过去两年，随着AI竞争加速，市场上充斥着各种关于“AI规模化落地”声音。有人说自己已经全面智能化了，有人说自己部署了数十个智能体在跑业务流程，还有人说自己已经用AI彻底重构了ERP（企业资源计划）。现实，到底是什么情况，中国AI化水平进行到什么程度了？

　　▲SAP全球副总裁、全球AI市场拓展负责人Varun Thamba

　　“中国企业今年AI综合回报率是22%，较去年18%有上涨。预计两年之后，可能达到38%。未来两年，中国的智能体AI带来的投资回报率，预计会有超4倍的增长。”SAP全球副总裁、全球AI市场拓展负责人Varun Thamba，给出了一系列数据。

　　在近日的SAP中国峰会上，Varun带来了一份涵盖13个国家、2600位企业高管的《2026 SAP AI价值报告》。其中来自中国市场的200家企业样本，揭开了中国企业AI落地的真实图景。

　　人机“一半一半”的那一天，比想象中来得更快

　　先从最“重要的”的数字说起。到2026年，中国企业平均34%的工作任务由AI辅助完成。预计到2028年，这个数字将飙升至52%。

　　“这个看似变化不大的数据背后，其实是由量到质的飞跃，是一个可以引发变革的临界值。”Varun解释道，34%到52%，这不只是一个百分比的变化。这个词翻译过来的意思是：AI完成的工作量超过一半的那一天，真的来了。

　　Varun在整个采访中反复强调了一个词：“转型点”。什么意思？对企业而言，当AI承担的工作量超过一半时，就不再是“员工用AI做点辅助工作”这么简单了，而是AI成为了整个业务运转的默认引擎，人类将退居到“监控、干预、最终审核”的位置。

　　当然，AI不是让全公司无脑做流程填空表格，而是要解决切实的商业问题。

　　至于，人机高度协作这个拐点何时到来？按照SAP的测算，大概率就在未来两年内发生。目前34%由AI完成的工作任务中，包含的内容非常宽泛：从简单的合规条例检索，到利用智能体技术完成的全流程自动化任务。未来，可能会更具想象空间！

　　AI能赚多少钱？智能体AI的ROI或超4倍！

　　一个大家都关注的热点话题是，AI到底帮中国企业赚了多少钱？

　　“2025年中国企业AI综合ROI（投资回报率）为18%，2026年为22%，两年后预期将升至38%。”Varun给了几个关键数字！

　　这是什么概念？如果企业投入100万在AI上，两年后预期年化回报约38万元，这还没算上未来智能体AI可能带来的4倍增量。

　　另外，全球范围内的AI投资回报率趋势也是稳步上扬的状态，从18%涨到了24%这个区间。如果换算成绝对值，大约每家企业的AI ROI总额在1800万美元至2000万美元之间（对于进行大规模AI部署的企业而言）。

　　大体来看，AI投资回报率的上升主要有两个来源：

　　第一，利润的增加，也就是降本增效。AI目前在多数企业中扮演的是“流程压缩机”的角色。原来建立一张采购订单需要10个审批环节，AI介入后审批环节被压缩了，采购决策被提速了。这是当前AI ROI的主流来源。

　　第二，总收入的增加，也就是开辟新战场。未来更大的潜力应该是在收入的部分，基于更优秀的AI治理框架，员工或者团队可以和AI更好地进行协作，从而能够帮助企业去开发新的产品线，将产品快速推向海外市场，发现以前看不见的商业机遇。这才是AI未来在ROI的更大想象空间。

　　预计未来两年，智能体AI在中国企业中的投资回报率将实现 超4倍的增长。另外，还有一个误区：很多中国企业并不觉得智能体AI是一个全新概念，他们就是简单地认为智能体是AI这个篮子里的一个子集。而在算投资回报率的时候，他们并没有严格区分是智能体AI还是生成式AI，只要赚钱就行。

　　如何破解AI落地难点？

　　别着急为数据自嗨。如果只看AI渗透率和ROI数字，你可能会觉得中国企业AI搞得风生水起。其实，惊艳数字背后，还藏着很多无法逾越的困境！

　　“在200家中国受访企业中，只有69%的中国企业认为自己目前的数据已为AI做好准备，较去年略有下降。”Varun指出的第一个困境是，有些企业只是嘴上喊着“要跑AI”，但实际上数据完全不支持。

　　很多企业觉得“我们有数据”，人力资源部门有大量员工数据，财务部门有海量票据数据，物流部门有实时的供应链数据。但当他们真正开始做AI，突然发现：数据质量参差不齐、数据的可获得性很差、标准化程度极低。更麻烦的是，企业内部的数据体系是割裂的。财务的系统看不懂供应链的格式，供应链的系统也接不上客户体验的数据。

