夏季达沃斯聚焦AI落地困境：技术迭代未能普遍转化为企业生产力增长

在全球科技巨头持续向人工智能基础设施投入巨额资本的背景下，一个现实矛盾正引发业界思考：尽管AI技术迭代速度加快，多数企业的实际生产力增长却未能与之同步。这一话题在第十七届世界经济论坛新领军者年会（夏季达沃斯论坛）上成为焦点。

AI普及的“非一蹴而就”现象

在大连举办的夏季达沃斯论坛期间，一场题为“AI无处不在，却非一蹴而就”的论坛座无虚席。与会嘉宾围绕AI技术从研发投入到生产效益转化之间的滞后现象展开讨论。

论坛主题本身概括了目前行业面临的普遍问题：AI的应用正在逐渐渗透至各个领域，但从技术部署到形成可量化的生产力提升，仍需要经历一个并非立竿见影的过程。

“当全球科技巨头将数万亿美元砸向人工智能基础设施，一个令人困惑的现象正在浮现：技术迭代日新月异，但多数企业的生产力‘账本’上，却难见相应增长。”

从“基础设施”到“生产力账本”的转化环节

这反映出当前AI技术落地的核心症结：大规模算力投入与终端产出效率之间的传导链条尚未完全打通。素材中提及的“数万亿美元”投资规模，主要流向数据中心、芯片研发及模型训练等基础设施层，而企业端如何有效吸收并应用这些技术，仍面临组织架构、数据治理与业务流程重塑等挑战。

在此次论坛上，与会者探讨了多方面的可能原因：

• 企业需要时间将通用AI能力与具体行业场景进行匹配。
• 员工技能与AI工具的协作模式仍在摸索阶段。
• 衡量AI对生产力贡献的统计指标体系尚不完善。

对行业与市场的影响

上述讨论表明，AI行业的竞争正在从单纯的技术竞赛，转向技术“最后一公里”的落地效率比拼。对于市场参与者而言，短期内更值得关注的或许不是算力规模的增长速度，而是企业是否建立了将AI转化为实际生产力的组织能力。

科技巨头AI支出翻倍至7000亿美元 多机构指生产力转化不及预期

今年，仅亚马逊、Alphabet、微软和Meta四家公司计划在AI基础设施上的资本支出超过7000亿美元，几乎是去年的两倍。然而，普华永道最新发布的《2026年人工智能效能研究报告》显示，在通过AI实现财务收益方面，仅有少数企业遥遥领先。“一些企业表示，过去三年AI尚未对公司发展产生可衡量的影响”，这一现象成为近日论坛上多位学界与产业界嘉宾热议的焦点。

“幽灵效率”困扰行业：高投入与低产出的悖论

万宝盛华集团董事长兼首席执行官约纳斯·普里辛格在论坛上指出，当前“我们正处在一个悖论之中”。一方面大模型演进速度惊人，另一方面其对生产力的影响却不及预期。他将这种“高投入、低产出”的困境概括为“幽灵效率”——AI提升了个体效能，却没有自动转化为组织效能。

“我们正处在一个悖论之中。”——约纳斯·普里辛格

与会嘉宾：问题在于技术与组织、场景、人才的深层错配

对于投入与产出出现的“剪刀差”，与会嘉宾普遍认为问题不在于技术本身，而在于技术与组织、场景、人才之间的深层错配。清华大学苏世民书院院长薛澜认为，AI技术全面渗透社会需要两类基建：一是硬件基建，即数据中心、能源供给等实体设施；二是软性基建，即法律法规、行业监管体系。目前软性基建的完善速度，远远跟不上前沿模型的迭代速度。

从政策视角来看，薛澜强调，必须加快完善配套规则，才能推动技术快速普及。同时，当前通用大模型算力成本高、投入高、行业内卷加剧，但轻量化AI的快速成熟正在改写行业格局——AI技术从“重资产竞赛”转向“轻量化落地”。

轻量化AI催生新赛道 垂直应用与智能体成突破口

薛澜认为，轻量化模型会催生大量细分赛道的创业公司，快速落地各类垂直应用，AI智能体也给小公司创造了独特的市场机会，能够发展更快，找到自己的方向。在业界看来，相较于通用大模型，轻量化AI更适配细分行业，能够精准对接工业、民生、服务业等垂直场景的个性化需求。

破解悖论的关键：弥合技术速度与人的适应速度鸿沟

中国移动首席科学家冯俊兰表示，破解“AI生产力悖论”，关键在于弥合技术速度与人的适应速度之间的鸿沟。她认为，企业不仅需要投资于算力与算法，更要投资于组织变革、员工培训与治理体系建设；不仅追求技术的“单点突破”，更要实现技术与业务的深度融合。