九成公司在用 AI,六成没赚到钱:省下来的时间都去哪了

麦肯锡年度技术趋势展望

先说清楚一件事：让 AI 干活这件事本身，比你想的贵。

据麦肯锡测算，一个智能体工作流——就是那种能自己查资料、调工具、循环判断的一整套东西——消耗的算力是普通聊天提问的 5 到 30 倍。

为什么？

原因不复杂。聊天只答一次，智能体要反复试。它得调工具、读文档、发现错了、回头改，再调一次。这个循环转一圈，钱就出去了。

而据麦肯锡披露，93% 的受访者说，这直接导致他们超出了 AI 预算。

九成。不是"很多人觉得贵"。是绝大多数人，超了。

我总觉得这件事被讲反了。老板们算账算的是"模型单价降了多少"，但真正吃掉预算的是"让模型多干活"这件事本身。

单价是降了。但干活的方式本身变贵了。

企业 AI 投入与回报落差

同一时间，国内也有一份很扎实的调查。

这份《决策者视角下的企业 AI 应用》，是德勤中国和香港大学人工智能、管理与组织研究中心联合做的。

2026 年 9 月 22 日云栖大会期间出炉。据德勤中国披露，样本是内地与中国香港 205 位企业高管。

先看好消息：德勤中国的问卷里，2026 年进入生产部署阶段的企业占 64.4%，比 2025 年的 56.0% 又涨了；还在试点阶段的比例从 36.7% 掉到 24.9%。

翻译成人话：大家是真在用，不是在试玩。需求是真的。

但据港大与德勤披露，48.5% 的企业说 AI 项目的实际投资回报低于预期——他们预期落在 10% 到 25% 区间，实际拿到的更多在 10% 以下。

还有更狠的一句：据德勤中国披露，44.4% 的企业根本算不清自己的 AI 项目回报率是多少。

算不清。这个词比"低"更让人心里发凉——你连自己亏在哪儿都看不见。

token 降价与 AI 支出背离

这件事最反直觉的地方在这儿。

国产大模型的价格战打到什么程度？

据 DeepSeek 公布，其在 5 月把 V4-Pro 的价格砍了 75%。据腾讯云披露，6 月跟进把 V4 系列下调 97.5%——折算下来，每千 tokens 一厘钱。

据 Silicon Data 的数据，那个混合 token 价格指数在 9 月 1 日掉到 0.97 美元每百万 token，不到当年夏天高点的一半，比 2023 年降了九成以上。

按常识推，模型便宜九成，企业的 AI 账单就该跟着塌下来。

没有。

同一份统计指出：单价暴跌的同时，token 用量翻着跟头往上涨。

据路透援引政府预测，中国境内每天消耗的 token 量，3 月份已经超过 140 万亿，2025 年底才 100 万亿。据招商银行披露，日均 token 吞吐涨了 78%。

而据 Silicon Data 统计，全球 LLM 的实际支出比 2025 年底翻了大约一倍。

这件事的机制，一行公式就能说清：

总花费 = 单价 × 用量

单价掉到零头，理论上账单该跟着掉。

除非用量涨得比单价掉得更凶。

于是原本没人做的流程，现在都做一遍。原本只给一个部门用的，现在全公司铺开。原本让 AI 出个草稿就行的，现在让它从头跑到尾。

单价降了九成，门槛低到连"值不值得做"这个判断都不需要做了——反正便宜。

于是支出涨了一倍。

这不是厂商的阴谋。是成本降到某个位置之后，规模自己会滚起来。

但滚起来之后，钱花去哪了？

数据中心里的服务器机柜

德勤那个调查里有个细节，我算是整份材料里记得最牢的一条。

同一份调查里，87.3% 的企业评估 AI 效果时关注的是处理速度和工时节约，70.7% 关注成本节约。

而真正盯着收入和客户层面的，据德勤中国披露，只有 21.5%。

差了三倍多。

这就解释了为什么"工时省下来了"和"钱赚到了"是两件事。

省下来的时间，如果只是让某个员工下午少干两小时活，这两小时不会自动变成收入。它被吸收掉了——被更多的会议、更细的汇报、更多的内部协调吸收掉。

德勤中国那份调查里有一句话，说得挺狠：工时缩短并不自动等同于成本下降或经营价值提升。

只有把省下来的时间，重新塞回高价值的环节，效率才可能变成经营成果。

这件事听起来像管理学常识。但放到 AI 身上就格外要命，因为 AI 提升的是"工时"这个最容易被测量的维度。所有看板、所有汇报、所有 OKR，都在盯"省了多少小时"。

真正该盯的那一栏——"多赚了多少钱"——反而没人写。

麦肯锡那边还给了另一组关于程序员的数字。

据麦肯锡调研，在用 AI 工具的开发者里，约 80% 的人生产效率提升只有 3% 左右；但最前面的 20%，提升了 55%。

最前面那批人和后面的人之间，差了将近二十倍。

而更狠的是：据麦肯锡披露，30% 的公司在让开发团队用上编码智能体之后，生产力反而退步了。

这事听着有点荒诞，但我总觉得，它跟前面的账其实是同一本。

提升有限的那批人，活儿本来就在流程的最末端——需求定了，架构定了，他们只把已经明确的东西变成代码。这部分本来就是最好被替代的。

而那走在最前面的人，是真的在重构工作流。

回过头看最开始那三个数字：89% 的企业在用，37% 的企业能说出利润改善，44.4% 的企业算不清自己花了多少——两头一对比，中间那道账就露出来了。

这不是 AI 的问题，也不是企业笨。

是有一个东西没跟上：衡量这件事本身。

当你的公司决定花一笔钱去改造流程，你得有一套办法回答三个问题——这笔钱省在了哪、多赚了多少、下次该不该继续投。

大部分公司，一个都答不上来。

不是没有数字。是这些数字全散在各个部门，谁也算不清加总起来是多少。

问卷里那一条更扎眼：60.4% 的企业根本没建立起体系化的价值衡量框架。所以企业没法判断，哪些项目该复制，哪些该收缩。

所以现在的局面有点吊诡。企业从上到下都在喊 AI，但没人说得清这趟到底赚没赚。

说到底，我更认同一件事：先问清楚要解决什么问题，再决定要不要用 AI。

顺序反过来，就变成"AI 是个好东西，赶紧哪儿都塞一遍"。这也是为什么有的公司效率反而降——工具铺开了，流程没动。

对个人也是同一道题。AI 帮你省下的那些小时，是变成了第二个作品、更多技能，还是变成了更多会议里点头的人？