当国务院《关于深入实施“人工智能+”行动的意见》（以下简称《意见》）于2025年8月26日正式发布，这份明确了2027年、2030年、2035年三阶段目标的“路线图”，不仅标志着中国人工智能与产业融合进入战略攻坚期，更向企业管理者、商业教育体系抛出了核心命题——如何以“人工智能+”为引擎，培育新质生产力，推动商业价值与社会价值的协同增长？而作为培养未来商业领袖的核心阵地，MBA教育正站在这场变革的枢纽位置，既要成为政策与企业实践的“翻译者”，更要成为“人工智能+”落地能力的“孵化器”。

一、政策锚点：“人工智能+”的商业机遇坐标系

《意见》的核心价值，在于为企业划定了清晰的发展边界与机遇赛道。从阶段性目标来看，2027年新一代智能终端、智能体应用普及率超70%，2030年这一比例突破90%，2035年全面步入智能经济与智能社会——这不仅是技术普及的时间表，更是企业战略布局的“窗口期”。对于MBA教育与企业管理者而言，首先需要精准把握政策中的“商业坐标”：

1. 六大重点行动：企业的“AI+”落地赛道

《意见》部署的“人工智能+科学技术、产业发展、消费提质、民生福祉、治理能力、全球合作”六大行动，本质上是为企业提供了六大价值创造场景：

“AI+产业发展”：智能网联汽车、智能机器人、智能家居等新一代智能终端的爆发，要求企业重构产业链（如智能供应链的预测性维护）、革新生产模式（如柔性制造中的AI调度）；

“AI+消费提质”：人工智能手机、智能穿戴设备的普及，倒逼企业从“产品思维”转向“场景化智能服务思维”（如基于用户行为数据的个性化体验设计）；

“AI+民生福祉”：辅助诊疗、医保服务等场景的AI应用，为健康产业、公共服务类企业打开新市场（如AI慢病管理平台的商业化探索）；

“AI+全球合作”：在国际竞争与合作中，企业需应对全球AI监管差异（如欧盟AI法案、美国AI风险管理框架），寻找跨区域协同机会。

2. 八项基础支撑：企业的“AI+”能力底座

《意见》强调的“模型基础能力、数据供给创新、智能算力统筹、安全能力水平”等八项支撑，直指企业落地“人工智能+”的核心痛点。例如，“数据供给创新”要求企业建立合规的数据治理体系（而非单纯追求数据量），“智能算力统筹”则考验企业在“自建算力”与“云算力租赁”间的成本效益平衡——这些正是MBA课程中“运营管理”“财务管理”与“数据合规”的交叉领域。

二、MBA教育的“AI+”转型：从知识传递到能力孵化

面对“人工智能+”的战略需求，传统MBA教育的“财务、营销、战略”老三样已无法满足企业需求。MBA教育必须完成从“商业知识传递”到“AI+商业融合能力孵化”的转型，培养能“懂技术、善决策、控风险、促落地”的复合型管理者。

1. 课程体系：构建“AI技术+商业应用+伦理合规”三位一体框架

MBA课程需打破学科边界，将“人工智能+”的核心逻辑嵌入核心模块：

技术认知层：增设“AI技术基础与产业应用”通识课，让非技术背景的学员理解大模型、机器学习、边缘计算的核心逻辑（如“AI模型的训练数据与决策偏差”“智能算力的成本结构”），避免“技术黑箱”下的盲目决策；

商业应用层：开设“AI+产业战略”“智能供应链管理”“AI营销实战”等专项模块，结合《意见》中的重点领域（如智能网联汽车）做案例教学——例如分析某车企如何通过AI优化供应链库存周转，或某智能家居企业如何通过场景化AI提升用户复购率；

伦理合规层：针对《意见》中“提升安全能力水平”的要求，增设“AI伦理与数据安全”“全球AI监管政策解读”课程，覆盖数据隐私保护（如GDPR）、AI算法公平性（如避免就业歧视中的算法偏见）、智能终端安全（如智能家居的数据泄露风险）等议题。

2. 实践环节：打通“政策-企业-学员”的闭环

MBA教育的价值在于“知行合一”，需围绕《意见》的落地需求设计实践场景：

企业AI转型案例库建设：与智能网联汽车（如比亚迪、蔚来）、智能家居（如小米、海尔）、AI医疗（如平安好医生）等领域的头部企业合作，将其“AI+”转型中的痛点（如传统制造企业的AI设备投入回报周期长）、经验（如C端智能产品的用户教育策略）转化为案例，让学员参与“问题诊断-方案设计-落地推演”；

“AI+商业”实战项目：组织学员以小组为单位，为中小微企业提供“AI+”转型咨询（如帮助传统零售企业设计AI导购系统、优化库存管理算法），将政策要求（如“有序推动人工智能应用落地”）转化为可执行的企业方案；

