（關注公眾號設為標，獲取AI深度洞察）

全文 3,000字 | 閱讀約13分鐘

昨天，極兔速遞宣布全面接入DeepSeek大模型，成為3月份第N家加入"DeepSeek大軍"的企業。公司表示，這將協助提升人力資源效率和國際件標準清晰度，降低培訓各類員工成本。公關稿中還強調，"DeepSeek是一款基于強化學習的開源推理大模型，運行成本遠低于市場上同類產品"。

自2月初DeepSeek"出圈"以來，企業界掀起了一場前所未有的接入熱潮。2月6日，吉利汽車宣布星睿大模型完成與DeepSeek深度融合；2月8日，長城汽車緊隨其后；2月9日，廣汽、奇瑞相繼跟進；2月10日，比亞迪、上汽、北汽接連宣布接入...甚至連一汽-大眾、東風日產這樣的合資企業也未能幸免。

僅僅一個月內，超過50家大中型企業爭先恐后宣布"接入DeepSeek"，引發資本市場一片沸騰。但作為一個長期觀察AI浪潮的研究者，我不得不發出一個疑問：在這場集體狂歡中，有多少企業是真正思考過的選擇，又有多少只是盲目跟風的結果？

我要潑個冷水：大部分公司盲目接入DeepSeek可能是一個嚴重的錯誤。在與眾多企業深入合作后，我發現一個扎心的現實：事實上，大部分公司不僅不需要盲目追逐DeepSeek，甚至根本不應該有一個僅僅為了跟風而制定的AI戰略。

或許你聽了很驚訝，甚至覺得我是不是說反了？沒有接入DeepSeek，沒有AI戰略的話，公司豈不是要輸在起跑線上了嗎？我的回答是：并不會，理由有以下幾個：

一、大部分公司其實根本沒做好用AI的準備

想象一下，就算某天一份完美的"AI戰略計劃"神奇地出現在了CEO的郵箱里，大部分公司也完全沒法真正落地。這是因為，它們連最基本的基礎準備都還沒做好。

其中最核心的問題，就是"數據"。如果數據質量差——不完整、有偏差或者根本雜亂無章——那么AI的表現自然會很差勁。你可以有一個非常棒的戰略目標，但糟糕的數據會讓你寸步難行。到頭來，"AI戰略"只會浪費公司的精力和資源，讓企業忘記了真正應該去做的事情。

以極兔速遞為例，他們宣稱要用DeepSeek來"提升人力資源效率和國際件標準清晰度"，但問題是：這家快遞公司是否已經建立了完整的員工績效數據庫？國際件標準是否已經實現了數字化？如果沒有這些基礎工作，僅僅接入一個大模型能解決什么問題？

舉個更具體的例子：假設一家制造業企業想要用AI來預測設備故障，以減少生產線的停工時間。這聽起來很好，對吧？但要做到這一點，公司首先得用歷史數據識別各種設備可能發生的故障類型，并找到這些故障的"信號"——也就是故障前兆的特定數據模式或趨勢。接下來，利用這些數據通過機器學習技術建立算法，預測故障的出現。

到目前為止一切都很好，然而現實卻是：大部分公司根本沒有收集過足夠的歷史數據來訓練AI模型。想積累足夠的高質量數據并建立精準的算法，往往需要幾個月甚至幾年時間。

二、AI并不是一個孤立的"孤島"

AI是一種技術，就跟區塊鏈、物聯網、元宇宙一樣。公司為什么偏偏需要給AI制定單獨的戰略？

看看百度、阿里云、騰訊云等科技巨頭紛紛宣布接入DeepSeek的新聞，似乎接入大模型已經成為衡量企業創新能力的標準。但實際上，真正的創新在于如何將這些技術與現有業務場景深度融合，而不僅僅是做個接口對接就草草了事。

更進一步說，"AI"其實也不只是一種技術，而是很多相關技術的集合，比如機器學習、計算機視覺、機器人技術、圖像識別，還有當下火熱的生成式AI。DeepSeek僅是其中一種，而非全部。

再看看現實里企業是怎么成功利用AI的，你會發現它們大多是將AI與其他技術結合在一起，共同融入到具體的業務場景中，而不是孤立地單獨使用。

極兔速遞提到要將DeepSeek應用到"物流全鏈路"，但一個成功的智能物流解決方案必然需要結合物聯網技術追蹤包裹、云計算處理海量訂單數據、數據分析優化配送路線等多種技術協同工作，僅僅依靠一個語言模型是遠遠不夠的。

回到制造業的例子：假設公司確實已經具備了相關的數據，成功訓練出了算法。那么，完整的解決方案一定還需要其他技術，比如設備上的傳感器實時采集數據，通過物聯網傳輸數據，再用云計算平臺存儲和處理數據，在云端運行算法，實時監控設備狀態并發出故障預警。

看到這里，你一定會發現問題所在了吧：相比制定一個單獨的AI戰略，企業真正需要的是一個全面考慮各種技術的整體戰略。如果像那些宣稱"接入DeepSeek"的家電企業，只把目光盯在大模型上，而不考慮整體的智能家居生態，反而會本末倒置，造成精力的分散。

于是問題又回到了原點：AI究竟有什么特別的地方，以至于需要單獨為它制定一個專門的戰略呢？

三、人才還沒準備好，你拿什么做AI戰略？

調研顯示，很多公司在AI這件事上還很"不成熟"。什么意思呢？就是從公司高管到普通員工，絕大部分人其實根本不太懂AI，也沒有真正用過這些工具，更不習慣用數據來支持決策。這種情況下，所謂的"AI戰略"只會偏離實際，變成一場紙上談兵。

