"技术跑通了，价值没到来"：贝恩报告揭示AI支出逾万亿美元后回报寥寥

随着全球超过1万亿美元（trillion）的资本狂热涌入人工智能（AI）领域，市场的注意力正不可避免地回归到商业逻辑的最核心指标：投资回报率（ROI）。

全球顶级咨询机构贝恩（Bain）最新一项全球高管调查报告给火热的AI投资热潮泼了一盆冷水：在企业AI支出已累计超过1万亿美元之后，自动化带来的实际成本节约普遍远低于预期。

调查覆盖全球951家年收入超过1亿美元的企业，横跨零售、科技、先进制造、医疗、消费品、能源、金融服务、电信/媒体/娱乐及保险九大行业。结果显示，在能够量化AI成本节约的企业中，占比最大的一组（40%）实现的成本降幅仅在10%或以下，与最初的宏大预期相去甚远。

更令人警惕的是：44%的大型企业正在用"尚未兑现的上一轮AI节约"来为下一轮AI投资提供资金依据——贝恩将此定性为"一个存在结构性漏洞的循环赌注"。与此同时，高德纳（Gartner）的同期报告预测，超过40%的智能体AI（Agentic AI）项目将在2027年底前被叫停。贝恩一语道破现状："技术跑通了，价值没到来。"

这一系列信号意味着：AI概念股的估值逻辑正面临严峻拷问——当前的高估值建立在"预测值"而非"实际值"之上，一旦市场开始认真做ROI（投资回报率）测算，估值重构的风险不可忽视。

40%的企业AI成本节约不足10%，预期与现实严重背离

贝恩于今年4月完成的这项调查揭示了一个令高管层"应感到不安"的现实：在能够衡量AI成本节约效果的企业中，占比最高的群体（40%）所实现的成本降幅仅为10%或以下。而这些企业在AI技术上的投入，往往远超这一节约幅度。

贝恩在报告中直言，这些未能达标的结果"应该让高管们感到不安"——因为他们中的许多人，正是以"预期节约"为由批准了持续增加的AI预算。问题的核心在于：实际可见的节约效果微乎其微。

这并非AI表现不及预期的首个证据。麻省理工学院（MIT）去年发布的研究报告同样显示，95%的企业AI试点项目以失败告终，主要原因在于"工具无法学习、集成效果差，或与实际工作流程不匹配"。

"循环赌注"：用未兑现的收益为下一轮投资背书

贝恩报告中最令人忧虑的发现，是企业AI投资决策逻辑中的一个根本性缺陷：44%的大型企业正在以上一轮AI投资所产生的"节约"作为下一轮投资的资金来源依据——而那些节约根本尚未实现。

贝恩对此发出明确警告："上一轮投资未能兑现承诺，可供分配的节约池比预想的要小得多。而当前这一轮投资的商业论证，是基于预测值而非实际值来定规模的。"

报告进一步指出，这种"用过去回报自我滚动融资下一轮"的做法，表面上看似财务纪律严明，"实质上是一个存在结构性漏洞的循环赌注"。贝恩的最终结论言简意赅，却振聋发聩："技术跑通了，价值没到来。"

数据困境：数百亿美元数据现代化投入，仍难解AI"粮荒"

贝恩报告还点明了AI项目表现不佳的首要原因，而这一原因出人意料地基础：企业无法可靠地获取自身数据。

"尽管全球在数据现代化方面的投入已历经十年、累计达数千亿美元，AI项目表现不佳的首要原因，仍然是企业无法稳定地访问自己的数据。"贝恩在报告中如此写道。

值得注意的是，调查还发现了一个反直觉的现象：那些已经达成节约目标的企业，在数据结构与可及性方面遭遇障碍的比例，甚至高于那些未达目标的企业——但前者在预算不足、优先级冲突等组织层面的挑战上，反而报告得更少。

对此，贝恩给出的处方是：企业不应等到将所有数据整理完毕再喂给AI模型，而应先从现有可用数据入手，再借助AI协助梳理其余数据的结构化路径

Gartner警告：逾四成智能体AI项目将在2027年前夭折

与贝恩报告形成呼应的，是高德纳（Gartner）发布的同期研究。Gartner预测，超过40%的智能体AI（Agentic AI）项目将在2027年底前被取消，原因涵盖成本持续攀升、商业价值不明确，以及风险管控机制缺失。

Gartner高级分析师总监Anushree Verma指出："目前大多数智能体AI项目仍处于早期实验或概念验证阶段，主要由市场炒作驱动，且往往被错误应用。这会让企业对大规模部署AI智能体的真实成本与复杂性视而不见，导致项目停滞在生产部署阶段。"

Gartner建议，智能体AI的应用应严格限定在能够产生清晰价值或可量化ROI的场景，并强调将AI智能体整合进遗留系统在技术上极为复杂，往往会打乱现有工作流程并带来高昂的改造成本。Verma进一步提示："要从智能体AI中获取真实价值，企业必须聚焦于企业级生产力提升，而非仅仅是个人任务层面的辅助增强。"

贝恩报告最终落脚于一个令整个行业汗颜的结论：在这场已吸纳逾1万亿美元资本的技术浪潮中，几乎没有企业真正做过有效的ROI分析。

"那些不用自动化实际回报——而非预期回报——来验证再投资逻辑的企业，是在叠加风险，而非管理风险。"贝恩在报告中如此警告。

当前AI相关企业的高估值，在很大程度上建立在对未来收益的乐观预测之上，而非经过验证的实际业绩——这与贝恩所批评的企业AI投资决策逻辑如出一辙：估值定价依赖"预测值"，而非"实际值"

随着Token成本的飙升，企业正逐渐从代理AI的“巨大承诺”中清醒过来并开始退缩。

这也解释了为什么像OpenAI和Anthropic这样将短期收入爆发进行永久性外推的AI巨头，正急于在市场重新审视并计算真实ROI之前完成上市。