上了 AI，这笔账怎么算？。

一、工博会真正值得记住的信号

10 月 13 日，京东工业在工博会主论坛做了三件事：发布工业世界模型（从"认知工业供应链"走向"连接物理世界"，首批落地工业安全预警、人机协作）；与 AMD 签约，把工业大模型向 Ryzen AI Max 边缘硬件做适配；与中国工业互联网研究院联合发布《AI赋能企业价值量化评估研究》。

前两件讲技术，媒体报道已经很多。真正值得甲方注意的是第三件——它看着最"软"，却可能改变以后所有 AI 项目的汇报方式：AI 的评价标准，从"用了多少"转向"挣回多少"。

中国工业互联网研究院是工信部直属科研事业单位。这类机构把"价值量化"立为课题并公开发布，意味着"AI 项目要能算账"不再是咨询公司的说法，而是进入了官方话语体系。以后过会、汇报、验收，"我们部署了大模型"这类话会越来越不好使——业务改善是否发生、多少来自 AI、收益能否覆盖投入，这三个问题躲不掉。

二、报告说了什么（公开口径）

报告的立论很直接。现行 AI 评价以模型性能、部署规模、使用情况为主，回答不了上面三个问题。报告把评价视角由"AI 应用水平"转向"AI 驱动能力与价值"——评价重点是企业运用 AI 推动业务改进的能力，及其可验证的价值贡献。

指标体系围绕提质、提效、降本、增收四个维度，把场景业务指标与企业经营数据衔接。测算上提出四步路径：

1. 业务改善识别：统一业务边界与比较口径，对比应用 AI 前后的业务变化；
2. 业务价值折算；
3. AI 贡献归因；
4. AI 净价值核算。

需要说明：截至本文发布，报告 PDF 未公开，通稿对第②③④步只给了名字，没有给出做法。而这四步恰恰是算账时最容易栽跟头的地方——下面是我们按交付经验补全的落地做法。

三、四步路径怎么落地（经验之谈）

第①步 业务改善识别：上线前把基线冻结

指标定义、统计口径、对照周期，三样在项目启动时书面定死，双方签字。最常见的死法是：上线时嫌麻烦没人记基线，半年后要算账，IT 一套数、业务一套数、财务一套数，口径打架，谁也说服不了谁。

第②步 业务价值折算：指标变化要换算成钱

"报表产出从 4 小时缩到 10 分钟"不是价值，"每月节省约 66 人时 × 综合人力成本"才是。常用的折算口径：人时 × 综合人力成本、良率提升 × 单价、周期缩短 × 资金占用。只报百分比、不落到财务口径的"价值"，过不了老板那一问。

第③步 AI 贡献归因：最难、也最常被糊弄的一步

同期往往还有别的变量——换了供应商、上了新设备、旺季波动。可行的做法：能做对照实验的做 AB；不能停线的流程用影子对照（人工按老办法重做抽样，与 AI 结果对比）；再把同期的管理变更列成清单逐项剥离。最后给一个归因系数和置信说明，比拍胸脯说"100% 是 AI 的功劳"可信得多。

第④步 AI 净价值核算：成本要算全

净价值 = 折算出的毛收益 − 全部成本。AI 项目最常被漏算的成本：算力与订阅费、运维与模型迭代、数据治理、人员培训。漏算任何一项，回本周期都会失真——而回本周期恰恰是老板最关心的那个数。

四、我们自己的两条交付纪律（经验之谈）

1. 基线写进开工文件，没基线不开工。这一步省掉的每一分钟，都会在算账时十倍讨回来。做过试点示范申报的同仁应该有体感：评审材料被退回，第一原因就是"成效无基线"（我们另有一篇专讲申报）。
2. 部署完成 ≠ 结项。部署完成只通过了技术验证；业务真用起来、账算得出来，才算通过业务验证。验收标准不在机房里，在经营报表里。

这两条不是我们发明的道理，是二十年制造业 IT 里反复被验证的教训。如今它被写进部委直属机构的研究框架，对认真做交付的一方是好事：算得清账的 AI 项目，会越来越容易过关；算不清的，会越来越难过关。

常见问题

← 返回洞察栏目