企业级人工智能现状

本文信息来源：wing

在过去的 24 至 36 个月里，企业级 AI 已从零散的实验阶段转向竞争性的必选项——限制因素不再是模型的获取，而是能否将试点项目转化为安全、可治理、具备成本纪律的生产系统，从而推动关键绩效指标（KPI）的实质性提升。

基于对 181 位首席级技术、安全、数据和 AI 领导者的直接调研，我们很高兴发布 Wing VC 首份《企业 AI 现状》报告。本报告拨开市场炒作，系统梳理 AI 超级周期的真实图景：哪些部署已超越效率工具而实现规模化，哪些环节在通往生产的道路上受阻，以及企业工作负载中的平台格局究竟如何形成。

具体而言，我们发现：

企业预计，AI 试点项目中位数将有 50%能够转化为生产环境。

56%的大型企业已在 AI 代理方面进入早期或大规模生产阶段。其中，32%的企业已在一个或多个 AI 用例上实现大规模生产，24%的企业在两个或以上用例上实现了大规模生产。

OpenAI 目前在大型企业中处于领先地位。61%的大型企业按 AI 工作负载将 OpenAI 评为第一，17%将 Gemini 评为第一，11%将 Anthropic 评为第一。

受影响团队的 AI 相关人员编制缩减将具有实质性影响。66%的大型企业预计，特定团队将出现 10%至 25%的人员缩减。

AI 并非只是炒作。72%的企业认为，AI 正处于炒作与现实之间的明确中间位置。

广受关注的 Project NANDA 研究（尽管与该研究所的关联十分有限，却常被称为“MIT 研究”）在我们看来存在问题。尽管其缺陷已被广泛认可，但仍获得了大量媒体关注。相比之下，我们的 C 级高管受访群体所提供的数据明显更加积极，且细节丰富得多。

Wing VC 报告的独特之处在于，其完全基于对 181 位首席信息官、首席技术官、首席安全官、首席数字官、首席数据官和首席 AI 官的直接反馈。100% 的受访者均为 C 级高管，其中 52% 来自员工规模在 1 万人及以上的大型企业。

在 Wing，我们将 AI 超级周期视为一个为期 10 至 20 年的长期机遇，目前仍处于最早期阶段。尽管市场对 AI 泡沫存在担忧（在某些资本过度集中的细分领域，这种担忧很可能是合理的），但我们的分析显示，各种规模和行业的企业对 AI 都存在强劲而持续的需求。AI 的落地成效并不均衡：许多试点项目未能转化为实际应用，许多项目尚未实现投资回报（ROI）。然而，已有不少企业取得了初步成功，而这种结果的分化，正是我们在超级周期这一阶段所预期看到的情况。

在本文中，我们将介绍 Wing VC 报告的 10 项主要发现。此外，我们还在附录中纳入了针对特定职能和行业的更多发现。

主要发现

1）2026 年将成为许多企业实现规模化生产或创造实际价值的一年。

许多受访者对 2026 年的 AI 前景持积极态度。35% 的受访者表示，2026 年将成为走向生产落地、创造价值或实现规模化的一年。例如，在被问及对 2026 年的预测时，一位首席数据官（CDO）回答称将出现“严肃的生产级用例”；一位首席信息安全官（CISO）表示，AI 将在几乎企业工作的各个方面迎来“曲棍球棒式的快速采用”；而一位首席信息官（CIO）则认为，“应用型 AI 将从炒作走向真正产生实际影响”。

不过，也有部分受访者持谨慎态度。12% 的受访者预计，2026 年将是令人失望的一年，或是对当前高度炒作进行预期重新校准的一年。例如，一位首席技术官（CTO）预测将迎来一次“AI 泡沫清算”，而一位首席技术创新官（CTIO）认为，AI 在 2026 年将接受一次“现实检验”。与此同时，两位 CIO 预测 AI 可能会“陷入泥潭”，并质疑智能体是否真的能够“在应用层面实质性地推动 25%–30% 的投资回报率（ROI）”。

其他受访者谈到了他们预计今年将从 AI 中看到的具体能力；例如，一位首席数字化转型官（CDTO）提到了“代理群（agent swarms）”。也有人谈及心态层面的因素；例如，一位首席信息与数字官（CIDO）打趣道：“勇气。”

总体而言，在将受访者的回答映射到词语云后，我们发现正负情绪比为 3.3:1。共有 103 名受访者表达了积极预期，28 名表达了中性预期，31 名表达了消极预期。

2）企业预计 AI 试点项目转化为生产环境的中位数为 50%。

无论是大型企业（员工人数 1 万人以上）还是中小型企业（员工人数少于 1 万人），这一中位数均为 50%。

大型企业呈现出两个集群：41% 预计转化率为 10%–30%，38% 预计转化率为 50%–70%。这些集群反映了不同的战略取向：是“让百花齐放”，还是将资源集中于少数重点项目。比如，一位 CIO 表示：“75%：我们在试点阶段非常谨慎，以确保价值实现”；而另一位 CIO 则表示：“我们正在运行 1000 个实验，其中一些会结出成果。10% 就已经不错了。”

