生成式AI价值万亿，企业为何啃不动

一、最热闹的赛道，和最焦虑的老板

干了这么多年科技行业观察，我很少见到像生成式AI这样"冰火两重天"的场面。

火的一面是：麦肯锡在《生成式AI在中国：2万亿美元的经济价值》里，按行业逐一测算过生成式AI在中国可创造的潜在经济价值，结论是2万亿美元量级。请注意，这是"潜在经济价值"的测算上限，不是已经落进口袋的市场收入，更不是哪家公司财报上的利润。与此同时，CNNIC发布的《生成式人工智能应用发展报告（2026）》也印证，应用侧的爆发是实打实的——据中新网对该报告的报道，我国生成式人工智能用户规模已突破7亿，用户规模和场景渗透都在快速爬坡。需求侧的"人头"已经进场，这是我能确认的硬事实。

但冰的一面是：我接触的大量企业主，谈起AI的第一反应不是兴奋，而是焦虑。钱花了、工具买了、演示做了，问起效果，大多支支吾吾。有人跟我吐槽，公司上了七八个AI工具，员工该填的表一张没少填，该开的会一个没少开。这类体感是我访谈和项目观察里反复出现的样本，不是抽样统计，我不把它包装成"全行业平均"，但它足够密集，密集到不能当成偶发牢骚。

一边是测算口径里万亿级的潜在空间，一边是企业端"投入不少、水花不大"的真实体感。这个反差，恰恰是我认为2026年AI行业最值得聊的话题：价值到底卡在哪个环节了？

二、主线一：万亿"势"的成色，要按口径拆开看

先聊宏观这条线。

麦肯锡这份报告的2万亿美元，是按行业逐一测算的"潜在经济价值"总和，覆盖制造、金融、零售、医疗等核心领域。逻辑很清晰：生成式AI能写、能画、能分析、能对话，把大量知识密集型工作自动化，理论上确实能撬动巨大的效率红利。这个测算方法本身我基本认可——生成式AI不是单点工具，而是通用目的技术，它的价值曲线天然是指数级的。CNNIC的报告则从需求侧补了一刀：应用发展呈现高速扩张态势，7亿用户不是小池塘。这就形成了一个完整的叙事闭环：技术成熟了、用户涌入了、价值测算出来了，一切看上去水到渠成。

但我要在这里泼一盆冷水，而且必须把口径钉死。麦肯锡的2万亿美元是"潜在"价值，是"可创造"上限；CNNIC的7亿是"使用"规模，是"有多少人碰过"。这两组数字一个讲天花板，一个讲人流，唯独都不直接等于"企业已经赚到"。在我的观察里，行业里有一种很危险的倾向：把测算当现实，把天花板当地板，把"可能"翻译成"已经"。

打个不恰当的比方，这就像销售告诉你"这套房未来升值空间大"——空间是真实的，但跟你今天能不能住进去、住着舒不舒服，是两回事。麦肯锡和CNNIC的报告告诉我们的是"风有多大、街上有多少人"，而不是"哪头猪已经飞起来了、哪栋楼已经交房"。宏观叙事越漂亮，微观落地越容易滋生虚火，这是我在这件事上第一个鲜明的态度。

所以这一节我只下一个有边界的结论：天花板高、势能足，这是真的；但它按"潜在"口径成立，不按"已兑现"口径成立。谁要是把2万亿直接当成2026年的企业营收池，谁就是把气象预报当成了存折余额。

三、主线二：从"工具堆砌"到"经营本体"，范式怎么转移

再看微观这条线，也是我认为真正要害的地方。

AI内参提出的企业AI落地"四三六"法则，核心判断我很认同：大量企业的AI实践还停留在"工具堆砌"阶段——今天买个写作助手，明天上个客服机器人，后天搞个绘图工具，美其名曰"全面拥抱AI"，实则是把AI当成一个个孤立的插件，贴在原有业务流程的外壳上。AI内参同期那篇"超越'为了AI而AI'"的文章把话说得更直白：真正难的不是有没有AI，而是别为了AI而AI，要把智能落地当成精密工程，而不是采购动作。

这就像给一个老式算盘镶上LED灯、装上蓝牙音箱，表面科技感拉满，算盘还是那把算盘，算账的规矩、报账的流程、管账的人，一点没变。工具堆砌的本质问题就在这：AI没有进入经营本体。

什么叫进入经营本体？我的理解是，AI不再是"锦上添花的外挂"，而是深度嵌进核心业务流程、重构决策链条和成本结构的"器官"。比如客服场景，真正的落地不是"用AI回答几个常见问题"，而是用AI重构整个客服组织的排班逻辑、质检逻辑、培训逻辑，让人机协同成为默认形态。"用了AI"和"被AI改了流程"，一字之差，却是天壤之别：前者是工位上多一个浏览器标签页，后者是考核指标、汇报关系、成本归集方式都要重写。

