“企业AI如何从“用起来”到“算清楚”。

AI很热。但热到2026年，企业的问题已经换了：不是AI能做什么，而是AI能带来多少利润？

10月22日，合思在北京举办“AI掘金——将AI能力转化为企业利润”大会，并发布新书《CEO AI挖矿指南——将AI能力转化为企业利润》。合思创始人兼CEO马春荃围绕“找矿、采矿、炼矿、分矿”分享合思AI转型实践。在这套框架里，AI利润被比作一座矿：先找到高价值场景，再把它挖出来、炼成可交付的结果，最后把收益分下去。

新书发布之外，企业级AI的商业化难题同样受到关注。MIT Project NANDA在2025年发布的报告《The GenAI Divide: State of AI in Business 2025》显示，约95%的企业生成式AI试点没有在损益表（P&L）上留下可衡量的影响，只有约5%的集成式试点项目创造了显著价值。

矿在哪、怎么挖、挖出来怎么分？这场大会和这本书，试图回答的正是这些问题。

AI掘金，从理念走向利润

10月22日，北京枫烨园酒店，马春荃与机械工业出版社副社长时静共同按下启动键，《CEO AI挖矿指南：将AI能力转化为企业利润》正式发布。

如今，AI从技术能力到产业价值之间，横着一道必须跨越的鸿沟。马春荃称它是“工作笔记”，写的是合思自己AI转型中踩过的坑。他给出的行业判断是：AI到来之前，中外软件行业本就有差距。AI到来之后，中国软件业的处境被他概括为“未富先衰”——还没攒够钱，就迎来了变革。

现场PPT援引的数据显示，截至2026年10月，美国软件行业总市值约7.5万亿美元，中国约0.2万亿美元，差距38倍；2026年上半年中国软件业收入增长9.5%，利润仅增1.0%，增收不增利。

全书围绕“找矿、采矿、炼矿、分矿”四个环节展开，另加贯穿始终的“驾驭AI”。马春荃的说法是，AI转型不是买一个工具，而是从场景选择到利益分配的系统工程。

四矿方法论

AI是新东西，马春荃往回检索了100多年前的电气化时代。他区分两种创新：灯泡式创新替代蜡烛和煤油灯，属“延展式创新”，必须顺着电网走。电报式创新，最先落在英国火车站的调度上，属“跨越式创新”。

落到AI，前者需要三个必要条件——数据完备、规则清晰、规模够大。“少一个就是贫矿，少两个基本就是放弃。”

合思自己的选择是费控报销、审批、差旅管理、档案管理、发票管理。马春荃称，企业要找的不是最炫酷的AI场景，而是朴实无华的脏活、累活。

采矿。技术做出来了，客户却不买单。2025年5月至9月，合思的智能审核产品只卖出3单，还都是老客户。转折发生在定价方式上：砍掉几十万的软件费，改为按审核单据计价，每单10元，且准确率达不到90%不收费。参照系来自瓦特——农场主没见过蒸汽机，但养过马，“瓦特卖的不是蒸汽机，是马力”。从2025年10月中旬改报价、改话术，到12月底，合思卖出72单、覆盖70个客户。

炼矿。马春荃的判断是：“组织不变，AI上不了马。”工业化把人当机器用，AI反过来把工具当人用；被替代的不是全能的人，而是“被工业化矮化过的工具人”。解法是把复杂场景剥离成干净场景，并成立FDE（深度现场）团队——由IT专家、财务专家、产品经理组成，辅助客户完成面向AI的生产关系变革。

分矿。人的价值锚点被归纳为AI替代不了的三件事：灰度判断、情感连接、抽象建模。分配机制随之重构为“分型、分权、分享”，从雇佣关系走向经营关系。“分矿分的是机制，不是分蛋糕——机制对了，蛋糕才会变大。”

