麦肯锡撕碎AI暴富神话:模型每4个月翻倍,为什么94%的企业一分钱没多赚?

一边是科技巨头们近乎癫狂的军备竞赛：模型能力每4个月翻一倍，年增速飙到360%；另一边却是极其荒诞的现实：微软手里攥着大把顶级的AI芯片，却只能眼睁睁看着它们在库房里吃灰，因为根本找不到通电的机房把它插上电。

不仅如此，90%的公司高调宣布全员接入AI，员工们天天用它写周报、改代码、画插画，直呼“效率飞起”；但到了季度财报会上，老板们翻开利润表却集体沉默了：除了极少数头部玩家，整整94%的企业，根本没靠AI多赚到几个子儿。

▲ 麦肯锡全球研究院（MGI）官方发布：AI经济是一个相互冲突的复杂系统

2026年9月，麦肯锡全球研究院（MGI）发布了一份长达27页的重磅报告，名字叫《AI经济：相互关联的力量、反馈回路与变化速度》。

这份报告犹如一记清脆的耳光，抽醒了无数被AI狂热冲昏头脑的人。

麦肯锡在报告开篇就抛出了一句冷酷至极的断言：

“工具已经到了，但重组根本没有发生。”（The tools are here. But the reorganization is not.）

01狂飙与龟速：三个不在一个维度的时钟

为什么今天的AI行业会呈现出如此割裂的景象？

麦肯锡用了一套极其形象的比喻：世界是由三套完全不同速度的齿轮咬合在一起的。

第一套齿轮，是AI模型能力，它在按“指数级”疯狂狂飙；第二套齿轮，是物理基础设施，它只能按“线性”慢慢铺设；第三套齿轮，是企业的组织与制度变革，它在以“年”为单位像蜗牛一样爬行。

▲ 麦肯锡全球研究院：AI模型能力狂飙与现实基建、组织信任的增速落差

根据METR等研究机构的权威测算，自2019年以来，AI能稳定完成高难度复杂任务的时长，大约每7个月就翻一番；进入2023年之后，这个节奏进一步被压缩到了令人窒息的每4个月翻一番。

若把解决高难度复杂问题比作跑马拉松，五年前的AI只能跑几十米就瘫痪，而今天的AI已经在全速冲刺几十公里。从代码自动编写到多步逻辑推理，模型能力的年复合增长率高达惊人的360%。

但在模型背后，现实世界却被死死按在地上。

私人AI资本投资年增长约35%，数据中心装机容量年增长约15%，而电网建设、法规审批与公众信任，增长率几乎是一条平缓的直线，甚至是负数。

当一个跑出超音速的软件，撞上一群还在步行的人类和水泥电网，第一场大崩溃不可避免地发生了。

02堵点大迁徙：从抢芯片、抢电线，到被当地社区叫停

在这场速度错位的碰撞中，整个科技界的物理瓶颈正在以惊人的速度发生大迁徙。

▲ 业内人士总结：芯片短缺已经让位于电力短缺，现实阻力正在全面爆发

第一阶段（2023年前后）：卡在芯片制造与先进封装流水线上。那时候，所有人都在抢英伟达的H100。有钱你也买不到，因为先进封装产能被锁死，一台服务器的提货周期一度被拉长到整整11个月。

第二阶段（2025年至2026年）：芯片造出来了，插头没地方插。好不容易等到芯片产能释放，巨头们突然发现：电网被干穿了。一座现代化的超大规模AI数据中心，吞噬的电量相当于一座中小型城市。微软在财报电话会上无奈承认，Azure算力容量陷入极度紧张，问题早已脱离了芯片供应层面，核心卡在根本找不到通电的机房空间。

在美国，建一座发电厂从提交并网申请到正式通电，以前只需要不到两年，如今中位数已经被硬生生拖到了5年之久；关键的大型变压器，订货排队周期甚至高达160周（超过3年）。

第三阶段（2026年现在）：更绝望的堵点，变成了邻居和大妈。当资本带着千亿美金涌入基建时，现实的铁拳砸了过来。数据中心巨大的耗水量、噪音、以及推高当地居民电价的预期，激起了空前强烈的地方反弹。

麦肯锡援引的数据显示：仅在2026年第一季度，美国就有至少75个、总价值高达1300亿美元的数据中心项目，因社区强烈反对而被搁置或直接否决！仅仅三个月被叫停的体量，就赶上了2025年全年的总和。纽约州甚至签署了全美首个全州范围的超大规模数据中心许可冻结令。

一个技术即便在云端算力里通天彻地，只要它落不了地、接不上电、拿不到地皮批文，它就只能是一串空转的代码。

03索洛悖论2.0：员工用爽了，为什么老板没赚到钱？

如果说电网和地皮是“物理世界的墙”，那么企业内部的“组织之墙”，则更为坚固。

麦肯锡在2026年对全球97个国家、1719名企业管理者进行了深入调研，结果撕开了一个极其尴尬的真相：

▲ 《2026全球AI现状：通往投资回报之路》报告页面

接近90%的受访企业表示，已经在业务中常规使用AI；高达80%的员工表示，AI显著提升了自己的个人工作效率；但是，只有区区6%的高绩效企业，能够依靠AI让公司的息税前利润（EBIT）提升5%以上！

