写在 AI 大势已定之时

一篇关于 AI ROI 现状的阶段性个人观察报告

AI 是泡沫吗？不是。 AI 会逆转吗？不会！ AI 能赚钱么？看人。

这是一篇写给宏观观察者、企业主和普通人的 AI ROI（投资回报率）现状的阶段性个人观察报告，观察对象主要是美国市场。本文仅代表个人观察判断，不构成投资、经营或职业建议。

截至 2026 年 5 月底，种种迹象表明，AI 应用已经进入企业利润表验证阶段。短期 ROI（投资回报率）极端两极分化现象严重。少数企业已经把 AI 转化为真实收益，BCG 估算真正获得显著 AI 价值的公司约为 5%，这类头部企业在营收增长和 TSR（股东总回报）表现上显著领先，成熟企业样本达到 1.7 倍营收增长和 3.6 倍三年 TSR 表现。[6] 与此同时，绝大多数企业仍停留在效率提升、局部降本、试点焦虑和预算压力的困局里。

但这显然无法改变 AI 加速渗透人类社会和组织的大趋势，只会加速分层。企业要评估自己有没有使用 AI 所要求的结构化承载和理解能力。普通人要认识到，就业和组织变化已在不可逆地突进，放弃幻想，降低焦虑，拥抱机遇，福祸相依，古来亦然。

一、AI 资本投入没有停，反而在加速

先看最硬核的一条线：天量资本投入还在加速。

Gartner 2026 年 5 月预测，2026 年全球 AI 支出将达到约 2.59 万亿美元，同比增长 47%；2027 年将进一步升至约 3.49 万亿美元。[1] 这是一个已经达到大型经济体年度名义 GDP（国内生产总值）量级的投资规模，接近加拿大、巴西、俄罗斯、意大利等经济体的年度体量；到 2027 年，这个数字将进一步接近法国年度名义 GDP 规模。[8] 所以近期我们会看到，凡是和 AI 基建主线相关联的企业纷纷被市场重新定价，芯片、存储、云服务、AI 优化服务器、IaaS（基础设施即服务）、网络交换、数据中心电力与散热等等，都进入新的高速增长周期。Gartner 同一报告还预计，AI 基础设施将成为最大支出板块，2026 年约 1.43 万亿美元，2027 年约 1.89 万亿美元。[1]

企业的 AI 使用层面也已经开始扩散。McKinsey 的调查显示，88% 的组织已经在至少一个业务功能中常规使用 AI，约三分之一的组织正在把 AI 推向规模化应用。[2] 这说明 AI 已经越过“有没有人用”的阶段，进入“怎么用、用到哪里、能不能产生组织收益”的阶段。

这就是我判断大势已定的原因。一个新技术一旦进入资本开支、企业流程、组织预算、岗位重组和基础设施建设，它就不再只是舆论场里的热点，而是开始成为现实组织系统的一部分。互联网如此，AI 亦如此。

二、企业利润表开始被市场审视

2026 年最真实的变化，是 AI 开始被企业利润表审视。

PwC 2026 CEO Survey 显示，56% 的 CEO（首席执行官）尚未看到 AI 带来的营收提升或成本降低，只有 12% 同时看到了营收和成本两端的收益。[3] Deloitte 的调查则给出了另一组更细的口径：66% 的组织报告了生产力或效率提升，40% 看到了成本降低，20% 看到了营收增加。[4]

这几组数字放在一起看，图景很清楚：AI 已经让不少企业感觉更有效率，但这种效率感距离企业利润还有一段距离。个人效率提升可以很快出现，组织利润提升需要流程、数据、管理、成本和业务目标同时被承载和理解。

MIT NANDA 2025 年关于 GenAI（生成式人工智能）的报告也给出一个更刺眼的观察：大量 GenAI 试点项目没有形成可衡量的 P&L（利润表）影响，报告中常被引用的口径是 95% 的试点未能产生可衡量的 P&L 结果。[5] 这个数字不适合被简单理解成“AI 失败了”。它更像一个提醒：会做演示，不等于能进生产；能提高局部效率，不等于能改变利润表。

