当前，人工智能技术正以前所未有的速度重塑中国各行业的竞争格局和发展路径。从金融到制造，从医疗到零售，AI不再仅仅是优化效率的工具，而是成为企业构建核心竞争力的关键要素。上海交通大学安泰经济与管理学院与中银科技金融学院联合发布的《中国企业应用AI成熟度AIM2模型报告》通过对金融、汽车、健康、零售四大关键行业的深入调研，揭示了当前中国企业应用AI的整体图景：行业间发展不平衡现象突出，仅有少数领先企业建立起系统化的AI能力体系，大多数企业仍处于局部探索和试点阶段。这份报告基于首创的"AIM2模型"（AI Adoption Maturity Model），从战略、组织、数据、技术、应用和商业价值六个维度，全面评估了中国企业应用AI的成熟度等级，为正处于数字化转型浪潮中的企业提供了系统化的评估框架和行动指南。
金融行业作为数据密集型行业，一直是人工智能技术应用的先行者。根据AIM2模型评估结果，中国金融行业在AI应用方面呈现出明显的分化态势：仅有2%的机构成为行业领导者，达到L3-L5成熟度水平；32%的机构为跟随者，处于L1-L2阶段；22%的机构为挑战者，处于L2-L3阶段；而高达44%的机构仍处于L1探索试验阶段，被归类为滞后者。这种分化格局反映了金融行业在AI技术应用上的巨大差异，头部机构已经建立起较为完善的AI能力体系，而多数机构仍处在单点试验和局部应用的初级阶段。
从各维度表现来看，金融行业在战略维度平均得分为2.7分（处于L2局部赋能级），表明大多数金融机构已经将AI纳入战略规划；数据维度得分为2.8分，体现了金融行业在数据积累方面的天然优势；但在商业维度得分仅为1.9分（处于L1探索试验级），暴露出金融行业在将AI投入转化为可衡量商业价值方面仍面临挑战。这种"高数据资产、低商业回报"的矛盾现象，成为制约金融行业AI应用进一步深化的关键瓶颈。
深入分析领先金融机构的实践路径，可以发现三个显著特征。中国太平洋保险集团作为头部险企，其AI应用成熟度已达L3"体系优化级"，通过构建"数字劳动力"体系，打造能够闭环执行任务的AI智能体，系统性地重塑高人力成本的业务岗位。该公司的审计数字助手已自动完成任务超3万件，"金牌教练"系统覆盖6万代理人，在高价值场景实现了显著的降本增效。同时，太保还通过"智能+专家"模式，开发了综合专家系统"嗨问"，解决一线95%以上的疑难问题；健康险理赔审核专家系统实现定责准确率99%，费用剔除准确率98%，达到秒级赔付水平。此外，太保作为首家深度介入"医保+商保"数据融合与直赔结算领域的险企，将AI嵌入"大康养"和"保险+服务"生态场景中，与蚂蚁集团等生态伙伴合作，将商业健康险的理赔流程无缝嵌入到国民级的支付与医疗服务生态中。
股份制商业银行在AI应用方面也展现出特色路径。兴业银行坚持"大小模型协同"的务实策略，不盲目追逐通用大模型热潮，而是将大模型作为基础能力，通过微调等方式快速应用于具体业务场景，在提升客户转化率、辅助投资决策等能快速看到效果的领域部署AI，使商业价值的实现路径更短、更直接。该行已将AI应用重心转向构建和应用智能体（Agent），通过连接各类系统和数据，让大模型从"会说"变成"会做"，目前已构建了数百个智能体和一百六十多个原子能力，在"营业部晨会"等场景实现落地。同时，兴业银行还利用AI继续升级绿色银行名片，2025年上半年绿色金融贷款余额达1.08万亿元，保持股份制银行第1位。
