企业都在用AI,为什么只有16%算赢

周三下午两点，季度经营会开到第三项议题。一家中型制造企业的IT负责人老陈，刚把明年AI预算的申请页投上幕布，对面的CEO就把咖啡杯放下了。

问题是句大白话："这两年AI我们投了小两百万，省了多少钱，你给我个数。"

财务总监在旁边补了一句："而且明年还打算加预算？"

会议室安静了几秒。老陈手里其实攥着不少材料：客服上了智能话务，响应快了；市场部买了文案工具，产出翻倍；研发组人手一个编程助手，谁用谁说好。

可这些话在预算会上不算数。CEO要的是利润表上的那一行，他翻遍了汇报材料，那一行是空的。

散会后，老陈一个人在走廊站了很久。他大概想不到，自己这一晚的窘迫，第二天会变成一份报告里冰冷的百分比。

2026年10月28日，MIT科技评论洞察发布了一份企业调研。数字摆出来很有意思：所有受访企业都在使用AI，普及率高到找不到对照组；但能从中拿到变革性价值的，只有16%。

剩下那84%的企业，工具照买、订阅照付，例会上人人都说AI用得挺顺，账本上却始终找不出那一行数字。

更扎心的对照发生在同一天。微软和谷歌同日交财报，Azure单季收入332亿美元，首次以美元口径披露，同比增长48%；

谷歌云的增速更是直接翻倍。挖金的大多没挖到金子，卖铲子的先把钱赚走了。

那么问题来了。企业花的钱是真的，巨头赚的钱也是真的，这笔钱从企业口袋流向巨头口袋的半路上，到底漏在了哪？这篇文章就顺着这个漏口，一层一层往下挖。

先看回报端。这项调研把企业的AI回报拆成了四档（MIT科技评论洞察，2026年）：16%的受访企业获得变革性价值；

21%报告了有意义的收益；40%只在特定任务或特定团队里看到中等收益，这是最大的一档；剩下23%收益微乎其微，甚至干脆没有。

这组数字最值得琢磨的地方，不是16%有多低，而是中间那一大坨。40%加21%，六成以上的企业卡在"有点用，但说不上改变命运"的地带。

翻译一下：大部分公司买到的是"员工个人效率"，不是"企业利润"。员工写周报快了十分钟，客户响应快了三十秒，这些都真实存在，但它们沉淀不到利润表上。

就像办公室咖啡机换成了顶级意式机，每个人都说好喝，没人能证明它提升了营收。

再看落地阶段，这组数字更能说明问题。38%的受访企业仍在试点AI用例；35%把AI当辅助工具，比如Copilot和聊天助手；

真正把AI智能体（agent）投入生产的只有12%；让AI承担关键流程大部分工作的，只有3%（MIT科技评论洞察，2026年）。

3%这个数字尤其值得盯着看。它是这项调研里最保守也最诚实的数字：让AI承担关键流程大部分工作的企业，一百家里只有三家。

绝大多数企业嘴上喊着All in AI，身体却很诚实，关键流程还是留给了人。这不全是保守，也是理性，关键流程出了错，赔的是真金白银。

把两个维度放在一起看，结论很清晰：七成以上的企业还在浅水区扑腾，既没淹着，也没游起来。而那16%拿到变革性价值的，大概率就是12%让智能体进入生产环境的那批人。

调研报告里最有意思的一句话，来自数据分析平台Atlan的联合创始人Prukalpa Sankar。她说，模型的能力，和模型在组织内部实际发挥的作用之间，存在巨大鸿沟。

用她的话说，"对每一个真实的意图和目的而言，通用人工智能已经到来了。它只是在今天的大多数公司里没什么用"（MIT科技评论洞察，2026年）。

Sankar认为，缺的那一层叫context层，也就是上下文层。通俗解释：AI模型再聪明，它也不认识你们公司的报销制度、不知道哪个客户是大客户、分不清SKU编码背后的产品线。

上下文层就是架在业务系统和AI平台之间的一套架构基础设施，把企业的业务知识翻译成AI能调用、受治理的格式，让AI真正"懂这家公司"。

还有一个细节值得玩味。38%仍在试点这个比例，在近几年的各类调研里几乎没变过。企业对AI的态度像围城：外面的觉得不够了解不敢全面上，里面的觉得效果不够好不敢下线。

