最近的两份研究不约而同地拉响警报：企业级人工智能（AI）应用正面临严峻挑战亿牛策略。
三周前，麻省理工学院(MIT)发布的研究称，高达95%的企业从生成式AI投资中获得的回报为零。上周日，阿波罗全球管理公司(Apollo Global Management)的首席经济学家Torsten Sløk又指出，美国大企业的AI采用率正呈现下降趋势。
两份研究揭示了AI技术从炒作到实际应用转化过程中面临的重大障碍。Sløk援引美国官方调查数据称，拥有250名以上员工的企业正在减缓应用AI的速度。这可能预示着企业对AI技术实际价值的重新评估。
MIT的报告则进一步剖析了这一现象背后的原因，指出问题不在于AI模型本身，而是企业内部整合策略存在缺陷。这两项研究结果已在市场引起强烈反应，导致纳斯达克指数创下自8月1日以来最大单日跌幅，英伟达等AI相关股票遭遇明显抛售。
大企业AI采用率陷入下滑Torsten Sløk的分析基于美国商务部下属普查局每两周一次的大规模企业调查亿牛策略，该调查涵盖了120万家企业，询问企业是否在过去两周内使用过机器学习、自然语言处理、虚拟代理或语音识别等AI工具来帮助生产商品或提供服务。
以上图表呈现了美国普查局的六次调查移动均值。调查数据显示，雇佣250名以上员工的大企业的AI采用率正在下降。这一趋势表明，虽然市场对AI充满热情，但大企业在实际应用层面可能正经历"技术幻灭期"，开始重新评估AI工具的实际价值和投资回报。
这种采用率下降可能反映了企业在初期尝试后遇到的整合挑战，以及将AI工具转化为实际业务价值的困难。对于投资者而言，这一数据信号提示AI技术的商业化道路可能比此前预期更为曲折。
MIT研究揭示AI投资困境MIT的NANDA项目于8月18日发布的报告《生成式AI鸿沟：2025年商业AI现状》提供了更深入的分析。该研究基于对150名企业领导者的访谈、350名员工的调查以及300个公开AI部署案例的分析亿牛策略，发现只有约5%的AI试点项目实现了收入的快速增长。
报告主要作者Aditya Challapally指出，问题的核心在于企业内部存在"学习差距"以及整合策略的缺陷。许多企业领导者错误地将失败归咎于监管环境或模型性能，而忽视了组织内部的适应和集成问题。
例如，像ChatGPT这样为个人用户设计的通用工具，虽然因其灵活性而广受欢迎，但在企业环境中却常常表现不佳，因为它们无法有效地从特定工作流程中学习或适应企业的具体需求。这种"一刀切"的应用方式导致了大量AI项目无法为企业带来可衡量的财务影响。
成功AI实施的关键差异MIT的研究还深入分析了AI部署成功与失败案例之间的关键差异。少数成功的企业，特别是一些初创公司，采取了"聚焦单一痛点，精准执行，并建立智慧合作关系"的策略。Challapally提到，某些由年轻人领导的初创公司通过这种方法，"收入在一年内从零跃升至2000万美元"。
研究发现，超过一半的生成式AI预算被用于销售和营销工具，然而最大的投资回报实际上来自后台办公自动化，如削减业务流程外包和外部机构成本的应用场景。这表明企业可能在AI投资方向上存在误判。
另一个关键发现是"购买"优于"自建"。从专业供应商处购买AI工具并建立合作关系的成功率约为67%，而企业内部自行构建系统的成功率仅为三分之一。这一数据对那些投入巨资试图建立专有AI系统的公司构成了直接挑战。
市场反应与投资影响MIT的研究结果上月对市场产生了显著影响。报告发布次日8月20日，美股科技股重挫，纳斯达克综合指数下跌1.4%，AI热潮的核心受益者英伟达下跌3.5%，Palantir和Arm分别重挫9.4%和5%。
据报道，一位接近某数十亿美元规模美国科技基金的交易员表示，"这个故事正在让人们感到恐慌。"
这种情绪转变与OpenAI首席执行官Sam Altman近期关于"投资者过于兴奋"可能正在形成AI泡沫的警告形成共振，进一步加剧了市场对AI技术商业化前景的质疑。
MIT报告发布正逢市场对科技股高估值的担忧日益加剧，纳斯达克100指数的预期市盈率为27倍，比其长期平均水平高出近三分之一。
对于投资者而言，这两份研究提供了重要的风险信号，表明需要审慎评估AI相关企业的估值和实际落地能力亿牛策略，而不仅仅关注技术突破和市场热度。AI革命可能仍在继续，但其商业化道路比预期更为复杂和漫长。
风险提示及免责条款 市场有风险，投资需谨慎。本文不构成个人投资建议，也未考虑到个别用户特殊的投资目标、财务状况或需要。用户应考虑本文中的任何意见、观点或结论是否符合其特定状况。据此投资，责任自负。富灯网提示：文章来自网络，不代表本站观点。
