受邀参与2026中国CIO调研。每年填写这份问卷，对我而言，也是一次重新审视企业信息化工作的机会：过去一年做了什么，哪些投入产生了价值，下一步又该把精力放在哪里。

今年，问卷的重点明显围绕AI对信息技术行业和企业应用的影响展开。结合自己的工作感受，有些信息化投入正在增加，有些则有所收缩。这与企业的性质、经营状况和工作模式密切相关，很难用一个统一的方向概括。

百花齐放，各有侧重

这段时间，我陆续测试了多家大模型服务商的产品。有些注册即可使用，有些则是直接付费合作的企业级应用。同样的问题交给不同产品，回答的深度、表达方式、资料来源和Token消耗，往往都有差异。

问卷中列出的名字，也让人直观感受到国内AI生态的丰富。下面按问卷顺序，各用一句话记录其主要方向。需要说明，这份名单混合了厂商、研究机构和模型品牌，以下是结合官方公开资料整理的定位概括，并非逐项实测排名。

问卷中的名称主要特点与方向
DeepSeek以推理、编程和开放模型生态受到关注，也为企业提供了自部署与API接入的选择。
百度以文心模型为基础，结合千帆平台提供模型开发、知识库和企业应用服务。
阿里／Qwen千问覆盖语言、视觉和编程等方向，开放模型与云端服务构成了较丰富的开发生态。
腾讯混元覆盖语言与多模态能力，并持续布局图像、视频和3D生成等应用。
华为盘古更强调行业场景，结合云与算力体系推进企业生产环节的AI应用。
第四范式以企业决策AI和行业模型平台为特色，关注业务预测、经营优化与规模化落地。
商汤日日新围绕语言、视觉和多模态能力展开，兼顾内容生成与产业应用。
科大讯飞星火结合讯飞的语音技术积累，在语音交互、办公与教育等场景形成产品组合。
智谱AI以GLM系列为核心，布局通用对话、编程、工具调用和智能体开发。
MiniMax同时布局语言、语音、视频和音乐模型，兼顾智能体任务与多媒体内容生成。
昆仑以天工等产品为代表，向深度研究、文档和演示文稿生成等办公任务延伸。
智源作为研究机构，以悟道等基础模型和BGE向量模型推动开源研究与检索技术生态。
字节跳动／豆包通过豆包应用和火山引擎提供文本、视觉、语音等能力，覆盖个人使用与企业开发。
月之暗面／Kimi从长文本与资料处理延伸到编程、研究和智能体任务，持续拓展复杂知识工作的应用。
零一万物从Yi系列模型延伸到企业AI平台与转型服务，更强调具体业务的落地效果。
百川在通用语言模型基础上深入医疗领域，关注专业知识、循证增强与医疗应用。
阶跃星辰围绕多模态和智能体发展，同时探索语音交互与手机、汽车等终端场景。

这些方向并不互斥，也在不断变化。一家厂商可能同时提供多种模型，同一模型的不同版本、配置和接入方式，体验也可能相差很大。

同一个问题，成本与答案都可能不同

实际使用中，我比较关注的一个问题是：完成同样的任务，到底需要消耗多少资源。

有的产品Token消耗较高，有的相对适中。但Token数量不能直接等同于费用，更不能直接代表能力强弱。不同模型的计价、分词方式、上下文长度、推理过程和工具调用机制，都可能影响最终成本。回答是否准确、能否直接使用，以及需要多少人工复核，同样要算进去。

答案的差异，也不只是模型训练方式的差异。是否联网、接入什么资料、知识库是否完整，以及RAG——检索增强生成——能否找到合适的信息，都会影响结果。有时看起来是在比较模型，实际上比较的已经是模型背后的整套应用系统。

从个人尝鲜到企业应用，还有一段路

个人订阅一个AI工具，与企业让大量员工、多个系统持续接入AI，是两种不同的投入规模。

除了模型调用费用，还有知识库建设、系统集成、权限管理、运行维护和人员培训。如果选择私有化部署，还要考虑算力和后续升级。企业大规模接入AI，整体成本确实需要认真测算。

面向个人的AI产品，能力、稳定性和适用范围也存在差异。个人使用时可以随时换一个工具，企业一旦将其接入业务流程，就需要考虑服务能否持续、结果能否核验、出了问题如何处理。

涉及内部资料和经营数据时，我们对服务商、部署方式和数据流向会更加审慎；对于境外AI服务，也会尽量避免在未经充分评估的情况下用于企业内部业务。

最后，还是要回到经营

AI百花齐放，让技术选择变得丰富，也让判断变得更复杂。

对CIO而言，既要保持对新技术的敏感，也要把问题问得更具体：哪个业务环节值得投入，哪些工作可以先做小规模验证，节省的时间、改善的质量，能否覆盖持续使用的成本。

每年的调研，最终都会把我带回这些朴素的问题。今年只是因为AI的到来，它们变得更加迫切。

文中产品方向依据撰文时各机构官方公开资料概括，相关链接列于表中；产品持续迭代，实际能力与费用应以具体版本、部署方式和测试结果为准。