AI+正从技术指引转向产业实战，政策红利如何兑现？投入如何变成产出？企业如何在浪潮中生存、打赢？2026北京亦庄AI+产业大会首场圆桌对话，将这些问题摆上台面，不谈空想，只谈干法。

2026北京亦庄AI+产业大会首场圆桌对话聚焦“AI+的国家推进计划与企业的生存路线图”。贝恩公司全球合伙人成鑫主持，上海市人工智能行业协会部长周晗、美的集团AI研究院院长徐翼、云岫资本创始合伙人兼CEO高超、京东AI智能硬件项目负责人张量四位嘉宾，从政策落地、产业实践、资本视角与平台赋能四个维度展开讨论，为企业提炼出2026-2027年的“生存口诀”。

以下为圆桌对话内容，经36氪整理编辑：

成鑫丨贝恩公司全球合伙人、大中华区高科技业务主席（主持）

周晗丨上海市人工智能行业协会部长

徐翼丨美的集团AI研究院院长

高超丨云岫资本创始合伙人兼CEO

张量丨京东AI智能硬件项目负责人

成鑫：各位嘉宾、各位来宾，大家早上好，非常荣幸担任第一场圆桌对话的主持人，我是贝恩公司的成鑫，也代表主办方再次欢迎今天第一场圆桌对话的嘉宾——周部长、徐院长、高总、张总。今天这个主题下，我们就谈三个实实在在的主题。

第一个，“国家AI+推进计划”给企业带来的真红利、真约束是什么？

第二个，大企业、产业方、资本方怎么把AI从投入变成产出？

第三个，2026-2027年，企业能够活下去，打得赢的“生存路线图”怎么画？

我们今天希望通过40多分钟的时间，用场景、数据和真实的企业痛点说话，给现场的企业和各位来宾一份能够直接带走的行动清单，这也是我们今天第一场圆桌对话的目标。

第一组问题先从政策、行业视角切入，第一个问题提给周部长，国务院“人工智能+”行动已经明确了六个大的方向，以及2027年普及率达到70%的目标，对制造、零售、供应链这些实体企业，今年您觉得必须要落地的刚需场景是哪些？哪些政策是真补贴、真的绿色通道？

周晗：从国发11号文发布以来，工信部也好，网信办也好，陆陆续续也跟进了很多政策，包括人工智能+智能制造、智能体产业发展合规实施意见，以及AI+电子商务的发展意见，都明确导向了一个方向，从过去试点探索到后面的注重成效，抓实质落地。当前的脚步，针对您讲的几个领域，大家可以重点考虑的落地方向：

制造领域，像智能排产、维护预测以及工艺优化、生产调度，这些是当前各个行业比较关注，而且红利产生的成效比较高、政策密集支持。

零售业，千人千面的智能营销，订单优化以及对应的物流派送，供应链领域也涉及到物流配送，物流配送里的智能分拣、具身智能、人工智能怎么做落地的配送，都对应了落地成效比较好的场景。

政策角度就比较多了，北京区的领导也提到，国家层面也好、地市层面也好，三券政策已经是热度非常高了，各个城市都有将近数亿甚至是接近数十亿级别的投入，国家层面对于算力基础设施的支持，算力券、模型券、语料券，三券规格非常高，每个季度都可以滚动进行申请和支持，这些都是实实在在给到企业的支持和补助。

绿色通道，像很多绿色通道对于人才、落户政策，以及人才专家序列支撑的通道，形成了很快很高效的申请周期压缩，对于企业头部人才，参政议政也好，标准制定也好，都形成了通道建设，对整个企业在后续一系列的发展都有很大的帮助。

成鑫：周部长给到几个明确的投入产出比具体的应用场景，也讲了相关支持政策，地方在推进AI+的时候，企业最踩的三个坑——算力浪费、数据合规、投入之后没有回报。这几个坑应该怎么回避？您从协会的角度给到企业最短的落地清单是什么？