城市商业银行的代表上海银行则展现出不同的应用特点，其AI成熟度处于L2"局部赋能级"，呈现"单点突破"、"流程优化"和"生态借力"的务实特征。该行聚焦于金融业核心的风险管理领域，通过机器学习精准评估信用风险，以高质量数据为基础，实现贷前审批和贷后预警的精准优化。同时，通过引入NLP技术打造智能客服系统，显著降低运营成本和人工坐席需求。面对AI自研能力不足的挑战，上海银行积极与外部科技公司合作，引入成熟技术快速应用于业务场景，如智能投顾、智能风控系统，有效弥补了技术研发周期长、投入高的短板。
金融行业AI应用未来将呈现三大趋势：从"辅助决策"向"自主金融智能体"演进，AI系统将不再仅仅是提供建议的辅助工具，而是能够自主完成复杂金融交易和服务的智能体；数据治理和隐私计算技术将成为关键能力，在保障安全合规的前提下，联邦学习、多方安全计算等技术将帮助金融机构打破数据孤岛，释放数据价值；生态合作将成为主流模式，金融机构通过与科技公司、第三方服务商共建AI能力，形成协同创新的生态系统。
汽车行业正经历百年未有的重大变革，智能化已成为产业升级的核心方向。根据AIM2模型评估，中国汽车行业在AI应用方面呈现出明显的梯队分化：13%的企业为领导者，达到L3-L5成熟度水平；40%的企业为跟随者，处于L1-L2阶段；27%的企业为挑战者，处于L2-L3阶段；20%的企业为滞后者，仍处于L1探索试验阶段。这种分布表明，汽车行业的"AI鸿沟"正在迅速扩大，领先企业通过战略布局和自主研发构建起核心竞争优势，而跟随者和滞后者则面临被市场甩开的危险。
从六个维度的具体表现来看，汽车行业在战略维度平均得分为2.8分（处于L2局部赋能级），表明大多数车企已经认识到AI的战略重要性；组织维度得分为2.6分，反映了汽车行业较强的工程文化和研发能力；但数据维度得分仅为2.0分，成为全行业最薄弱的环节，车端、云端、产线数据严重割裂，尚未形成驱动研发与运营的"数据闭环"。技术维度得分为2.5分，表明"软硬一体"已成为行业共识；应用维度得分为2.3分，说明AI应用仍高度聚焦"车端"体验提升；商业维度得分为2.2分，反映出商业模式仍在探索期，通过智能化提升产品溢价的路径已确立，但软件与服务的持续性收入模式尚未形成。
新能源汽车企业在AI应用方面展现出独特路径。零跑汽车作为新锐企业，其AI成熟度为L2"局部赋能级"，通过"AI实用主义"、"软硬一体平台"和"车规级场景专家模型"三大特色构建竞争优势。公司严格遵循ROI导向的AI发展路径，高效利用有限算力实现精准业务场景优化，避免盲目追求"大模型"。同时，零跑自成立之初便实施全域自研战略，打造从硬件芯片到软件操作系统的全面自主研发体系，通过LeapmotorOS、自研芯片与智能电子电气架构，实现软硬件的深度融合与高度适配。在应用层面，零跑明确聚焦智能驾驶与智能座舱两个核心领域，开发深度适配特定场景的专家模型，通过定制化的城市驾驶优化和高鲁棒性的语言交互模型，为用户提供精准且差异化的智能体验。
跨国汽车零部件巨头在AI应用方面同样值得关注。博世中国创新与软件开发中心（BCSC）作为博世在华推进软件定义汽车的核心力量，其AI成熟度已达L2"局部赋能级"，在"AI赋能研发流程"、"构建以本土数据为核心的竞争优势"和"审慎的AI治理与合规能力"三大方向进行了独特性探索。该中心将AI能力系统性地布局在企业运营的全景中，明确划分行政管理、产品工程、知识与能力管理三大赋能领域，通过整合底层AI技术、构建可复用的核心能力模块，将AI深度融入从后台支撑到核心研发的各个业务环节，实现研发效率提升15%、缩短产品上市周期的显著成效。同时，BCSC将AI技术深度应用于其核心产品自动驾驶系统，构建从客户数据输入，到AI赋能计划、编码、测试、监控等开发运维全流程的数据驱动DevOps闭环，实现产品对中国独特驾驶场景的深度理解和快速适配。在合规方面，公司将"100%数据合规"作为AI业务的核心安全目标，通过与具备合规资质的企业合作解决海量数据的合规存储问题。
