企業AI投入陷ROI迷局，“按效付費”能破解AI落地難題嗎？
發布時間：2025-09-15 來源：鬼泣神嚎網作者：cyjhrbust
智東西作者 陳駿達編輯 漠影
企業的AI投資，到底有多少正在轉化為真實收益？
智東西9月13日報道，近日，麻省理工學院用一份《2025企業AI應用報告》，揭示了企業AI落地的現實：全球企業在生成式AI上的投入已高達300–400億美元，但多數項目在財務報表中尚未體現出顯著成效。
造成這一現象的核心原因，是通用AI能力與垂直行業場景的錯配。來自金融、能源、零售等領域的企業普遍反饋，現有AI工具對行業理解不夠深入，缺乏必要的行業知識，難以契合日常運營。一位受訪高管更是直言：“大多數服務商根本不了解国产AV蜜桃网站的審批和數據流程。”
在這種情況下，AI投資效果難以量化，ROI（投資回報率）也難以驗證。企業決策層陷入矛盾：一方麵擔心投入巨大卻“燒錢無果”，另一方麵又害怕錯過下一輪技術變革，隻能在“想用”與“不敢投”之間反複權衡。
AI落地的難題依然突出，也讓新的探索格外引人關注。昨日，螞蟻數科副總裁餘濱已在一場溝通會上提出最新思考：如果AI技術仍停留在講故事和邏輯論證階段，遲早會失去社會認可。螞蟻數科希望在金融科技、互聯網和生活服務等領域紮根，用AI技術解決真正的行業痛點。
與這一觀點相呼應的是，同日，螞蟻數科在外灘大會上宣布推出“按效果付費”的企業AI服務模式，支持客戶根據大模型應用的實際效果（如業務增長或成本節省）來付費，將螞蟻數科在行業層的技術積累，以更為普惠的方式提供給廣大中小企業。
這一模式的背後，是從“賣AI技術”到“交付業務結果”的轉變。它讓企業在應用AI時，不再被動承擔風險，而是能夠聚焦於業務價值的釋放。這一創新，或許正是幫助企業跨越AI落地鴻溝的關鍵一步。
一、行業應用水土不服，AI落地為何總卡殼？
在AI技術落地垂直行業的過程中，常常麵臨“水土不服”的問題。以金融行業為例，該行業的業務流程高度標準化，層層審批，且無法隨意更改；而多數通用型AI工具強調靈活與泛用，難以嵌入既有的合規工作流。
此外，金融行業涉及大量專業知識與專有名詞，通用大模型在缺乏行業數據訓練的情況下，往往輸出錯誤甚至“想當然”的結論，難以滿足實際業務需求。
為此，企業通常需要對AI工具進行深度定製，或訂閱專門的行業解決方案。理論上這能帶來更優質的服務，但無論是項目製還是訂閱製，對預算敏感的中小企業而言，都意味著高額投入與集中風險。
在海外，已有企業敏銳捕捉到AI落地中的這一痛點。OpenAI董事長Bret Taylor圍繞“按效果付費”的Agent服務，打造出了估值達100億美元的AI客服獨角獸——Sierra。
Bret Taylor曾用一個案例生動說明這一模式的運作：假設Sierra為某企業提供AI客服服務，如果AI客服能夠自主解決客戶問題，從而節省人工客服的成本，Sierra便可從中獲得報酬；反之，如果AI客服未能解決問題，需要人工介入，Sierra便不會收取任何費用。
Sierra的模式已經獲得音響企業Sonos、智能家居企業ADT等海外知名品牌的信賴，幫助企業在降低人工成本的同時，提升客戶體驗和運營效率。
螞蟻數科也在訂閱製和項目製之外，率先引入了“按效果付費”模式，把這一在海外市場已驗證的商業模式帶給企業客戶，提供更多選擇。
“按效果付費”模式主要用在運營、營銷等以結果為導向的場景，目的就是降低中小機構的應用AI技術的門檻。
在具體執行上，螞蟻數科基於行業實踐，已經形成大模型落地產業的“ACE”（Align-Construct-evalsuate，對齊-建設-評估）三步方法論：
首先，他們會與客戶共同明確可衡量且最具價值的業務目標；第二步，圍繞業務目標，為客戶構建從模型到應用的完整解決方案與實施路徑；第三步，通過持續聯合運營，跟蹤和優化AI應用效果，確保業務目標真正達成，從而實現“按效果付費”的落地價值。
在這一過程中，螞蟻數科深度參與到客戶的決策流程裏，能更好地捕捉企業真實需求，提供更為精準的服務。
這一商業模式有效統一了AI服務供需雙方的利益。
對企業客戶而言，它從源頭上降低了“投入大、產出小”的風險，使企業可以更輕鬆地嚐試和應用AI技術；同時，費用與實際成果直接掛鉤，讓企業能夠直觀地看到價值，更容易證明采購的合理性。
對服務提供方而言，“隻有產生實際效果，才能獲得報酬”的機製激勵其持續優化產品和服務，從而推動AI技術在企業中的落地與規模化應用，實現供需雙方的真正共贏。
二、為何敢於喊出“效果付費”，揭秘背後技術積澱
