ARTICLE · 1043316
企业花几百万买AI,为什么95%都打了水漂?
企业花几百万买AI,为什么95%都打了水漂?上个月，一个做制造业的朋友跟我吐槽：他们公司花了1500万上"全厂AI智能转型"项目，宣传要实现生产效率提升30%，次品率降低50%。结果上线一年，实际效率只提升了1.2%。钱花出去了，PPT做漂亮了，老板在媒体上也讲了"AI赋能"，但车间里的工人还是该怎么干怎么干。 这不是个例。McKinsey 2026年全球调查显示，只有37%的企业认为AI对盈利有实际影响。Datasumi的报告更直接：2026年全球企业AI支出达到4070亿美元，增长34.8%，但只有25%的企业看到了预期回报。95%的AI试点最终失败——而且失败的原因不是技术不行，是企业根本没想清楚自己要买什么。 所以今天我们要聊一个很直接的问题：企业花几百万买AI，到底买到了什么？ 我的判断可能有点反常识：大部分企业买AI，买到的不是效率提升，是战略安全感。就像2000年每个企业都要买个.com官网，2010年每个企业都要上云——不是因为这个东西真的能立刻带来回报，而是因为"别人都在做，我不做就落后了"。 但这不代表AI是泡沫。恰恰相反，AI是真的能改变效率的。只是大部分企业买错了东西。
要理解这个问题，我们得先拆穿一个最流行的叙事："企业买AI是为了提升效率"。 听起来很合理，对吧？用AI替代人工，降低成本，提升效率。但如果你真的去看那些花了几百万的企业，会发现一个很有意思的现象：大部分企业买的不是"效率工具"，是"不被淘汰的门票"。 我跟踪这个圈子三年了，见过太多这样的场景： 老板参加完一个AI峰会，回来就要求IT部门"三个月内把AI用起来" 大厂发布一个新模型，采购部门立刻问"我们要不要也接入" 竞争对手上了AI客服，自己公司也赶紧上一个，不管自己的客服量根本不需要 这背后的心理机制很简单：AI现在是CEO焦虑的最大来源。董事会问"我们的AI战略是什么"，投资人问"你们怎么看AI对行业的冲击"，员工问"公司会不会用AI替代我"。在这种压力下，企业花几百万买AI，本质上是在买一个"我已经在做了"的答案。 这不是效率投资，是焦虑税。 更有意思的是，卖AI的人非常清楚这一点。你去看那些AI厂商的销售话术，很少跟你算ROI，更多是在制造紧迫感："你的竞争对手已经在用了""再不布局就晚了""这是下一代的操作系统"。 他们卖的不是工具，是恐惧。
但这不代表AI没有价值。恰恰相反，AI在某些场景下的ROI非常惊人。问题是，大部分企业把钱花在了错误的场景上。 我把目前企业AI应用分成三类，真实需求强度差异巨大： 第一类：确定性替代——这是目前唯一真正赚钱的场景。 什么叫确定性替代？就是那些本来就有明确流程、有明确考核指标、人工做起来又贵又慢的工作。比如： 智能客服：处理重复的咨询问题，Intercom和Zendesk的数据显示，这类工具能减少25-40%的工单量，同时保持客户满意度在85分以上 智能文档处理：把合同、发票、报表里的信息自动提取出来，Unbuilt Lab的调研显示，这类工具18个月内ROI能到300-500% 代码辅助：GitHub Copilot这类工具，对开发效率的提升是实打实的，因为代码质量可以用bug率、交付速度来衡量 这类场景的共同特点是：你知道自己要什么，也知道怎么衡量效果。你不需要"AI战略"，你只需要一个能把某件事做得更快更便宜的工具。 第二类：赋能提升——听起来很美，实际效果很模糊。 什么叫赋能提升？就是"用AI让员工更聪明""用AI辅助决策"这类场景。听起来很好，但问题在于：你怎么衡量它的效果？ 一个销售用了AI辅助写邮件，你怎么知道他签单更多是因为AI，还是因为他本来就厉害？一个产品经理用AI做用户调研，你怎么知道结论更准了，还是只是更快了？ 36氪报道过一个很典型的案例：某医院花大钱上AI诊疗系统，考核标准是"算法运算速度""识别准确率"，但第三方测评显示，AI给出的诊疗建议和资深医生方案的匹配度只有12%。项目过了技术验收，但实际临床效果一塌糊涂。 问题出在哪？企业用技术指标来衡量业务效果，这本身就是错的。AI写邮件快了10分钟，但签单率没提升，这个效率提升有意义吗？ 第三类：战略叙事——这是整个市场里最虚的部分。 什么叫战略叙事？就是"我们要用AI重构整个业务流程""我们要从XX公司变成AI公司"。这类项目动辄几百万上千万，目标宏大，愿景美好，但几乎没有可衡量的指标。 前面提到的那个花1500万的汽车零部件企业就是典型。他们的AI项目最后变成了什么？给生产线加了一批传感器和机械臂，说是"AI质检"，实际上就是传统的自动化升级。效率提升1.2%，离承诺的30%差了十万八千里。 这类项目的本质是什么？是老板在资本市场和媒体面前的表演。他需要一个"我们在积极拥抱AI"的故事，来回应投资人的质疑和员工的焦虑。至于这个项目能不能真的带来回报，反而不是最重要的。