于是试点成了一种永久状态，像健身房年卡，办了就算锻炼过。

Sankar打了个比方：没有上下文层的AI，"就像你招了世界上最聪明的实习生，蒙上他的眼睛，然后把他扔进你的组织里"（MIT科技评论洞察，2026年）。

这份工作唯一的福利是实习生不收工资，而AI可是按月收订阅费的。

这也解释了23%那一档为什么会存在。钱不是被模型烧掉的，是被"模型与业务之间那截断路"烧掉的。工具越买越多，模型越来越强，但如果AI拿不到业务语境，它的输出就只能是盲人摸象式的猜测。

顺便交代一下这份调研的成色。它是MIT科技评论洞察与Atlan合作的定向调研，受访对象均为正在使用AI的企业组织，网页版没有披露样本量，所以它更像一张高像素的快照，而不是一次全民普查。

但快照的价值在于清晰：它把企业AI的回报结构切成了能对账的四档，把落地阶段切成了能定位的四层。数字可以讨论，结构不会骗人。

图1：MIT科技评论洞察2026年10月调研，企业AI回报分布（左）与落地阶段分布（右）

企业端的AI回报惨淡，那钱去哪了？就在这份调研发布的第二天，答案自己找上门来了。

2026年10月28日，微软和Alphabet同一天发布最新一季财报。微软2027财年第一季度（2026年7月至9月）总营收923亿美元，同比增长19%；

净利润366亿美元，增长32%（微软财报，2026年10月）。

这季财报还有一个历史性时刻：微软第一次以美元金额披露Azure的季度收入。2026年7月至9月，Azure收入332亿美元，同比增长48%，占微软季度总收入的36%（微软财报，2026年10月）。

过去很多年，微软只公布Azure的增长百分比，真实基数一直藏在百分比后面，这次算是把底牌拍在了桌上。

Alphabet那边，2026年第三季度营收1276亿美元，同比增长25%；谷歌云收入307亿美元，同比增速高达103%，几乎翻倍（Alphabet财报，2026年10月）。Gemini应用的用户规模也披露了，已达10亿。

但有意思的是市场反应。财报发布后，微软盘后股价一度上涨超6%，Alphabet盘后却一度大跌超10%（腾讯新闻，2026年10月）。

原因并不复杂：谷歌云虽然收入翻倍，但AI基础设施投入巨大，本季度自由现金流转负，市场开始担心投入产出的效率。

看到规律了吗。企业AI的兑现率是16%，但卖铲子的Microsoft Cloud单季收入639亿美元，增长30%；

微软新设的"智能体与基础设施"业务板块，单季收入768亿美元，增长25%（微软财报，2026年10月）。

顺带一提，云市场真正的老大亚马逊AWS要等到第二天才发财报，分析师普遍预期它继续增长。等它公布后，三家巨头将第一次全部用美元口径同台亮相，云战争的记分牌从百分比时代进入了美元时代（腾讯新闻，2026年10月）。

这就是经典的经济结构：淘金的人大多数没挖到金子，但卖牛仔裤的和卖铲子的把日子过得非常好。企业端16%的兑现率，恰好构成了云厂商财报里那根陡峭的增长曲线。企业不是没花钱，钱只是换了个地方变利润。

