一份写给央企科技处、信息中心、以及所有正在"被 AI+ KPI 追着跑"的人的落地分析。
2024 年，可统计的央国企大模型招标项目 931 个，披露金额 32.2 亿元，项目数量占整个大模型市场的 61.3%。2023 年这个数字是多少？92 个项目、7.89 亿元。
一年之间，招标数量涨了 10 倍，金额涨了 4 倍。
但与此同时，IDC 在《中国央国企大模型解决方案市场份额 2024》报告里，用了这样一句原话来描述落地现状：
"已经上线的应用主要以提升生产力为主……在企业垂直应用方向，落地深度仍然远远不足。"
钱砸下去了，政策压下来了，KPI 也定下来了。但价值没到。
这不是某个央企的问题，是整个赛道的结构性问题。本文想讲清楚一件事：卡住央企 AI+ 的，从来不是"模型不够聪明"，而是三道非技术的坎。
先把时间线摆清楚，你就知道"AI+ 落地"不是一个可选项：
这意味着什么？意味着"AI+" 已经从一个方向性倡议，变成了要写进五年规划、要考核、要出标志性成果的硬任务。
各省国资委也在跟进。湖南省国资委把"人工智能+"专项行动列为新一年度"三大行动"之一。
所以问题不是"要不要做 AI"，而是——"为什么钱花了、会开了、规划写了，落地还是浅"。这才是本文要回答的。
先看钱花在哪了。
爱分析在《2024 央国企数字化应用实践报告》里提出了一个精准的框架——央国企大模型落地是 "N+X" 节奏：
爱分析的原话是："在 2023 和 2024 年，央国企主要聚焦于推进 N 类场景的落地……X 类场景的进展相对缓慢。"
换句话说，32 亿砸下去，绝大部分还在浅水区扑腾。
数据印证了这一点。沙丘智库《2024 年国资央企大模型应用跟踪报告》对全量 97 家国资央企调研后发现：
而央企搞大模型投资的第一目标是什么？同一份报告：69.4% 的央企回答"提高营运利润率"。
看到了吗？目标是想赚钱，动作却停在"答个知识库"。 这就是央国企 AI+ 今天的核心矛盾。
钱到了、意愿到了，为什么还是跨不过浅水区到深水区这道坎？因为横在中间的是三道非技术门槛。这三道坎，每一道都能单独叫停一个 AI 项目。
这是央企最敏感、也最刚性的一条红线。
央企手里的数据——能源数据、电网数据、金融数据、交通数据——很多属于国家战略数据、商业秘密、甚至涉密数据。一旦通过云 API 发给第三方大模型，等于数据出域，轻则违规，重则泄密。
所以，任何默认"走云端"的通用大模型，在央企核心业务场景里直接出局。这不是产品好坏问题，是合规生死问题。
即便数据不出域，AI 应用要真正上线，还必须过：
IDC 报告里把"大模型系统级安全"单独列为央企大模型建设的核心注意点，原话是："央国企的大模型建设更应注重模型端到端加密以及系统级安全"。
没有这一整套，AI 应用就是"裸奔"——出了任何问题，第一责任人不是模型厂商，是拍板上线的科技处长。
前两道坎过了，第三道才是真正的分水岭：你选什么场景切入？
浅水区（知识问答、办公助手）——安全、好做，但价值薄、人人可复制，做完了也很难向领导证明"AI 帮我赚了钱"。
深水区（真业务场景）——价值厚，但需要理解复杂的业务逻辑。爱分析报告里有一句关键判断：
"核心问题在于现有大模型缺乏对央国企复杂业务逻辑的理解能力，难以直接应用于业务场景。"
三道坎叠加，结果就是：钱花了、模型部署了、助手上线了，但真正能"降本增效"的深水区，还是一片空白。
2025 年初，DeepSeek 让整个局面出现了一个变量。
爱分析统计，截至 2025 年 2 月 21 日，已有 45% 的央企完成了 DeepSeek 模型的部署。不到一个月，这么高比例的覆盖，"这一速度在过去是难以想象的"（爱分析原话）。
中国宝武甚至启动了 "2526" 工程，喊出"用 AI 重新定义钢铁"。
这当然是好事——DeepSeek 把大模型的成本打下来了，让"私有化部署"从"央企专属"变成了"普遍可行"。
但请注意一个关键点："部署了 DeepSeek" ≠ "落地了 AI"。
部署只是把模型装进了自己的服务器，数据不出域这一坎在技术上开始有解了。但紧接着第二道坎（合规）、第三道坎（场景）依然横在那里。
模型开源、可以本地部署，只是拆掉了第一道坎的一半。 真正的深水区落地，还需要有人去解决剩下的问题。
而这，恰恰是下一个阶段的竞争焦点。
回顾一下，央企 AI+ 的真正瓶颈，可以浓缩成一句话：
不是"有没有大模型"，而是"敢不敢、会不会把大模型用在真业务上"。
那么，破局路径是什么？基于前面的分析，答案其实已经清晰了。一个能真正落地的方案，必须同时满足三件事：
1. 数据不出域：支持本地化/私有化部署，模型跑在央企自己的服务器上，数据永不外流；
2. 合规可过审：从架构上就考虑等保、加密、责任追溯，而不是事后打补丁；
3. 从高频低风险场景切入：不一开始就啃硬骨头，而是从"写材料、文档审核、数据整理"这类每天都要做、风险低、见效快的场景切入，先建立信任、跑出量化数据，再逐步向深水区渗透。
这三件事，说起来简单，做起来是另一回事。大多数通用大模型厂商能做第 1 条，但第 2、3 条——"落地"这件事本身——恰恰是他们的盲区，因为他们的产品形态是"卖模型"，不是"陪你把业务跑起来"。
而这，就是一个结构化机会。
国资委反复强调一个词："战略窗口期"。
这个词不是随便用的。它意味着：这个窗口不是永远开着的。政策红利、资金倾斜、先发优势，都集中在窗口期内。
那些已经在深水区做出标杆的央企——中国石油的"昆仑大模型"、南方电网的"大瓦特"、中国移动的"九天"——已经领先了一个身位。它们会越来越快，因为落地是有复利的：每跑通一个深水区场景，就多一份数据、多一份经验、多一份"敢不敢"的底气。
而还在浅水区徘徊的，差距会被越拉越大。
这不是危言耸听，是赛道的自然规律：AI+ 的竞争，最终拼的不是谁买了更好的模型，而是谁先跨过那三道坎，把 AI 真正用进了业务里。
*数据来源：国务院国资委官网、新华网、IDC《中国央国企大模型解决方案市场份额 2024》、爱分析《2024 央国企数字化应用实践报告》、沙丘智库《2024 年国资央企大模型应用跟踪报告》、智能超参数《中国大模型中标项目监测报告 2024》、21 世纪经济报道。*
*本文为行业分析，不构成投资或采购建议。*
数据来源：国务院国资委官网、新华网、IDC《中国央国企大模型解决方案市场份额 2024》、爱分析《2024 央国企数字化应用实践报告》、沙丘智库《2024 年国资央企大模型应用跟踪报告》、智能超参数《中国大模型中标项目监测报告 2024》、21 世纪经济报道。
本文为行业分析，不构成投资或采购建议。© 2026 AwareLiquid