埃森哲：Token稅算不清，僅10%中國企業完成能力躍遷

埃森哲正式發布《引領價值躍遷——2026埃森哲中國企業數字化轉型指數》報告。報告指出，AI正加速全球企業價值重構，資本市場已不再只看當下業績，而是對企業未來增長能力提出更高期待。然而，盡管中國企業數字化轉型指數創下近年來最大單年漲幅，真正形成面向未來能力優勢的企業僅占10%，多數企業仍陷于“部署AI不等于實現價值”的困局。

報告顯示，過去十年間，全球企業價值累計發生約27萬億美元規模的大遷移，其中近三分之一集中在生成式AI興起后的短短兩年間。全球EV/EBIT比率十年間上升25%，表明投資者愿意為未來增長支付更高溢價。市場獎勵的不再僅是當前盈利能力，更是企業用AI創造未來價值的能力。

埃森哲將決定企業未來競爭力的核心能力歸納為三項：自主智能，將AI從工具層嵌入企業數字核心，實現從“自動化提效”走向“自主化運營”；價值密度，從客戶需求和場景變化中發現新價值來源，通過AI洞察放大單位資源產出；多極經營，在多個市場建立本地化運營能力，以全球平臺連接區域研發、資源和執行。

數字化轉型指數創最大漲幅，但能力分化已然加劇

2026年埃森哲中國企業數字化轉型指數得分同比提升10分，創下近年最大單年漲幅。生成式AI與智能體AI的快速應用推動企業智能化基礎加速提升，AI在廣告、創意生成與客戶體驗等場景的滲透率比去年增加14個百分點；數字孿生、智能研發等能力分別提升27和22個百分點；數據治理成熟度提升14個百分點。

然而，分數的上升不等于能力結構的升級。埃森哲進一步構建了自主智能、價值密度、多極經營三項未來能力評估體系，結果顯示，僅10%的企業率先形成未來能力優勢，即數字化轉型指數得分位于行業前50%，且三大未來能力中至少兩項位于行業前20%。

從三大能力表現來看，自主智能是領先者最突出的能力優勢，也是其與其他企業差距最大的領域。更重要的是，三大未來能力正在形成相互強化的價值飛輪：自主智能越深入，價值密度和多極經營的產出越高；而更豐富的數據、業務場景和全球運營經驗，又反過來持續強化AI能力本身。

能力的分化已開始兌現為績效分化。領先企業績效普遍位于各子行業前20%，而大部分企業低于行業平均水平。隨著價值持續向未來型企業遷移，這一差距將進一步擴大。

AI規模化遭遇三重瓶頸，“價值落差”亟待破局

調研顯示，盡管88%的企業已跨過AI應用試點階段，但實現顯著價值的企業占比僅為14%，較上年僅提升5個百分點。超過六成企業已為員工部署AI助手，但重新設計崗位要求的企業不足一半，僅18%的企業在進行流程的系統性重構。

其根本原因在于，AI規模化推進中的關鍵問題仍未得到解決――領導層對于AI的作用和價值仍有疑慮，缺乏清晰的應用目標與落地路徑，同時技術債、數據債、人才債與治理債疊加，限制了AI的系統化推進。

除此之外，AI從試點走向規模化正面臨三重新約束：

一是“Token稅”尚未算清。AI使用成本在真實場景中會被嚴重低估。同一任務在不同拆解方式、工具調用路徑下，成本差距可達17倍。已有企業因四個月內用完全年AI預算而開始設置Token使用上限。

二是架構瓶頸導致穩定賬未跑通。僅API限流、超時等常見故障就可讓智能體成功率下降10個百分點。架構選擇比模型選擇更影響穩定性，失敗往往涉及多環節協同中的誤差疊加，限制了AI在關鍵流程中的應用深度。

三是信任缺口使治理賬尚未閉環。目前多數企業尚未建立起覆蓋模型行為、數據使用、決策邏輯的完整治理體系，AI系統缺乏可審計性、可追溯性和可解釋性。已有29%的中國企業因此選擇暫緩AI規模化推進，甚至考慮減少相關投入。

面對上述挑戰，報告提出三條行動路徑：

其一，讓AI成為企業的新基因。AI原生能力已成為入場的新門檻。企業不應再將AI作為效率工具疊加在既有流程之上，而應以AI重構自身運行方式——讓AI參與判斷、驅動協同，并在真實業務中不斷優化表現。

其二，重構增長的創造方式。規模驅動的增長模式正在失效。企業需要從交付產品轉向交付結果，從規避復雜性轉向經營復雜性，從數據支持走向決策可驗證，讓同樣資源持續創造更高回報。

其三，決勝多極市場，放大價值空間。面對多市場、多監管、多供應鏈的復雜局面，AI正成為實現本地扎根、全球協同與智能響應的關鍵杠桿。全球規模為企業贏得廣度，本地深耕與智能協同方能助力企業贏得價值。

報告認為，上一階段的企業重塑已奠定基礎，下一階段的價值競爭將取決于企業能否以自主智能重構運營，以價值密度打開增長，并以多極經營跨市場放大價值。價值躍遷已經開始，窗口仍然敞開，但不會無限期等待。