　　另一个难点是，员工技能跟不上，导致企业被技术迭代甩下了。数据显示，78%的中国受访企业承认员工的AI技能培训跟不上AI技术迭代的速度。

　　如果说前两个难点是企业在AI这件事上是“没做对”，那第三个难点，是没有治理能力导致AI“没做好”，做砸了。调研发现，仅 6% 的中国受访企业表示自身具备有效的AI治理所需完备技能。

　　更致命的还在后面。企业使用的token产生的成本，比招一个人还贵。一个智能体可能花不了多少钱，但当各个部门擅自试水的智能体加起来都开始跑的时候，“token烧钱”的速度就非常恐怖了。

　　以上三大难点，是SAP为什么提出“自主运营企业”的根本原因！

　　“自主运营企业”的三级架构

　　“自主运营企业”是SAP在中国峰会上首次面向中国市场系统阐述的新概念，但其实三周前SAP全球CEO柯睿安（Christian Klein）在奥兰多的蓝宝石大会（SAPPHIRE 2026）上就已经发布了。

　　它的核心定义其实很好懂，这是一种让企业从“人工驱动流程”迈入“AI驱动业务结果”的全新运行模式。

　　说白了，企业竞争壁垒不再是你搞定了多少个智能体，而在于数据、流程与业务知识是否真的为AI做好了准备。

　　针对中国企业三大痛点（数据、人员、治理），SAP构建了一个三级架构来解决：

　　1. 底层：通过“SAP业务数据云 + 知识图谱”组合进行数据治理

　　SAP业务数据云（Business Data Cloud）和Knowledge Graph（知识图谱）的组合，本质上是给企业装上一个“大脑数据层”，它打通企业的异构数据，形成统一的语义层，让历史业务数据与业务上下文持续可调用。

　　知识图谱则描绘出企业的“业务地图”——让AI真正看懂这个公司整体是如何运作的、流程是如何衔接的、业务是如何发生的。

　　2.中间层：让AI智能体替人类打工

　　如何解决员工技能不足的问题？SAP的答案是：不要让员工成为AI专家，而是让AI智能体成为员工的得力助手。

　　SAP在财务模块里已经嵌入了60多个智能体。换句话说，财务部门员工不需要知道任何底层的AI技术，只需要通过日常操作界面，智能体就会自动帮他完成很多任务。

　　这种智能体最有趣的一点是：SAP并没有要求员工全面信任AI的每一个决定。当一个采购智能体提出“现在购买这批原材料最划算、应该向A供应商购买”的建议时，最终敲定权仍然保留在人类员工手中。

　　3. 上层：通过AI智能体中枢（AI Agent Hub）建立统一管控平台

　　如何解决前面说的智能体太多和“token烧钱”的问题？AI智能体中枢的本质，是给企业部署AI引入了交通法规和交警指挥。

　　它是一个完全中立的统一管控中心，可以自动发现和管理来自微软、Salesforce、Anthropic、OpenAI乃至SAP自身等所有外部智能体，同时它还有智能体注册表、治理工作流、身份访问控制以及AI可观测性等一系列核心功能，确保企业引入的所有AI都有一个唯一身份、全程可审计、行为受监控。

　　现在，很多企业的AI状态是，往全公司丢进一堆智能体，完全无法管控。而SAP提供的三级架构，就相当于给企业安装了一套AI的交通管理体系。

　　至于，SAP如何与市面上很多开源Agent框架如何共处？Varun的回答是，智能体必须有“单一源的核准机制”，必须服从于企业标准化的业务流程。如果一家企业敢无差别地把所有开源Agent框架直接扔进主营业务，那就好比在自己的ERP系统里放了几十个不受控的野马，各自狂奔。

　　当然，SAP并不排斥这些开源Agent框架，Joule可以和微软的Copilot或任何第三方提供的智能体实现“Agent to Agent”沟通。SAP的AI Agent Hub也开放给非SAP系的智能体，理论上你可以将OpenClaw开发的智能体接入SAP框架中进行统一治理。

　　写在最后

　　AI是一场长跑，下半场的竞争才刚刚开始。而拥有正确的数据、让员工团队AI就绪、辅以AI治理框架，才是AI走向大规模生产场景的前提。

　　正如Varun所言，人与AI高度交互的临界点真的来了，当企业在安全可控的框架下构建“自主运营企业”时，AI就不再是一个有“水份”的口号。