"四三六"这类方法论框架的价值，不在于那几个数字多精妙，而在于它把行业从"买什么工具"的采购思维，拉回到"改什么流程"的经营思维。我认为这是2026年企业AI竞争真正的分水岭——拼的不再是工具清单的长度，而是组织改造的深浅。清单人人会列，流程很少有人真动；而动流程这件事，抄不了、买不来、也装不出来。

四、两条线放到一起看：命门只有一处

现在把宏观和微观两条线摆到同一张桌子上。

宏观那条线告诉我们：天花板极高，势能极足；麦肯锡按"潜在"口径给出的中国空间是2万亿美元量级，CNNIC又确认7亿用户已经在场。这个量级不会凭空蒸发——需求在、技术在、测算逻辑也在。但它同样不会自动到账：只要企业端仍停留在"买而不用、用而不改"，它就始终是纸面数字。微观那条线告诉我们：绝大多数玩家还在门口徘徊，工具买了一堆，经营本体纹丝未动。

那么谁的路更宽？我的判断是：路宽的一定是"经营派"，而不是"工具派"。原因很简单——工具同质化太快，今天你有的功能，开源社区几个月后就有平替，大厂也会把同类能力打包下沉；而深入经营本体的Know-how、数据资产和组织流程，是抄不走的护城河。靠买工具堆出来的"AI能力"，就像沙滩上的城堡，浪潮一来就塌；这里的浪潮不必指某个具体事件，泛指模型降价、能力平权、功能标配化这股确定性的行业趋势即可。

两条线的共同命门，我认为是"场景颗粒度"这四个字。宏观测算之所以是纸上数字，微观落地之所以是工具堆砌，根源都在于没有扎进足够细的场景里。麦肯锡的2万亿美元是无数具体场景价值加总的结果，CNNIC的7亿用户也是一个个具体场景喂出来的；任何一个场景的价值兑现，都需要业务、数据、流程三者咬合。跳过了场景深耕这个"笨功夫"，宏观的势和微观的实，永远接不上头。我的态度很鲜明：宁可在三个场景里做到离不开，也不要在三十个场景里做到可有可无。

五、我的判断：三个敢说的结论，和三个被忽略的坑

先亮我的三个结论。

第一，我看好"场景深耕型"企业，不看好"工具集邮型"企业。前者哪怕慢，是在修高速公路；后者哪怕快，是在收集高速公路的照片。判断标准只有一个：把某个AI能力从工位上拿掉，业务会不会立刻疼。会疼，说明进了本体；不疼，说明还是摆件。

第二，我认为未来一两年会出现一批"AI落地审计"的角色——帮企业盘点买过的工具到底产生了什么ROI、哪些在空转、哪些该合并下线。这行会很赚钱，因为很多老板心虚：汇报上AI浓度很高，现金流上AI贡献很薄，中间这段心虚，就是审计生意的来源。

第三，我的判断是，麦肯锡那张2万亿美元的账上，真正能兑现的部分，大头不会属于买工具最积极的公司，而会属于那些默默改造了业务流程、却从不把AI挂在嘴边上的"闷声派"。他们未必上发布会，但排班表、质检表、成本表已经重写；等到回头看，红利在他们手里，不在声量榜里。

再说三个被忽略的风险。其一，概念透支风险：当"AI赋能"变成汇报PPT上的标配词汇，实际投入的边际效用却在递减，行业可能遭遇一次预期回调。其二，数据地基风险：工具好买，高质量的企业内部数据难攒，数据治理跟不上，再好的模型也只会一本正经地胡说八道；这件事没有快捷键。其三，也是我最担心的——人才断层风险：懂业务的不懂AI，懂AI的不懂业务，中间那层"翻译官"角色严重缺位。这不是靠培训班几个月能补上的，它会实质性拖慢整体落地节奏，而且越是急于补，越容易补出一堆只会搬运名词的伪翻译。

这些风险现在很少有人系统讨论，但我认为任何一个，都可能让某个细分领域的AI投入变成沉没成本。真正的护城河不是模型名单，而是数据治理、流程重构和翻译官梯队这三样慢变量。

六、收尾：钱该花在哪，留给大家吵

说到底，麦肯锡口径下中国潜在2万亿美元的价值空间，和企业端"买工具堆不出效果"的焦虑，本质是同一个问题的两面：这场变革的主体，到底是"技术"还是"组织"。技术派认为模型能力到位了，一切自然水到渠成；经营派认为组织不改造，模型再强也是屠龙之技。我站在经营派一边，因为我见过太多技术很炫、业务归零的案例；也很清楚CNNIC那7亿用户不代表7亿个被改造的组织。

最后留一个值得讨论的问题：如果AI预算只有一份，你会把它投给买更好的工具，还是投给改造组织的流程？选错了，纸面上那笔万亿级空间，就永远只是"别人家的机会"，而不是你的现金流。你的答案是什么，欢迎在评论区聊聊——要我说，这道选择题，比选哪个大模型重要得多。