跨学科协同项目：联合计算机学院、数据科学学院开展“AI+商业”挑战赛，例如“智能终端用户需求预测”“AI驱动的供应链成本优化”，培养学员整合技术资源、推动跨部门协作的能力——这正是《意见》中“系统工程”思维的体现。

3. 师资与资源：链接“政策制定者-技术专家-企业高管”

MBA教育需打破“校内师资”的局限，构建多元化的师资矩阵：

政策解读专家：邀请参与《意见》起草的政府官员、行业协会专家，解读政策背后的产业逻辑（如“为何将智能终端普及率作为核心指标”），帮助学员把握政策红利（如AI产业的税收优惠、算力补贴）；

AI技术专家：引入互联网大厂（如百度、阿里）的AI实验室负责人、高校AI领域教授，讲解技术前沿（如大模型的轻量化应用、边缘计算在工业场景的突破），避免学员陷入“技术噱头”陷阱；

企业实战导师：聘请实现“AI+”转型的企业高管（如智能网联汽车企业的供应链总监、AI医疗企业的CEO）担任兼职导师，指导学员的实践项目，传递“从0到1”的落地经验。

三、MBA学员（企业管理者）的行动路径：从“政策感知”到“价值创造”

《意见》的落地，最终依赖于万千企业管理者的决策与执行。作为MBA学员或毕业的企业管理者，需从三个维度推动“人工智能+”落地：

1. 战略层面：将“AI+”纳入企业中长期发展规划

赛道选择：结合《意见》的六大重点行动，评估企业所在行业的“AI+”渗透阶段——例如传统制造业可优先布局“AI+生产效率提升”（如设备故障预测），消费企业可聚焦“AI+用户体验优化”（如个性化推荐系统）；

目标拆解：对照《意见》的三阶段目标，制定企业的“AI+”落地时间表——例如2027年前完成核心业务的AI化试点（如智能客服覆盖80%咨询量），2030年前实现全产业链的智能化协同（如供应链响应速度提升50%）；

资源匹配：基于《意见》的八项基础支撑，提前布局核心资源——如与算力服务商签订长期合作协议（应对“智能算力统筹”需求），建立企业内部的数据治理团队（满足“数据供给创新”要求）。

2. 执行层面：推动“AI+”与业务的深度融合

小步快跑，试点先行：避免“大而全”的AI转型投入，选择业务痛点最突出的环节（如库存积压严重的供应链、转化率低的营销环节）开展试点，用“小投入-快反馈-再优化”的模式降低风险；

组织变革适配：AI落地不仅是技术升级，更是组织架构的重构——例如设立“AI转型专项小组”，由业务部门负责人（而非仅技术部门）牵头，打破“技术与业务脱节”的壁垒；

员工能力重塑：针对《意见》中“加强人才队伍建设”的要求，开展全员AI素养培训（如基础数据思维、AI工具使用），同时通过内部竞聘、外部招聘，组建“AI+业务”的复合型团队。

3. 风险层面：守住“安全与合规”的底线

数据安全管控：建立全流程的数据合规体系，覆盖数据采集（用户授权）、存储（加密技术）、使用（避免数据滥用）、共享（第三方合作的安全协议），应对《意见》中“提升安全能力水平”的要求；

AI伦理审查：在AI应用落地前（如招聘中的AI筛选系统、营销中的用户画像分析），开展伦理审查，避免算法偏见（如性别、地域歧视），兼顾商业价值与社会价值；

应对监管变化：成立“AI监管研究小组”，跟踪全球AI政策动态（如欧盟AI法案对高风险AI应用的限制），确保企业“AI+”业务符合国内外监管要求，尤其是在“人工智能+全球合作”中规避合规风险。

四、结语：MBA助力“人工智能+”，培育商业新质生产力

正如中国工程院院士郑南宁所言，“以‘人工智能+’为牵引，加快培育新质生产力，必将为中国式现代化提供坚实支撑”。在这场变革中，MBA教育既是“人才孵化器”，为企业输送能驾驭AI的商业领袖；也是“实践连接器”，打通政策、技术与企业落地的断层；更是“价值引领者”，引导企业在AI应用中兼顾效率与伦理、竞争与合作。

对于MBA学员而言，理解《意见》的核心不是背诵政策条文，而是将“人工智能+”转化为企业的战略定力、执行能力与创新活力；对于MBA教育而言，这场转型不是简单的课程加法，而是从教育理念到培养模式的系统性革新。唯有如此，才能让“人工智能+”真正成为企业增长的“新引擎”、商业变革的“加速器”，为中国智能经济的发展注入源源不断的“MBA力量”。

都学课堂MBA带学班。读MBA，上都学课堂