評麥肯錫報告：AI時代已至，隱憂初顯，然認知猶存局限｜科技觀察

編者按· 2025.12.23

在生成式人工智能加速迭代、企業爭相“上馬大模型”的當下，如何看清AI產業真實落地水平與商業價值，成為政策制定者和企業界共同關注的焦點。麥肯錫《2025人工智能發展現狀》報告基于近2000家機構問卷，對AI應用范圍、價值兌現與風險認知作出系統畫像，為觀察全球AI產業泡沫與潛力提供了一個重要窗口。

本文在梳理麥肯錫報告數據和結論的基礎上，提出幾個頗具啟發性的判斷：一方面，盡管絕大多數機構已用上AI試水AI Agent，但整體仍停留在試點階段，真正通過流程重構、戰略轉型獲得顯著EBIT增量的是少數高績效企業；另一方面，AI不準確、不合規以及知識產權侵權等隱性風險日益凸顯，對企業治理、法律制度和就業結構都提出了新挑戰。文章同時嵌入我國“人工智能+”行動部署，指出技術落地、能力儲備與頂層戰略需要一體設計、協同推進。

在AI時代“風口”與“陷阱”并存的背景下，中國企業究竟是將AI當作短期效率工具，還是把它納入長期戰略轉型的核心引擎？監管部門如何在鼓勵創新與防范風險之間找準尺度，既避免“一管就死”，又防止“失管泛濫”？這些問題，值得我們持續追問。

引言

在AI技術快速滲透商業領域的當下，麥肯錫以全球視角對AI發展現狀進行分析，通過全球組織調研，精準勾勒出當前AI應用的真實意圖。這項在線調查于2025年6月25日至7月29日進行，共收到來自105個國家/地區的1993份有效問卷，涵蓋了各個地區、行業、公司規模、職能專長和工作年限。38%的受訪者表示，他們所在的公司年收入超過10億美元。為了消除回復率差異的影響，數據根據每個受訪者所在國家/地區對全球GDP的貢獻進行了加權處理。報告調研顯示，幾乎所有受訪者都表示其所在機構正在使用AI，許多機構已經開始使用AI Agent。但大多數機構仍處于AI規模化應用和實現企業級價值的早期階段。

通過調查分析，報告主要提出以下幾點內容：

應用階段

從應用階段來看，全球多數組織仍停留在AI探索的初期：近三分之二的受訪者表示，其所在組織尚未在全企業范圍內推廣AI，試驗或試點仍是主流模式。但與此同時，市場對新興AI工具的興趣已快速攀升，62%的受訪者透露，組織至少已開始嘗試使用AI Agent，展現出對技術潛力的積極關注。

價值兌現

在價值兌現層面，AI的影響呈現“分層化”特征。值得注意的是，在應用案例層面，AI已顯現出積極價值：有64%的受訪者表示AI正助力組織創新；但從企業整體經營視角看，成效仍需突破——盡管39%的受訪者認為AI對企業層面的息稅前利潤（EBIT）產生了影響，而其中大多數受訪者表示，其所在企業EBIT中，由AI應用帶來的貢獻不足5%。

進一步來看，高績效企業的AI應用策略為行業提供了重要借鑒。調研顯示，80%的受訪者所在企業將“效率提升”列為AI計劃的核心目標，但那些從AI中獲取最大價值的高績效企業，往往會在效率之外，額外將“增長驅動”或“創新突破”納入目標體系，形成更全面的價值導向。而實現這一目標的關鍵路徑在于業務流程的深度重構：一半的AI高績效企業明確計劃利用AI改造業務模式，且多數高績效企業已著手重新設計工作流程，以此為AI價值釋放鋪路。

就業影響

最后，關于AI對就業的影響，行業認知仍存在顯著差異。受訪者對未來一年AI給所在機構整體員工規模帶來的變化預期不一：32%的人預計員工規模會減少，43%的人認為不會發生改變，另有13%的人預期員工規模將增加，這種多元看法也反映出AI對組織人力結構影響的復雜性。

本篇評論將摘取麥肯錫報告當中的幾個關鍵結論，結合其他案例以及我國AI應用發展情況和瓶頸展開討論。

結論一：AI應用范圍擴大，

仍以試點為主

此前，國際數據公司（IDC）發布了2025年V2版IDC《全球AI和生成式AI支出指南》（IDC Worldwide AI and Generative AI Spending Guide) 。IDC數據顯示，AI總投資規模和市場規模不斷增加。2024年全球AIIT總投資規模為3,159億美元，并有望在2029年增至12,619億美元，五年復合增長率（CAGR）為31.9%。聚焦生成式AI（Generative AI），IDC預測，全球生成式AI市場五年復合增長率或達56.3%，到2029年全球生成式AI市場規模將達6,071億美元，占AI市場投資總規模的48.1%。

然而，麥肯錫的報告指出，大多數機構尚未擴大AI技術應用的規模，AI仍停留在試點階段。自去年調查以來，表示其所在機構至少在一個業務職能中使用AI的受訪者比例有所上升：88%的受訪者表示其所在機構至少在一個業務職能中定期使用AI，而一年前這一比例為78%。但在企業層面，大多數企業仍處于試驗或試點階段（見圖表1），只有約三分之一的受訪者表示其所在公司已開始擴大AI項目的規模。

