险？对更多的技术型企业来说，更希望实现产品技术升级和经营模式转型，如何找到结合点、加以推进？

企业需要将关注点向前推移到技术路线图和投资组合——有效的企业技术战略是组织与业务成功的重要推动力。这篇文章是对数字化战略的扩展，将系统阐述在快速迭代的数字技术环境中，企业如何建立一个有效的技术战略应对机制。

企业级AI实施：一个技术战略问题

DeepSeek激发了企业投资AI的新一轮热潮，但大部分企业要么执着于最终“临门一脚”，要么仅限于泛泛的办公、会议场景，无法产生显著的业务价值。这些现状不由得让人想起企业“云转型”开始时，只是简单地把应用系统从服务器搬上虚拟机，并不能充分利用云服务能力——如今的AI应用复杂度远远高于云应用。

应用场景一：某新势力车企希望在产品成本上实现基于人工智能的分析与决策，但各个系统间数据尚未打通，业务参与数据质量的验证、治理投入不足，导致系统功能实现和进度持续受阻。

应用场景二：DevOps端到端故障定位涉及编码、测试、集成、环境、自动化等多个领域的专业知识，结合推理器有极佳的应用场景，但许多企业的研发效能部门欠缺知识库——技术文档的编写、整理这些重要但不紧急的工作，长期以来缺乏投入，阻塞了现在AI应用实现。

上述两个案例说明，企业对AI技术利用的前置条件并不清楚，也缺乏持续的技术动态跟踪，从而出现突发式的技术升级，效果难于达成——深层次的反映是企业技术战略的缺失：

1. 尽管过去几年来，大型企业在大力拥抱数字化转型，但大量工作都在弥补信息化成熟度的差距、建造IT应用系统，鲜有形成战略性的数字技术利用策略、技术路线图及变革管理能力。
2. 因为外部经济环境原因，许多企业采取削减成本、减少创新投入等战术手段，中小型技术企业局限在同质化的技术竞争、价格战，鲜有建立在动态能力、投资回报上的技术战略思考。

一个明确而有效的企业技术战略包含业务目标、技术实现过程和约束条件。企业的数字化战略无法落地、大量中台项目失败、数字化项目ROI不佳，在于它们只提供了业务过程、功能等IT应用系统分析层面的交付物，远远达不到明确与有效的标准：向上无法回答与业务运营效率的关联性，向下无法为系统实现提供指导，更缺乏对技术变化的响应。

企业技术战略缺失的更多表现：

• 技术未与业务目标对齐：缺乏与业务目标的映射，不清楚最终完成的标准。例如，仅仅关注应用AI的技术目标，没有贯穿至最终产生业务影响的目标，从而只能获得实验AI技术的预算，可能缺失对基础设施、数据的必要投资，导致项目最终失败。
• 技术应用未关注业务价值：缺乏ROI衡量标准，不清楚各种技术的潜在收益和成本。例如，只基于业务提出的需求进行应用开发，无限投入技术资源，对投产之后的应用系统提供哪些方面的业务价值、如何衡量，并不清楚。
• 拘泥于某一短期热门技术：缺乏技术路线图规划，容易陷入技术路径依赖，导致在新机遇或技术转折上无法持续适应。例如，过去几年大火的各种中台，很多企业都投入上千万建设，但既不清楚现有系统如何向中台演进，也不清楚中台相关技术（组件、服务、网关、容器等）的成熟度、持续发展情况，很快就陷入了技术实现和依赖复杂性的陷阱。当RAG技术快速颠覆信息检索时，数据中台已成鸡肋技术。
• 缺乏整体的规划：未关注到技术转型对组织、业务的影响，缺乏相关项目的启动和优先级定义，从而无法获得充足的预算、实现关键的组织能力升级。如上面提到的AI技术对基础设施、数据管理的依赖，以及AI应用潜在的替代风险，如何重塑组织、产品与服务能力，跟上市场的最新需求。

AI应用的爆发，一再反复地印证了数字技术的发展是一个非连续、渐进颠覆之间跳跃的过程，企业技术管理者必须从最底层的应用系统、功能开发交付中跳出来，在战略层面持续关注新技术动态并制定有效的应对措施。

技术路线图：跟踪与整合变化趋势

从技术来看，人工智能及推理器是数字技术发展的最前沿阶段，也是企业技术（Enterprise Technology）中新兴技术动态。它并非单一的技术应用，而是一系列技术的叠加，数据、算力是AI技术应用的支撑基础。

过去十年企业技术最大的变化是技术基础设施崛起、数据与分析的重要性不断提高，AI最大的颠覆是企业应用程序格局：企业软件、定制系统及应用开发将面临全面重塑。

AI应用将怎样影响传统应用？参考下图，智能手机出现时，整个相机市场开始由盛转衰，在两年内就实现了数量替代，到2019年，相机销量下滑到2千万以内，智能手机则达到14.7亿部，是相机颠峰时刻的10倍还多。