刹车。贯穿四矿的是驾驭AI四原则：明确边界、持续校验、留痕可审计、迭代降级。“油门决定跑多快，刹车决定跑多远。”面向AI的领导力则被压缩成六个字：想清楚、说明白。

AI落地，谁担责？
企业AI落地的一线情况

在哈佛商业评论中国副总经理赵阁宁主持的圆桌上，君联资本董事总经理付军华给出一组可自测的坐标。她援引BCG的五阶段模型：AI Shy（观望）、AI Curious（实验）、AI Enable（系统化部署）、AI Native（流程重构）、Future Build（创新），并判断“目前大概还有60%在AI Shy阶段”。更值得注意的是考核指标的变化。付军华说，去年企业还看AI渗透率，有多少人在用。今年下半年再问，大厂已经开始收缩Token预算、看结果。简单来说，如今AI的竞争不再是谁先用上，而是谁能把AI放进预算表、成本表和利润表里算清楚。

方法论之后，还要看落地情况。合思AI风控内控专家周淼，把财务问题比作冰山：AI先接走水面下90%的基础准备工作，企业才能把时间投向10%的真正判断。以下是来自企业一线的落地情况。

成本方面，周淼把财务审核比作一座冰山：约九成是取数、对账、单据核验等基础准备工作，只有约一成是真正的判断和决策。AI先接走这些基础准备，财务人员才能把时间投向精细化管理和业务决策。

此外，一家拟融资的科技公司是典型案例。同一补贴事项因适用规则不同，自动发放可能是200元，经申请特批可达800元；回溯历史数据，合理发放区间在230万至1400万元之间，规则统一后落在600万元左右，理论上最多可节约约800万元成本。FDE进场后，先帮企业把补贴规则从“一人一策、一事一议”梳理成统一口径，再梳理授权矩阵，把CEO从全年2200多笔审批中解放出来，降到107笔，相当于从每天10多笔变成每两天1笔。

效率账：从2小时到5分钟。另一家制造集团的非生产性采购（P2P）走了同样的路：梳理7类台账、1条责任链、2套机制后，关键付款资料关联完整度从60%升至95%，异常定位时间从2小时降到5分钟，采购到付款审核周期从20天缩到4天，支付前检查覆盖率从45%升至98%。顺带的结果是，梳理出307万元可向供应商追偿的金额——合同里有条款、执行中有证据，只是过去“拿不出数据”。

组织账：转转的百余个AI项目。转转财务总监赵婷把路径分成三段：焦虑驱动的个人探索、公司拉通认知、部门级聚焦应用，最终由组织给足工具与Token预算，初步建成AI Native组织。转转不是让员工零散地用AI，而是公司先统一认知、给工具和预算，再让财务各部门把AI接进审批、对账、取数等工作流。财务已有百余个AI项目，真正改了工作流的项目效率普遍提升约90%。三方对账从每月三天缩到半天。所谓“组织账”，算的就是组织给不给资源、能不能把个人提效变成企业提效。

门店账：紫光园的一天内审批。紫光园300多家门店、每月七八千张单子，只有12个人审。AI不替人做最终决定，只做初审、筛查、提醒和预警，把“维修费报成食材发票”“费用部门选错门店”这类问题在提交时就拦下来。人做兜底。上线后，审批从约一周、财务审17小时，压到一天之内。紫光园数字信息部负责人齐东海的看法是：真正好用的AI看起来不是很厉害，而是落地稳、风险低、能解决小问题。

从这场大会来看，如今AI正在改写企业的三个账本，其中就包括：企业的预算账、厂商的交付账、组织的分配账。预算从IT转向人力与结果，采购从“为可能的价值付费”转向“为可计量的结果付费”。厂商从卖软件转向卖结果，竞争焦点从营销转向交付。组织从“管人”转向“放大人的价值”，分配机制必须重构。

所以，AI的竞争，不再只是谁先用上，而是谁能把AI放进预算表、成本表和利润表里算清楚。

文：梦芸 / 数据猿责编：凝视深空 / 数据猿