过去两年，中国企业谈 AI，问得最多的一句话是："我们要不要做 AI？"而德勤中国与香港大学在 2026 年云栖大会上联合发布的一份调研告诉你——这个问题已经过时了，真正致命的问题变成了下一个："我们做了这么多 AI，到底赚到钱了吗？"
一、先把口径钉死：这是谁的调研、问了谁
在拿这些百分比说事之前，必须先讲清楚它的边界，否则极易被当成"全中国企业的定论"误读。
第一，样本是 205 位企业高管，地域集中在大陆与香港，行业跨度较大，且受访者是"决策层视角"——即由掌握预算和战略话语权的人作答，而非一线执行者。这意味着数据反映的是"管理层如何感知 AI 的价值"，天然带有自上而下的高度抽象，可能低估执行层的细节收益，也可能美化或悲观于战略叙事。第二，这是一份自我报告式（self-reported）调研，"回报低于预期""算不清 ROI"都是受访者的主观判断，而非审计过的财务数字。第三，它由德勤（一家卖 AI 咨询服务的公司）与高校联合发布，利益相关方身份要求我们对"需要建立价值衡量框架"这类结论保留一分警惕——它既是事实，也恰好指向德勤能提供的服务。
把这三条摆平之后，再看数据本身，依然极具冲击力，因为它戳中的是一个几乎所有推进 AI 的企业都心知肚明、却很少被量化公开的现实。
二、应用狂飙 vs 回报停滞：一道正在裂开的断层线
先看两条曲线的背离。一条是"采用率"，一路上扬：进入生产部署的企业从上一年的 56.0% 涨到 64.4%，还在探索试点的从 36.7% 掉到 24.9%。单看这条线，你会以为中国企业的 AI 转型势如破竹。
但另一条线几乎纹丝不动，甚至在下坠——那就是"回报兑现"。48.5% 的企业表示 AI 项目的实际投资回报低于预期；更具体地说，企业原本对 AI 回报的普遍期望落在 10%–25% 这个区间，结果实际大多落到了 10% 以下。
| 维度 | 上年 | 2026 | 口径说明 |
|---|---|---|---|
| 进入生产部署 | 56.0% | 64.4% | n=205 内地港澳高管自评 |
| 仍在探索/试点 | 36.7% | 24.9% | 同上 |
| 回报低于预期 | — | 48.5% | 自评实际 ROI < 预期 |
| 无法核算 ROI | — | 44.4% | 说不清 AI 究竟带来多少回报 |
| 无成体系价值衡量框架 | — | 60.4% | 没有统一标准评估 AI 效益 |
| 以"处理速度/节省工时"衡量效果 | — | 87.3% | 最主流的 AI 效果评价方式 |
德勤中国咨询业务全国主管合伙人华思远的一句点评点破了本质："企业用 AI 的比例和生产部署程度一直在提升，但工具普及不等于转型完成。"很多公司虽然引进了 AI，工作流程和运营方式却还是老样子——于是 AI 只起到了"帮忙提提效率"的作用，并没有真正改造业务。
三、为什么用了 AI 却不赚钱：一条被忽视的传导链
这里藏着一个最常见、也最昂贵的误解："AI 提高效率 = 企业增加利润。"这两者之间，隔着一条非常长的链条。
举个最朴素的例子：一个员工以前写一份报告要三小时，现在用 AI 半小时搞定，个人效率提升了六倍。听起来皆大欢喜。可是——如果企业因此没有减少任何成本、没有增加任何收入、没有拿下更多客户、没有做出更好的决策，那么省下来的那两个半小时，究竟转化成了什么？答案很可能是：什么都没转化。员工只是把省下的时间填进了别的同样不直接产生利润的事情里。
这就是整份调研最想传递的一课：个人生产率提升，不等于企业 ROI 提升。企业真正该盯的，从来不是"AI 帮员工省了多少时间"，而是这些被省下来的时间，最终有没有变成更多收入、更低成本、更多客户、更快交付、更好决策这五样东西里的任意一样。而 87.3% 的企业只用"处理速度和节省工时"来评价 AI——恰恰是在用链条最前端的那个中间指标，去替代本该看的终点财务指标。量错了对象，自然算不清账。
更隐蔽的一层是：当节省的时间没有被显式地重新配置到创收或降本的环节，它会以"隐性产能冗余"的形式蒸发掉——员工并没有真的少干活，只是工作节奏变松了，而企业为该 AI 项目付出的采购费、集成费、培训费和持续运维费却是实打实发生的现金流出。一进一出之间，ROI 不升反降就成了很多项目的真实结局。这也解释了为什么"采用率"和"回报兑现"两条曲线会背离得如此彻底。
四、44.4% 算不清 ROI 的背后：缺的不是 AI，是尺子
如果说"回报不及预期"是病症，那 60.4% 的企业"没有成体系的价值衡量框架"就是病根。没有统一的度量衡，会产生三个连锁恶果：
其一，分不清该推广谁、该砍掉谁。十几个 AI 项目并行，有的真在创造价值、有的在空转烧钱，但因为大家都用"感觉省了不少时间"这套模糊话术汇报，管理层无从比较，资源就无法向高回报项目集中。其二，无法归因。业绩涨了，到底是 AI 的功劳还是市场好转、团队努力？没有基线对照和归因设计，AI 的贡献永远是一笔糊涂账，既可能被高估、也可能被埋没。其三，预期管理失灵。正因为事前没有一套可信的估值方法，企业才会在立项时把回报拍脑袋定到 10%–25%，事后发现落差巨大——期望本身就是没有被严肃测算过的。
调研给出的解法方向也很明确：企业需要从"价值评估、分阶段考核、投资管理"三个方面去重构 AI 项目的治理——说白了，就是把 AI 从"技术部门买的一个工具"，重新当作"一笔需要投后管理的资本开支"来对待。
