AI的世界里，企業到底在比什么？

過去兩年，很少有企業能回避AI轉型這個話題。而隨著投身其中的企業越來越多，新的問題隨之涌現：“為什么很多企業做了AI項目，卻沒有形成可觀的業務結果？”

IBM2025年高管調研顯示，在眾多的AI項目中，只有約25%達到了預期ROI，僅16%實現了企業級規模化。Gartner也指出，至少一半的生成式AI項目在概念驗證后被放棄，原因多集中在數據質量、風險控制、成本與價值不清晰上。

不久前，哈佛商業評論也援引一份企業高管調研顯示，絕大多數受訪者（65%）表示他們認為自己對AI及其好處有深入的理解，但只有6%的人聲稱具備從這些技術中提取價值并對公司的損益產生實質性影響的能力。文章進一步指出，AI的表現更多取決于決策者如何、何時以及在哪里應用AI，而非技術本身。

換言之，AI轉型已經進入分水嶺，真正拉開差距的，不是企業有沒有部署AI，而是有沒有完成從工具應用到能力重構的躍遷。

也正因如此，在討論AI轉型時，真正值得分析的，不是那些把AI加到產品說明書上的企業，而是那些借AI完成了問題重構、數據構建、能力升級、生態協同和價值轉譯的企業。

重新定義問題

很多傳統企業做AI，往往從功能增強出發，例如加一個助手、加一份報告、加一個接口；但真正有效的轉型，第一步往往不是加技術，而是重新定義企業到底在解決什么問題。麥肯錫在2025年的調查中反復強調，能夠從AI中獲得更高價值的企業，更傾向于圍繞核心業務流程重構，而不是圍繞單點工具做試驗。換句話說，AI轉型首先是問題定義能力的升級。

在不久前結束的AWE2026上，我們可以看到眾多正在嘗試重新定義問題的企業。以TCL展示的一款AI空調為例，其關注點不再只是制冷制熱效率，而是圍繞人在不同狀態下需要怎樣的環境展開。通過對人體狀態的持續感知與判斷，空調開始主動調節風量與溫度。這意味著，空調所解決的問題，不只是制冷、制熱，而是服務人的狀態。

類似的變化，也出現在睡眠場景中。在一眾智能電器、機器人產品爭奇斗艷的場合里，慕思的床墊，正以“智能終端參與者”的身份參展，還與華為鴻蒙智選共同呈現圍繞睡眠場景的解決方案。慕思正在做的，是把床墊從一個舒適性產品，重定義為睡眠管理系統的入口。其核心關注點，從傳統的材料與躺感，轉向了更深層的用戶價值：睡眠質量、脊椎支撐、恢復效率以及臥室環境協同。

當然，這并不是傳統企業在AI浪潮里的應激轉型，而是源于對用戶真實痛點的洞察。

以慕思為例，根據慕思聯合CBNData發布的《2026脊椎健康與睡眠白皮書》，超3億國人受脊椎問題困擾，73%的受訪者遇到過“睡夠了還是累”的體感落差。其背后是脊椎在夜間因缺乏科學支撐而持續代償，導致修復失效，近六成受訪者將“脊椎干擾”列為睡眠的首要影響因素。因此，慕思要解決的，不再僅僅是如何讓人躺得舒服，而是如何通過夜間睡眠，系統性地修復白天的脊椎損耗。這一問題定義的升維，為慕思后續的技術應用劃定了全新的戰場。

值得注意的是，這種轉向也并非一蹴而就。慕思集團副董事長、總裁姚吉慶曾提到：“慕思的AI產品在去年增長3倍，但是慕思做AI不是跟風，我們為了這件事，押注AI走過了孤獨的10年。”

其實，早在2014年，慕思就推出首款智能床墊，盡管當時售價極大超出市場預期，更接近概念產品，但其本質意義在于，企業已經開始思考“床墊是否可以成為數據與算法載體”。此后十余年，其持續投入研發，不斷探索作為一個占據人三分之一時間的產品，床的能力邊界到底在哪里？也正是對這一問題理解的不斷深化，使慕思在AI時代具備了重新定義自身的基礎。