这里要替巨头说句公道话，他们的商业模式其实是成立的。企业买算力、买订阅，支出是真金白银，巨头收的钱也是真金白银。

问题在于，这笔支出对购买方来说是成本，能不能转化成利润，取决于购买方自己。铲子是卖出了，金子还得你自己挖。

这笔账其实可以算得更直白。企业买的每一张GPU卡、每一度数据中心电、每一份Copilot订阅，最终都变成微软和谷歌财报里的云收入。

企业端越焦虑，越想买工具试试，巨头的财报越漂亮。这是AI价值链目前最真实的传导：钱从想要效率的企业流出，停在拥有算力的巨头手里。

所以别急着骂"AI泡沫"。更准确的描述是：AI的价值链条上，收入端集中在基础设施层，回报端却迟迟没有传导到应用层。这不是骗局，是一个尚未完成的传导。

单看一份调研容易情绪化。有人会说16%是MIT这轮样本偏悲观，有人会说AI才刚起步要给点时间。所以我们干了一件笨活：

把2023年到2026年各权威机构做过的"AI价值兑现"调研翻了个遍，摆到同一张桌子上对账。

先上表格，一共十组调研口径，全部经过逐个核实。

把其中可比的"兑现率"数字按发布时间排开，就是下面这张图。所谓兑现率，我们统一取各调研里"拿到实质性价值的企业占比"这一档。

图2：2023至2026年各权威调研"价值兑现率"口径对比，各调研定义不同，仅供方向性参考

看完兑现率，再看投入端。下面这张图把云巨头的收入增速和企业端的兑现率放在一起，两条线的剪刀差一目了然。

图3：投入端（云收入同比增速，2026年7至9月季度）与回报端（企业价值兑现率）对比

十组数字看完，我们可以提炼三条规律。

十组数字里还藏着一个容易被忽略的时间细节。2023年IBM测出5.9%回报率的时候，ChatGPT刚火了一年多；

2026年MIT测出16%的时候，智能体已经喊了两年。技术换代了两轮，兑现率的量级始终没变。

第一条：兑现率四年来一直趴在5%到17%之间，没挪过窝。2023年IBM测出5.9%的投资回报率均值，2025年BCG和MIT NANDA给出5%的兑现率，2026年MIT科技评论洞察给到16%。数字有波动，但量级惊人地稳定。四年里模型从GPT-3.5级别进化到了推理智能体，兑现率却像被焊死了一样。这说明瓶颈根本不在模型这一侧。

第二条：差距在数据和流程，不在模型。把各调研的归因摆在一起，会发现高度一致。MIT NANDA把"分化"归因于脆弱的工作流、有限的上下文记忆能力、与日常业务脱节（MIT NANDA，2025年）；Gartner列举的项目放弃原因里，第一条就是数据质量差（Gartner，2024年）；Sankar直接指出缺的是上下文层（MIT科技评论洞察，2026年）。模型已经是全世界最聪明的实习生，问题是公司自己还没准备好工位、权限和业务手册。

还有个佐证：麦肯锡2025年11月的调研发现，"AI高绩效企业"重设工作流程的比例是其他企业的三倍，规模化部署智能体的比例也达到其他企业的三倍以上（麦肯锡，2025年）。

拉开差距的动作，是重排工作流程和补数据底子，不是换更贵的模型。

第三条：智能体是分水岭，但也可能是新一轮试点。乐观的证据：麦肯锡调研里62%的组织在试用智能体，MIT科技评论洞察里12%的企业已让智能体进入生产。悲观的证据也摆在同一个数据集里：试用不等于兑现，38%还在试点，而试点这个状态，四年来从来没少过。2024年Gartner预测三成项目会在概念验证后被放弃，如今各家调研的放弃与搁浅口径只多不少。

换句话说，2026年的智能体热，很可能是2023年聊天机器人热的高配重演：旧试点还没出清，新故事已经上市。

如果企业只是把Copilot换成Agent，而不去补上下文层和数据治理，两年后我们大概率还要再写一遍这篇文章，把16%换成某个新的数字。

当然也要给智能体留一点余地。与2023年的聊天机器人热不同，智能体天然带着流程属性，它必须接入业务系统才能干活，这会倒逼企业把数据和流程理顺。

也就是说，智能体可能是第一个逼着企业补上下文层的AI形态。如果这个传导成立，下一轮调研的兑现率曲线，才有望真正抬头。

顺着这个逻辑看，未来两年企业AI的钱可能会流向一个新的方向：不是模型订阅，而是上下文层建设。把企业的数据字典、业务规则、审批流程整理成机器可用的知识，这个活又脏又累，一点都不性感，但它是那16%和84%之间的分界线。数据治理这门老手艺，正在被AI重新定价。

最后必须说口径这件事。细心的读者已经发现，十组调研的数字并不能直接横比：

MIT NANDA的95%说的是"无可测量损益回报"，麦肯锡的6%说的是"EBIT影响超5%的高绩效企业"，MIT科技评论洞察的16%说的是"变革性价值"，Gartner的30%干脆是放弃率。

定义不同、样本不同、时间窗口不同，甚至有的测的是感知，有的测的是财务结果。这正是我们要做这张表格的原因：单拎任何一个数字出来吓人都是耍流氓，摆在一起才能看清趋势的方向和量级。看任何AI调研，先问口径，再下结论。

顺带一提，看数字时还要区分感知和财务。沃顿商学院与GBK Collective在2025年10月的调研里（样本801名企业领导），近四分之三的受访者自报ROI为正，看起来比麦肯锡的6%乐观十倍。

差别就在于，前者测的是主观感知并含未来预期，后者测的是实际财务结果。两边的数字都是真的，只是它们不在说同一件事。

科学吃瓜 · 用研究的方式看热点｜轻松版在瓜棚营业中