这些结果与 MIT 研究的结论形成对比，而我们认为该研究的结论令人困惑。在 MIT 的研究中，附录里列出的调查问题（“自 2024 年 1 月以来启动了多少个 GenAI 试点？其中有多少已经实现规模化部署？”）似乎与图表不相符（图表显示，仅有 5% 的嵌入式或特定任务型 GenAI 成功落地）。这些问题也似乎与其不同的研究结论不一致，例如：“只有 5% 的定制型企业 AI 工具进入生产环境”、“95% 的组织没有获得任何回报”，以及“仅有 5% 的集成式 AI 试点提取了数百万美元的价值”。在我们的研究中，甚至有一位首席数据与 AI 官（CDAIO）在回答 AI 试点转化率问题时表示：“高于 MIT 研究。”

3）56%的大型企业已将 AI 代理投入生产，53%的大型企业在两个或以上的 AI 用例上实现了正向投资回报率。

32%的大型企业已就至少一个 AI 用例实现规模化生产，另有 24%的大型企业在两个或以上 AI 用例上实现规模化生产。此外，68%的大型企业表示在至少一个 AI 用例上获得了正向投资回报率（ROI），53%则在两个或以上用例上实现了正向 ROI。

这些结果对各类应用领域的创业者而言都令人振奋。尽管代码生成已被证明是一个“杀手级”AI 应用，但它绝非唯一选择！我们预计，未来几年，在各类应用领域实现大规模生产的 AI 初创公司数量将显著增长。

4）客户服务、软件工程、IT 以及销售与市场营销是人工智能影响最为显著的职能领域，其后还涵盖了广泛的其他职能。

按公司职能划分，企业认为客户服务、软件工程和信息技术（IT）是最具 AI 影响潜力的领域。71% 的大型企业受访者选择了客户服务；69% 选择了软件工程；53% 选择了 IT。

在具体试点项目方面，受访者表示，到 2026 年，最令人期待的领域依次是销售与市场营销、客户服务、软件工程、助手类应用以及自动化。

在销售和市场营销领域，一位 CIO 表示：“在获得法律和监管审批的情况下进行营销内容创作，以加快媒体投放节奏”；一位 CTO 表示：“基于叙事的个性化”；一位 CDTO 表示：“RCM（收入周期管理）自动化”。在客户服务领域，一位 CISO 表示：“能够回答技术支持问题，或在无需提示的情况下主动发现并纠正可能影响客户的事件的客户服务 AI 代理。”在自动化方面，一位 CIDO 表示：“通过代理来提升流程的绩效和速度，将目前需要多个团队、往往耗时数周才能完成的工作缩短至几分钟甚至更短。”

医疗保健是人工智能试点应用的重要行业领域。例如，一位首席执行官提到了“环境监听”和“放射学 AI”。一位首席人工智能官（CAIO）提到了“环境抄录”和“临床/计费编码”。一位首席信息技术官（CITO）则提到“对非结构化医疗健康数据进行结构化处理”。

5）企业描述了一系列富有洞察力的“登月式”AI 试点项目和智能代理。

代理型“登月计划”主题包括：代理型组织与代理型领导者、后台支持、员工助手、数据管理、财务职能、造福全人类、洞察分析、人工流程自动化以及产品开发。

6）61%的大型企业按 AI 工作负载数量将 OpenAI 排在第一位，17%将 Gemini 排在第一位，11%将 Anthropic 排在第一位。

OpenAI 目前在大型企业中处于领先地位。61%的大型企业按 AI 工作负载数量将 OpenAI 排名为第一，17%将 Gemini 排名第一，11%将 Anthropic 排名第一。对于小型企业，Gemini 与 Anthropic 的位置则相反。65%的小型企业将 OpenAI 排名第一，但 18%将 Anthropic 排名第一，8%将 Gemini 排名第一。

需要明确的是，OpenAI 的领先地位基于使用场景数量，而不一定代表整体使用量。一些使用场景（如编程）带来的使用量远高于其他场景。

这一结果与其他一些出版物形成对比，后者认为 Anthropic 在企业市场中占据份额领先。未来这些结果如何随时间变化值得关注。我们很可能在未来一年中进一步了解 OpenAI、Gemini 与 Anthropic 在企业中的相对地位及其变化。

值得注意的是，在本次调查中，“其他”选项的排名高于其他已点名的模型。阿里巴巴的 Qwen 可能为“其他”选项贡献了相当数量的回答。我们将在未来几年的调查中加入 Qwen（以及可能的其他模型）。

下图显示了受访者第 1、第 2 和第 3 名排名的平均分数。如果受访者将某一模型排为第 1 名，该回应获得 3 分；若排为第 2 名，获得 2 分；若排为第 3 名，获得 1 分。其余情况的分数均为 0 分。

