88%的企业2026年将增加对AI的资金投入

中经记者 秦枭 北京报道

当下，生成式AI、代理式AI（Agentic AI）持续成为产业焦点，从科技巨头到传统行业，几乎所有企业都在加速拥抱AI转型。模型能力迭代速度加快，各类炫酷的应用演示、概念验证（POC）层出不穷，资本市场与企业管理层对AI的期待被推向新高。在一片

火热之下，企业对AI的投入持续增长，可真正转化为可量化业务价值，尤其是财务价值的成果却严重不足。AI技术能力与企业价值实现之间，正形成一道越来越宽的“影响力鸿沟”。Gartner高级研究总监孙鑫在接受《中国经营报》记者采访时表示，当前AI竞赛的胜负早已不取决于模型强弱，而取决于企业AI成熟度。谁能帮助客户跨越影响力鸿沟，把创新真正转化为业务成功，谁就能在未来市场中占据主导。

投入与价值严重错配

当前全球企业AI领域呈现出高度矛盾的景象：一方面，管理层对AI寄予前所未有的厚望，资金投入持续加码；另一方面，AI项目难以规模化落地，投资回报不达预期，管理层难以从财报中看到真实收益。

Gartner调研数据显示，77%的CEO认为，未来三年内AI将对其所在行业产生最重大的影响，这意味着AI已经被抬升至影响企业战略走向的核心位置。与此同时，88%的企业机构明确表示，将在2026年增加对生成式AI和传统AI的资金投入。

“现在的企业已经不用再讨论‘要不要做AI’，而是必须做、必须加大投入，但同时必须证明回报。”孙鑫表示，这种“必须投、又必须见效”的双重压力，正集中落在企业AI一号位身上。

但现实是，AI的价值兑现远未达到预期。Gartner调研数据显示，不到30%的AI领导者表示，其CEO对生成式AI的投资回报给予高度评价；更值得关注的是，仅有11%的CFO表示，企业在2025年已经从AI中获得了实际财务价值。这意味着，绝大多数企业投入了大量资金、人力推进AI项目，但并未在财务层面形成可验证的回报。

这一问题在中国企业身上表现得更为突出。Gartner针对中国市场的调研显示，仅有8%的中国企业通过AI实现了营业收入增长，绝大多数企业的AI成果仅停留在提高生产力、优化内部流程等层面，难以转化为直接的收入增长、成本显著下降或业务模式创新。

“大家看到的都是很精彩的Demo，是朋友圈里炫酷的AI应用案例，但这些都不等于规模化的生产落地。”孙鑫指出，当前企业AI落地最典型的困境，就是“赢了试点，输了规模化”。针对AI代理（Agentic AI）的部署阶段调研显示，仅有16%的企业已将其部署至生产环境，55%仍处于探索阶段，24%处于规划中。从2025年到2026年，这一比例仅从9%增长到16%，增幅远低于市场热度。

在孙鑫看来，这种错配的根源，在于AI模型能力与企业成熟度的严重不同步。模型能力在飞速增长，但企业把模型转化为业务价值的组织能力、数据能力、治理能力、运营能力没有跟上，最终导致大量项目停留在试验、验证阶段，无法进入稳定的生产环境，更无法实现全企业扩展。

“很多企业把AI当成一个技术项目，买模型、搭系统、做测试，以为这样就实现了AI转型。但企业级AI从来不是单点技术的叠加，而是一整套体系的重构。”孙鑫强调，成熟度不足，正是当前企业AI投入高、回报低的核心症结。

上下文成为破局关键

当模型能力不再是瓶颈，企业竞争的焦点也在悄然转移。孙鑫提出，AI市场已经告别单纯的模型能力比拼，进入以企业成熟度为核心、以上下文精准度和AI执行为支撑的新阶段。未来的赢家，不再是拥有最大模型的厂商，而是能帮助企业构建上下文能力、补齐执行体系、提升成熟度的参与者。

在过去很长一段时间里，行业普遍认为，模型越强，AI价值就越大。但Gartner的研究数据显示，在影响AI业务价值的五大关键因素中，排名第一的是“数据基础”，占比27%；其后依次是治理能力、AI技术、业务对齐、预算支持。模型技术本身，并非价值实现的最核心要素。

“今天企业的核心问题已经不是模型够不够强，而是底层有没有AI就绪的数据。”孙鑫表示，仅有4%的企业认为自己已经实现数据AI就绪，37%有望实现，55%难以实现。大量AI项目的瓶颈，不在模型接入，而在数据准备。更深一层看，真正的约束不是数据总量，而是企业能否把数据组织成AI需要的“上下文”。

2026年，Gartner将“上下文”视为AI领域最重要的关键词。孙鑫解释，上下文包含企业的业务语义、工作流规则、知识体系、决策逻辑等，是模型理解企业业务、稳定输出价值的基础。缺乏高质量上下文，再强的模型也会频繁出现错误、幻觉、输出不可控，无法支撑企业级应用。

调研显示，实施语义建模、知识本体等上下文工程的企业，在AI数据工程实践中实现高效能的概率高出2.2倍；推理准确度提升40%以上，而在相同准确率下，Token使用量可减少约70%。这意味着，上下文工程不是锦上添花，而是企业AI能否落地、能否低成本、高效率运行的关键。

基于此，Gartner预测，到2028年，80%用于构建AI应用的软件工具将内置上下文工程能力；上下文工程的改进，将使代理型AI的准确率至少提升30%。整个市场将从模型能力竞争，全面转向上下文精确度竞争。

“价值不来自原始数据输入，而来自被组织好的上下文。”孙鑫表示，未来厂商卖给企业的不应只是模型调用权限，而是可感知上下文、能过滤噪音、精准对接业务的完整系统。数据的角色也正在从“记录系统”（System of Record）转向“行动系统”（System of Action），从静态资产变成驱动业务执行的核心动力。

要把上下文能力转化为真实价值，企业还必须补齐另一块短板——AI执行层。“AI的下一个战场，不是模型，而是执行。”孙鑫说，很多厂商能做出精彩的演示，却无法让AI在真实业务里稳定跑起来，本质就是缺少执行层。企业必须放弃“走捷径”的心态，不再追求快速出Demo，而是建立学习、评估、反馈、控制、持续优化的完整闭环，把AI变成可运营、可迭代、可规模化的系统。

对于正在大力推进AI转型的中国企业而言，当前最需要的不是追逐最新模型，而是回归业务价值，沉下心提升AI成熟度。

孙鑫建议，企业管理层首先要把AI从技术项目升级为“一把手工程”，将AI战略与业务战略深度对齐，明确优先级，避免遍地开花却无一项落地见效。其次，必须在项目启动之初就定义“高价值任务”，并建立可量化的价值评估体系，让AI投入始终围绕收入增长、成本优化、风险降低等核心目标。

同时，企业应优先补齐数据与上下文短板，清理“语义层负债”，把散乱的数据转化为AI可用的知识体系。在此基础上，搭建学习、评估、执行三位一体的AI运营体系，引入前线部署工程师（FDE）机制，推动技术与业务深度融合，让AI真正嵌入流程、驱动决策、创造价值。

“AI的成熟度不是设计出来的，是走出来的。”孙鑫最后强调，就像温布尔登球场草地上长期自然形成的运动轨迹，企业的AI成长路径，也是在持续学习、执行、反馈、优化中一步步走出来的。对企业而言，真正的挑战从来不是跟上模型的迭代速度，而是持续提升自身成熟度，把技术红利稳定地转化为业务红利。

（编辑：张靖超 审核：李正豪 校对：颜京宁）