AI 领域正处于 “市场热度与实际价值并存” 的关键阶段。一方面，AI 投资规模持续攀升 ——2024 年企业 AI 投资达 2523 亿美元，私人投资同比增长 44.5%，且 AI 支出占 2025 年上半年美国 GDP 增长的三分之二；另一方面，OpenAI、亚马逊、高盛等巨头高管均承认市场存在泡沫，斯坦福大学数据显示 95% 的企业 AI 投资未能实现盈利。这种矛盾局面下，企业领导者的核心挑战并非 “是否投资 AI”，而是 “如何在避免盲目跟风的同时，通过战略布局抓住 AI 的商业价值”。
文章首先揭示了 AI 领域 “赢家与失败者” 的核心差异。MIT 研究显示，仅 5% 的企业能通过 AI 实现盈利，这部分高绩效企业的成功并非源于 “投入更多资金”，而是 “更聪明地投入”。麦肯锡报告指出，超三分之一的高绩效企业将 20% 以上的数字预算投向 AI，且具备三大共性特征：一是追求变革性创新而非增量改进，例如某制造企业通过 AI 重构供应链决策流程，而非仅优化单一环节；二是围绕 AI 能力重新设计工作流，如将 AI 嵌入客户服务全流程，而非作为独立工具使用；三是建立严格的治理框架，覆盖数据隐私、模型可解释性及合规风险，这一举措在全球 AI 监管趋严的背景下，已成为差异化竞争优势。
基础设施投资困境是企业面临的重要现实难题。头部 AI 模型的训练成本极高 —— 谷歌 Gemini Ultra 训练成本达 1.91 亿美元，OpenAI GPT-4 仅硬件成本就需 7800 万美元，对多数企业而言，自建专有大语言模型不具备可行性，因此供应商选择与合作策略至关重要。更严峻的是，基础设施供给已出现瓶颈：CoreWeave 因电力基础设施交付延迟，将 2025 年资本支出预期下调 40%；甲骨文 CEO 萨夫拉・卡茨证实，公司因算力容量不足，仍在 “拒绝部分客户需求”。对此，文章建议企业采取多元化基础设施策略：与多家供应商建立合作、验证替代技术架构、针对供应链限制进行压力测试，避免过度依赖单一超大规模云服务商，以平衡风险与机遇。
在泡沫化市场中，战略投资的关键在于规避 “无效投入”。高盛股权分析师彼得・奥本海默指出，当前 AI 巨头与 21 世纪初互联网泡沫时期的投机公司不同，多数已实现真实盈利，股价上涨与持续的收益增长相匹配，因此企业无需完全规避 AI 投资，而是要避免三大常见错误：其一，聚焦可量化 ROI 的特定用例。麦肯锡数据显示，高绩效企业通过 AI 实现业务变革的意愿是其他企业的三倍以上，例如某零售企业针对 “库存周转优化” 这一具体痛点部署 AI，实现库存成本降低 18%，而非盲目追求全场景覆盖；其二，投资组织准备度而非仅关注技术。敏捷的产品交付体系、完善的人才战略及适配的数智基础设施，对 AI 成功的贡献度远超单一技术采购，例如某金融企业通过提前培训 “AI + 业务” 复合型团队，使 AI 风控模型落地周期缩短 50%；其三，尽早建立治理框架。自 2022 年以来，针对隐私保护、模型可解释性、声誉风险及合规的管控措施已显著增加，提前布局治理的企业不仅能规避监管处罚，更能在客户信任度上形成优势。
市场集中度带来的依赖风险也需警惕。2025 年末，美国标普 500 指数中 30% 的市值由 5 家公司贡献，创半个世纪以来最高集中度，这使得企业在 AI 合作中易形成单一依赖。成功的 5% 企业通常采取多元化策略：结合云 AI 服务与边缘计算、与多家模型提供商合作、在核心竞争优势相关的工作流中构建内部能力。例如某汽车企业同时采用谷歌云 AI 进行供应链预测，并用自建边缘 AI 系统处理车载实时数据，既利用外部技术优势，又保障核心业务的自主性。
文章最后强调，企业应将 AI 视为 “业务转型举措” 而非 “技术项目”。谷歌 CEO 桑达尔・皮查伊的观点颇具启发：“互联网泡沫时期虽有过度投资，但无人否认互联网的深远价值，AI 亦是如此。” 当前 ChatGPT 每周用户达 7 亿，成为史上增长最快的消费产品之一，企业的挑战在于 “有效部署” 而非 “盲目追逐”。成功的 AI 实践需具备三大要素：部署前明确成功指标、将变革管理与基础设施投资同等重视、对供应商承诺保持理性怀疑的同时，坚定技术应用信心。
从行业趋势来看，AI adoption 正加速推进 ——2024 年企业 AI 使用率从 2023 年的 55% 跃升至 78%，等待 “完美市场条件” 的企业可能错失先机。对企业领导者而言，市场是否处于泡沫期并非关键，核心是构建可持续的 AI 能力：聚焦实际部署、可衡量成果与组织适配，在他人追逐估值泡沫时，打造长期竞争优势。
原创文章，作者：王 浩然，如若转载，请注明出处：https://www.dian8dian.com/ai-shang-ye-xian-shi-qi-ye-ling-dao-zhe-xu-liao-jie-de-he