汽车行业AI应用面临的主要挑战包括：数据孤岛问题严重，车端、云端和产线数据难以有效融合；核心AI技术人才短缺，成为制约行业创新的根本性因素；ROI不明确与缺乏清晰的商业价值衡量体系，导致投资谨慎与回报平庸的负循环。为解决这些挑战，领先企业正在采取一系列措施：建设统一AI中台和智能运维平台，集中管理模型、数据和资源调用；组建横跨IT、业务、数据的AI创新中心或智能运营部，作为能力整合与复用的核心组织；制定AI项目全生命周期价值评估标准，包括前期预测、中期过程指标、后期商业结果。
未来汽车行业AI应用将呈现三大发展方向：从"产品智能先行"到"产品智能、企业智能双轮驱动"，AI技术不仅应用于车载系统，还将深入企业的研发、制造、营销等全业务流程；智能体（Agent）技术将成为解决模型"有脑无手"问题的关键，通过任务分解、规划、工具调用和独立执行能力，推动大模型与汽车场景的深度融合；数据合规和安全管理将成为重中之重，随着汽车数据安全法律法规的完善，企业需要建立完善的数据治理体系，确保AI创新在安全可控的轨道上运行。
大健康产业是AI技术应用的重要领域，在政策红利、健康消费升级与企业转型压力共同驱动下，AI正成为健康行业重塑服务模式与价值主张的关键引擎。根据AIM2模型评估，中国健康行业在AI应用方面呈现明显的"头部集中"效应：11%的企业为领导者，达到L3-L5成熟度水平；45%的企业为跟随者，处于L1-L2阶段；22%的企业为挑战者，处于L2-L3阶段；22%的企业为滞后者，仍处于L1探索试验阶段。这种分布表明，健康行业的"马太效应"正在加剧，领先企业利用AI加速扩大竞争优势，而大量中小企业则受限于数据质量差、技术团队缺失与价值验证周期长，处于试错摸索期。
从六个维度的表现来看，健康行业在战略维度平均得分为2.7分（处于L2局部赋能级），表明企业普遍具有前瞻性布局；但在数据维度得分仅为2.3分，技术维度得分仅为2.2分，存在明显的"数据-技术双重差距"，战略意图难以有效落地。组织维度得分为2.4分，反映出复合型人才严重短缺，技术团队与医学、健康专家的协作机制尚不成熟；应用维度得分为2.5分，说明AI应用正从辅助诊疗向主动、个性化的全周期健康管理服务延伸；商业维度得分为2.3分，表明价值闭环初步形成，但大规模、可持续的盈利模式仍在探索。
互联网科技企业在健康领域的AI应用展现出独特优势。蚂蚁集团数字医疗健康事业部的AI成熟度已达到L3"体系优化级"，在"连接资源基础能力"、"多模态医学理解"及"企业即智能体"三大方向进行了开创性布局。该部门将AI视为"连接资源的基础能力"，打通支付宝亿级流量、千余家医院与百万级医生，以及可穿戴硬件、医疗信息化、数字医疗等科技生态伙伴，实现线上线下一体的闭环服务。同时，依托自研大模型的多模态能力，将医疗文字交互、诊疗多模态交互与语音交互相结合，构建全方位诊断与决策支持体系。更值得关注的是，该部门将整个组织视作一个自主运行的智能体，通过统一的"感知、决策、行动、学习"闭环机制，实现跨业务、跨系统的敏捷协同与高效决策。
