金牛配资管理者首选ROI评估AI成效，TE Connectivity拆解落地实效

2026年，投资回报率（ROI）已成为企业管理者眼中评估AI成效的最重要标准之一。

根据TE Connectivity（泰科电子，下称“TE”）最新发布的《行业技术指数》，在该报告所覆盖的受访者样本中，43%的管理者将增加企业利润列为首要目标，较去年大幅提升17个百分点；而将产品创新列为首要目标的管理者则同比下降九个百分点，至26%。工程师群体也呈现出相似趋势，31%的工程师将企业利润列为首要目标（较去年上升2个百分点），24%的工程师将产品创新列为首要目标（较去年下降7个百分点）。

这组数据背后，是行业技术企业从“技术主义”向“重商主义”的战略转型，也是企业对AI价值认知的深化和理性回归，企业对AI的认知，终于落地到能创造多少实际价值的核心上。TE连续四年发布的《行业技术指数》如同一面镜子，清晰地映照出工程师与企业管理者眼中驱动企业创新的因素如何转变，而从2023年探讨“如何定义创新”，到2024年关注“如何采用AI”，再到今年聚焦“如何衡量价值”——每一步都反映出AI正在从技术概念走向商业现实。

与此同时，TE首席执行官Terrence Curtin提到：“今年的《行业技术指数》调研发现，许多企业在将AI融入日常工作流程后，对于AI应用的成效标准尚未达成共识。随着AI应用的加速，工程师和管理者之间亟需建立共同目标。没有这种共识，AI反而可能会在企业内部形成张力，削弱其对创新和运营转型的推动作用。真正走在前面的企业，是那些能把AI投入转化为实际业务成效的企业。”

AI从实验室迈向商业战场

人工智能的发展史往往伴随着评估标准的演变。在AI技术的早期阶段，评估主要集中在算法性能和学术突破上。ImageNet竞赛中的准确率指标、自然语言处理中的BLEU评分等纯技术指标构成了评价体系的基石。学术界和产业界更关注“技术能否实现”，而非“商业价值如何”。

随着深度学习技术的突破，AI开始从实验室走向产业应用。企业对AI的评估标准逐渐从纯技术指标转向“技术可行性+场景适配性”的二元评估模式。以AlphaGo战胜李世石为标志性事件，一些企业开始大规模投入AI研发，模型训练效率、推理速度、数据处理能力等指标仍以技术实现为核心。

如今，85%的中国受访者表示其所在企业已在不同程度上采用AI技术，超过全球水平（82%），同比提升15个百分点，展现出中国企业在新技术采用方面的强大执行力。与全球趋势保持一致的是，中国企业在AI相关决策上也发生了显著转变：74%的中国受访者将成本列为AI应用的首要顾虑，而去年这一首要顾虑为AI的监管与道德考量。

从“道德担忧”到“成本考量”，这一转变看似细微，实则深刻——它反映出AI已经从“要不要用”的讨论阶段，进入了“怎么用才划算”的实践阶段。这能视为AI步入成熟期吗？

“要看企业。首先要求企业有这种意识和文化，其次需要有一定规模，在规模中系统性地将AI贯彻到整个业务流程。”TE中国区总经理兼亚太区人力资源副总裁张超道出了AI落地的第一道门槛。

TE的分阶段战略清晰而务实：第一阶段是文化转变，从高层到每一个员工对AI认识和看法的转变，能够拥抱AI。这一阶段看似简单，实则最为关键——没有全员的认知转变，后续所有技术投入都可能事倍功半。

“现在我们认为公司目前处于第二阶段。”张超认为第二阶段是流程转变，将AI真正嵌入产品研发、物流、制造，甚至日常办公中，把AI贯彻到每一个主要的流程中，让AI发挥作用。

这一阶段的核心挑战在于：如何让AI从锦上添花的试点项目变成不可或缺的业务流程。张超表示，从公司整体体系来看，目前尚未建立新的评估指标体系，“本来我们每个流程有对应的目标和KPI，现在嵌入AI并有一定投入后，要看如何能加速并把原有目标实现得更快、更好，它是一体的，而不是一个单独的数据。”

第三阶段是价值最大化，这也是TE正在努力的方向。随着AI应用的深入，企业更在意的是AI投资回报不明朗。投资回报率已成为衡量AI应用成功的核心指标，其次才是人工任务的自动化程度。

不是“炫技”，而是“算账”，评估标准的演变折射出企业对AI价值认知的深化。这仅仅是开始，真正的挑战在于如何将这种认知转化为实际行动。一个更紧迫的问题自然浮现：企业如何让AI真正落地生根？

从试点到嵌入：AI如何真正进入企业工作流

AI是否成熟，不是以模型参数论英雄，而是以业务穿透度定成败。

在业务层面，TE汽车事业部中国区商业智能总监杨玲朗认为，AI是否步入成熟期要看是否真正进入流程和业务指标，并持续产生业务结果。

早期，TE更多是验证模型的能力以及安全性，今年OpenClaw走入业务人员的视野后，公司内部开展了非常多的智能体培训。在中国区汽车事业部，第一期就有60位业务部门的专家加入培训营，主动要求学习智能体，并提出有哪些业务场景非常适合用智能体来研究和探索是否能改进现有流程，为公司降本增效。