周晗：有关三个坑，不同行业都会有壁垒，比如算力的问题，一般企业会踩的坑，盲目大规模建设算力，核心避免这个问题是从业务出发，结合实际业务场景明确定义到自己面对的问题。第二个不同行业有一些问题是可以通过行业模型，不一定用大规模模型去对模型进行建设。业务场景的理解是不是跟企业的切口更小，立足点一开始不要那么大，不要一开始就铺开规模效应大的场景去做，很容易遇到很多坑，很多坑不一定企业能够逾越，试点周期短，反复迭代，在算力需求投入里可以很快评估到自己的算力需求。

国家对于中小企业，也知道模型应用对企业帮助很大，也建立了集中算力中心，公共算力的资源是可以为企业提供前期很好的帮助，整个业务模型确定的情况下，有一些是训练算力中公共算力做租赁，场景化可以用边缘推理算力去做支持，企业做边缘推理资源的建设会比训练算力资源建设成本低很多。

数据合规的问题确实比较敏感，从企业角度，敏感数据做好分级分类，什么是内部可以训练的，做敏感数据的脱敏，公开数据是可以做模型的投喂，还有一些敏感行业是不是做对应的私有化部署，避免数据合规后续的实施问题，过去从技术角度，我们为了达到模型的效果一上来就做训练，现在因为行业进入规范化，网信办、数据局也好，对于数据的合规问题一直都在上线做评估和规范化管理，对于合规问题在业务前期做一定的评估。

成鑫：谢谢周部长给大家实操性的建议，您从政策端的角度对于美的、京东这类龙头，希望他们开放哪些场景先做示范，进而带动中小企业跟上？

周晗：从政策端关注几个维度，普惠性、示范性，能够带动产业生态，从我个人维度简单谈谈美的、京东这两家龙头企业可能的方向。

供应链生产排产的角度，美的和京东都有自己独特的优势，对于生态链中小企业的排产、智能调度、库存管理，这些方向对数据的开放、上下游的协同，这些场景的开放，对于下游企业是非常好的示范作用。像京东在电商里有自己产业链的优势，对于他入驻的中小企业零售商，营销数据的开放，AI营销数据能力的赋能，对于没有技术能力的企业是非常好的工具性赋能，对产业链上下游协同以及龙头示范效应是非常好的典范。

成鑫：谢谢周部长！来到产业集团的视角，有请徐院长做一个分享，美的AI变革已经深入到各个领域，制造、供应链、营销，请举三个可量化的场景来说明AI在降本提质增效上真实的ROI投入产出是什么样的，以及投入产出周期是什么样的？

徐翼：谢谢主持人的问题，我举三个例子来说明我们在降本、提质、增加收入这三方面的ROI。

降本，美的在去年开始我们从端到端整个pipeline来看哪些是我们的机会，我们有一个大的项目——AIGC，比如从智能排产到生产的过程，品质检验、设备预测性维修、产品销售到后面客服的服务，去年算出来的数字是7亿元人民币，内部提效，这是大的AIGC项目，这是降本。

提质，我们今年针对用户C端的智能家居，发布了美的MevoX智能体以后，用户交互、回复准确率都有很大的提升，对用户智能家居的提升有很大的提升。

增加ROI，美的产业板块也比较大了，大家了解美的是做家电的，我们库卡是工业机器人的业务，万东医疗做智能影像的，增加收入方面，AI给库卡带来的影响是会帮助库卡实现智能化升级，比如以前库卡工业机器人部署需要数天的时间，从开箱到能用，我们希望达到的目的是从数天降到一天甚至几个小时。

万东是去年12月份在北京发布的诊疗大模型，帮助万东医疗实现销售增加。

总体来看AI对于美的集团从内部研产销到赋能各个产品事业部是有很大的提升。

很多项目短期收益会很快，比如1-3个月做进去，我刚刚提到的做售后服务，客服服务，用户买到家电有很多客服问题，我们现在用的是智能语音客服，客户都分辨不出来是真人还是智能语音客服，从立项开始到开始产生ROI三个月左右的时间就可以看到初步的效果，内部的研产效益也是一样的。从小的ROI或者是大的变革，比如一年左右开始做大的变革，整体来讲AI时代很多事情都在加速。

成鑫：谢谢美的的徐院长，一些实在的投入产出案例。AI变革不只是技术部署，更多是对企业运作逻辑的重构，从美的的角度，从早期试点到规模化，是先改了流程还是先变了组织，跨部门协同最大的阻力是什么，用什么样的机制确保AI效果的实现？

