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。

三周前，麻省理工学院(MIT)发布的研究称，高�%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 Sl?k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。Sl?k援引美国官方调查数据称，拥�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񑌬񀙑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 Sl?k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，该调查涵盖�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�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项目𱆔�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�名企业领导者的访谈、350名员工的调查以�个公开AI部署案例的分析，发现只有񏊁%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�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�%，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，美股科技股重挫，纳斯达克综合指数下񘧹.4%，AI热潮的核心受益者英伟达下񘧻.5%，Palantir和Arm分别重𽾷.4%𴵽%。

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�指数的预期市盈率�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，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。