構建數據資產

定義問題之后，AI轉型落地的關鍵一步在于數據。IBM在2025年展開的CDO調研顯示，AI系統更依賴高質量數據，同時，一旦缺少真實業務數據，AI很容易放大偏差和低質量判斷。這也是為什么很多企業重視基于業務的專有數據資產，甚至有72%的CEO認為專有數據資產才是釋放AI潛力的關鍵所在。

目前在全球各地，眾多企業正在嘗試釋放企業專有數據中的價值。以知名的農機企業約翰迪爾為例，它不再只是賣農機，而是持續采集數據，并提供作業建議和管理服務。換句話說，農機不再只是干活的工具，而是一個不斷產生數據、持續提供價值的入口。

在更多領域，這種變化都在持續發生。比如耐克記錄用戶運動數據，從賣鞋轉向參與用戶的運動過程；蘋果通過Apple Watch等設備，將健康數據納入系統，使硬件成為長期服務的一部分。它們的共同點在于，產品已經轉化為持續的獲取服務的入口。

但對于很多傳統企業來說，用戶狀態很難被持續感知和記錄。數據就無法沉淀，AI也難以真正進入業務流程。

為解決這一問題，慕思就選擇了一條更底層的路徑：通過硬件與材料層創新，構建無感數據采集能力。目前，其智能床墊產品內部嵌入高精度壓力傳感器矩陣與生物雷達系統，無需任何穿戴設備，即可實時捕捉心率、呼吸頻率、體動幅度、離床狀態等20余項生理數據，精度達到醫療級水平。即便是輕微翻身或深睡中的呼吸變化，也能夠被系統識別。

進一步地，其與MIT Media Lab合作探索的“智能纖維（FiberCircuits）”技術，將微型傳感器嵌入柔性織物，實現更高密度、更無感的連續數據采集。這些實時、連續、多維且達到醫療級精度的數據流，構成了慕思獨特的睡眠數據資產。

“在這個過程中，我們獲取了大量的數據。” 姚吉慶表示，“包括100萬人體工程學數據，1000萬以上的睡眠數據。”也是在這樣的數據的基礎上，慕思才得以從銷售產品轉向管理結果。

從連接到決策

數據為企業的AI進化提供了關鍵燃料。但數據本身，并不構成能力。

即便進入AI應用階段，很多企業依然停留在數據與分析層，而難以進一步轉化為穩定的業務能力。問題并不在于有沒有數據，而在于這些數據是否能夠被持續轉化為判斷，并對產品和用戶體驗產生影響。換言之，AI的關鍵，不只是看見和理解，而是能否形成一套將感知、分析與反饋連接起來的能力結構，使系統能夠基于用戶狀態不斷做出調整與響應。

比如慕思就構建了一套能夠把監測、分析、調節與反饋串聯起來的能力，并形成了獨有的“潮汐算法”。

這套算法的開發，源于一個樸素的觀察：人的睡眠并非靜止，而是像潮汐一樣有節律地起伏、變動。傳統的靜態床墊無法適應這種動態變化。因此，慕思的工程師和睡眠科學家們開始思考，能否讓床隨著用戶睡眠的潮汐，也就是不同睡眠階段和身體狀態自動調整。

如今，已迭代至3.0版本的潮汐算法，結合百萬級人體工學數據庫，能讓床墊生成超5000種睡感方案，實現千人千面。例如，動態調節不同區域的軟硬度，為懸空的腰部提供更精準的支撐；或在用戶翻身前后，預調節睡姿承接區域，減少驚醒可能。這里的重點不在某個單一功能，而在于產品從被動承接身體轉向動態響應用戶狀態。

看向更廣闊的市場，這種以算法為中樞、由模型驅動決策的能力升級模式，正在成為多個行業的共同選擇。科沃斯機器人大模型算法賦予家用機器人深度理解與執行復雜意圖的能力，添可智能大模型算法將烹飪想法轉化為一步步的可視化指南，協同科技基于工道大模型的巡檢智能體，則實現了從設備點檢到遠程維修的全流程智能化，將首檢效率壓縮數十倍。

這些不斷涌現的垂類模型與算法，正幫助企業構建一個個更高效的服務系統。增長能力的差距，也由此被拉開。

開放與融入生態

在充滿連接的時代，企業必須面對一個現實，單一產品的智能化，很難支撐完整體驗。真正的系統價值，往往來自生態協同。如今，越來越多企業開始從產品競爭轉向生態競爭，打造生態型企業，強調以場景而非單一產品構建用戶價值，并開始思考自己在更大生態里的角色。