徐翼：先变流程还是先变组织，我们把端到端的流程拉出来看，美的价值链是比较长的，从内部研发到生产、制造、销售，再到客户手里，再到反馈，价值链是很长的，端到端的价值链拉出来看，哪些单点会产生价值我们会进行突破。比如智能客服，比如我们做智能排产，端到端比如智能补货，先从流程来看而不是组织，先看流程再看组织怎么变革，能够符合新的流程。

现在AI很大的特点，泛化性或者是统一性，以前传统的流程很多时候不太适合新的在AI时代的变化。下一步要做什么样的事情？比如智能排产、设备预测性修复，我们在线销售等Agent、售后Agent，把单点的Agent建立起来以后，建立端到端的流程变革，这样会非常容易，内部讲人不见人把事给办了，Agent和Agent对话，先做流程变革，再看组织。

变革过程中遇到的最大阻力，可以预见的阻力，人方面的阻力，不是我们遇到的最大阻力，最大的阻力还是在数据本身，你的数据治理到底有多好，不管对于产线或者生产过程，任何一个流程，你对它的蒸馏需要什么数据来构建新的Agent流程，数据和数据之间的关系也是非常关键的，也是不好做的事情。

用什么机制把这个事情解决，这个要统一规划，数据治理几乎是无止境的，数据和数据之间的关系，内部有很多部门墙、信息墙，这个需要统一规划，最关键的是领导或者一把手对变革的决心，需要全部给打通。

成鑫：面对国家2027年的普及目标，美的接下来必做的事情和清单是什么？以及作为龙头企业美的可能会开放哪些能力和方面，给到哪些生态？

徐翼：端到端的流程拉出来，重构公司内部的流程还是2B、2C业务流程都需要端到端变革，而且是积极拥抱技术变化带来的相应变革，这个是我们要做的事情，数据方面，数据算法、算力，算法还有算力都是普惠的，社会公有的资源一定是普惠性质的，各家企业在内部治理的程度，是非常能够形成壁垒的地方，美的会在这个方面去做。

在生态链里，美的会从算法、协议、场景三个层面都会给行业做贡献。算法层面，美的AI研究院，比如在具身智能我们分享了非常多的开源，比如做具身智能的VLA大模型我们也开源，coding agent也开源，去年我们发布的医疗大模型也开源，算法层面为行业做贡献。

第二个协议层面，智能家居，美的在整个智能家居整个行业里面积极牵头做互联互通，消费者需要这个，千家万户老百姓家里不同品牌的家电怎么实现互联互通，实现智慧家居，美的和国家部门积极牵头推进这个事情。

第三个场景配合周部长讲的配合政府做场景上的开放，把事情做大。

成鑫：谢谢徐院长，接下来听听京东先进的经验，京东在智慧供应链、零售有大量的落地，请您谈一谈AI在供应链、零售领域如何帮助到企业。

张量：今天主题是AI在前线，我本身也是零售的一线人员，作为零售公司，每天面临非常多的用户需求，分为三个方面。

第一个整个供应链端，技术在演变，但零售的底层逻辑是不变的；那就是对体验、价格、服务的追求，是京东的长期护城河；JD持续利用AI提升体验，降低运营成本和提升运营效率，如采销们智能化办公采销工作台、科技的数字人、物流的狼族机器人等在用户端、运营端和履约端的应用；在丰富的AI应用场景，有机会和能力提升体验和效率，并优化利润。

零售端，商家到平台经营零售的业务，首先我们要组建一支团队，我们要有运营人员、广告人员，现在需要有内容人员，还需要有我们自己的客服，刚才提到OPC，在未来，一个OPC，一个单独的独立人公司就可以解决这个问题了，目前在京东后台，我们已经开发了大量跟AI相关的工具和系统赋能给商家，京东向商家免费开放数字人直播服务，助力商家快速搭建7×24小时不间断直播间。

第三个，我们内部，作为业务一线人员，内部人员也在应用我们自己办公化智能系统，公司也在将大模型能力赋能到每一个运营人员、业务人员，根据我们自己业务场景来开发自己的Agent，原来我们有很多具备行业经验的专家，在未来所有的经验都会变成通用的能力，可以赋能到内部所有的员工技能里。

