2026年開年，長江商學院對全國2016家規(guī)模以上工業(yè)企業(yè)進行了一項AI應用專項調研。這份貼近生產線真實反饋的數據，揭示了中國實體產業(yè)對待AI高度務實的底色：當前實體企業(yè)的AI滲透率約為10.0%。企業(yè)將平均57.2%的資金投向了“AI硬件”，走出了一條重資產、基礎設施化的獨特路徑。同時，高達79.2%的未采用企業(yè)面臨的核心阻礙是“場景不適用”。

宏觀的均值往往會掩蓋微觀的劇烈分化。當我們拿著放大鏡，進一步穿透這10%已經產生AI支出的企業(yè)樣本時，一幅更為復雜、甚至存在明顯“折疊”現象的產業(yè)全景圖浮出水面。

在這場剛剛起步的產業(yè)智能化浪潮中，大企業(yè)與中小企業(yè)之間已經有了顯著的“溫差”；而在企業(yè)內部，打工人最關心的崗位更迭，也正經歷著深刻的結構重組?？辞暹@些隱藏在水面下的分化趨勢，是企業(yè)和個人在下一輪產業(yè)周期中找準坐標的關鍵。

一、 產業(yè)折疊：大廠與中小企業(yè)、不同行業(yè)間的“AI溫差”

在當前的產業(yè)界，AI的落地速度與投入力度并不均衡。數據表明，AI的應用存在明顯的規(guī)模門檻與行業(yè)基礎依賴。

1. 滲透率的鴻溝與行業(yè)基因 調研數據顯示，企業(yè)規(guī)模越大，AI采用率越高：500人以上的大企業(yè)采用率達到15.5%，中型企業(yè)為9.1%，而小企業(yè)僅為5.4%。大企業(yè)憑借豐富的業(yè)務場景和更充裕的試錯資源，已經率先領跑。

此外，行業(yè)的自動化基礎直接決定了AI的落地速度。設備制造業(yè)的AI投入比例最高（13.5%），因為該行業(yè)本身擁有較多的自動化設備和數據采集環(huán)節(jié)，生產流程相對容易拆分，AI更容易找到切入點。相對而言，采礦業(yè)（6.3%）和化工工業(yè)（5.3%）由于現場環(huán)境復雜、工況變化大，很多環(huán)節(jié)對安全和經驗判斷要求極高，AI暫時難以直接嵌入現有流程。

2. 投資金額的折疊：“局部修補”與“底層重構” 在已經產生AI支出的企業(yè)中，資金規(guī)模呈現出兩極分化。在500人以下的中小企業(yè)中，“2萬—10萬元”的支出區(qū)間占比高達42.6%。這說明廣大中小企業(yè)的AI投入主要集中在較低金額，更多是針對個別生產環(huán)節(jié)進行小額嘗試或局部修補（例如增加一個視覺質檢探頭）。

而在500人及以上的大企業(yè)中，單筆投入在“500萬元以上”的比例達到了21.3%。大企業(yè)的AI應用往往涉及多個部門、多個系統(tǒng)和多類業(yè)務場景，是一場同步投入硬件、系統(tǒng)開發(fā)、數據平臺和人員培訓的底層重構。

3. 應用動機的分化：求生存與謀未來 資源稟賦的差異，直接導向了戰(zhàn)略眼光的不同。中小企業(yè)應用AI的首要訴求高度集中在“提高勞動生產率”，它們更希望AI盡快在現有生產經營中發(fā)揮作用，帶來直接的效率提升和成本壓降。相比之下，大企業(yè)在資金、人員和管理體系上更為成熟，它們不僅關注降本增效，在“開發(fā)/改進產品或服務”和“更有效服務客戶”等維度的提及率也明顯更高，開始利用AI探索新的業(yè)務邊界。

二、 職場重構：哪些崗位在消亡，哪些在升值？

如果說企業(yè)規(guī)模的折疊決定了資金的流向，那么AI對不同崗位的影響，則真切地關系到每一個職場人的飯碗。在這個問題上，調研數據排除了“一刀切”的裁員恐慌，指向了一種基于任務屬性的精細化重構。

1. 總體趨勢：任務重組，增強大于替代 在有效回答該問題的企業(yè)中，50.0%的企業(yè)報告AI對現有崗位起到了“補充/增強”作用，同時有31.4%的企業(yè)感受到了“替代”壓力。

