砸下2587亿美元，70%公司已上AI，但80%说“没效果”

生产力正经历一场诡异的“迟到”：技术已经就位，投资已经到位，但效率数据却迟迟不肯报到。最新一项覆盖欧美6000多名高管的调查揭示了AI落地的一幅矛盾图景——采用率飙升，生产力却按兵不动。

---

AI的“生产力悖论”：当技术先行，效率滞后

黄仁勋有一个著名判断：“我们正在经历60年来第一次真正重新发明计算。” 从显式编程到隐式编程，从“预录制”软件到“生成式”软件，这场计算革命正在重塑每一个行业。

但最新数据给出了一个冷静的注脚。

美国国家经济研究局（NBER）发布的一项调查，覆盖了欧美地区6000多名企业高管。结果揭示了一个值得所有开发者深思的现象：AI的采用率在飙升，但真正的生产效率提升却迟迟未兑现。

黄仁勋曾建议企业“不要过早计算投资回报率（ROI），先让百花齐放”。然而当百花已经齐放，ROI却依然模糊——这究竟是技术的问题，还是我们的问题？

70%已部署，80%说“没效果”

调查数据显示出一个令人困惑的剪刀差：

• 70% 的受访企业已经在积极使用AI
• 但其中超过 80% 表示，AI对公司生产力或员工规模几乎没有带来实质性改变

简单说：企业“部署了AI”，但还没有“从AI中赚到生产力红利”。

当然，高管们并非完全悲观。多数受访者仍然相信，在未来三年内，AI将带来可量化的改变：

• 提升生产力 1.4%
• 降低员工数量 0.7%
• 增加产出 0.8%

但问题是，这些都是“预期”，而不是“现实”。

更有意思的是高管群体的使用习惯：约三分之一的人表示自己会在工作中使用AI，但平均使用时长仅为每周1.5小时；还有四分之一的高管完全没有使用AI。

换句话说，AI虽在企业中“上线了”，但真正高频、深度地融入工作流的情况还远远谈不上普及。

历史的回声：索洛生产力悖论

这种“技术已普及，但效率未提升”的现象，其实并不陌生。

经济学家Robert Solow在1980年代提出著名的 “索洛生产力悖论” ：“你能在任何地方看到计算机时代，除了在生产力统计数据里。”

历史数据印证了这一观察：

• 1948至1973年，美国生产力增长率稳定在 2.9%
• 70–80年代，信息技术和微型计算机广泛引入，生产力增长率却下降至 1.1%
• 直到90年代末和21世纪初，生产力增长才重新回升

原因是什么？当年微型计算机的引入，确实改变了企业运作方式，但同时也带来了信息过载、额外行政流程、系统学习成本等问题，反而在短期内拖慢了整体效率。

放到今天来看，AI似乎也在经历类似阶段。

AI落地的“隐形摩擦成本”

企业引入AI工具后，面临的是一系列“隐形摩擦成本”：

挑战维度	具体表现
流程重构	需要重新设计工作流程以适应AI协作
技能转型	员工需要培训才能有效使用AI工具
治理合规	需要建立数据治理与合规支持体系
输出审查	增加“审查AI输出”的额外工作量

更讽刺的是，近期还有研究指出，频繁使用AI反而可能增加员工倦怠感——因为人类在不断校对、纠错和兜底。

这就像黄仁勋所说的“AI-in-the-loop”愿景尚未真正实现。当AI还只是一个需要人类不断检查和修正的“辅助工具”，而不是真正融入流程的“智能体”时，生产力的跃迁自然难以发生。

资本的“ALL IN”与现实的“温差”

尽管生产力尚未明显提升，但资本市场已经给出了截然不同的信号。

数据显示，2025年全球风险投资中，61%流向了AI企业，总额高达2587亿美元——也就是说，AI已经成为创投领域的“核心资产类别”。不管短期效果如何，市场已经押注它将成为下一代基础设施。

科技巨头更是全面加码。例如Microsoft正在全力推进AI战略，从Office Copilot到Azure OpenAI服务全面布局。其AI业务负责人甚至公开表示，AI有可能在18个月内替代所有白领工作——这一说法也引发了巨大争议。

高管们一边看到现实矛盾，一边保持高度乐观——这足以说明，AI已经深度嵌入职场叙事，但真正的生产力红利，可能还在路上。

开发者的信号：从“插件”到“架构”

对于开发者而言，这其实是一个非常关键的信号：AI并不是一个“装上就能飞”的插件式升级，它更像是一次基础架构层面的变革。

真正的生产力跃迁，往往发生在：

• 组织流程被重构之后——不是“人+AI”并行，而是“人-AI”融合
• 数据体系打通之后——AI需要的是实时、干净、可反馈的数据流
• 人机协作模式成熟之后——明确分工，各展所长
• AI能承担完整任务链——而不是零碎辅助功能

历史的节奏：颠覆性技术需要时间

从历史经验来看，颠覆性技术通常需要十年以上时间，才能真正反映在宏观生产力曲线中。

• 微型计算机如此：70年代引入，90年代才见显著成效
• 互联网如此：90年代泡沫，2000年代才真正改变商业
• 移动互联网亦如此：2007年iPhone问世，2010年代才全面渗透

如今，AI很可能也会如此。

企业拥抱AI时如下三条核心建议更具现实意义：

• 鼓励实验：允许内部团队安全地尝试各种AI工具和项目。不要因为短期效果不明显就放弃探索。
• 聚焦核心：识别并赋能公司最具影响力的核心工作。AI的价值在于放大核心能力，而非分散注意力。
• 先发散后收敛：在充分探索后，再运用判断力整合最佳平台与方法。AI的落地需要试错，也需要收敛。

AI的浪潮已经到来，但潮水带来的不只是浮力，还有重塑地形的力量。 那些在短期看不到效果的地方，可能正是长期变革最深的所在。

---

*参考链接：
https://www.tomshardware.com/tech-industry/artificial-intelligence/over-80-percent-of-companies-report-no-productivity-gains-from-ai-so-far-despite-billions-in-investment-survey-suggests-6-000-executives-also-reveal-1-3-of-leaders-use-ai-but-only-for-90-minutes-a-week
*