想象一下，尽管AI应用可能会“杀死”传统应用，但拥有交互性更好、适用人群更广的特征，可能会带来比传统应用高十倍甚至更多的数量需求。

战略不是即时反应

企业是否应该马上发起一系列的新应用开发，或围绕新技术部署能力？它们只是战略措施、反应性的应对，还不足以形成一种建立起中长期技术竞争力的技术战略。

近年来，一些产品型技术公司开始对技术“袪魅”：发现技术研发投入不足以建立产品护城河。

以百度智能汽车为例，All-in-AI，推出产品，大举建立生态，结果特斯拉关键技术一公开，对手蜂拥而出，轻松反超，百度不得不最终放弃。

高科技公司出现以来，数字技术的竞争就是以微生态、生态的方式展开，单个变量很难决定复杂的生态竞争优势，例如Apple电脑最早败给了体验性更差但与IBM绑定的Microsoft DOS系统。

对多个变量的选择、从中发现有增强效应的组合，是战略回答的重点问题。它是关于如何策略性地选择某种技术路线，找到互补因素对它进行增强，并持续地跟踪变化，保持技术转换的灵活性。例如，随着AI模型部署的深入，数据提供商可以从数据资产向AI训练数据集进行迁移。

中小型技术企业、技术创业公司需要比大企业更专注和擅长于新技术的策略性投入，以获得速度优势，技术路线图是最合适的分析与跟踪工具。 下图是基于企业技术的五大类别来跟踪现状和主要变化，分析新兴技术对各个领域的影响。

然而，将战略、业务和技术整合到一起并非易事。在信息化时代，企业仅仅关注到基于标准业务流程的狭窄技术应用；数字化时代，企业开始注意到业务与IT的融合问题，但仍然很难说明技术对业务价值的影响和贡献。

技术投资组合：在业务、技术和资产中平衡

据PMI统计，84%的企业从未对IT项目进行过商业论证，或仅对一两个重大项目进行论证；57%的企业陷入了IT成本和效能的压力。

大部分中国企业的数字技术投资仍体现在业务标准化和成本节省，大型企业的大量投资仍在企业软件，成本过高、缺乏灵活性是主要痛点，对数据应用的理解也主要在业务流程优化而非发现机会、改进决策。

Mainstay Partners，一家专注于商业目标实现的咨询机构，曾研究过450家美国企业，总结它们的IT投资回报率如下：

• 现有流程优化：提高局部生产力，能够带来10~15%的一般性投资节省；
• 核心流程重构：围绕生产力与效率的整体改进，能够增加2~3%的经营利润；
• 开发新流程与组织能力：即投入新兴业务，通常会获得10倍的投资回报率。

2010年后，国外企业及投资市场普遍已经过渡到了企业技术阶段，主要趋势是企业开始为更多的外部用户（消费者与上下游协同企业）构建应用，带来的复杂多变的需求与海量访问请求，驱动了更丰富的技术选择、更灵活的技术基础设施、可扩展的组织与运营模式。

而中国企业级市场在2025年初的短短数周发生巨大变化，DeepSeek快速进入政务、医疗行业并投入使用，金融、教育甚至军事行业都纷纷开始测试应用场景。据行业预测，推理器的迭代速度将比大模型更快。在这种技术节奏下，业务变革已不再是一个单独的项目，而是随着技术采纳的适应过程，对企业来说，更需要制定一种专门化的业务适应机制。

使业务探索成为常态

在过去的IT项目中，需求的质量、有效性和价值一直是痛点，精益需求倡导在项目前期明确定义业务价值、生成概念需求，但很难基于项目流程的环节来执行：业务一旦提出需求时，往往需要马上进入实现阶段，很难挤出专门的时间对需求进行细化和澄清。

一些前沿企业开始借鉴研发项目的预研机制，在业务有一些新想法时，提供给IT人员进行概念验证，但它仍然是一种非正式过程，通常没有立项，只是在临时的虚拟团队中沟通。

现在AI应用兴起，大量企业都“找场景”，充分说明了对业务的痛点、传统技术无法解决的问题缺乏清单管理。在技术快速变化的环境中，企业需要建立一种更有效的业务探索机制，来保证各种潜在的可能性被充分挖掘。

如上图所示，完成业务价值验证的探索型项目需要从IT交付项目流程中分离出来，专门用于识别新的商业机会、提升盈利能力的测试。它的产出物是企业级的概念集（Concept Set），用于进一步的新技术验证或直接进入应用规划。

例如，在推理器、更新的AI技术出现时，我们可以直接从概念集中获得过去未通过的业务想法、应用场景或需求概念，对它进行重新测试，检查在新技术下的表现，而非大爆炸式地搜寻应用场景。

探索类项目针对企业的机会/威胁，包括短期和长期的想法测试。

• 战略层面：获取新竞争对手动向/测试潜在反应、发现新市场机会；
• 业务层面：提升运营效率和敏捷性、产品/服务改进与创新；
• 财务层面：成本节省和创造价值。

构建类项目是传统的IT开发与交付，专注于效率与质量。资产类项目是关于长期盈利能力提升的基础设施、数据、软件工具等的投资，也适用于刺激短期业务创新，如部署AI模型一体机、购买算力的目的是激发业务应用的转换。

成功的技术战略团队基于多个指标来评估新技术的开发过程，包括特性、优势、配置和维护成本、集成和安全性。在作出技术投资决策之前，企业需要充分了解特定的工具和系统如何满足当前和未来的需求，从而提升企业技术能力，推动创新、持续领先竞争对手。