国企做AI转型，怎么避免资源分散？不妨先看看百度走过的路。2026年百度世界大会上，李彦宏复盘了两个很典型的教训：大模型刚兴起时，各业务部门都拿开源模型做监督微调，短期效果不错，可基础模型一升级，之前的工作基本作废；后来智能体火了，各条线又扎堆立项，资源拆得七零八落，单个项目的成功率反而降了。
这种“大家都很积极，结果整体效率没上去”的状态，其实在很多推进AI转型的国企里也能看到。不同业务条线各自找供应商、各自搭小模型、各自做试点，钱花了不少，最后数据不通、能力不沉淀，换个业务场景又得从头来。
要破这个局，首先得把底层能力的权限收上来。百度后来的做法是，业务部门不再自己训模型，统一交给专门的模型团队负责。放到国企的语境里，就是先建一个统一的AI能力底座——不管是大模型服务、数据治理还是基础算力，都由集团层面的专业团队统筹，业务侧不用再重复造轮子，只需要聚焦怎么把AI用到自己的具体场景里。这样既避免了重复投入，也能跟上底层技术的迭代速度，不会出现“刚做完就落后”的情况。
光有统一底座还不够，还得有定期收敛方向的机制。百度当时是每月开会，要求业务部门把努力的方向“从多变少”，集中资源攻坚少数几个真正有价值的场景。国企做AI转型，也很容易陷入“什么热点都想碰”的误区，今天做智能客服，明天搞AI质检，后天又想上智能体，摊子铺得太大，最后哪个都做不深。不如先挑两三个和核心业务贴合度高、见效相对明确的场景，把AI真正融入流程里，跑通了再慢慢扩展。
李彦宏有个比喻很贴切：企业引入AI不能只换电机，不重新设计工厂。国企的AI转型，本质上也是一场组织能力的升级。把底层能力统起来，把落地场景聚起来，让技术资源和业务需求精准对接，才能把分散的热情转化成实实在在的转型成效。
声明：本文由AI基于公开信息生成，不代表新浪财经立场或观点。
4001102288 欢迎批评指正
All Rights Reserved 新浪公司 版权所有
