约八成受访者认为AI提升了生产力，但只有37%的企业拿到了企业级财务收益。麦肯锡2026年全球调研的这组数字，被中国信通院最新发布的《智能原生（AI Native）研究报告（1.0）》放在了开篇。报告的解释直接：多数企业仍把人工智能叠加在既有流程之上，真正以AI为核心重构架构的企业是少数。

概念：一道"抽走测试"

报告给智能原生下的定义可以压缩成一道测试题：把AI从系统里抽走，它还能不能运转？"+AI"模式下，AI是可拆卸的组件，识别、推荐、问答都挂在旧流程上，流程照旧运转；智能原生模式下，AI是必要条件，抽掉之后核心流程直接停摆。前者的目标是让既有业务跑得更快，后者是让原本做不了的业务成为可能。报告判断规模化条件已经就位，依据是四道门槛在同一年相继跨过：推理成本两年下降超90%；国内日均Token调用量从2024年初的1000亿涨到2026年6月的超过500万亿，两年增长超千倍；国内首套覆盖智能体全生命周期的国家标准落地；"培育智能原生新模式新业态"写入国务院"人工智能+"行动意见，并给了时间表——2027年新一代智能终端、智能体应用普及率超过70%，2030年超过90%。

现状：规模化还没有发生

三组数据拼出企业侧的真实进度。营收超10亿美元的大企业中，40%已在至少一个环节把智能体推进到规模化，上年这个数字是27%，但单一职能内部实现规模化的仍不足一成；贝恩调研的951家企业里，运行完全自主AI代理的约7%；斯坦福梳理的51个落地案例中，智能体类项目中位效率提升71%，明显高于传统自动化项目的40%。价值已被验证，企业级规模化尚未发生。效率差距同样真实：多邻国转向AI优先运营后，一年做出148门新语言课程，传统方式做100门需要12年以上。

转型：技术只占难题的23%

报告主体是企业转型框架，战略与文化、组织与治理、技术与平台、数据与知识、业务与应用、安全与可控六个维度，配套场景识别、组织调整、技术底座等七项实践。最实的判断落在组织上。斯坦福对51个成功项目的测算：技术本身只占落地难题的23%，其余77%来自组织变革、数据架构与流程重构。微软面向两万名知识工作者的调研补了一刀：只有13%的人表示，即便结果不达预期，自己也会因用智能重塑工作方式而受到奖励。绩效规则不动，员工自然把AI当额外负担。报告因此把组织调整定义为分水岭而非配套工作：岗位说明书、审批链、考核口径，都要与智能体上线同步修改。招商局集团的做法是把AI要求嵌进制度：设立治理牵头部门、划定三级权责，136场培训覆盖4.7万人次，各二级公司制定人工智能绩效目标。

行业层面，报告按智能化基础和知识密度划出四个象限：专业服务与智能供给双高引领；医疗健康、先进制造价值潜力最高，但受制于数据合规与物理环节；消费与内容服务铺开快，代价是竞争烈度同步上升；传统制造与农业的务实路径是先补数据和流程。报告明确：不存在普适的最优原生程度。

收尾：三条判断

报告结尾归纳三条核心判断：智能化成熟度的标准，不是新增了多少AI场景，而是业务体系能否承受AI系统停摆的冲击；竞争标尺从资源占有转向资源运用，人均效能将替代人员规模；AI落地成效取决于企业承接能力，而非技术本身。市场已经在给出印证——采购模式正从按调用量付费，转向可验收、可量化的业务成果结算。报告还点破一种典型困局：多数企业的AI能力挂在项目上，预算与权责归项目组，验收之后迭代就停，预算收紧时最先被砍。下一阶段的方向是沉淀为常态化基础设施：成本纳入常态预算，由专职部门统筹，能力依托平台持续迭代，不随项目结项而终止。

本文基于中国信息通信研究院《智能原生（AI Native）研究报告（1.0）——企业智能原生转型框架与实践》撰写，详细内容请查阅原文。