一、案例背景
(一)AI应用浪潮下的”繁荣悖论”
2023年以来,生成式人工智能(Generative AI)迅速从实验室走向企业场景,成为继云计算、大数据之后新一轮企业技术投资的焦点。从智能体(AI Agent)到检索增强生成(RAG),从文案写作到代码辅助,AI工具在短短两三年内渗透进大量企业的日常办公流程。资本市场与产业舆论共同塑造了一种乐观预期:AI将像电力一样重塑每一个行业的生产率曲线。
然而,2026年10月27日,德勤中国发布的一份白皮书调研,为这股热潮泼了一盆冷水。调研数据显示:92%的企业已开展AI应用试点,但仅有8%的企业认为AI投入实现了财务和战略收益,仅4%的企业认为真正实现了AI组织级转型。 在已开展试点的企业中,28%仍停留在概念验证(PoC)阶段,56%处于渐进落地阶段。换言之,超过八成的企业仍徘徊在”用了AI”与”靠AI赚钱”之间的灰色地带。
这一组数据构成了本案例的核心张力:AI的采用率与AI的收益率之间存在巨大断层。 员工层面的”零散提效”——用AI画PPT、写会议纪要、生成营销文案——似乎无处不在,却难以转化为公司利润表上的增长。有企业内部部署了数千个智能体,但买算力、付Token(大模型调用计量单位)的账单居高不下,形成”越用越贵、越贵越难算账”的困局。
(二)成本侧的参照:Token经济的真实账本
要理解这一断层,必须看清AI应用的成本结构。以美国大模型公司Anthropic为例,2026年上半年其Token调用收入为131亿美元,而算力与基础设施费用高达89.45亿美元,占营收的55%。这意味着,即便是处于产业链上游、直接售卖模型能力的企业,其收入中也有超过一半被算力成本吞噬。对于下游应用企业而言,Token成本、算力租赁、系统集成、数据治理等隐性投入叠加,使得AI投资的回收周期被显著拉长。
当企业以”工具使用率”或”Token消耗量”作为AI成效的衡量标准时,很容易陷入一种错觉:员工用得越多,转型越成功。但从财务视角看,Token消耗是成本项而非收益项。真正的收益只能体现在损益表的变化上——收入增长、毛利率改善或成本结构优化。 这一认识落差,正是92%与8%之间断层的经济学根源。
……