□ 杨成长阮晓琴方思元
□ 当前,人工智能技术加速向产业端渗透,智能化转型正成为上市公司提升竞争力和经营质量的重要推动力。上市公司既是人工智能技术落地的重要载体和转化平台,也是推动技术从实验室走向规模化应用的关键力量,其转型深度和成效,关系到人工智能产业应用进程,也影响资本市场对新技术、新产业的价值研判与定价
□ 近年来,越来越多的上市公司将人工智能纳入战略布局,积极探索大模型、智能体等新技术应用,但从实际效果看仍存在明显落差。智能化转型不是技术工具的简单叠加,而是战略目标、数据基础、业务流程、组织能力和治理机制协同作用的系统工程
□ 上市公司应立足产业特征,分类构建智能化转型路径:信息密集型产业的上市公司要积极运用人工智能打造新产品、新服务、新模式;强公共服务属性产业的上市公司要以审慎而积极的策略推进人工智能应用;数字化基础较强的制造业上市公司要以全链条协同推进人工智能应用;劳动密集型产业上市公司要加快物理场景数据化;体验型服务业上市公司要以人工智能增强体验价值、创造消费需求
当前,智能经济正成为新一轮产业变革的重要方向。对企业而言,智能化转型既关系降本、增效和提质,也关系到能否更准确洞察需求、开发新产品新服务、重构与客户及产业链伙伴的连接方式,进而形成新的收入来源和竞争优势。上市公司作为我国最具代表性和示范效应的企业群体,既是推动智能经济发展的重要参与者,也是连接技术供给、产业场景与资本市场的关键枢纽。上市公司要把智能化转型放在提升核心竞争力和公司质量的重要位置,从追逐概念转向创造价值,从部署工具转向重塑流程,从局部试点转向系统变革,以智能化转型打开高质量增长新空间。
一、智能化转型是上市公司提升竞争力和经营质量的重要推动力
当前,人工智能技术加速向产业端渗透,智能化转型正深刻重塑上市公司的发展逻辑。上市公司既是人工智能技术落地的重要载体和转化平台,也是推动技术从实验室走向规模化应用的关键力量,其转型深度和成效,关系到人工智能产业应用进程,也影响资本市场对新技术、新产业的价值研判与定价。
(一)智能化转型是上市公司重塑效率优势、推动模式创新和重构长期价值的重要力量
人工智能把过去依赖人工经验的信息搜集、分析判断和流程执行,转化为可复制、可迭代的组织能力,并与自动化设备、工业互联网及业务系统深度融合,推动研发周期缩短、产销匹配优化、质量控制前移、库存周转加快和风险识别能力增强,成为企业提升效率和韧性的重要基础。同时,人工智能能够高效处理传统方式难以利用的海量非结构化信息,帮助企业精准识别潜在需求、细分客户群体和动态场景,推动产品供给从标准化走向个性化,服务方式从被动响应走向主动预测,引导企业不断实现组织创新和模式创新,进而提升长期投资价值。在新发展阶段,企业对人工智能的利用程度及智能化转型深度,将在很大程度上决定其核心竞争力。
(二)上市公司是推动人工智能从技术供给走向规模应用的关键枢纽
智能经济核心产业根植于传统产业,也赋能于传统产业。一方面,以算力、数据中心等为代表的核心产业的正常运转本身高度依赖电力系统、通信网络、材料等传统产业的支撑。另一方面,人工智能真正有价值的数据、场景和需求也来自传统产业。制造业的设备更新需求和供应链数据,医疗领域的诊疗数据,金融领域的交易和风险数据,消费领域的用户和市场需求,共同构成了智能应用落地的重要场景。截至2026年6月末,A股上市公司数量已超过5500家,广泛分布于制造、金融、能源、交通、医药、消费和公共服务等领域。这些企业既掌握大量真实的产业数据和应用场景,也具备相对完善的治理体系、融资能力和产业链影响力。上市公司能否将人工智能技术真正转化为规模化的经济效益,已成为影响人工智能技术价值实现的重要因素。
(三)资本市场对人工智能技术及智能化转型领先的公司给予充分的估值溢价