三、AI 能赚钱么？看人

同样是 AI，有人用成提款机，有人用成预算黑洞。

BCG 的研究已经把这种分化说得很直接：真正获得显著 AI 价值的公司只占少数。[6] 这组数据放在开头，是为了先把现实摆出来；放在这里，则要回答一个更具体的问题：为什么？怎么办？

这背后的差别，不在于谁买了更贵的模型，也不只在于谁开了更多账号。真正的差别在企业原先的结构化程度。

使用 AI 后能赚钱的企业，通常有几个共同点：数据规范，边界清晰，流程清晰，责任明确，成本可管理，场景高价值，管理层愿意为 AI 重构业务流程，而不是只把 AI 当成一个新鲜工具发给员工。这些企业把 AI 放进真实流程里，让 AI 参与采购、客服、风控、销售、代码、财务、供应链、内容生产和知识管理，再用清晰的业务指标检查结果。

使用 AI 后赚不到钱的企业也有共同点：项目繁多，山头林立、权责不清，部门间壁垒森严。AI 演示很好看，但实际情况是组织山头变不动、业务流程没法变。从部门到员工各行其是，数据散乱，权责不明，成本都靠老板自己管，最后企业看上去引入了新技术，但实际组织运行模式还是十年如一日，一成不变。

所以 AI 能不能赚钱，答案确实是：看人。更准确地说，看企业有没有能力把 AI 吸收进自己的组织结构里，看你的组织文化能不能接受岗位、流程和权力关系的再分配？

四、企业主要先做自查

AI 与互联网平台还有一个重要差别：互联网产品一旦建成，边际分发成本接近于零；而 AI 推理每次调用都消耗算力、上下文、工具调用和复核成本。即使单位 token 成本持续下降，使用量、上下文长度和 Agent 多步执行也会同步上升。因此，AI ROI 不能只按“是否能用”来判断，而必须按任务价值、推理成本和组织复核成本一起计算。

如果你是企业主，现在最重要的问题已经不是“要不要用 AI”。这个问题已经过时了。

真正要问的是：

你有没有足够清晰的业务场景？ 你有没有能被 AI 使用的数据和知识？ 你的流程能不能被重新拆开、重组、嵌入 AI 实现自动化？ 你有没有人负责判断，对业务结果负责，而不只是采购 AI 工具？ 你有没有办法衡量 ROI，而不是只看员工说“牛逼”？ 以及，你的 Token（词元）、云服务、订阅、Agent（智能体）运行成本有没有合理的边界？

很多企业现在的问题，是把 AI 当成软件在采购。买一个账号，开一个权限，办几次内部培训，发几篇成功演示案例，然后期待额外的利润会自己出现，这是幻觉。

AI 对企业更像一次结构化程度检验。平时流程混乱的公司，AI 会把混乱放大。平时数据质量差的公司，AI 会把垃圾更快地吐出来。平时部门墙很厚的公司，AI 会先撞在墙上。平时没有指标意识的公司，最后只能用情绪判断项目成败。

Kyndryl 的报告显示，61% 的领导者感受到比一年前更大的 AI ROI 证明压力。[7] 这种压力很正常。钱花出去了，董事会、股东、老板、员工都会问同一个问题：AI 赚钱了么？

五、普通人要看清冲击现实和未来机遇

普通人不需要读懂所有企业报告，但需要读懂方向。

AI 带来的就业冲击是真实的。它先影响白领流程、内容生产、客服、翻译、初级分析、代码辅助、运营支持、行政和知识整理。很多岗位不会立刻消失，但岗位里的任务会被重新切分。一个人过去做十件事，未来可能有三件交给 AI，三件交给自动化流程，剩下四件要求更强的判断、协调和责任承担。

