WAIC 2026 | 88% 企业在用 AI、仅 39% 赚钱！中数睿智蓝皮书揭示产业AI低转化困局

转自：新华财经

新华财经上海7月18日电（记者 郭慕清）在2026上海人工智能大会期间举行期间，中数睿智重磅发布国内首部《因果世界模型技术体系蓝皮书》。该《蓝皮书》援引麦肯锡与MIT NANDA 2025年报告显示，已有约88%的企业应用AI，但真正带来可衡量利润贡献的仅约39%，95%的项目未能转化为可持续生产能力，该报告深刻揭露了行业扎堆大模型参数与生成能力内卷、却无法赋能核心业务的真实现状。

据悉，麦肯锡与MIT NANDA 2025年报告的样本数据为覆盖105个国家的1993名受访者，这其中，调研访谈150位高管，进行了350份员工调研、300个AI项目分析。

随着生成式AI技术快速普及，产业落地的结构性矛盾日益凸显。《蓝皮书》分析认为，企业级AI落地效果不佳，并非受制于算力、模型参数等表层问题，核心在于当前主流大模型的认知层级存在局限。现阶段多数AI模型停留在图灵奖得主朱迪亚・珀尔（Judea Pearl）提出的“因果之梯”关联层，擅长基于数据拟合相关性、描述场景表象，能够回答“是什么”，但难以推演业务变量调整后的真实变化，无法判断“干预后会怎样”。

基于这一认知短板，现有大模型普遍存在事实幻觉、重描述轻推演、时序逻辑薄弱、事前难以验证、规则适配性不足等问题。在油气、电力、高端制造、金融等零容错、高严谨度的核心产业场景中，因缺乏因果逻辑、时序演化与干预推演能力的AI输出，无法满足工业生产、企业决策的严谨要求，这也是大量AI项目“可用但不敢用、落地不深耕”的核心原因。整体来看，当前智能模型具备信息检索、内容生成、工具调用能力，但缺少适配真实产业场景的因果逻辑体系与业务演化认知。

此外，中数睿智在《蓝皮书》中还厘清了消费级AI与企业级AI的核心差异：消费级场景的模型侧重场景合理模拟与创意生成，而企业级产业AI需要立足真实业务规则，做到如实锚定场景、严谨推演结果，容错率极低。基于因果逻辑搭建的产业级世界模型，能够有效弥补物理仿真模型与传统生成式大模型在工业决策、企业经营场景中的能力短板。

针对传统因果理论静态固化、难以适配动态业务变化的行业痛点，本次《蓝皮书》提出“神经网络拓展认知边界，符号逻辑坚守安全底线”的融合落地思路。这套技术架构结合两类模型的优势，依托大模型神经网络挖掘海量数据中的潜在关联、拓展认知可能性，同时通过动态本体符号引擎完成业务规则校验、事实锚定与合规约束。对每一次推演结果进行核验校正，实现结果可追溯、可复现、可验证，推动传统静态知识体系向可自我演化的动态业务认知升级，适配产业动态变化的工况与规则。

值得一提的是， 不同于侧重理论推演的行业研究成果，本次《蓝皮书》沉淀自真实产业实战经验，基于35家大型央国企及行业头部客户的业务需求打磨，累计覆盖800余个零容错核心业务场景，形成了一套可落地、可复用的产业AI技术方法论与工程体系。依托四层产品架构，构建起事实锚定、可验证预测、全程可追溯的核心能力，针对性缓解大模型幻觉、推演偏差、决策不可追溯等常见问题，助力AI从工具化应用向可靠的产业决策辅助升级。

其中，在油气井控等高风险工业场景中，该技术体系可有效过滤传感器干扰数据，多维度推演不同处置方案的风险差异，输出带时间维度的风险预判结果。实测场景数据显示，系统可将溢流等危险工况的早期识别窗口提前15至20分钟，故障根因定位准确率达94%。截至目前，中数睿智因果世界模型相关技术已在油气、电力、制造、金融等多行业落地，累计安全运行超15000小时，未出现模型幻觉引发的决策偏差，技术稳定性在硬核产业场景中得到有效验证。

据悉，长期以来，中数睿智聚焦产业级因果智能与因果世界模型技术研发与落地，深耕零容错、高可靠的工业生产与企业决策场景，为油气、电力、制造、金融等行业提供可验证、高稳定性的AI决策支撑，服务多家头部央国企，落地数百项核心业务场景，持续推动产业AI从工具应用向专业化、责任型决策智能迭代升级。

编辑：林郑宏