另外我们也服务了很多客户，B端硬件的客户，我们也把软件的能力和硬件结合，包括京东有我们自己的能力，也会给到家电、3C数码等硬件厂商，来让硬件在体验和智能得到非常大的提升。

成鑫：谢谢张总，过去十几年京东也带动了大量生态企业的成长，在AI时代有更多的创新公司涌现出来，京东要帮助AI+消费创新领域的公司，你们的想法和经验能够帮助他们解决？

张量：我们认为帮助企业成长和加速他们孵化是我们自己非常重要的责任，这一段时间以来，我们接触很多硬件企业，接触非常多的产业端包括很多初创公司，我们也在和很多孵化器包括投资方对接，和很多硬件厂商沟通和互联，不同阶段厂商需要的需求是不同的。

第一个阶段我们有很多国内创业公司、OPC公司，他们有一定的技术能力，有自己创新的想法，在产品早期验证市场需求过程中缺少成熟平台帮助他们做先验的动作，在今年4月底我们发布了“Aidol创造营”，顾名思义Aidol创造营，AI行业硬件的明星企业，我们希望和企业共同进步，加速他们在未来孵化的过程。

第二个有很多企业或多或少在海外或者国内他们有了前期市场需求验证的过程，他们需要走到市场化阶段，京东就是非常成熟的零售企业，我们有自己的能力、营销能力、孵化能力，快速帮助企业建立品牌扩大销售。

第三个会有很多企业他的需求是多元的，不仅仅是销售的单一方面，还包括了全域营销、线上线下，需要跟投资方做相应的对接，京东有成熟的供应链资源能帮助他们降低成本。有很多企业有线下展出的需求，京东有京东超体，3C数码有数千家线下门店，无论是一线城市还是下沉市场，能给到线下曝光资源。我们有自己的大模型能力可以赋能企业，让硬件产品具备智能化产品的体验，我们希望给这类厂商提供更全、一站式赋能。

成鑫：紧扣国家推进AI+政策，京东作为平台型科技企业，未来2026年、2027年京东帮着企业，带着AI去前线的抓手是什么，未来两年配合国家政策再往前走一步。

张量：非常重要的一点是服务好我们的客户、服务好我们的合作伙伴，周部长也提到，服务好我们的商家，后台开放大量的AI Agent，包括AI相关工具赋能给商家做经营提效，这是非常重要的一点，包括京东科技免费开放了数字人直播，截至目前，京东数字人服务覆盖商家数量已突破7万家，一季度京东数字人开播量同比激增10倍，为数字人产业规模化落地奠定技术基础。

第二个京东希望把自己的大模型能力赋能到硬件企业，包括上游供应链品牌方当中，这是我们非常重要的一部分。

今天非常重要的主题是AI前线，有很多企业无论大小，无论是否具备非常强的品牌力，只要我们的公司有相应的能力，只要我们的公司具备创业想法，Aidol创造营也可以给参加的企业做从前端、后端全链路孵化过程，把我们的资源，不只是流量的资源，包括产业端、供应链等资源都给到我们的商家来进行赋能。在京东智能零售包括智慧供应链端，公司也在做大量的投入，帮助品牌方、商家降低经营成本。

未来通过以上三方面继续赋能企业，我也在业务一线，今天到场的嘉宾或者线上伙伴如果你有关于未来AI产品在京东、零售、孵化品牌包括对这些产业链的需求也可以找到我，今天我的团队一起来到了现场，希望我们能够在一线赋能给商家，帮助我们的商家，跟商家在亦庄这样的风水宝地一起发展得更好，前进得更好。

成鑫：谢谢张量总，从资本视角再谈一谈AI落地的事情，高总，从去年到今年整个资本关注AI的方向已经从炒模型到落地，从投资视角您会关注哪些类型的AI企业，这些企业您关注他们，他们必须满足的硬指标是什么？

高超：谢谢成总，随着AI的发展，尤其是在大语言模型和多模态模型逐渐趋于收敛的背景下，技术本身仍在不断进步，进化中的大模型也在持续演进。从资本角度来看，我们会重点关注以下几大方向。