近年来,人工智能已成为全球资本市场的重要投资主线。从A股市场看,2026上半年,科创50指数和创业板指数分别上涨64%和36%,成为带动市场上行的重要力量。尽管近期市场有所调整,但与人工智能相关的科技领域仍是全球资本市场关注度较高的方向。从细分行业看,在 AI 硬件、算力等智能经济核心产业环节,涌现出一批深度嵌入全球人工智能产业链的上市公司。相关企业在存储、光通信、服务器和数据中心等关键环节承接旺盛需求,在技术突破和产能扩张中率先受益,带动业绩和估值同步提升。从估值水平看,9月中旬中证人工智能产业指数市盈率约为45倍,远高于中证A500指数15倍左右的估值。这既反映了人工智能核心环节的技术壁垒,也体现了市场对人工智能新技术、新场景、新应用的估值溢价。
二、上市公司智能化转型面临从概念部署到价值创造的多重困境
近年来,越来越多的上市公司将人工智能纳入战略布局,积极探索大模型、智能体等新技术在研发、生产、供应链、营销和管理等环节的应用。但从实际效果看,人工智能的关注度、部署率与价值实现率之间仍存在明显落差,部分企业呈现“概念热、试点多、协同弱、收益低”的特征。智能化转型不是技术工具的简单叠加,而是战略目标、数据基础、业务流程、组织能力和治理机制协同作用的系统工程。当前,上市公司智能化转型主要面临以下四方面的挑战。
(一)智能化转型热度快速上升,但部分上市公司目标不清,概念布局快于真实价值创造
人工智能应用的最终目的,是围绕企业在研发、生产、供应链和经营决策等方面的实际问题,推动降本、提质、增效。然而,从实际成效上看,当前部分上市公司的智能化转型仍存在偏离主业、重概念轻实效等问题。
一方面,部分上市公司将智能化转型简单等同于跨界追逐热点。今年以来,上市公司跨界布局AI产业链的案例明显增多,一些主业与人工智能关联度不高的上市公司,先后宣布涉足光通信、AI芯片、半导体材料和算力等领域。这类企业大多面临主业增长放缓、利润承压等现实压力,希望借助AI寻找新的增长曲线。但脱离资源禀赋和主营业务优势的布局,难以形成持续竞争力,也偏离了上市公司智能化转型服务主业、提升主业的根本方向。
另一方面,部分上市公司智能化转型仍然停留在概念层面。在人工智能技术持续受到关注的背景下,上市公司在年报和投资者沟通中频繁强调“布局AI”“拥抱AI”。2025年报中,有5170家A股公司至少提及一次AI关键词,占比达94.2%。然而,只有少数上市公司能够清晰说明人工智能嵌入哪些业务环节、优化哪些流程、改善哪些经营指标,智能化转型的实质进展与信息披露热度并不完全匹配。
(二)部分上市公司照搬通用路径,没有根据产业特征和业务场景找准人工智能应用路径
不同产业在数据密度、信息处理强度、物理场景复杂度、流程标准化程度等方面存在显著差异,决定了企业智能化转型必须立足行业规律、业务基础和场景条件分类推进。当前,一些上市公司简单复制其他行业的大模型、本地部署或智能客服方案,没有充分评估数据密度、流程标准化程度、容错空间和客户需求,造成场景选择与行业规律错位。
以金融业为例,金融业务具有信息密集、数据可数字化程度高、标准化流程较多等特征,人工智能具有广阔应用空间。近年来,部分金融上市公司已部署本地大模型,应用正从内部助手等环节,逐步向投研、风控、营销等核心业务流程延伸,但在新产品、新服务、新业务模式方面仍处探索阶段,对人机协同流程重构、岗位分工优化、完善绩效评价和调整组织机制准备不足,技术投入尚未充分转化为系统性效率提升。
旅游业的人工智能应用逻辑则不同。旅游产品的核心价值主要建立在现场体验之上,游客购买的并不只是一套行程方案,更是对目的地文化、服务温度和独特体验的期待。人工智能可以为游客提供信息检索、行程规划,但难以完全替代对旅游体验的把控。一旦推荐出现偏差,就可能严重影响旅行体验,反而削弱旅游产品的口碑。
(三)业务、系统和协同基础不牢固,制约人工智能从单点应用进入业务全流程
