陳偉增，中創數經資訊服務（上海）有限公司聯合創始人、工業和信息化部認證高級數據資產評估計價顧問及高級數據交易合規師。
深耕產業數碼化與數碼金融科技產業20多年，目前擁有自己的私募基金和AI算力服務公司，主要從事AI科技領域的一、二級市場投資。曾任職於中國電信及SAP等世界500強企業，並在數碼金融和AI應用領域自主創業多年，長期服務於全球25個產業的龍頭企業和上市公司，在產業數碼化、數碼金融科技、數碼資產和AI應用等領域累積了豐富的產業經驗和資源。
在「從香港出發：打開全球價值投資新世界」論壇圓桌對話中，中創數經資訊服務（上海）有限公司聯合創始人陳偉增，從長期深耕數碼化、智能化產業的實踐出發，提出了一個非常鮮明的判斷：AI不只是一場技術革命，更可能是一場價值重構的革命。
流動互聯網時代，人們曾經說「所有產業都值得用流動互聯網重做一遍」；到了AI時代，陳偉增認為，幾乎所有產業都可能面對一次新的重構。
而這次重構真正重要的地方，不只是企業效率提高了多少，而是：企業的生產要素、增長方式、競爭壁壘和商業模式都可能發生變化，企業價值增長的底層邏輯正在「換軌」。
從「堆廠房、堆設備、堆人力」，走向數據、算法和模型
工業經濟時代，企業的增長路徑相對容易理解。
增加廠房、設備、人力和產能，擴大生產規模，再透過成本優勢和渠道擴張提高收入。這些投入大多能夠在傳統財務報表中找到對應的有形資產，企業增長也相對呈現線性特徵。
但AI時代，一個根本性的變化是：企業的核心生產資料正在發生變化。
數據開始成為新的生產資料，在數據基礎上形成的算法、模型和「數碼大腦」，則可能進而成為企業新的核心競爭力。
與此同時，企業經營也開始從過去相對被動地回應市場，向預測和主動決策轉變。AI可以基於數據持續學習，提前預測生產、排班和需求，更有效地配置企業資源。
因此，AI對企業的影響已經不只是「少用幾個人」「降低多少成本」。
陳偉增認為：「它最大的變革不是效率的提升，是企業價值增長的一個邏輯和徹底的換軌。」
AI真正值得關注的，是能不能創造第二增長曲線
這種「換軌」還有另外一層意義。
過去很多傳統工業企業的增長具有相對清晰的天花板。同行業龍頭企業的規模、利潤率和市場佔有率，往往可以成為其他企業增長空間的重要參照。
但AI時代，一些科技企業的增長速度已經明顯超出傳統工業企業的線性增長方式。
陳偉增提到，傳統企業可能每年保持百分之十幾、幾十的增長，而一些AI科技企業在特定階段可能實現數倍增長。
因此，傳統工業時代的部分估值方法，也需要面對新的企業增長方式。
更值得關注的是，一些傳統企業經過多年經營已經累積了大量產業數據。如果能夠把這些數據與大模型、算法和智能設備真正結合起來，就可能重新改造原來的產品和業務。
這意味著，AI對傳統企業最大的機會之一，並不只是降低成本，而是：利用過去累積的數據和產業能力，重新建構產品和商業模式，形成第二增長曲線。
只看財務報表，看到的是過去
那麼，AI時代應該怎樣重新判斷一家企業的價值？
陳偉增提出了一個很現實的問題。
傳統投資研究首先看財務報表，這是必要的。但財務報表很大程度上反映的是一家企業已經發生的經營結果。
到了AI時代，如果只看利潤，可能會錯過一些處在高速成長階段的企業；但如果完全拋開基本面，只追逐AI概念，又很容易陷入泡沫。
所以他的判斷是：AI時代的企業價值應該是「雙重疊加」。一方面，傳統財務基本面仍然是企業價值的安全底盤。另一方面，還必須判斷企業未來的數碼化、智能化能力，以及這些能力能不能最終形成商業落地。
在這個基礎上，他把AI時代企業真正值得關注的能力進一步歸納為三個方面：獨有的數據資產、自主的AI迭代能力，以及商業閉環能力。
第一層壁壘：企業有沒有真正屬於自己的數據
首先是數據。
陳偉增特別強調的不是一般意義上的「大數據」，而是：獨佔、閉環、來自真實產業場景的數據資產。
一些傳統產業企業經過十幾年甚至幾十年的經營，已經在特定產業鏈和垂直場景中累積了大量專業數據。這些數據並不是互聯網上可以隨意獲得的公共數據，也不是通用大模型天然能夠擁有的數據。
他以科大訊飛在醫療、教育、司法等垂直領域長期累積的場景數據為例。企業長期深耕產業形成的專業數據，如果能夠與AI結合，就可能轉化成新的壁壘。
因此，未來判斷一家企業是不是「AI企業」，不能只看它有沒有接入大模型。更重要的是：它有沒有別人拿不到的數據。
第二層壁壘：不是「調用AI」，而是有沒有自己的AI迭代能力
第二個關鍵能力，是企業自身的AI迭代能力。