传统健康服务企业也在积极拥抱AI技术。美年大健康作为国内健康体检领域的领先企业，其AI成熟度达到L2"局部赋能级"，在"数据资产壁垒"、"全流程服务重塑"和"AI驱动商业模式变革"三个方向进行了深入探索。公司依托全国近600家体检中心积累的超2亿人次健康数据，构筑了行业内独一无二的数据资产优势，通过战略合作将高质量专属数据与领先医疗AI算法深度融合，推出如"肺结宁"、"脑睿佳"等精准健康管理产品。同时，美年大健康系统性地运用AI技术对全流程服务进行重塑，将其核心业务系统升级为"扁鹊"智能体检管理系统，根治了系统性能瓶颈，为线上线下服务的无缝衔接提供了坚实保障。基于大模型开发的"健康小美"AI数智健管师，精准挖掘团体客户高价值个体需求，推动个性化健康服务转化，形成"数据-洞察-服务-营收"闭环。
健身产业也展现出AI应用的创新实践。乐刻运动作为中国领先的健身产业互联网平台，其AI成熟度已处于L2"局部赋能级"，在"智慧门店管理"、"精准教练匹配"和"用户侧创新"三大领域进行了积极探索。公司采用先进的数据采集与分析平台，通过实时分析门店流量、课程预约情况及用户反馈，精准实现门店资源调度与服务优化，并引入AI巡检系统，通过视觉识别技术实时监控门店运营状况，门店利用率提升超过20%。同时，乐刻建有行业领先的智能匹配算法，基于用户行为数据、偏好分析以及教练专业特长，精准实现用户与教练的快速、高效匹配，用户活跃度提升超过30%。在用户侧，乐刻通过AI饮食识别和个性化训练计划，为用户提供科学饮食管理与定制化训练方案，上线的"福利官"AI智能客服基于知识库与RAG技术实现用户需求预判与分层管理，基础问题解决率超过85%，帮助公司节省第三方工具采购费用，带动月均转化用户数提升11%。
健康行业AI应用未来将呈现三大趋势：从"大规模化定制"到"极致个性化的全周期主动健康服务创新"，AI技术将推动健康管理从标准化向个性化、从被动向主动转变；隐私计算和安全多方计算技术将成为数据融合的关键支撑，在保障数据安全的前提下打破数据孤岛；跨界融合将成为主流创新模式，医疗机构、科技公司、健康服务企业将形成协同创新生态，共同推动健康行业的数字化转型。
零售行业作为最贴近消费者的领域，正在积极应用AI技术应对消费需求个性化、渠道触点碎片化与行业内卷导致的利润压力上升等多重挑战。根据AIM2模型评估，中国零售行业在AI应用方面呈现"橄榄型"分布结构：11%的企业为领导者，达到L3-L5成熟度水平；49%的企业为跟随者，处于L1-L2阶段；29%的企业为挑战者，处于L2-L3阶段；11%的企业为滞后者，仍处于L1探索试验阶段。这种分布表明，零售行业已普遍认识到AI的重要性并采取行动，但在向更高阶成熟度突破时遭遇集体瓶颈。
从六个维度的表现来看，零售行业在战略维度平均得分为2.4分（处于L2局部赋能级），表明企业正将重心从前端营销优化转向利用AI重构"快反供应链"等核心运营环节；组织维度得分为2.1分，反映出领先企业已形成"平台化AI"集中赋能或"分布式治理"激发一线创新的特色模式；数据维度得分仅为1.8分（处于L1探索试验级），全渠道数据融合成为最大痛点，线上线下数据割裂难以形成支撑精准决策；技术维度得分为2.0分，表明技术应用仍以营销自动化等前端应用为主，但已开始向自动化生产、智能补货等后端供应链环节渗透；应用维度得分为2.2分，说明应用方向以营销为核心，围绕消费者洞察、虚拟试用、智能选品、精准推荐等场景展开；商业维度得分仅为1.6分（处于L1探索试验级），衡量全链路价值贡献成为核心瓶颈。