对大多数企业而言,人工智能应用并非引入一个大模型、上线几个智能工具即可完成,而是一项涉及数据治理、业务流程、组织分工、岗位职责、考核机制和技术架构的系统性工程。当前,一些上市公司的AI应用仍停留在局部试点和单点部署层面,尚未与核心业务流程形成有效衔接。有市场研究报告显示,约71%的受访企业已搭建智能体平台,但真正实现全流程价值落地、稳定跑通AI项目的企业不到两成。
此外,部分上市公司在单个场景中看到应用成效后,陷入部门各自为战的困境:客服团队自行接入一套工具,营销团队按照各自口径进行用户分层,研发团队另行搭建智能体系流程,风控和合规团队又设置独立审核要求。单点部署各有合理性,但放在企业整体层面却容易演变为重复采购、重复开发、重复培训,数据标准、模型权限和验收口径也难以统一,导致企业投入了模型、算力和软件,却难以形成全链条协同和规模化生产率提升。
(四)上市公司能力基础不足,制约智能化转型从战略认知走向实际落地
智能化转型的竞争表面上是技术应用的竞争,实质上是数据治理能力、流程再造能力、组织协同能力和持续学习能力的竞争。当前,部分上市公司IT基础设施相对陈旧,系统架构封闭,数据接口不统一,导致人工智能难以深度嵌入研发、生产、供应链、营销和管理等核心业务流程,智能化应用容易停留在局部场景,难以形成全流程、系统性的效率提升。2025年,全国规上工业企业开展数字化改造比例达89.6%,但数字化设备普及率仅为57.7%。
智能化转型不仅需要算法、数据、软件、自动化和网络安全等专业技术人才,更需要既理解产业场景又掌握智能技术的复合型人才,以及能够统筹业务、技术和管理部门协同推进的组织机制。人力资源社会保障部有关报告显示,当前我国人工智能人才缺口超过500万,供求比例达1∶10。现实中,不少上市公司既缺乏专业人才储备,也缺少跨部门协同推进机制。此外,智能化转型往往涉及业务流程调整、岗位职责优化、绩效考核重构和利益关系再平衡,容易受到部门壁垒、路径依赖和组织惯性的制约,使智能化项目长期停留在试点阶段,难以真正嵌入企业运营体系。
三、立足产业特征,分类构建上市公司智能化转型路径
近年来,我国持续深化人工智能领域战略部署,人工智能正由技术层面的点状突破,加快迈向贯穿产业链、创新链和价值链的系统应用。根据不同产业在数据密度、业务流程、物理场景、公共服务属性和劳动结构等方面的差异,本报告将上市公司大致划分为信息密集型产业、强公共服务属性产业、数字化基础较强制造业、劳动密集型产业以及体验型服务产业五类。上市公司作为国民经济的中坚力量和资本市场资源配置的核心枢纽,要率先探索人工智能与实体经济深度融合的路径,在智能经济时代创造新的竞争优势和发展动能。
(一)信息密集型产业的上市公司要积极运用人工智能打造新产品、新服务、新模式
金融、传媒、信息等专业服务行业数据资源丰富、线上化程度高、知识处理任务密集,具备较好的智能化基础。更重要的是,这类行业的核心产出本身是知识、判断和专业服务,人工智能大模型能够催生全新的产品形态、服务模式和商业逻辑。
中国平安就提供了一个具有代表性的样本。近年来,中国平安系统推进“AI in ALL”战略,将人工智能嵌入产品设计、风险管理和服务交付全链条,发挥综合金融跨板块协同优势。首先,中国平安高度重视数据沉淀和治理能力,持续通过统一标准、权限管理和场景化治理,将分散在保险、银行、证券等板块的数据转化为可供模型训练和业务应用的知识资源。目前,中国平安已构建涵盖三大金融数据库、五大医疗数据库和公司经营数据库的九大数据库体系,日均处理数据超过10亿条。其次,中国平安积极研发内部智能体平台,旗下平安产险自主研发的鲲鹏智能体平台首创保险行业知识全生命周期自动化管理体系,为一线业务人员和代理人提供了可快速复用的智能工具生态;其智能出单机器人实现全流程自动化出单,平均耗时从6分钟下降到1.2分钟。再其次,中国平安还将AI技术向服务端延伸,推出“一句话能办事”的AI助手“快捷服务”,覆盖保险、银行、证券、医疗等板块,客户可通过自然语言完成交易、融资、理赔、查询等事项。