落地按“效果付費”的模式，有賴於一個極為重要的前提：隻有效果足夠好、足夠穩定，才能按效果付費，否則，提供服務的企業就將難以收回成本，而需求方也無法獲得預期價值，這將導致整個模式無法持續運行。
在國內率先應用這一模式的螞蟻數科，其底氣從何而來？
早在2017年，螞蟻數科便布局AI技術，率先從“雲原生”邁向“AI原生”，希望用AI技術重構企業核心場景，提升商業效率，推動企業的智能化轉型。
在通用AI尚難深入行業應用、知識壁壘較高的現實背景下，螞蟻數科正通過輸出在金融和能源等領域積累的知識與技術經驗，打造行業大模型及配套應用，幫助企業降低AI使用門檻，並構建專業、自主、可控的“AI大腦”。
以金融領域為例，螞蟻數科會在前期搭好一個適合金融行業普遍需求的地基，包括垂類大模型、知識庫、工具集、智能體平台和係統工程方法論的全棧能力。
同時，他們還會根據客戶的具體業務需求，結合螞蟻數科對金融行業的理解，進行定製化的服務，支持客戶逐步構建自己的方法論和AI能力。
目前，螞蟻數科已經推出了企業級智能體服務Agentar、金融推理大模型Agentar-Fin-R1以及大量金融行業智能體應用，並在真實的客戶案例中，產生了“看得見、摸得著”的效果。
例如，上海銀行聯合螞蟻數科推出的AI手機銀行以“對話即服務”為核心，用戶隻需用自然語言就能完成轉賬、還款、理財谘詢、養老金管理等十餘項常用業務，再也不用在複雜菜單中反複查找。
係統還能根據用戶習慣提供個性化服務，如滬語模式切換、專屬理財建議和網點預約提醒，並通過多輪對話理解實現“服務找人”，大大降低操作門檻，同時照顧老年人和殘障人士的使用需求。
螞蟻數科為上海銀行提供自然語言交互、智能體開發、模型管理和算力調度等一站式服務，將阿裏通義大模型與金融場景經驗結合，實現即插即用和高效資源管理。自上線以來，AI手機銀行將業務轉化率提升了10%，成為銀行數字化轉型的標杆案例。
南京公交集團攜手螞蟻數科打造的“公交智能體”，正在讓城市通勤變得更聰明、更高效。基於“線網優化與客流預測AI大模型——小藍鯨”，係統可以實時分析全城客流和線路情況，精準發現出行堵點，並智能生成最優接駁線路。
南京運用大模型輔助決策開通了微循環線路30餘條，增加84個招呼站，盡可能減少乘客步行距離。
其中，在AI“建議”下開通的地鐵7號線接駁公交210路，單日客流最高達2168次，日均每輛車幫助380人提供換乘便利。
這些成果不僅展示了AI在實際業務中的可量化價值，也為按效果付費的商業模式提供了可靠依據。
三、讓企業享受低門檻AI紅利，普惠金融再落一子
螞蟻數科是螞蟻集團麵向科技商業化的獨立板塊，自2024年4月起獨立運營。在AI、區塊鏈、隱私計算、IoT、雲原生等前沿技術領域，螞蟻數科均有深厚積累，其AI業務尤其聚焦金融、新能源等高複雜度行業。
在金融領域，螞蟻數科已服務100%的國有股份製銀行、超過60%的城商行及數百家金融機構，助力行業實現高效的數智化轉型。
為何此時推出“按效果付費”的新模式？螞蟻數科副總裁餘濱認為，AI發展已進入“必須證明價值”的階段，而“按效果付費”（RAAS，結果即服務）有望成為AI服務的主流模式。
其核心理念是將AI視為“數字員工”或“智能體”，就像按實際完成任務發放工資一樣，價值體現在實際業務成果上，而非單純的技術工具。
這一模式對中小銀行尤為重要。麵對高額前期投入、不確定回報及技術與人才儲備不足等挑戰，傳統AI項目周期長、風險高，使許多中小銀行望而卻步。
螞蟻數科的“按效果付費”模式有效解決了這一痛點：客戶無需承擔高額基礎設施建設成本，僅需根據實際業務效果付費，大幅降低初始資金壓力與風險，讓中小銀行能夠輕量接入頂級AI能力。
同時，與其他科技企業不同，依托螞蟻集團自身金融業務，螞蟻數科能夠在真實生產環境中驗證技術效果，為客戶提供可靠參考。
這一模式對普惠金融的落地也意義深遠。中小銀行是社會金融服務的“基本盤”和“毛細血管”，服務超過50%的家庭和就業人口。
借助AI賦能，中小銀行可以為客戶提供便捷、個性化、智能化的服務，如對話式金融、精準理財推薦和智能風控，從而提升用戶體驗、擴大服務覆蓋，讓過去被忽視的小額客戶也能享受專業金融服務，實現普惠金融從理念到實踐的落地。
結語：從工具到數字員工，螞蟻數科務實探索AI落地路徑
在外灘大會上，螞蟻數科提出的“按效付費”商業模式，是對當前B端AI服務痛點的一次有針對性的回應，也展現出對產業AI應用方向的持續思考。
這一嚐試將AI從技術工具逐漸轉向任務驅動與效果導向，推動其向更實用、可衡量的“數字員工”形態演進，或將為行業提供一條可供參考的落地思路。
- 上一篇：{loop type="arclist" row=1 }{$vo.title}