AI驱动产业新生：29个案例-看清中国企业AI转型三部曲

“领跑100”是联想与《财经》共同持续了三年的项目。这个项目的初衷是记录中国企业智能化转型的案例和经验。过去三年，中国AI（人工智能）产业，每一年都在发生翻天覆地的变化。“领跑100”收录的这些案例，恰好记录了这一轮变化的轨迹。

2023年-2024年，中国市场大规模建设算力基础设施，企业开始尝试购买芯片、部署大模型。但在当时，AI带来的业务价值还不显著，大模型更多是在边缘业务场景试点。

2025年之后，AI从试点项目走向生产系统，企业的Token（词元）消耗量也在指数级增长。大模型虽然在一些核心业务场景开始落地，但此时投资回报率还很难真正算清。

2026年，中国AI产业迎来了应用规模化落地的拐点，这是诸多因素造就的。

算力是基础，中国市场算力总规模达到了百万卡级别。模型也很关键，包括DeepSeek、月之暗面、智谱、MiniMax等一批模型公司在全球范围内被更多开发者接受。2026年，随着Agent（智能体）爆发，企业已经可以清楚地看到AI对业务的帮助。

Token消耗量正在以十倍、百倍速度指数级增长。国家数据局数据显示，截至今年3月，中国日均Token调用量超过140万亿，相比2024年初的1000亿增长1400倍。

算力、模型、应用的进展，让企业越来越关心，AI是如何真正带来业务价值的。

在这本案例集中可以看到来自制造、教育、医疗、金融、体育、城市等7大行业、29家企业或机构的实践。这些案例虽然来自不同领域，却共同回答了一系列问题：

如何规划算力基础设施，如何规模化落地Agent等AI应用，如何让每一个Token都实现更高的ROI（投资回报率）。

它们也是这一轮中国企业AI转型的重要缩影。

算力，如何奠定AI转型基础？

算力，它在今天正在扮演着越来越重要的角色。

在数字化转型的时代（2023年之前），算力只是幕后的资源，它更多被认为是芯片、存储、服务器等IT基础设施。算力只需要默默扮演好支撑业务的幕后角色，基础设施只需要让业务能正常运行即可。

但在AI时代，它已经走到前台成为直接生产力。没有Token，应用就无法运转。没有充足的Token，应用就无法获得足够的智能。原理很简单，大模型背后的理论基础是ScalingLaw（缩放定律，模型的性能与模型参数、数据大小、算力规模是幂律关系）。算力规模，直接决定了智能上限。

每一家企业，想要真正实现AI转型，就必须拥有充足的算力。随着大模型和智能体进入研发、制造、供应链、金融、医疗和城市治理等核心业务场景，算力的成本、效率、稳定性和扩展能力，直接影响企业AI应用能否真正落地。

几乎所有企业在实现AI转型之前，都先完成了不同程度的基础设施升级。有的建设高性能计算集群，用于工业仿真和研发创新；有的部署液冷智算平台，降低能耗与总体拥有成本；有的通过虚拟化、超融合和软件定义基础设施，提高资源利用率；也有企业通过异构算力平台，实现GPU（图形处理器）资源统一纳管和智能调度。