当前,部分信息密集型产业上市公司虽然积累了大量客户、交易数据,但受制于历史系统割裂、数据标准不一、部门壁垒较多等因素,总公司各部门、分公司和子公司之间的数据尚未真正打通,数据难以沉淀为统一的知识资源,更难支撑跨业务、跨场景的一体化人工智能应用。信息密集型产业上市公司应加快统一数据标准、治理规则和授权机制,推动分散数据在合规安全基础上实现汇聚。在此基础上,要围绕客户需求积极探索新产品、新服务,推动服务供给由标准化产品向AI驱动转变,并在清晰的权责边界下,赋予AI更多辅助决策和执行能力。同时,要重构人机协同模式,优化岗位分工和组织流程,把数据优势转化为更优的客户体验和持续的创新能力。
(二)强公共服务属性产业的上市公司要以审慎而积极的策略推进人工智能应用
强公共属性行业直接关系人民生命健康、基本公共服务质量和社会公平,人工智能应用既要看效率改善,也要经受安全性和责任可追溯性的检验,因此需要把握好技术应用的边界和推进节奏。
以生物医药行业为例,人工智能能够通过深度学习模型,对海量化合物、靶点和临床数据开展高维度学习,在虚拟空间完成传统“合成—测试—再合成”试错循环的大部分工作。但人工智能对靶点识别和分子设计的提速,并不能替代真实生物学验证。这意味着,生物医药类的上市公司既要主动运用人工智能拓展研发效率边界,也要统筹好技术应用与科学验证、商业效率与研发安全之间的关系。
作为全球化医药龙头公司,药明康德始终坚持“HI+AI”策略,以人类智能为主导、人工智能为辅助,将AI嵌入现有业务流程,持续提升服务能力和运营效率,但核心决策和创新仍由科学家把关。与此同时,公司也积极探索人工智能技术应用,较早通过合作与投资,与英矽智能等专业AI制药企业协同,将外部领先的算法与分子设计能力同自身在合成化学、工艺放大等方面的积累相结合,为后续规模化应用沉淀可验证的经验。
对其他公共属性较强的上市公司而言,智能化转型同样应坚持效率提升与安全可控并重。对于流程相对标准化、重复性较强、能够通过技术应用提升服务效率和资源配置能力的环节,可以积极推进人工智能应用。但涉及专业判断、服务对象权益以及重大责任的核心环节,应用策略必须保持稳妥,坚持以人类智能为主导,在保障公平、安全和责任可追溯的前提下,逐步形成以人为主导、人机协同的新型服务模式。
(三)数字化基础较强的制造业上市公司要以全链条协同推进人工智能应用
制造业人工智能应用的初级阶段,往往表现为单个工序、单条产线的点状智能化。例如,在质检环节引入机器视觉、在特定工序使用机器人,这类应用能够解决局部效率问题,但由于研发、采购、生产、物流和服务等环节的数据彼此割裂,人工智能难以基于全局信息优化生产组织、精准计划和资源配置,更难将技术价值传导至整个产业链。
海尔作为家电制造龙头企业,曾面临与多数大型制造企业类似的挑战。依托卡奥斯COSMOPlat工业互联网平台,海尔打通用户需求、研发设计、生产制造、物流配送和售后服务等环节的数据链路,使个性化需求能够更快传导至上游研发和生产端。在此基础上,海尔自主研发了工业大模型COSMO-GPT,以开源通用大模型为基础,通过知识注入、模型融合、模型判决等方式提升其在工业任务上的表现,应用于柔性装配、工艺优化和智能中台等场景。海尔还将自身制造经验沉淀为可复制的平台能力,通过“与大企业共建,与中小企业共享”的方式,向纺织机械、模具、陶瓷、化工、汽车、机械装备等多个行业输出数字化、智能化解决方案,带动产业链上下游提升整体智能化水平。
