2025 年 8 月，国务院印发《关于深入实施“人工智能+”行动的意见》，为 AI 与实体经济的深度融合给出了顶层设计框架。这份文件的分量在于，它把前几年分散在各部门的试点政策，整合成了一条明确的推进路径。
“+”字的重点在右边
“人工智能+”的关键不在人工智能，而在“+”。技术本身不是目的，能不能加到制造、医疗、教育、政务、消费这些真实场景里，才是政策真正要推动的事。这也解释了为什么文件强调“将数字技术与制造优势、市场优势更好结合起来”。
从公开数据看，这条路径已经跑出了一些规模：截至 2025 年末，全国已建成三万余家基础级智能工厂、七千余家先进级、二百余家卓越级。工业企业应用大模型及智能体的比例，从 2024 年的约 9.6% 提升到 2025 年的约 47.5%。
企业可以从哪几个切口进入
- 制造环节的生产优化。质检、排产、设备预测性维护是投入产出最容易量化的三个方向。
- 研发环节的知识复用。把历史文档、技术资料、失败案例做成可检索的知识库，减少重复试错。
- 营销与获客环节的内容生产。产品资料、多语言素材、社媒内容的批量生成，是见效最快的方向。
- 服务环节的响应效率。客服问答、工单分派这类高频场景，适合用智能体承接一部分工作。
三个容易踩的坑
- 先买工具，再想场景。正确的顺序是先把一个高频、可衡量的痛点找出来，再倒推需要什么能力。
- 指望一次性上线。AI 项目更像持续调优的运营工作，需要有人长期盯着效果。
- 忽略数据准备。多数项目卡住的不是模型，而是数据散落在不同系统、格式不统一、缺标注。
中小企业同样有位置
政策层面还有一点值得关注：随着轻量化 SaaS 方案和开源模型的普及，AI 应用的启动门槛已经显著降低。中小企业不需要自建算力集群，也可以用订阅制或私有化部署的方式获得能力。对没有专职技术团队的企业来说，选择成熟的行业方案、把精力放在业务流程梳理上，往往比自研更划算。
政策给出了方向，但落地的颗粒度始终在企业自己手里。能否找到那个“小而具体、可衡量”的切口，决定了 AI 是成本还是收益。