《哈佛商業評論》曾深入探討過生態型企業的崛起：傳統的價值鏈線性思維正在被生態化的網狀思維所取代。生態型企業的核心特征，在于其不追求擁有或控制所有環節，而是通過搭建開放平臺、制定交互標準、促進互補者創新，共同為最終用戶創造單一企業無法提供的整合價值。

在這一浪潮中，海爾是典型的樣本之一。它跳脫出家電制造商的身份，成為開放的物聯網生態品牌，為消費者提供整套的生活解決方案。在這個生態里，海爾提供平臺和核心網器，并與食品、健康、家政等外部服務連接，形成持續交互的生態體系。海爾的角色，從產品供應商變成了生活場景的生態組織者。

如今，這種以生態構建系統價值的模式已成為許多頭部企業的選擇。比如華為構建的鴻蒙生態，連接華為自身設備與海量第三方硬件，目標是讓用戶在不同設備間獲得無縫流轉的協同體驗。

2025年，慕思就成為鴻蒙在智能睡眠領域的唯一合作伙伴，負責把多年的睡眠數據、人體工學技術積累，轉化成床能聽懂、能執行的肌肉記憶。

在這一體系中，床墊不只是終端設備，而成為睡眠場景中樞。通過鴻蒙系統，睡眠狀態可以觸發一整套環境聯動：燈光、溫濕度、新風、影音設備圍繞睡眠形成協同響應。例如，在入睡階段自動調暗燈光、降低環境噪音；在深睡階段切換至靜音模式；在清晨淺睡期，通過自然光逐步喚醒。

這一系統被華為鴻蒙定義為“智感助眠系統2.0”，其底層引入了失眠認知行為療法作為設計參考，通過光、溫度、聲音等多維變量構建助眠環境。床墊提供狀態數據，生態系統負責環境響應，雙方解決的不僅僅是床這個產品的問題，而是整個睡眠場景的問題。

完成用戶價值轉譯

當AI轉型推進至此，企業已經完成能力構建與生態融入，但能力本身并不會自動轉化為價值。真正讓轉型成立的，是這些能力是否被用戶感知、理解，并轉化為持續選擇的理由。因此，AI轉型的最后一步，是價值轉譯。而這一轉譯，至少應發生在兩個層面。

首先，是產品層面的可感知、可體驗。慕思將復雜的感知、監測與調節能力，轉化為用戶可以直接理解的結果。比如在電動車行業，用戶不需要理解自動駕駛技術的進化細節，卻能感受到跟車更穩、倒車入庫更容易；或是在家居領域，用戶不需要理解“潮汐算法”如何工作，但能感受到“醒來腰不酸了”“好像更容易睡著了”。這一過程的關鍵，不是技術本身，而是把技術壓縮為簡單、可體驗的結果。

其次，是品牌層面的認知構建。還以慕思為例，其長期塑造“科技睡眠”的品牌形象，從早期的材料科技突破，到睡眠大數據研究，再到如今的AI睡眠系統，其品牌敘事一直與科技創新緊密綁定。

而當產品能力因AI而變得復雜，品牌更需要承擔“翻譯官”的角色：一方面，持續發布權威的睡眠白皮書，用數據和科學教育市場，將“脊椎修復”“睡眠3.0”“恢復力”等專業概念轉化為公眾議題；另一方面，通過簽約青年偶像易烊千璽作為品牌代言人，將“智慧健康睡眠”與年輕、活力、積極的生活狀態相關聯，降低高科技產品的距離感，讓品牌價值更具象、更易被年輕消費群體理解和接納。這些動作的本質，都是在搭建從復雜技術通往用戶情感認同的橋梁。

如今，AI轉型考驗的不僅是技術，而需要企業圍繞問題重構、數據構建、能力升級、生態協同和價值轉譯展開系統性升級。對傳統企業來說，最難的也從來不是接入一個模型，而是重新設計原有產品邏輯、組織方式和用戶關系，解答如何從產品思維走向系統思維，如何從單點智能走向場景智能，又如何把技術敘事最終落回用戶價值。對于希望推進AI轉型的更多企業而言，這或許比用了什么模型更值得參考。

劉玥 | 文

聯系方式

投稿、廣告、內容和商務合作

newmedia@hbrchina.org