对其他具备数字化基础的制造业上市公司而言,推进人工智能应用应以全链条协同优化为重点,打通研发、采购、生产、仓储、物流、销售和售后等环节的数据流和业务流,推动订单、设备、质量和客户等数据在统一规则下贯通,夯实支撑智能决策的数据基础。龙头上市公司还应发挥产业链组织作用,将成熟的数字化平台、工业化模型和解决方案向上下游企业开放,推动企业内部优化进一步延伸为产业链协同升级。
(四)劳动密集型产业上市公司要加快物理场景数据化
劳动密集型产业的现实场景复杂多变,长期依赖一线人员对环境、设备和服务对象的实时感知与临场判断。例如:快递物流从业人员每天面对形态各异的包裹、不断变化的路况、陌生地址和极端天气,目前大量判断仍依赖日常作业中积累的经验。那些能够率先将人员操作动作、车辆与货物状态、场地空间结构等物理场景转化为可采集、可分析的数据资产的企业,将为下一代物理AI应用积累稀缺的训练基础。
顺丰控股作为覆盖全国、连接全球的综合物流服务企业,近年来加快推动物流场景数据化,取得积极成效。一是成立顺丰科技有限公司,围绕人、车、货、场等关键要素,整合订单、仓储、运输等业务系统,以及设备、车辆和快递员终端的运行数据,使分散在一线的场景信息得以被系统记录、共享和分析。二是在数据采集基础上,构建高度真实的数字孪生体,实现对物理世界的数字化虚拟投射,利用孪生体的预测、决策能力反过来赋能物理世界的实际生产调度,持续优化运营。三是在真实场景中部署具备感知能力的无人化设备,持续产生高质量的物理世界交互数据,为未来物理AI能力的迭代创造了条件。
对其他劳动密集型产业上市公司而言,应将物理场景数据化作为一项前置性基础设施投入,明确需持续采集的数据类别和需优先数字化的场景,建立统一的数据标准、采集规范和质量管理机制。同时,要将现场作业过程、设备运行状态和环境变化转化为连续、真实、可追溯的数据流,逐步沉淀支持模型训练和流程优化的数字资产。在此基础上,再将数据能力用于智能调度、质量监测等成熟场景,并循序推进无人化设备和物理AI应用。
(五)体验型服务业上市公司要以人工智能增强体验价值、创造消费需求
体验型服务业的核心价值,更多建立在能否精准理解并回应用户个性化、情感化的深层需求,而非仅仅落地一次标准化的服务购买。以旅游业为例,近年来,随着我国居民消费由满足基本功能转向更加注重情绪价值和体验感,文旅消费也从走马观花向深度游览转变、从被动接受向主动参与延伸,个性化、多样化、高品质的文旅体验日益成为消费新趋势。
在这一背景下,作为国内旅游演艺龙头,宋城演艺将2025年确立为“文化+科技+AI+新场景”转型的战略奠基年。公司依托“宋城”“千古情”品牌,在全国运营12个大型演艺景区,形成高密度、高复购的现场体验闭环,强化“演出即流量,场景即转化”商业模式。同时,公司全面发挥AI赋能,重构全业务数智链条。依托AI开发和应用团队,系统性推进AI管理中台、AI艺术中央厨房两大平台全面上线和规模化应用,用AI全面赋能全业务链条。AI管理中台将把公司30年成熟运营经验标准化、算法化、智能化,解决项目快速扩张带来的人才稀释、艺术标准衰减等行业共性难题,大幅降本增效,并有望赋能到更多其他文旅和演艺场景之中,拓展业务边界。AI艺术中央厨房将以AI赋能剧目创作、舞台设计、演出编排、内容迭代,实现多项目、多剧目并行高效研发,保障全国景区内容品质统一、快速迭代,持续强化内容壁垒。
对体验型服务业上市公司而言,人工智能应用应聚焦于更准确地理解用户、创造更丰富的消费场景和提升服务体验。企业既要持续识别不同客群的偏好变化,也要将洞察转化为差异化的产品设计和服务流程,推动消费从满足既有需求向发现和创造新需求延伸。体验型服务业企业尤其要避免简单复制热门业态和网红模式,要立足自身文化特色、品牌定位和服务优势,以人工智能放大特色、丰富体验,把特色转化为用户愿意持续付费的消费价值。
(杨成长系全国政协委员、申万宏源研究所首席经济学家;阮晓琴系申万宏源研究所政策研究室主任、首席研究员;方思元系申万宏源研究所资深高级研究员)
(文章来源:上海证券报·中国证券网)