專家數據顯示，2024年，人工智能整個專業的在校生大概只有4萬多人，而與整個人工智能領域預計的500萬人才缺口相比，差距依然巨大。這種人才供需不平衡，使得企業在實施AI戰略時面臨巨大挑戰。

近日，清華大學、北京大學罕見接連宣布，2025年均將增加150個本科招生名額。短短一周時間內，上海交通大學、武漢大學、中國人民大學等超過15所知名高校密集宣布本科擴招。梳理下來，大部分高校擴招本科的學科范圍多為人工智能、信息技術等戰略新興領域。科技創新靠人才，人才培養靠教育。業內人士指出，隨著AI賦能千行百業，市場既需要技術和理論創新型人才，也需要能夠結合各行業實際需求的實操型人才。

但教育轉型需要時間，而企業卻急于求成。看看那些宣布與DeepSeek"深度融合"的券商、銀行和公募基金們，有多少真正了解大模型能為金融分析帶來什么樣的價值？他們的分析師和投資經理真的準備好了使用這些先進工具嗎？還是僅僅因為競爭對手都在做，所以不得不跟進？

試想一下，如果你是公司領導，自己都對AI一知半解，又怎么可能制定出一個靠譜的AI戰略？顯然不現實。

大部分公司的起點其實還處在摸索階段，因此現在最重要的，并不是自上而下地去制定一套復雜的AI戰略。相反，更應該鼓勵一線員工主動去嘗試各種AI工具，從日常的工作中發現機會，摸索可能的用途。這種由下而上的探索，才更容易誕生真正有用的創意和方案。當然，過程中還得確保有合適的"護欄"，以便員工能夠安全地、負責任地使用AI，避免公司暴露在不必要的風險之中。

真正推動公司前進的，從來都不是技術，而是人。

要實現真正的"數字化成熟"，可能需要幾年甚至更長的時間，尤其當企業文化也需要同時轉型的時候。如果你以為靠一夜之間接入DeepSeek就能實現數字化轉型，那就好比你給一個兩歲的孩子穿上一套西裝，然后告訴大家："看，他現在是大人了！"顯然，這不現實。

四、強制AI戰略，會讓公司做出錯誤的決策

如果公司硬要強迫自己制定一個所謂的AI戰略，很可能會導致員工在做決策時，凡事都戴著"AI眼鏡"，認為每個問題都能靠AI來解決。

現在的確是DeepSeek最火爆的時候，但這不代表它就能解決企業的所有問題。未來肯定還有其他新技術出現。如果過于聚焦于接入某一特定大模型，公司可能會忽視其他同樣有效、甚至更適合的解決方案。

看看那些汽車企業的做法，從吉利星睿到長城Coffee Agent，再到廣汽ADiGOSENSE，他們紛紛宣布與DeepSeek"深度融合"，但消費者真正關心的是這些技術能否解決實際問題——更準確的導航、更安全的駕駛輔助、更舒適的用車體驗，而不僅僅是能否回答一些常識性問題。

因此，真正需要討論的不是"我們怎么才能接入DeepSeek"，也不是怎么靠AI讓公司利潤翻倍或打造新商業模式。而是，公司應該持續思考："我們如何才能更好地運用數字技術，真正改善業務表現，實現戰略目標？"AI只是眾多技術中的一個罷了。

之前的一篇文章里，也曾提出過類似的觀點：甚至認為公司根本不應該有單獨的"IT部門"。如果你把技術（尤其是特定的技術，比如AI）單獨從業務部門割裂開，那相當于把真正負責提升公司業績的人，與負責實施技術的人徹底隔絕了。長此以往，技術只會與業務脫節，最終帶來失敗。如果每次遇到問題，公司都只會喊著："趕快接入DeepSeek！"那么，你很可能永遠都找不到真正適合你的解決方案。

五、歷史決定了企業能走多遠

研究還發現，企業在某一時刻能夠做出的決策，其實很大程度上取決于過去做過的選擇。即使當時那些決定在現在看來已經不合時宜，但歷史的影響往往持續存在。

尤其是在技術領域，這一點表現得尤為明顯。比如，十年前放棄購買某個軟件或是決定不投資某個系統可能在當時是對的，但這些決定在今天可能已經成了障礙，限制了企業在AI應用上的空間。

領導者們可能會看到百度、阿里這樣的科技巨頭成功應用AI的案例，然后也想在自己公司里復制。但是，當他們真正去嘗試的時候，卻發現根本做不到——因為他們十年前就已經選擇了另一條路。

有些公司過去很早就做了準備，比如早就對數據質量、技術平臺和組織能力進行了大量投資，這樣的公司自然能迅速抓住AI帶來的機會。但大部分宣布接入DeepSeek的企業顯然還遠遠沒有做到這些準備。

說到底，大多數公司過去在數字轉型中本來就行動緩慢，即使現在突然宣布接入DeepSeek或提出了所謂"AI戰略"，也不會一夜之間超越競爭對手。

如果一個企業一直以來都在數字化轉型方面動作遲緩，光靠一個漂亮的"AI戰略"是沒法實現飛躍的。到頭來，只會白白浪費精力。

所以，現實一點吧，別再幻想簡單地接入DeepSeek能一夜之間帶你走向成功。真正有用的AI戰略，只屬于那些已經做好扎實基礎工作的公司，而不是大部分正在追逐潮流的企業。

星標公眾號， 點這里 1. 點擊右上角 2. 點擊"設為星標" ← AI深度研究員 ? ← 設為星標

參考資料：https://www.wsj.com/business/c-suite/ai-strategy-mistakes-5db90efa

來源：官方媒體/網絡新聞

排版：Atlas

編輯：深思

主編: 圖靈