这会带来焦虑，也会带来机会。焦虑来自旧岗位边界被打碎，旧的成长通路被阻塞。机会来自新的组织流程需要人去理解，掌握、连接、判断和负责。

不要再争论 AI 是不是泡沫，不要再无效焦虑。要积极去观察自己所在行业的组织结构和运行链条：哪些工作是重复性的，哪些工作依赖信息整理，哪些工作需要跨系统协作，哪些工作最终要有人负责判断，承担责任。越靠近判断、结构、信任、现场、复杂沟通和真实责任的位置，越值得继续增强。那些搬运、整理、复制、初级生成的岗位，终将被组织以 AI 的名义降本增效。

至于全社会能不能用新政策、新岗位、新组织形态去填平 AI 冲击带来的就业深坑，现在还不能断言。历史上，每次技术浪潮都会创造新岗位位置，也会吞掉旧岗位。这个过程从来没有温柔。

六、结论

所以，

AI 是泡沫吗？不是！ AI 会逆转吗？不会！ AI 能赚钱么？看人。

未来已来，一切尽在当下，与诸君共勉！

引用来源

[1] Gartner：2026 年全球 AI 支出预计约 2.59 万亿美元，同比增长 47%；2027 年预计约 3.49 万亿美元，其中 AI 基础设施为最大支出板块。 https://www.gartner.com/en/newsroom/press-releases/2026-05-19-gartner-forecasts-worldwide-ai-spending-to-grow-47-percent-in-2026

[2] McKinsey：The State of AI，关于组织常规使用 AI 和规模化应用的数据。 https://www.mckinsey.com/capabilities/quantumblack/our-insights/the-state-of-ai

[3] PwC：2026 Global CEO Survey，关于 56% CEO 未看到营收或成本收益、12% 同时看到两端收益。 https://www.pwc.com/gx/en/news-room/press-releases/2026/pwc-2026-global-ceo-survey.html

[4] Deloitte：State of AI in the Enterprise，关于生产力提升、成本降低、营收增加的数据。 https://www.deloitte.com/us/en/what-we-do/capabilities/applied-artificial-intelligence/content/state-of-ai-in-the-enterprise.html

[5] MIT NANDA：The GenAI Divide: State of AI in Business 2025，关于 GenAI 试点项目和 P&L 影响。 https://www.pi.inc/docs/356103613275648

[6] BCG：The Widening AI Value Gap，关于 5% 头部企业、营收增长和 TSR 表现。 https://www.bcg.com/assets/2025/the-widening-ai-value-gap.pdf

[7] Kyndryl：Readiness Report，关于 61% 领导者感到更大 AI ROI 证明压力。 https://www.kyndryl.com/content/dam/kyndrylprogram/doc/en/2025/readiness-report.pdf

[8] World Bank：GDP current US$，用于对照各经济体年度名义 GDP 量级。 https://data.worldbank.org/indicator/NY.GDP.MKTP.CD

作者简介

王潇（Wang Xiao）是 AI 协议架构师、《系统和自由》作者，Danbing AI Protocol / SLAPS Framework 创造者，OathAI 发起人。

他的工作围绕 human-AI co-creation（人机共创）、protocol governance（协议治理）、semantic anchoring（语义锚定）与 long-term knowledge continuity（长期知识连续性）展开，关注如何在 AI 时代保存、校准并继承人类知识与协作结构。

免责声明

本文为作者基于个人实践、研究和人机协作经验形成的阶段性观察与方法总结。相关 Danbing / SLAPS / OathAI 方法仍在持续整理和演化中，具体应用效果会受到使用者背景、任务场景、模型能力、执行环境和投入程度影响。

本文不构成法律、投资、医疗、职业或技术实施保证。读者如将相关方法用于实际项目，应结合自身情况独立判断，并对具体使用结果负责。