斯坦福 AI 报告：全球投入达 5810 亿美元，但 95% 的企业未获得回报

斯坦福大学的一份里程碑式报告揭示了人工智能投资激增与实际回报之间的严重脱节，研究发现 95% 的企业 AI 项目迄今未能创造价值。

根据斯坦福大学发布的《2026年人工智能指数报告》，2025 年全球人工智能领域的私人投资额翻了一番以上，达到创纪录的 5810 亿美元，但 95% 的企业在 AI 支出上未获得任何回报。这份长达 423 页的报告强调了巨额资本支出与实际生产力之间日益扩大的鸿沟，对 AI 热潮的短期经济可行性提出了质疑。

报告作者指出：“生产力数据呈现出截然不同的图景，具体取决于你观察的角度。”报告引用了麻省理工学院 (MIT) 的一项独立研究，该研究发现，在估算的 350 亿至 400 亿美元企业 AI 投资中，回报微乎其微。“对于需要深度推理的任务，AI 工具反而有时会让员工变慢而非变快。”

虽然报告记录了特定任务的效率提升——例如客户支持人员处理问题的效率提高了 15%，使用 GitHub Copilot 的开发人员完成的拉取请求增加了 26%——但宾夕法尼亚大学沃顿预算模型显示，AI 对美国整体生产力的贡献仅为 0.01 个百分点。这些发现与美国 22 至 25 岁软件开发人员自 2022 年以来就业人数急剧下降 20% 的现象同时出现，尽管三分之一的受访公司预计明年将因 AI 裁员。

报告数据表明，那些吸引了数千亿美元资金但盈利路径不明的 AI 核心公司可能面临市场重新估值。随着中美模型之间的性能差距缩小至仅 2.7 个百分点，且企业在模型能力上的透明度不断下降，投资者目前面临着从资本密集型炒作周期中筛选出可持续 AI 商业模式的挑战。

5810 亿美元的疑问

报告引用分析公司 Quid 的数据显示，2025 年 AI 投资额达到 5810 亿美元，比前一年的 2530 亿美元翻了一番以上，也超过了 2021 年 3600 亿美元的高峰。美国继续吸引大部分资金，去年私人投资额超过 3440 亿美元。

然而，这一历史性资本部署的回报似乎微不足道。斯坦福报告中重点提到的 MIT 研究发现，在研究样本中，95% 的公司未能从其总计 350 亿至 400 亿美元的 AI 投资中获得任何财务回报。尽管 AI 得到了广泛采用，但这种生产力悖论依然存在。报告指出，2025 年有 88% 的组织在至少一个业务职能中使用了 AI，比 2024 年增加了 10 个百分点。

环境成本也在攀升。报告估计，训练单个大模型（如 xAI 的 Grok 4）产生了超过 7.2 万吨二氧化碳当量排放，超过了 1000 辆普通汽车终身的排放量。为支持这一增长而进行的大规模数据中心建设也面临着地方的强烈反对，Data Center Watch 的报告指出，过去两年价值 640 亿美元的美国数据中心项目被阻止或推迟。

生产力悖论与代际鸿沟

报告描绘了 AI 对劳动力影响的矛盾图景。虽然特定角色看到了明显的效率提升，例如使用 AI 广告创作工具的营销团队产出增长了 50%，但对整体经济的影响微乎其微。宾夕法尼亚大学沃顿预算模型计算出，2025 年 AI 对美国全要素生产率增长的贡献仅为 0.01 个百分点，而当年整体生产率增长了 2.7%。

对于某些任务，AI 被证明是一种阻碍。报告发现，使用 AI 辅助的开源开发人员效率降低了 19%，而依赖 AI 学习的工程师则遭受了“学习惩罚”，这可能会阻碍他们的长期发展。

劳动力市场最明显的信号具有代际特征。截至 2025 年 9 月，美国 22 至 25 岁软件开发人员的就业人数较 2022 年的高峰骤降了近 20%。这一趋势表明，虽然资深开发人员相对安全，但初级职位正在被自动化或取消，这为未来的人才培养制造了潜在瓶颈。

中国缩小差距，透明度下降

美国在顶尖 AI 领域的长期主导地位正在动摇。截至 2026 年 3 月，Anthropic 领先模型与 DeepSeek 等中国公司顶级竞争对手之间的性能差距已缩小至仅 2.7 个百分点。虽然美国在顶级模型产量上仍占优势（2025 年为 50 个，中国为 30 个），但报告指出，中国目前在 AI 论文发表量、专利授予量，以及关键的工业机器人安装量方面领先全球。

差距的缩小发生在“透明度危机”之中。报告引入了“基础模型透明度指数”，发现主要 AI 公司的平均得分从 2024 年的 58 分降至 2026 年的 40 分。OpenAI、Anthropic 和谷歌等公司最先进的模型，在训练数据和方法论方面往往透明度最低。这种透明度的缺乏，加上中国实验室被指控进行“对抗性蒸馏”，使得竞争格局更加复杂，也让投资者和决策者更难评估新模型的真实能力和风险。

本文仅供参考，不构成投资建议。