第一，AI有巨大应用前景、或已经有初步的真实AI渗透和显著效果的垂直行业。简单来说是AI在这些领域能够创造出巨大价值、解决过去以个人的力量或者团队的力量很难做到的事情。比如云岫重点关注的AI for Science，AI+医药，AI+新材料等方向。比如可控核聚变领域，这一类过去人们认为这是需要至少50年才能解决的问题，但随着AI的加入，比如在AI+材料的融合问题方面，会看到加速解决的希望；又比如在创新药发现方面，AI有机会创造巨大的经济价值和社会价值。

第二，具备自身数据积累及数据闭环所带来的巨大价值场景，比如金融、能源等领域，这一类的数据价值非常大，可通过高质量的私有数据和持续的数据飞轮，抵御基模冲击。

第三，商业模式本身在场景中具有良好的延展性的项目，比如AI和虚拟电厂相结合的领域，涉及到硬件预测，电的交易等，商业模式有可扩展性。

这三大类是我们关注的AI落地方向中的主要公司类型。

成鑫：高总您在看创新AI企业的时候，您如何区分哪些企业是讲故事的，哪些企业是有真实场景落地的，您觉得什么类型的AI新企业他们能够打造大厂没法吞噬的壁垒。

高超：我们比较关注壁垒在什么地方。大模型能力非常强大且不断在扩展边界，很容易把中间层及做一般应用的公司给吞噬掉。因此，我们看企业，首先还是关注在有没有独特的场景资源上，比如能源/金融行业是否有非常独到的大客户资源；其次是数据，像最近我们看AI+材料领域的高分子材料、金属材料等项目，会存在数据极度分散的问题，但如果是拥有像国家实验室这样大的平台合作、有百万级的数据做支撑，那就会是企业的独特优势；最后我们会看团队在AI+领域中的复合能力，除了场景积累之外，企业是否具备很强的产品化和工程化能力，能够把行业know-how转化为自有模型能力。企业在技术上不完全依赖第三方大模型，能够有自己的算法和数据形成差异化是很重要的。我们主要看重以上这三点。

成鑫：国内海外都有火热的AI创业热潮，您的判断未来这12个月，您觉得AI行业会出清吗，会集中吗，您给这些企业渡过难关或者进一步增长的建议是什么？

高超：AI+产业正在蓬勃发展。虽然有些企业是在讲故事，但确实有更多企业是踏踏实实在落地的。未来我们认为那些本身没有强技术壁垒，同时又缺乏工程化能力的伪AI概念类公司肯定会被出清；而扎扎实实解决交付场景价值的问题、能够抓到标杆客户的企业，肯定会越来越崭露头角。我们建议企业未来一定要把发展聚焦在核心刚需场景，去解决问题，交付价值。

比如反欺诈行业，过去的客服中心会有几百客服人员去忙于应对各种测试，而过去的人力是难以从容去应对这种超高频次的处理工作，而AI客服的出现则很好地解决了这个问题。企业如何去抓住这个需求场景，抓住标杆客户，这是最重要的事情。

成鑫：谢谢高总，我们第一场圆桌对话的最后我们进行一句话快问快答的方式，每位嘉宾给所有观众一句话的干货，针对一个问题，每个嘉宾给到一句话的建议，第一轮给到所有企业的问题，2026-2027年迈出AI+产业的第一步您建议企业先做什么？

周晗：我建议紧抓政策，找小切口，快速迭代。

徐翼：培养一个真正AI原生的小组织。

高超：找到一个高价值的细分方向。

张量：无论是哪个阶段希望大家都跟京东有链接，我们在接下来每个阶段里共同迈向下一步。

成鑫：企业的生存口诀，让企业带着AI去前线，不踩坑、见实效。

周晗：抓住高价值场景，能够明确定义场景问题，能够规模化复制的才是好企业。

徐翼：拥抱不确定。

高超：深入到解决问题和交付价值的过程中去拥抱AI。

张量：现在这个阶段我们需要形成更多产业联盟和协同机制，才能保障我们在未来走得更稳、更长久。

成鑫：今天第一场圆桌对话到此结束，希望各位嘉宾的分享给所有来宾、观众一些干货。感谢各位。