Meta 的 LLaMA、DeepSeek 和 Mistral 在平均得分结果中相对更为突出，这表明部分受访者按 AI 工作负载数量将它们列为前三名。

7）RAG、代理/编排框架以及向量数据库是使用最广泛的工具和技术。

检索增强生成（RAG）目前被 76% 的大型企业采用，其次是代理/编排框架，占比 67%。

需要说明的是，RAG、上下文工程和向量数据库在术语上存在一定重叠。RAG 和上下文工程都是向量数据库的应用场景。在本次调查中，我们同时使用了这三个术语，以更广泛地覆盖并便于受访者进行识别。

8）集成和数据是大型企业在推进人工智能过程中面临的两大最重要挑战。

50%的大型企业表示，与现有系统的集成是其推进 AI 面临的最重要挑战，49%则认为数据是最重要的挑战。

在小型企业中，54%的受访者认为数据是最重要的挑战，其次是安全、治理和隐私问题，分别有42%的受访者提及。

9）66%的大型企业预计，受影响团队的人员规模将减少10%至25%。

AI 驱动的人员缩减将在受影响团队中产生显著影响。66%的大型企业预计，到 2026 年，部分团队的人员规模将减少 10%至 25%。

需要指出的是，我们的调查并未评估 AI 对企业整体净员工规模的影响，而是着重关注 AI 带来的效率提升机会，这也凸显了部分人才类别面临的被替代风险。

在我们的一次私人峰会上，我们问一位《财富》500 强公司的 CEO：“AI 对你们公司员工规模的净影响会是什么？”他的回答是？“嗯，”他说，“会更少。”至于会减少到什么程度，还有待观察。

10）72%的企业将 AI 定位在“炒作”与“真实”之间。

AI 并非全是炒作。在从 1（炒作）到 6（真实）的量表上，72%的企业将 AI 评为 3 或 4。

这一发现与前文关于 2026 年预期、从试点到生产的转化，以及投资回报率（ROI）的结论相一致。在大型企业中，对 AI 的需求正形成一股强劲的潮流。

结论

人工智能正成为下一个跨越数十年的超级周期，我们的研究显示，当前需求势头强劲，并已出现早期成功的迹象。我们很高兴与正在打造这一代新技术的创始人携手合作。希望本报告能够从买方视角分享切实可行的洞见，也期待听到您的想法和反馈。欢迎通过 X 或 LinkedIn 与我们联系！

方法论

Wing VC 报告基于我们独家的企业技术领导者网络。该研究于 2025 年 10 月 10 日至 2025 年 10 月 14 日期间开展，并与 2025 年 Wing 峰会同期进行。该峰会被誉为 CXO 的达沃斯，参会者包括首席信息官、首席技术官、首席安全官、首席数字官、首席 AI 官、首席数据官，以及董事会成员和首席执行官。

Wing 企业技术领导者网络是本次研究的一项独特且关键的优势。本报告直接对 181 位企业高管进行了调研，受访者 100% 为首席级高管。其中，52% 来自员工规模在 10,000 人及以上的大型企业，48% 来自员工规模为 5,000 至 9,999 人的中型企业。

我们谨向 Wing 合伙人 Chris Zeoli、Tanay Jaipuria 和 Sam Parker 致以诚挚感谢，感谢他们在本报告的设计与洞察方面作出的重要贡献。此外，亦感谢 Wing 顾问 Clayton Ramsey 在数据与分析方面的重大贡献。

关于 Nanda 项目研究的说明

2025 年 7 月，一些与 Project NANDA 相关的人士——这一去中心化的行业项目起源于麻省理工学院（MIT），但并不由其管理或运营——发布了《The GenAI Divide: State of AI in Business 2025》。该报告因其核心主张“95%的 AI 试点项目失败”而迅速走红，这一统计数据被从 Axios 到 Fortune 的多家新闻机构反复引用。然而，自报告发布以来，众多行业分析师和研究人员指出，其中存在多项重大的方法论缺陷，表明所谓的“失败”被夸大，且数据并不具有代表性。沃顿商学院法学研究与商业伦理教授兼系主任 Kevin Werbach 在撰文中表示，他认为这份 NANDA 报告“问题严重”，并指出其存在确认偏见，且未能为其结论提供可信的支持。其他分析人士也指出，该报告的研究结果偏向作者自身的商业解决方案，并且缺乏基于严谨分析或方法论的支撑。

附录

‍61%的大型企业拥有 10 个或以上的 AI 应用或智能体。

企业平均拥有 7.25 个 AI 应用或智能体。大型企业的中位数为 10 个，中型企业的中位数为 5 个。例如，一位大型企业的 CDIO 表示：“72 个在管道中的智能体中已有 21 个上线。”一位大型企业的 CXO 表示：“AI 应用：25 个，智能体：无。”一位大型企业的 CIO 表示：“我们已经创建了 500 多个智能体，并构建了一个用于组织数据的数字核心。”