五、把这份调研和全球数据放在一起看
值得注意的是，"采用率高、价值兑现低"并非中国独有，而是全球同频的一道裂缝，只是各地卡在不同环节：
- 麦肯锡全球口径（本站 ID 1655）：约 88%–89% 的企业已在使用 AI，但只有约三分之一能在利润表上看到正面贡献——同样是"广泛采用、有限变现"。
- 德勤全球 AI 现状调研（本站 ID 1650，n=3,235）：只有约五分之一的企业给自主 Agent 配上了成熟治理，揭示的也是"跑得快、管得松"的结构性错配。
- a16z 消费侧（本站 ID 1664）：近半美国消费者自称用 AI，付费渗透率却只有 4.5%——B 端与 C 端对称地横着同一道"采用 ≠ 变现"的鸿沟。
⚠️ 必须强调：以上各家机构样本、地域、测量口径完全不同（有的是企业高管自评、有的是遥测行为数据、有的是银行卡消费面板），只能作方向性对照，绝不能把这些百分比简单相加或取平均。它们共同指向的趋势是一致的——AI 竞争正从"有没有"进入"值不值"——但每一个具体数字都必须回到自己的口径里去读。
六、别只盯着采用率：管理层该换的三个考核坐标
这份调研给所有正在推 AI 的企业提了个醒——如果你的 KPI 还停留在"上线了多少个 AI 工具、多少员工在用"，那你考核的恰恰是最不该考核的东西。真正该建立的三个新坐标是：
其一，从"用了没"转向"值不值"。每个 AI 项目立项时就该绑定一个可验证的经营指标（成本、收入、交付周期、决策质量任选其一），而不是笼统的"提升效率"。没有终点指标的 AI 投入，本质是一笔没有投后管理的开支，最后必然沦为那 44.4% 算不清账的企业。
其二，从"省时间"转向"时间去哪了"。87.3% 的企业用节省工时来评价 AI，但省下来的工时如果没有被重新配置到能创造收入或降低成本的动作用上，它就是纸面收益。管理者要追问的是：员工每天省下的那两个小时，最终变成了多打的电话、多跑的客户，还是仅仅多摸了一会儿鱼？
其三，从"单点试点"转向"流程改造"。华思远那句"工具普及不等于转型完成"的潜台词是：AI 若只是嵌在旧流程里的一个加速器，天花板极低；只有当它触发了工作流本身的重构（比如把"人写报告、AI 辅助"倒转成"AI 起草、人做判断和担责"），回报才可能跳出 10% 以下的区间。这恰恰是那 64.4% 已投产企业里，真正拉开差距的分水岭。
七、FAQ
Q1：64.4% 已经投产，是不是说明中国企业 AI 转型很成功？
要看你怎么定义"成功"。若以"是否把 AI 接进了真实业务流程"衡量，64.4% 确实是显著进步。但若以"是否产生了可验证的经营回报"衡量，同一份调研里 48.5% 回报不及预期、44.4% 算不清账，说明"投产"只是起点，远不等于"转正"。华思远的原话就是提醒：工具普及不等于转型完成。
Q2：44.4% 的企业"算不清 ROI"，是真的没法算，还是没人去算？
更偏向后者。60.4% 的企业坦承没有成体系的价值衡量框架，这才是"算不清"的直接原因——不是 AI 的贡献客观上不可测，而是企业从一开始就没设计好怎么测：没有基线、没有归因口径、没有把节省的时间折算成财务结果的换算规则。补上这把"尺子"，比再上十个 AI 工具更能改善现状。
Q3：这份德勤×港大的调研，能代表所有中国企业吗？
不能。它是 n=205、集中于大陆与香港、面向决策层高管的自我报告调研，样本量和覆盖面都有限，且受访者身份（高管自评 + 德勤利益相关）会带来系统性偏差。稳妥的用法是把它当作"大型企业决策层如何看待 AI 价值兑现"的一个切面信号，而不是全国企业的精确普查结论。
参考来源（含完整口径注释）：
- 德勤中国 × 香港大学《决策者视角下的企业 AI 应用》，2026 年云栖大会发布。覆盖中国大陆及香港多行业、n=205 位企业高管，自我报告式调研。关键数据：生产部署 56.0%→64.4%、探索试点 36.7%→24.9%、48.5% 回报低于预期（期望 10–25%、实际多<10%）、44.4% 无法核算 ROI、60.4% 无成体系价值衡量框架、87.3% 以处理速度/节省工时衡量效果；德勤中国咨询业务全国主管合伙人华思远观点。（转引自 2026-10 多家中文财经媒体报道，原始 PDF 未在公开网络索引，数据以媒体一致转载为据）
- McKinsey & Company, "The State of AI" (global survey)——约 88%–89% 组织使用 AI、仅约 1/3 报告利润表正面贡献；口径为企业自评，与本站既有分析 ID 1655 同源，不同机构数据不可简单合并。
- Deloitte, "The State of Generative AI in the Enterprise" (n=3,235, 2026)——仅约 1/5 企业为自主 Agent 配备成熟治理；与本站既有分析 ID 1650 同源，全球样本，与本调研的大陆港澳样本相互独立。
- a16z, "The Top 100 Gen AI Consumer Apps — 7th Edition" (2026-10-05)——消费侧付费渗透率仅 4.5%；与本站既有分析 ID 1664 同源，用于 B/C 两端"采用≠变现"的方向对照。