陳偉增認為，現在不少企業都在說自己是AI企業，但實際上採用的可能只是「組裝式AI」：調用外部模型、接入API，再把它包裝進原有產品。
這種方式當然能夠提高效率，但問題在於，企業核心AI能力依然掌握在外部提供方手中。一旦底層模型、接口、價格或者技術路線發生變化，企業自身就可能受到制約。
所以真正有長期價值的企業，需要逐漸形成自己的AI能力：能夠根據自身行業特點和產業場景，持續選擇、訓練、優化和應用AI技術。
AI不只是「接進來」，而應該真正長進企業自己的能力體系。
第三層壁壘：AI最終必須回到商業閉環
但是有數據、有模型，還不夠。
陳偉增認為，第三個也是非常關鍵的問題是：能不能形成商業閉環。
AI不能永遠停留在概念和技術展示階段。企業最終需要把數據、算法、模型與真實產業場景結合起來，形成產品和服務，並最終轉化為收入和利潤。
這也是判斷AI價值最現實的一道分界線：AI究竟是在「展示能力」，還是已經在「創造收入」。
軟件公司會不會被AI消滅？關鍵看它控制什麼
陳偉增還談到了一個今年資本市場爭論非常激烈的問題：AI會不會讓傳統軟件公司的價值消失？
一度有觀點認為，大模型可以直接生成軟件，因此傳統軟件企業的商業價值可能受到巨大衝擊。但陳偉增認為，不能把所有軟件公司一概而論。
真正值得看的，是軟件公司究竟掌握了什麼。如果一家企業長期佔據某個行業的數據、客戶關係和核心業務場景入口，那麼AI要真正進入這些產業流程，反而可能仍然需要透過這些軟件平台。
變化的可能不是軟件有沒有價值，而是軟件如何收費、如何實現價值。
過去的軟件企業可能按照License（許可證）、用戶數量或者項目制收費。未來，則可能轉向按照AI調用頻次、數據使用範圍或者實際使用量收費。
所以，AI並不一定簡單消滅軟件。它可能首先重構軟件公司的商業模式和價值實現方式。
國際資本最終看的，還是「真實、持續、能兌現」
談到國際資本如何看中國企業，陳偉增特別強調了三個詞：真實性、持續性和商業化。
首先，是真實。企業說了什麼，最後是不是能夠做到；過去給出的承諾和今天的經營結果是否一致。一旦企業失去可信度，後續再講更多故事，也很難重新建立國際資本的信任。
其次，是持續性。國際資本不僅看企業今天有沒有一個好產品，還會看企業能不能持續經營、持續迭代產品和技術能力。
第三，則是真正的商業化。不是依靠題材、概念或者財務包裝，而是能不能把技術真正轉化成收入和利潤。
最後還要回到股東：企業創造的價值，有多少能夠透過分紅等方式真正回報給股東？
只有不斷兌現，信任才能逐漸建立。
AI時代，尋找「五有企業」
在圓桌最後，陳偉增把自己對AI時代企業價值的判斷濃縮成了一個非常清晰的標準：「五有企業」，即：有場景、有數據、有閉環、有落地，以及軟硬一體。
「有場景」，意味著AI真正進入產業，而不是停留在實驗室；「有數據」，意味著企業擁有長期累積、具有產業價值的數據資源；「有閉環」，意味著數據、技術、產品和商業模式能夠形成循環；「有落地」，意味著AI最終能夠真正創造收入和利潤；「軟硬一體」，則意味著AI不僅存在於軟件和模型層，還能夠進一步與現實產業、設備和實體經濟結合。
陳偉增認為：「未來比較有價值的企業，主要是在場景跟數據跟商業閉環上能形成長期壁壘的企業。」
從「資產和利潤」，走向「數據—能力—商業閉環」
如果把陳偉增整場圓桌的觀點串起來，他實際上提出了一套AI時代觀察企業價值的新邏輯。
AI時代，在傳統基本面之外，還需要增加一條新的價值鏈：場景 → 數據 → AI能力 → 持續迭代 → 商業落地 → 收入與利潤。
財務基本面沒有失效，它仍然是企業價值的安全底盤。但僅僅依靠過去的財務結果，可能已經不足以解釋一家企業未來的全部價值。
值得關注的是：一家企業能不能把過去累積的數據和產業能力，透過AI重新組織起來，形成別人難以複製的壁壘，並最終變成真實的商業價值。
這也正是陳偉增所說的，AI最大的變革，不只是效率提升，而是企業價值增長邏輯的「換軌」。
聲明：本文所涉及的觀點與討論內容，均為相關嘉賓基於個人研究與實踐經驗形成的學術性、研究性觀點，僅用於數碼經濟與產業數碼化領域的交流探討，不構成任何形式的投資建議、業務指引或政策解讀。文中所有觀點與分析，均嚴格遵循國家現行法律法規及監管政策要求，提及的數碼化、資產數碼化等相關表述，均限定於產業運行、數據管治、企業數碼化能力研究等非金融語境，僅用於對數碼經濟發展路徑和研究方法的探討。任何機構或個人在理解、引用或使用相關內容時，均應以國家法律法規和監管政策為最終依據，並堅持依法合規、審慎推進的原則。