• 成本飙升，缺乏清晰的ROI模型——AI基础设施成本（算力、API、集成、持续维护和人工监督）巨大且经常失控。90%的首席信息官报告称，AI成本已经在限制他们最大化价值的能力。
• 商业价值不明确——许多项目在概念验证后被放弃，因为组织无法证明其对利润的可衡量影响。
• 数据质量差与风险管控不足——薄弱的治理、数据问题和风险管理不足导致项目失败。Gartner预测，到2026年，组织将放弃60%缺乏AI就绪数据支持的AI项目。
• "智能体粉饰"与用例漂移——组织在没有严谨商业论证的情况下为AI而AI，导致失败。Gartner分析师Anushree Verma指出，许多供应商将现有聊天机器人重新包装为AI智能体，但并未交付有意义的成果。

这些发现与Gartner在2026年4月的一项估计一致：57%的IT基础设施和运营经理至少经历过一次AI项目失败，该领域中五分之一的AI项目完全失败。

支出与回报的脱节：多方证据佐证

多个重要来源都佐证了巨额AI投资与可衡量商业成果之间日益扩大的脱节：

高盛（2026年8月）： 策略师Ben Snider报告称，AI支出急剧增长，但该技术尚未对大多数公司的盈利产生有意义的改善。标普500中仅有2%的公司量化了AI对盈利的影响，大多数公司报告几乎没有或没有直接收益。分析师Jessica Rindels估计，2026年美国AI投资总额将接近6000亿美元，相当于GDP的近2%，但与之匹配的经济增长证据仍然薄弱。

高盛（2026年5月）： 分析师Jim Covello指出，大多数企业尚未从其AI支出中获得任何回报，并引用MIT的一项研究，该研究发现95%的企业AI试点未产生可衡量的利润影响。Covello认为，AI的经济效益"比两年前更值得怀疑"。

高盛（2026年7月）： 经济学家Jan Hatzius和分析师David Peng给出了现实检验——AI的采用及其生产力回报可能需要比市场预期长得多的周期。他们的分析显示，生产力影响遵循J曲线：前四年会有轻微的拖累，直到八年后才出现统计上显著的增长，并在第12年达到约0.6个百分点的峰值影响。如果将ChatGPT在2022年的发布比作PC在1981年的亮相，那么回报的到来仍然需要数年时间。

麦肯锡（2026年）： 不到20%的企业AI部署显示出可衡量的商业影响。

红杉资本： 指出了AI投资与回报之间约6000亿美元的收入缺口。

云巨头现金流风险： 高盛警告称，四大云服务商（亚马逊、谷歌、微软、Meta）集体在AI基础设施上的投入即将超过其全部经营现金流，且没有经过验证的企业ROI来证明这笔支出的合理性。这四家公司2026年合计资本支出预计约为6500亿美元。

项目为何失败：问题不在技术

所有主要分析中一个一致的发现是：AI项目的失败是组织性和战略性的，而非技术性的。 模型几乎从不失败——但商业论证、数据基础和成本控制会失败。

Gartner指出了推动其预测的三种主要失败模式：成本飙升且缺乏清晰的ROI模型、商业价值不明确、以及风险管控不足。正如一位Gartner分析师所言："当前大多数智能体AI项目都只是早期实验或概念验证，主要由炒作驱动，且常常被误用。"

后果已经显现。Gartner预测，到2028年，在缺乏专门AI财务管理实践的组织中，70%的AI项目将因失控的成本爆炸和价值漂移而被废止。

对企业领导者的启示

来自Gartner、高盛、麦肯锡、MIT和红杉资本的模式是一致的：AI支出处于历史高位，但绝大多数组织尚无法证明这些支出能带来可衡量的、实实在在的利润回报。许多企业已经在收缩，或者无法让项目走出试点阶段。

对于正在投资AI的组织，研究指出了清晰的前进路径：识别一个具有可衡量成本或质量影响的具体运营瓶颈，为这个特定问题构建AI解决方案，严格测量实施前后的影响，然后只规模化那些真正有效的方案。那些从一开始就未能建立清晰ROI指标的项目，不太可能在即将到来的清算中幸存下来。

