生产级AI的真正主场

为什么传统企业比科技公司更值得投资

每次谈到AI顾问，大多数文章都指向同一个方向：科技公司、初创企业、数字原生品牌。

这个方向错了。

根据近期市场实际需求，真正有AI落地空间的，是物流、航运、保险、金融、制造这些"无聊"行业。而这个市场，目前几乎无人竞争。

英国政府2026年1月公布的AI Adoption Research发现，英国企业中只有六分之一正在使用AI，其中自然语言处理和文字生成占了85%的实际应用场景——这类工作（读文件、写报告、答查询），正是"无聊"行业最日常的工作。

科技公司的AI问题

科技公司不缺AI工程师。香港生产力局2026年第一季度"中小企指数"显示，信息及通讯业的AI应用比例达92%，在本港各行业中明显领先其他行业。它们有内部团队、有MLOps流程、有Kubernetes集群、有完整的技术栈。

它们不需要AI顾问，需要的是更多工程师——而这个岗位本身已经够难招。IDC预测，2026年全球超过九成企业将面临关键AI技能短缺，因延误产品、错失收入和竞争力下降而蒙受的损失，估计合共达5.5万亿美元。科技公司和传统企业，正在争抢同一批人才。

更值得留意的一点：自建团队也不保证成功。MIT Project NANDA在2025年7月发表的研究（覆盖逾300个实际部署、150多次高层访谈）发现，企业内部自行开发的AI项目，成功率大约只是向专业供应商采购的三分之一。内部团队不是保障，只是其中一个变量。

传统企业的AI现实

一家香港航运公司，每天收到几十份PDF市场报告，靠人手整理。

这种情况在行业中相当普遍。全球货运代理行业每年搬运的货值高达19万亿美元，但大部分操作仍然靠邮件、Excel和人手输入支撑。行业研究显示，头部第三方物流商已经用AI处理六成以上的报关文件、提单和运费报价，人手输入的工作量因此减少七成以上。

一家保险公司，客户咨询需要翻查几百页条款，靠搜索关键字。

保险业的落地速度近年明显加快：McKinsey 2025年分析指出，全面部署AI的保险公司比例由8%升至34%。不过行业整体的理赔直通处理率仍然低于一成，在未自动化的理赔流程中，非结构化文件的人手处理最多占总时间的八成。64%的保险公司已将非结构化文件处理列为AI投资首要项目——这正是RAG系统最擅长的场景。

一家建筑争议律师行，需要比对几千页合同文件，靠人眼审阅。

法律行业的情况类似：2026年"AI in Professional Services"调查显示，74%的律师行已用AI协助文件审阅，80%用于法律研究。但诉讼和电子取证（e-discovery）的人手审阅成本，依然占据取证总开支的七成以上，而43%的法律机构未有正式AI治理政策——技术用上了，制度没跟上。

这三家公司都有真实问题、真实数据、真实预算。

它们唯一缺少的，是一个能把问题变成可运行系统的人。

大湾区的具体缺口

香港和大湾区的情况，正是这个论点的缩影。财政司司长陈茂波2026年6月公布，政府今年将额外拨款3亿港元，加强"数码转型支援先导计划"，协助中小企采用AI和网络安全方案。香港贸发局亦与Microsoft Hong Kong合办"AI Adoption Programme"，目标是降低中小企接触AI的门槛。

但政策支持和实际落地之间，仍然有距离。Deloitte和香港大学联合发表的"AI Adoption Index 2026"（覆盖香港和内地大型企业）显示，真正录得可量化财务回报的企业比例只有23%，"全面转型"的仅得4%，接近七成企业仍处于试验或试行阶段。同一批调查还发现，86%的香港AI使用者，用的是自己选择的消费级工具处理工作（例如直接用ChatGPT处理文件），完全脱离公司政策和数据保护范围——表面普及，实际空心。

金融保险业的中小企AI应用比例为62%，制造业为60%。物流相关行业则受惠于香港运输及物流局推动的"智慧港口"升级——港口社区系统（PCS）整合海、陆、空货运数据，配合单一电子锁（SELS）计划打造跨境"绿色通道"，并计划延伸至广西，衔接东盟市场。基建和政策都到位，缺的依然是将业务流程和AI系统连接起来的人。

Demo与生产的分别

市面上的AI顾问，大部分交付的是Demo：一个精美的ChatGPT包装，配合一份PowerPoint。

这个现象不是香港独有。MIT Project NANDA的研究发现，部署生成式AI的企业中，95%并无录得任何可量化的损益表影响，只有大约5%真正捕捉到规模化价值。常见原因离不开三点：业务指标模糊、数据未就绪，以及方案设计上自始至终没打算长期运行。

生产级AI系统是另一回事：

• AWS Lambda定时执行的新闻聚合管线
• 支持多LLM供应商切换的容错架构
• 向量数据库驱动的检索系统，支持繁体中文嵌入
• 整合Stripe的订阅制SaaS，带token成本管理
• 能在上线后持续监控、修复、演进的系统

真正的生产系统，在交付后不需要顾问天天在场。这是传统企业真正愿意付钱的东西。

生产级不等于万能：模型依然会出错，高风险决策依然需要人手复核，上线之后仍然要持续监察成本和准确度。这些限制，应该在项目开始之前向客户讲清楚。

MCP与Context Engineering：下一个落地场景

2026年，市场上开始出现新的需求关键词：MCP（Model Context Protocol）与Context Engineering。

简单说，这是让AI代理人能够结构化访问企业内部系统的技术层——订单管理、CRM、ERP、内部文件库。

这个技术层的增长速度，数字看得出来。Anthropic在2024年11月推出MCP，当时SDK每月下载量大约10万次；到2026年3月，这个数字升到9700万次，18个月内升了970倍。Gartner预测，到2026年底，四成的企业应用程序会内建任务专属AI代理人，相比目前不足5%。Forrester还预测，三成的企业应用供应商会在2026年内推出自己的MCP服务器。

传统企业恰好是这个场景的主战场：它们有大量内部系统，有清晰的业务流程，但缺乏能把两者连接起来的技术能力。

这个缺口，正是AI顾问的非对称优势所在。

为什么这个市场几乎无人竞争

原因很简单：大部分AI工程师不懂业务，大部分业务顾问不懂AI。

能同时做到以下两件事的人极少：

1. 理解物流公司的运营痛点
2. 把痛点变成一个在AWS上运行、成本可控、上线后稳定运行的系统

这个交叉点，就是传统行业AI化的真正入口。

这个入口的规模，正在快速扩大。全球AI顾问服务市场在2026年估值大约113至140亿美元，预计以每年26%至27%的复合增长率扩张，到2033年有机会增至730亿美元左右。金融银行业目前占市场最大份额，达22.3%。市场不小，只是懂得进场的人少。

结语

AI顾问市场不缺理论，缺的是能交付生产系统的人。

传统企业不缺预算，缺的是找到对的人。

这个市场，比你想象中更大、更容易进入、竞争更少。

HKSoka专注做的正是这个交叉点——香港和大湾区的传统企业，由表面的AI使用，走到有实际财务回报的生产级系统。如果你的公司也有类似的文件、流程、人手痛点，欢迎沟通。