概述：
人工智能带来了真实的利润和生产力提升，尤其是在金融服务领域以及拥有成熟人工智能系统的公司中。
少数公司获取了人工智能的大部分经济价值，而许多公司则难以将试点项目扩展到更大规模。
人工智能未来的回报取决于更好的决策、新的收入来源、持久的生产力提升以及更强的业务整合。
人工智能已经过了其财务价值仅存在于预测中的阶段。企业如今报告了在利润、生产力、收入和成本控制方面的真实收益。然而，结果也显示出明显的分化。一些公司获得了重大回报，而许多其他公司则难以将人工智能试点转化为有用的业务系统。
这一差距如今已成为数据科学家和人工智能研究人员争论的话题。证据指向一个简单的观点：人工智能可以创造重大的经济价值，但仅有强大的技术并不能保证强劲的财务回报。
大规模人工智能投资
斯坦福大学2026年人工智能指数指出，2025年全球企业人工智能投资达到约5820亿美元。企业私人投资较上一年增长了127.5%，而生成式人工智能占据了私人人工智能融资的近一半。这些数字显示了企业和投资者对人工智能的信心水平。
资本推动的规模也带来了严峻的财务考验。路透社报道估计，到2050年全球数据中心支出可能超过30万亿美元。另一项分析则将美国潜在的人工智能资本支出在2025年至2032年间定为约9万亿美元。
这些数字提出了一个严峻的问题。人工智能必须产生非常巨大的经济收益，才能证明如此庞大的资本承诺是合理的。仅靠技术进步无法解决这个问题。收入、利润、生产力和现金流最终必须支撑这些投资。
真实回报确实存在，但结果参差不齐
金融服务领域提供了人工智能商业价值最清晰的证据。剑桥替代金融中心2026年的一项研究发现，40%的金融服务机构报告称人工智能带来了更高的利润。另有43%的机构未看到利润变化。
公司规模和人工智能投资也很重要。在每年在人工智能上花费超过10万美元的公司中，62%报告了更高的利润。金融科技公司表现出更强的结果，56%报告了更高的利润，而传统金融机构中这一比例为34%。
普华永道发现了另一个强烈信号。其2026年人工智能绩效研究报告称，约20%的公司获取了人工智能经济价值的74%。最强的公司不仅仅削减成本。它们利用人工智能创造新收入、改进业务流程，并重塑决策方式。
这一结果有助于解释为什么数据科学家往往对人工智能预测持更为谨慎的看法。一个强大的模型可以带来价值，但企业必须将该模型置于能够产生可衡量结果的流程之中。
企业级规模化才是难点
人工智能的采用已远远领先于成功的企业部署。BearingPoint报告称，近四分之三的受访公司从人工智能中获得了积极的财务成果。然而，不到三分之一的企业超越了试点项目阶段，仅有13%的企业在人工智能项目整体上取得了显著进展。
Gartner发现了类似的差距。只有22%的组织成功地在多个业务部门中规模化部署了人工智能，或采用了人工智能优先的方法。与此同时，85%的职能领导者计划在2026年增加人工智能支出。
这种反差很重要。企业显然预期人工智能将发挥更大作用，但许多企业仍然缺乏将这一预期转化为利润所需的数据系统、技术技能、流程和内部结构。
生产力提供了最清晰的证明
最有力的财务案例可能来自生产力，而非花哨的新产品。普华永道2026年人工智能就业晴雨表报告称，金融服务领域生产力增长了23%，是主要行业中增长率最高的之一。
谷歌也在金融服务领域发现了强劲结果。在已投产生成式人工智能系统的金融高管中，77%报告了至少一个用例的投资回报。另有63%已将生成式人工智能用例投入生产。
尽管如此，生产率的提升在纸面上看起来可能比在实际工作中感受到的更大。对科学家的研究发现，AI 可以加速数据分析和其他任务，但研究人员也会花费大量时间检查 AI 的结果。这种验证负担可能会降低实际的经济收益。
对于数据科学家来说，这一点意义重大。如果一个工具将任务时间减半，但每个结果都需要大量审查，那就不会带来 50% 的生产率提升。
AI 如今吸引了大量投资，但财务回报仍然参差不齐。理解数据科学家和研究人员从数据中看到的情况，有助于将真正的经济价值与夸大的预期区分开来。随着 AI 重塑生产率、商业决策、成本和未来增长，这一答案对公司、投资者和劳动者都至关重要。
另请阅读 - 为什么 AI 智能体需要网络安全记忆来保护企业数据
AI 的下一个考验是更好的商业价值
最近的研究对未来的前景给出了更为乐观的看法。SAP 和牛津经济研究院发现，企业预计平均 AI 回报率将从 2025 年的 16% 上升到 2026 年的 21%，并在两年内达到 38%。BCG 也报告了类似的趋势。生成式 AI 和 AI 智能体的平均已实现回报率升至 13.8%，高于其 2025 年中期调查中的 11.2%。
因此，AI 的财务论证并不依赖于单一数字。最有力的证据表明，在拥有成熟 AI 系统的公司中，存在真实的回报、更高的生产率和更好的利润。最弱的证据出现在那些将 AI 视为快速软件采购、而非核心业务流程变革的公司中。
对数据科学家而言，核心问题不再是 AI 能否创造价值。更难的问题是，在扣除基础设施成本、模型成本、员工审查、数据工作和部署挑战之后，有多少价值能够体现在最终利润上。
AI 可能成为现代商业中最重要的生产率技术之一。这并不意味着每一项 AI 投资都会成功。那些将更好的模型转化为更好的决策、新的收入和持久生产率提升的公司，将获得最大份额的财务回报。
常见问题
1. AI 能创造真正的财务价值吗？
能。研究表明，在多个行业中，AI 在利润、生产率、收入和成本控制方面都带来了可衡量的收益。
2. 哪些公司从人工智能中获益最多？
拥有成熟人工智能系统、强大数据基础设施和清晰业务流程的公司往往能获得更大的回报。
3. 为什么许多人工智能项目无法规模化？
遗留技术、薄弱的内部流程、有限的技术技能，以及从试点到生产部署的困难，都可能拖慢进展。
4. 人工智能对金融服务意味着什么？
金融服务领域展现出强劲的人工智能成果，银行、金融科技公司及其他金融组织在盈利能力和生产力方面均报告了提升。
5. 什么将决定人工智能未来的财务价值？
更好的决策、新的收入、更高的生产力、更低的成本，以及成功的企业级部署，将决定人工智能能创造多少经济价值。
转载声明：本文为转载整理，原文版权归原作者及原站点所有。
原文来源：Analytics Insight
原文作者：Pardeep Sharma,Manisha Sharma；如有侵权，请联系管理员删除。