這一格局表明，在當前的早期階段，AI主要接管的是崗位內部標準化、可編碼、重復性較高的任務環(huán)節(jié)，釋放出的人力則轉向該崗位中更需要判斷、協(xié)調的部分。AI帶來的勞動力影響，更多表現為“任務重組”而非直接的“就業(yè)削減”。

2. 危險地帶：高替代暴露的崗位特征 為了精準測量不同崗位的替代風險，研究引入了負向暴露指數（NEI，數值越大代表被替代風險越高）。

數據顯示，行政管理類崗位的NEI極低（0.05），客服銷售類也偏向增強（0.67），技術類崗位則是替代與增強并存（0.96）。相比之下，包含流水線操作、搬運、包裝等崗位的“其他類”NEI高達2.14，面臨極大的替代風險。這些崗位任務結構較為單一、以簡單的體力和重復性勞動為主，在軟硬件一體化的產業(yè)AI面前，被機器替換的空間最為廣闊。

3. 安全地帶：未來3-5年的“不可替代”榜單 在開放式的問卷中，企業(yè)填寫了未來3-5年內最不容易被AI替代的崗位或能力。排名前五的類別依次為：銷售（18.2%）、管理（13.6%）、技術（10.4%）、研發(fā)（9.0%）和生產現場操作（8.0%）。

為什么是這些崗位？進一步分析這些高頻詞匯背后的任務屬性，我們可以得出清晰的結論。這些崗位的工作內容深度依賴“情境判斷、情感互動、跨部門協(xié)調溝通、現場異常處置”。例如，客戶關系維護需要情感互動，管理協(xié)調需要跨部門優(yōu)先級權衡，技術與生產現場需要依靠經驗應對復雜工況和突發(fā)異常。

當前的AI系統(tǒng)在處理結構化、可重復的任務上表現突出，但在處理這類信息不完整、依賴隱性知識和需要實時靈活應變的非標準化任務時，依然存在明顯的局限。

三、 破局之道：找準坐標，擁抱“非標準化”

在產業(yè)折疊與職場重構的雙重趨勢下，無論是受制于資源的中小企業(yè)，還是身處時代洪流中的個人，都需要及早調整自身的坐標與能力結構。

對中小企業(yè)的建議：立足現實，單點爆破 中小企業(yè)應當客觀認知當前投入集中在2萬-10萬元區(qū)間的現實局限。在資源有限的情況下，不必盲目對標大廠追求全鏈路、跨系統(tǒng)的AI重構。破局的關鍵在于集中火力，在企業(yè)利潤影響最大、痛點最明確的“針尖”環(huán)節(jié)進行單點攻關。例如利用簡單的機器視覺設備解決某一項核心耗材的質檢問題。通過低成本、快回報的局部試點，逐步積累數據資產和應用經驗，是中小企業(yè)跨越技術鴻溝的最優(yōu)路徑。

對職場個人的建議：剝離機械性，深耕“隱性知識” 既然AI在快速接管標準化、可編碼的任務，人的核心價值就必然向“非標準化”領域轉移。職場人應當主動將自己從機械的數據整理、重復的代碼編寫或單一的流水線操作中抽離出來。未來的核心競爭力，在于培養(yǎng)AI目前難以跨越的“隱性知識”能力：例如理解復雜的人際情緒并促成交易（銷售端）、在不確定的環(huán)境中進行資源調度與權衡（管理端）、以及在物理世界中應對突發(fā)異常的動手解決能力（技術與現場端）。

結語

AI引入實體產業(yè)，絕不僅是一次簡單的辦公軟件升級或設備采購。它正在悄無聲息地拉開企業(yè)競爭維度的差距，并深度重塑著組織內部的任務分工。

在這幅折疊的產業(yè)畫卷中，大廠與中小企業(yè)有著各自的航道；在重構的職場里，標準化與非標準化的任務正在被機器與人“重新認領”。認清客觀存在的分化趨勢，主動擁抱那些需要溝通、判斷、經驗和現場應變能力的高價值環(huán)節(jié)，企業(yè)和個人方能在席卷而來的智能化浪潮中，穩(wěn)住陣腳，贏得未來。

（作者李學楠系長江商學院金融學教授 產業(yè)政策研究部主任，作者王小龍系長江商學院高級研究員）