国际美妆巨头在中国市场的AI应用实践值得借鉴。欧莱雅中国作为国际美妆巨头在华布局的重要引擎，其AI成熟度已达L3"体系优化级"，在"全球框架+中国赋能"、"联合治理"和"开放式美妆科技创新生态"三大核心方向进行了系统性实践。公司实现了全球AI技术的中国市场深度适配，构建本地化数据中台，形成趋势识别、虚拟试妆等多场景能力反哺全球总部的创新路径，建立"中台+敏感信息隔离+大模型"架构，在确保本地数据合规同时实现全球技术体系的高效对接。同时，欧莱雅中国设置了跨部门AI治理团队，采用"人人皆创新发动机"的联合治理模式，AI项目从业务线自下而上孵化，极大激活了一线团队自主性。此外，公司积极打造开放式美妆科技生态，与初创企业和高校联合推动生成式AI和智能交互技术的快速概念验证，通过外部AI测肤工具和内容自动化技术，快速实现规模化产品体验提升。
国内体育用品企业在AI应用方面也展现出特色路径。安踏集团作为国内体育用品行业的领军企业，其AI成熟度已达L3"体系优化级"，在"多品牌整合的平台化AI"、"快反供应链驱动的AI"和"以DTC模式构建数据-AI闭环机制"三大方向进行了开创性探索。面对并购带来的多品牌、多系统、多渠道的复杂性，安踏通过构建统一的技术中台和数据中台，沉淀可复用的AI能力，为前端各品牌的差异化运营提供统一、高效的智能化支持。同时，公司将AI应用核心战场聚焦于重构"快反供应链"，通过AI驱动的需求预测、AI辅助快速设计和智能化生产排程，显著缩短传统供应链周期，提升整体响应速度。此外，安踏的AI战略与DTC转型深度绑定，通过DTC模式掌握海量、高质量的第一方消费者数据，为AI应用提供宝贵"燃料"，而AI的应用又反过来提升DTC渠道的用户体验，形成"数据-AI-体验"的正向循环。
零售行业AI应用面临的主要挑战包括：AI投入成本过高与ROI不明确成为首要瓶颈，企业迫切希望通过AI获利却缺乏有效衡量价值的体系；全渠道数据融合是最大痛点，线上线下数据割裂难以形成支撑精准决策；人才短缺和技术能力不足制约发展，企业普遍依赖外部供应商难以构建自主能力。为应对这些挑战，领先企业正在采取一系列措施：将AI预算划分为"战术型项目"和"基础能力建设"两部分，兼顾短期回报与长期发展；建设统一数据平台和智能化运维平台，提高数据的实时性与一致性；将成功的AI能力封装成可复用的内部"AI产品/工具"，实现能力沉淀和规模化复用。
未来零售行业AI应用将呈现三大趋势：从"工作流改善"到"以消费者为中心的体验跃迁"，AI技术将推动零售企业从内部效率优化向全面提升消费者体验转变；实时化、智能化供应链成为竞争焦点，通过AI技术实现需求预测、智能补货、动态定价等功能的协同优化；元宇宙和虚拟现实技术将与AI深度融合，创造沉浸式、个性化的购物体验，重塑零售场景和消费旅程。
以上就是关于2025年中国企业AI应用成熟度的综合分析。研究表明，AI技术正在深度融入各行业的核心业务流程，成为企业构建竞争优势的关键要素。不同行业在AI应用上呈现出不同的特点和路径，但都面临着战略与执行脱节、数据价值释放不足、商业回报衡量困难等共性挑战。未来，企业需要构建更加系统化的AI能力体系，在战略、组织、数据、技术、应用和商业价值六个维度上实现均衡发展，才能真正实现从"+AI"向"AI+"的跃迁，在智能化浪潮中构筑可持续的竞争优势。
（本文仅供参考，不代表我们的任何投资建议。如需使用相关信息，请参阅报告原文。）