理解了需求端的分层，再来看供给端，你会发现一个更有意思的现象：最积极推动企业买AI的，往往不是真的需要AI的人，而是卖铲子的人。 我们来算一笔账。2026年企业AI支出4070亿美元，这个钱流向了哪里？ 第一大头是模型厂商。OpenAI、Anthropic、Google这些公司，卖API、卖企业版订阅。一个中等规模企业用M365 Copilot，全成本TCO是39.6万到52.2万美元一年——这还只是一个办公场景。企业要接各种模型、各种场景，一年下来光API费用就是百万级。 但有意思的是，模型厂商的成本在快速下降。AICC的数据显示，企业级Token的混合成本，一年里从每百万token 18.4美元降到了6.07美元，降幅67%。这个降速在企业软件历史上是罕见的。 第二大头是集成服务商。企业买了模型，但不知道怎么接、怎么用、怎么和自己的业务系统打通。这时候就出来一大堆AI咨询公司、系统集成商，收几百万的咨询费，帮你做PoC、做集成、做培训。 我见过最离谱的一个案例：某企业花了200万请咨询公司做AI战略规划，最后拿到的报告是一份PPT，里面写了"建议你们分三步走：第一步认知升级，第二步能力建设，第三步生态构建"。全是正确的废话，没有任何可执行的东西。 第三大头是硬件和云厂商。企业要跑私有化部署，要买GPU服务器，要上云。NVIDIA卖芯片，AWS卖算力，企业花在基础设施上的钱，可能比花在模型和软件上的钱还多。 这三方有一个共同的特点：他们的收入是确定的，企业的回报是不确定的。不管你用AI有没有效果，模型厂商的API费照收，咨询公司的咨询费照收，云厂商的云服务费照收。 这就像淘金热里的卖铲子的人：不管谁挖到金子，铲子都卖出去了。
说了这么多，不是说AI没用。恰恰相反，AI是真的能改变效率的。只是企业需要换个思路来买AI。 我的建议很简单：从"战略"出发，改成"问题"出发。 不要一上来就想"我们怎么用AI转型"，而是先问自己一个问题：我们公司现在最贵的、最重复的、最容易出错的工作是什么？ 是客服每天重复回答同样的问题？那先上智能客服。 是财务每个月要花两周时间整理发票？那先上智能文档处理。 是开发团队80%的时间在写重复代码？那先上代码助手。 这些场景的共同特点是：小、具体、可衡量。你不需要花几百万，十几万几十万就能跑起来。3-6个月就能看到效果。如果效果好，再扩展到更多场景；如果效果不好，损失也不大。 腾讯云的数据显示，100人以下的小企业，投入几万到十几万，在核心岗位上用AI，效率提升50%左右，获客成本降低20-30%，3-6个月就能收回成本。 为什么小企业反而更容易做出效果？因为他们没有那么多"AI战略"的包袱，就是哪个工作烦就先解决哪个。 而大企业呢？一上来就要搞"全厂AI转型"，就要写"三年AI战略规划"，就要成立"AI转型办公室"。最后钱花了一大堆，真正落地的场景没几个。 说白了，大部分企业不是买不起AI，是买了太多自己用不上的AI。
最后做个判断： AI改变企业效率，这个方向是真的。智能客服、智能文档、代码辅助这些场景，ROI是实打实的。未来五年，知识工作者的效率一定会被AI重塑。 但"每个企业都需要花几百万买AI战略"，这个规模是被放大的叙事。大部分企业不需要战略，只需要解决具体问题。95%的AI试点失败，不是因为技术不行，是因为企业从一开始就买错了。 对于做企业的人来说，最重要的是区分两件事："AI这个技术方向是真实的"和"你公司现在就需要花几百万买AI"是两回事。 别被焦虑推着走。先想清楚你要解决什么问题，再决定买不买、买什么。毕竟，花几百万买一个PPT，还不如花几万块解决一个真问题。 你觉得你们公司买AI，买到了什么？ #AI#企业数字化#大模型#AI落地#科技商业
企业买AI，买的到底是什么？
真需求在哪里？三类场景，只有一类真赚钱
卖铲子的人，永远比挖金子的人赚得多
那企业到底应该怎么买AI？
总结：方向是真的，规模是叙事的
以上是一次产业周期观察。
关注「周期守夜人」，继续看懂科技行业的底层逻辑。