• 成本飙升，缺乏清晰的ROI模型——AI基础设施成本（算力、API、集成、持续维护和人工监督）巨大且经常失控。90%的首席信息官报告称，AI成本已经在限制他们最大化价值的能力。
• 商业价值不明确——许多项目在概念验证后被放弃，因为组织无法证明其对利润的可衡量影响。
• 数据质量差与风险管控不足——薄弱的治理、数据问题和风险管理不足导致项目失败。Gartner预测，到2026年，组织将放弃60%缺乏AI就绪数据支持的AI项目。
• "智能体粉饰"与用例漂移——组织在没有严谨商业论证的情况下为AI而AI，导致失败。Gartner分析师Anushree Verma指出，许多供应商将现有聊天机器人重新包装为AI智能体，但并未交付有意义的成果。

这些发现与Gartner在2026年4月的一项估计一致：57%的IT基础设施和运营经理至少经历过一次AI项目失败，该领域中五分之一的AI项目完全失败。

支出与回报的脱节：多方证据佐证

多个重要来源都佐证了巨额AI投资与可衡量商业成果之间日益扩大的脱节：

高盛（2026年8月）： 策略师Ben Snider报告称，AI支出急剧增长，但该技术尚未对大多数公司的盈利产生有意义的改善。标普500中仅有2%的公司量化了AI对盈利的影响，大多数公司报告几乎没有或没有直接收益。分析师Jessica Rindels估计，2026年美国AI投资总额将接近6000亿美元，相当于GDP的近2%，但与之匹配的经济增长证据仍然薄弱。

高盛（2026年5月）： 分析师Jim Covello指出，大多数企业尚未从其AI支出中获得任何回报，并引用MIT的一项研究，该研究发现95%的企业AI试点未产生可衡量的利润影响。Covello认为，AI的经济效益"比两年前更值得怀疑"。

高盛（2026年7月）： 经济学家Jan Hatzius和分析师David Peng给出了现实检验——AI的采用及其生产力回报可能需要比市场预期长得多的周期。他们的分析显示，生产力影响遵循J曲线：前四年会有轻微的拖累，直到八年后才出现统计上显著的增长，并在第12年达到约0.6个百分点的峰值影响。如果将ChatGPT在2022年的发布比作PC在1981年的亮相，那么回报的到来仍然需要数年时间。

麦肯锡（2026年）： 不到20%的企业AI部署显示出可衡量的商业影响。

红杉资本： 指出了AI投资与回报之间约6000亿美元的收入缺口。

云巨头现金流风险： 高盛警告称，四大云服务商（亚马逊、谷歌、微软、Meta）集体在AI基础设施上的投入即将超过其全部经营现金流，且没有经过验证的企业ROI来证明这笔支出的合理性。这四家公司2026年合计资本支出预计约为6500亿美元。

项目为何失败：问题不在技术

所有主要分析中一个一致的发现是：AI项目的失败是组织性和战略性的，而非技术性的。 模型几乎从不失败——但商业论证、数据基础和成本控制会失败。

Gartner指出了推动其预测的三种主要失败模式：成本飙升且缺乏清晰的ROI模型、商业价值不明确、以及风险管控不足。正如一位Gartner分析师所言："当前大多数智能体AI项目都只是早期实验或概念验证，主要由炒作驱动，且常常被误用。"

后果已经显现。Gartner预测，到2028年，在缺乏专门AI财务管理实践的组织中，70%的AI项目将因失控的成本爆炸和价值漂移而被废止。

对企业领导者的启示

来自Gartner、高盛、麦肯锡、MIT和红杉资本的模式是一致的：AI支出处于历史高位，但绝大多数组织尚无法证明这些支出能带来可衡量的、实实在在的利润回报。许多企业已经在收缩，或者无法让项目走出试点阶段。

对于正在投资AI的组织，研究指出了清晰的前进路径：识别一个具有可衡量成本或质量影响的具体运营瓶颈，为这个特定问题构建AI解决方案，严格测量实施前后的影响，然后只规模化那些真正有效的方案。那些从一开始就未能建立清晰ROI指标的项目，不太可能在即将到来的清算中幸存下来。