在隨后的交流問答中，埃森哲大中華區AI與數據事業部總裁曹琦峰，埃森哲大中華區商業研究院院長邱靜分別就該報告相關話題進行了解答：

為結果付費：共擔風險的前提是“指數級共識”

曹琦峰指出，為結果付費的本質不是簡單的對賭，而是雙方對指數級增長可能性的共同認知。只有當客戶看到確定性結果（如投入兩、三人/月換取五、六人/月的效率）時，沒人愿意為結果付費，因為別人也能給出同等結果。真正的合作杠桿在于用技術方案撬動更大可能性，此時客戶與埃森哲才愿意共擔前期風險，這也讓項目更容易成立和推進。其核心邏輯是，對未來的不確定性和指數級增長是否達成共識。

合規焦慮上升，地緣擔憂下降：中國企業的韌性適應

邱靜分析調研數據時指出，中國企業在地緣政治持續升級中已形成成熟應對策略，因此對供應鏈韌性挑戰的感知反而下降。但本地經營合規難度劇烈增強，尤其在數據、環保等新興領域。這反映出中國企業出海的“深水區”特征：從賣產品轉向深度經營時，必然面臨更高監管門檻，但也意味著在更高價值鏈上競爭的機會。

AI智能體打破品牌壁壘：讓中國產品力“被看見”

邱靜提出，A智能體為中國企業提供了與當地品牌同臺競爭的理性通道。傳統上，海外消費者有固定品牌偏好，不傾向選擇中國品牌；但智能體更可能基于“好不好用、服務如何”做理性推薦。這意味著中國企業在品牌力上的短板被部分對沖，而產品力的長板有望被更好發揮，是出海品牌突圍的結構性機遇。

價值密度：88%越過試點，僅14%實現顯著價值

這是本次調研中極具張力的數據對比。曹琦峰解釋，大量企業部署了會議紀要、文檔整理等AI工具，員工體感良好，CIO卻被追問“幾千萬預算的效果在哪”。問題根源在于：缺乏頂層戰略規劃和端到端的商業影響設計，AI淪為點狀工具而非系統性價值引擎。要實現顯著價值，必須把AI嵌入業務目標、指標體系、可測量的商業結果中。

Token出海：不僅是輸出算力，更是輸出生態

曹琦峰指出，中國大模型在質量接近美國的同時，成本低、靈活性高，且開源模型在數據合規上更適配出海場景。Token出海不只是輸出詞元，而是連帶中國云生態、開源模型使用方式和智能體應用一起輸出。值得注意的反向趨勢是：許多跨國公司因中國試錯成本低、競爭激烈，愿意先在華試點AI工具，再將成功經驗反哺全球。

知識層建設：從“人腦沉淀”到“組織資產”

曹琦峰強調，企業知識治理必須從戰略定位出發，而非為治理而治理。以某高科技企業為例，其目的是提升售后服務質量，于是將十幾萬份歷史故障報告通過AI整理為智能體可調用的知識庫。當知識出現矛盾時，由專家介入判斷，形成“人機協同”的正向循環。AI讓知識留存于組織層面，而非隨員工離職流失，這是AI轉型的核心組織價值。

流程再造：AI不是蒸汽機換電機，而是重構動力系統

曹琦峰以19世紀工廠將電機簡單替換蒸汽機卻未提升效率為例，類比當前AI落地困境，是把AI塞進舊流程，等于換引擎不換傳動裝置。真正的效率釋放需要重構流程，把人從無需人的環節抽離，讓AI承擔執行，讓人承擔責任與評價，體系運行效率才會質變。當前卡點在于技術債、數據債、人才債的土壤尚未準備好。

驗證環節的選擇題策略：用AI驗證AI

針對vibe coding后驗證效率瓶頸的問題，曹琦峰指出，業界已開始用AI做自動化驗證，并構建包含驗證邏輯的知識層。關鍵思路是讓AI做“選擇題”而非“作文題”：提前梳理選項、判斷標準、決策邏輯，配合可視化交互，可大幅提升驗證精度和效率。驗證本身也是一個可以被AI重構的環節。

中美差異：中國推進速度快，變革管理是軟肋

邱靜對比全球數據指出，中國企業對AI技術的接受度和推進速度明顯高于全球平均，且領先企業多為本土企業，外資在華則偏穩健中上。但中國乃至整個亞洲在變革管理上較弱——如何與員工有效溝通、帶領團隊共同轉型，這一“軟能力”明顯遜于歐美。硬件走得快，文化跟得慢，是結構性短板。

咨詢業自身再造：從給方案，到助落地

曹琦峰談到AI對咨詢業的影響時表示，埃森哲正將自己變為AI原生企業，內部流程、經營目標、客戶交付均深度嵌入AI。咨詢的價值正從提供方向性建議，轉向幫客戶在關鍵領域加速落地、釋放價值的速率和倍數。AI讓咨詢師更了解市場和客戶，也讓客戶合作從方案交付走向深入共創，這是咨詢業新的可能性。

（作者 | 楊麗，編輯 | 楊林）