2025年全球企业在人工智能上的支出达到5817亿美元，较上年增长130%。根据斯坦福HAI AI Index的数据，企业采用率达到了88%，为有史以来的最高水平。然而，仅有不到6%的企业报告其AI投资实现了显著的财务影响（定义为息税前利润改善5%或以上）。
投资规模与价值实现之间的差距，比近期企业技术史上任何可比指标都要大。Axis Intelligence Research开发的一项指数衡量了采用率与可衡量回报之间的距离，该指数得分为82分（满分100分），意味着这种结构性脱节已达到或超过早期云计算和大数据热潮期间的水平，但支出水平却高得多。
问题并非缺乏雄心。企业正在大力投资GPU、云基础设施、AI平台许可证和数据工程人才。麦肯锡2025年11月的《AI现状》调查发现，88%的企业已在至少一个职能部门部署了AI，高于前一年的72%。支出集中在头部：领先企业将超过80%的AI投资用于重塑整个业务职能，而非渐进式的生产力改进。
瓶颈在于生产部署环节。VentureBeat 2026年7月的Pulse Research发现，仅有21%的企业在生产环境中大规模运行AI工作负载。企业部署中的GPU利用率低得惊人：83%的受访者报告其GPU集群运行容量为50%或更低。仅有44%的企业系统性地追踪计算成本或投资回报，这表明许多企业在购置基础设施的速度上超过了衡量其是否产生价值的能力。
三个结构性障碍阻碍了试点项目规模化。第一是数据碎片化：企业数据分布在本地系统、多个云供应商和不同监管管辖区之间，使得统一AI部署困难重重。第二是技能缺口：生产级AI需要数据科学与系统架构交叉领域的专业知识，而大多数IT团队缺乏这种组合能力。第三是硬件采购的经济结构：企业面临两难选择：要么在可能两年内就会过时的设备上进行大额资本支出，要么采用按量计费的云计费方式，但在持续规模化后成本会变得极其高昂。
BCG的AI Radar调查了1800多名高管，发现仅有25%的企业通过AI创造了显著价值，且AI领先者与落后者之间的差距正在加速扩大而非缩小。BCG分析将这一差异归因于组织因素：领先者投资于治理、衡量框架和变革管理，而落后者则把AI视为一项技术采购活动。
这一差距在硬件利用率数据中也清晰可见。在2023至2024年短缺期间购买GPU的企业，如今坐拥利用率不足的集群，而下一代硬件的价格已翻倍。激励机制倾向于购买更多设备而非优化现有设施，因为采购预算和运营预算由不同部门管理。
TechRadar将这一投资差距定性为转型期问题。AI行业已走过试验阶段，进入了期望阶段，董事会和投资者希望看到可衡量的成果。而实现这些规模化成果所需的基础设施、治理实践和人才管道，对于大多数正在开支票的企业而言尚未就位。支出曲线与价值曲线已经背离，弥合这一差距是2026年企业AI面临的核心运营挑战。
来源：The AI investment gap (TechRadar, Jul 29)；Stanford HAI AI Index 2026 (Stanford HAI, 2026)；McKinsey State of AI 2025 (McKinsey, Nov 2025)；BCG AI Radar 2025-2026 (BCG, 2026)；VentureBeat Pulse Research (VentureBeat, Jul 2026)
婷 翻译