“去年，我非常明显地感受到中国的企业管理层会更加关注AI是不是能够带来实际的业务价值。我们在验证AI安全性的过程中，已经知道了数据分析、准备、质疑是使用AI必须要做的事情。现在回归理性和务实，要看AI的投入到底可不可以给公司带来实际的成本节约。”杨玲朗说。

她以供应链排产项目为例：传统方式是用Excel来处理排产的计算逻辑，随着业务规模量的扩大，当数据量达到百万级时，传统的Excel计算能力就不够了。上线AI算法和系统后，原本需要6至7小时一次的排产缩短到6至7分钟。有了AI算法和系统提供基于不同的业务目标进行不同版本的排产，业务人员就可以根据自身经验来做下一步的判断、调整和决策。这不仅大幅提升了效率，更减少了排产误差带来的成本浪费，直接兑现ROI价值。

杨玲朗提到，在日常部署AI时会看重三个方面：第一，AI是否真正嵌入研发、生产、销售、供应链、质量等流程，并发挥关键作用，而不是停留在试点项目或者初步验证阶段；第二，AI是否真正理解产品、客户以及业务的场景，而非给出通用化答案；第三，AI是否具备稳定性、可控性和可扩展性，能够从单个工厂扩展到多个工厂，甚至在不同的区域可以被规模化使用。

这也是TE高级总工程师、先进制造技术高级总监张丹丹非常希望看到的结果。“我非常希望业务部门能追着我们做AI项目，我们的客户就是TE的各事业部和工厂。项目早期，我们会评估成本和关键性能指标，比如AI视觉检测项目或整个生产工艺优化等项目，确实能为工厂带来很多好处。在推进时，我们首先要把相应的ROI指标算明白，然后再去推广。如果一个工厂成功了，对于其他工厂相似的应用案例，我们也会更容易地进行规模化的推广。”

在目标清晰（创造价值）、条件成熟后（模型安全经过评估验证）后，公司内部能够形成跨部门联动协作，营造出“业务部门追着AI部门做项目”的氛围。这才是TE公司内部能够将AI技术与商业价值紧密结合的关键。

从试点到嵌入，从技术到业务，AI的成熟不在于模型有多强大，而在于能否真正创造价值。当AI从试点项目走向核心流程，当业务部门开始主动追着AI部门做项目，企业面临的下一个挑战是如何在多重目标中找到平衡点。

平衡质量、成本与低碳，AI在约束条件下寻找最优解

张超坦言，多目标平衡是企业的永恒命题，质量、成本、效率、低碳相互约束。AI的价值正是提供更优工具，在约束条件下找到最优解，而这一切最终都要回归ROI，回归企业生存与发展的商业本质。

TE设定了2032年范围3（企业价值链上下游的间接碳排放）碳排放要较2022年降低30%，这是一个非常具有挑战性的目标。AI在其中承担关键角色：通过结构设计优化减少材料浪费、通过工艺参数智能调控提升良率与循环利用率、通过低碳材料选型模拟平衡碳效与成本。

TE中国材料实验室负责人黄忠喜的解决方案首先是选择低碳材料，与供应商保持紧密合作，共同探讨解决方案；其次是减少材料浪费，由于产品结构复杂，在制造过程中不可避免会产生废料，TE会通过产品设计和模型优化来降低浪费，这与AI应用密切相关；第三是在制造环节，通过AI自动调节参数等方式优化工艺参数，减少废料产生，提升材料的循环利用率。

他提到，在实际工作中，降碳目标与成本是密切相关的。很多方案确实可以从技术上看可以实现显著降碳，但成本会随之上升。“目前我们推动的是在不增加成本的情况下降碳，这对技术团队提出了很高要求。”黄忠喜说。

而AI除了可以辅助工程师找到解决方案，还有一点让人开心，那就是AI可以把工程师从重复性总结、文档处理中解放出来，聚焦创新方向与规律发现。黄忠喜认为，未来除了管理工程师和项目，同时还需要管理一个或多个AI智能体，AI智能体其实也是工程师的组员或者是助手，未来管理团队与AI智能体，人机协同或将成为研发常态。

这些应用成果也已经初现成效：2025年TE中国区实现46亿美元销售额，同比增长31%。持续两位数增长的研发投入与AI布局，正转化为可感知的业绩成果，也证明了“重商主义”不是对技术的否定，而是对价值的回归。

对行业企业而言，AI的终极价值不是替代人，而是释放人的创造力，提升流程效率，平衡商业增长与绿色低碳，在高质量发展中找到最优解。TE以全流程嵌入、ROI刚性约束、规模化可复制的实践证明：AI只有扎根业务、算清回报、服务增长，才能成为持久的新质生产力。

举报相关阅读