这种反差让绝大多数公司陷入了经典的“索洛悖论”（Solow Paradox）。1987年诺贝尔经济学奖得主罗伯特·索洛曾讽刺计算机：“你在哪里都能看到计算机时代，唯独在生产率统计数据里看不到。”

今天，这一幕在AI身上原汁原味地复刻了。

为什么会这样？

因为绝大多数企业在对待AI时，犯了一个致命的错误：他们只是把AI当成一个外挂插件，生硬地塞进几十年前的老旧工作流程里。

麦肯锡运营专家直言不讳地指出：“自动化一个尚未修好的烂流程，不会带来效率，只会以光速把烂流程放大成全公司的灾难。”

• 如果你的公司审批流本身要盖7个章，AI写报告再快，也只是让第1个章盖得快了一秒，剩下的6个章依然要在OA系统里卡上三天；
• 如果你的底层数据乱七八糟、权限划分一塌糊涂，给员工配上最强的大模型，他们也只能用它写写客套邮件，根本无法触碰核心业务链条；
• 甚至有超过20%的企业，因为员工随手调用大模型产生的高昂Token账单，不得不紧急下发禁令，限制AI的使用。

没有流程重组的AI采纳，不过是一场昂贵的数字自嗨。

04历史的镜像：电动机刚刚发明时，工厂也差点破产

要想看清AI的未来，我们必须把视线拉回100多年前的那场电力革命。

▲ BBC历史专题：为什么电力的出现没有立刻拉动制造业生产率？

19世纪末，当爱迪生和特斯拉点亮世界，电动机被发明出来时，所有人都以为传统制造业会立刻迎来暴富。

但现实却狠狠泼了一盆冷水：在此后的整整30年里，工厂的生产率几乎没有任何实质性增长。

当时发生了什么？

那时的蒸汽机工厂，全都是高耸的砖木多层大楼。厂房正中央立着一台巨大的蒸汽机，通过一根粗壮的中央转动轴，连接着无数皮带和齿轮，将动力硬生生传导到整栋楼的每一个车间。

当工厂主们买来最新式的电动机后，他们干了一件和今天极其相似的蠢事：他们仅仅把底层的蒸汽机拆掉，换成了一台大号电动机，剩下的皮带、齿轮和垂直厂房布局，原封不动！

结果，厂房依然狭窄拥挤，皮带依然经常断裂，工人们依然要为配合齿轮速度而疲于奔命。

生产率的大爆发直到40年后才姗姗来迟，老一代管理者彻底退场，新一代工程师推倒了整座多层大楼，建起单层平铺的现代化厂房。每一台机床都配备独立的小型电动机（单元驱动），原材料按照工序顺畅流动，这才诞生了亨利·福特的现代工业流水线。

从蒸汽动力（见顶耗时约100年），到电力（约40年），再到计算机与互联网（约25年），人类每一次迎来颠覆性的通用技术，都必须经历一段漫长而痛苦的阵痛期。

技术的爆发可以在实验室里瞬间完成，但工作流的重组、组织架构的砸碎重建、考核激励的全面重写，从来都快不起来。

05终局思考：系统永远按最慢的那一环前进

在麦肯锡报告的评论区里，一位读者留下了全网获得最高赞的一句话：

“AI时代的生产力差距，本质在于组织吸收力与系统潜能之间的落差。一个复杂庞大的系统，其演进节奏最终完全受制于最迟缓的那个层级，极速运转的模块并不能决定整体速度。”

▲ 读者热评：系统的速度取决于最慢的吸收层

这是一个极其冷酷、却又无比真实的系统论规律。

当模型厂商还在为评测榜单上的小数点争得面红耳赤时，资本市场的敏锐资金已经悄然调转方向：大批资本正在加速撤离只会调用API的套壳软件，全面涌入变压器、新型电网、核能供电、以及能够深入传统行业重塑完整工作流的硬核团队。

对于每一个普通人和企业管理者来说，麦肯锡这份27页的报告也指明了一条唯一的出路：

别再沉迷于收集各种酷炫的AI工具了。

如果你是一家企业的掌舵人，不要问“我们今年买了多少AI账号”，问问自己：“我们敢不敢为了适配这项技术，把用了十年的部门架构和审批流彻底砸碎重来？”

如果你是一个职场人，也不用为AI每天涌现的新功能感到焦虑。能够被AI轻易替代的，永远是那些寄生在旧流程里的机械螺丝钉；而能够看清全局、重新连接断裂节点、甚至敢于动手设计全新工作流的人，才是在这场错位风暴中，最终斩获全部红利的赢家。

AI的狂飙才刚刚开始，但决定胜负的战场，早就不在算法里了。