圖表1：數據表明，在企業層面，大多數企業仍處于試驗或試點階段

對于部分組織而言，他們正在更多的業務職能當中使用AI。超過三分之二的受訪者表示，他們的組織正在多個職能中使用AI，一半的受訪者表示，他們的組織正在三個及以上的職能中使用AI。然而，許多公司——尤其是規模較小的公司——尚未將AI深度融入到工作流程中。雖然只有三分之一的受訪者表示他們正在組織內部推廣AI項目，但規模較大的公司——無論從收入還是員工人數來看——更有可能已經進入規模化階段。收入超過50億美元的公司中，近一半的受訪者表示已經進入規模化階段，而收入低于1億美元的公司中，這一比例僅為29%（見圖表2）。

圖表2：不同規模組織在職能中使用AI的情況

結合其他相關資料，AI應用的情況及其在不同企業的差異可能源于AI技術特性、行業需求等多重因素。具體而言，AI技術的成熟度與可靠性仍待驗證，其在復雜場景中的實際效能存在顯著不確定性。在企業內部應用下，小樣本與長尾場景（關鍵環節數據稀缺、發生頻率低）是AI模型訓練的一大困境。例如醫院的AI系統，因單病種病例不足，即便微調訓練模型，其效果也達不到臨床應用要求。 因此，在環境復雜且動態變化的現實世界中，AI系統需具備適應和處理這種不確定性的能力。

此外，不同行業對AI的接受度和需求差異顯著。金融業因監管嚴格、數據成熟，AI試點成功率較高；而農業、建筑業等傳統行業，因數據采集困難、環境復雜，試點周期往往更長。這種行業定制化要求，使得AI應用必須通過試點深度理解業務邏輯，避免“一刀切”帶來的適配問題。

結論二：許多組織已經在試驗AI Agent，

但整體呈現尚未普及趨勢

麥肯錫報告指出，各組織正在開始探索AI代理（AI Agent）帶來的機遇，但是目前仍然只占少數比例。23%的受訪者表示，他們的組織正在企業內部的某個部門擴展部署AI Agent系統，另有39%的受訪者表示，他們已經開始嘗試使用AI Agent。但AI Agent的使用尚未普及：大多數正在擴展部署AI Agent的組織表示，他們只在一兩個職能部門這樣做。在任何特定的業務職能部門中，只有不超過10%的受訪者表示他們的組織正在擴展部署AI Agent（見圖表3）。

圖表3：各組織使用AI代理的相關數據

在AI革命浪潮下，AI Agent憑借其自主決策、流程自動化與場景適配能力，正成為企業尋求效率突破與競爭優勢的重要工具。然而，技術賦能的背后，企業在引入AI Agent時不得不直面隱性的機會成本與顯性的運營風險——這些風險不僅可能侵蝕短期收益，更可能動搖長期商業模式根基，甚至引發法律糾紛。

此前，金融時報指出，AI Agent動搖OTA核心傭金模式，加劇平臺與酒店的博弈風險。Booking.com、Expedia與Airbnb紛紛引入大模型，以應對新的競爭格局。然而，這項技術或將動搖OTA賴以生存的傭金模式，賦予酒店更大的議價空間。在這個規模逾萬億美元的市場中，平臺與酒店之間的博弈才剛剛拉開帷幕。此外，亞馬遜訴Perplexity案，暴露AI Agent的法律合規與信任風險。這家在線零售商提起訴訟，要求Perplexity停止允許其AI瀏覽器代理Comet為用戶執行在線購物操作。根據提交至美國舊金山聯邦法院的起訴狀，亞馬遜指控Perplexity涉嫌計算機欺詐——Comet代真人購物時未按要求披露身份，此舉違反了亞馬遜的服務條款。

這些案例對企業的警示意義尤為深刻：在引入AI Agent前，企業不僅要評估技術可行性與成本，更需全面排查法律合規風險——尤其是涉及“自動化操作第三方平臺”“處理用戶敏感數據”“替代人工決策”的場景，需提前明確AI Agent的身份披露規則、操作邊界與責任歸屬。否則，一旦觸碰法律紅線，企業將面臨訴訟賠償、品牌聲譽受損等嚴重后果。

相比之下，AI Agent帶來的“效率提升”“成本降低”等收益，往往是企業層面的長期價值，短期內難以直接轉化為職能部門的績效。這種“風險由部門承擔，收益由企業共享”的不對稱性，使得許多職能部門對AI Agent的應用持“保守甚至抵觸”態度——它們更傾向于選擇成熟、低風險的現有模式，而非冒險引入可能引發動蕩的AI Agent。

結論三：AI有效提升企業競爭力

麥肯錫調查結果顯示，對于大多數企業而言，AI的應用尚未對企業整體息稅前利潤（EBIT）產生顯著影響。39%的受訪者認為AI對EBIT產生了一定程度的影響，而其中大多數受訪者表示，其所在企業EBIT中，由AI應用帶來的貢獻不足5%。然而，受訪者也看到了其他一些公司層面的定性成果：大多數受訪者表示，其所在企業應用AI后，創新能力有所提升；近半數受訪者表示，客戶滿意度和競爭優勢均有所提高（見圖表4）。

圖表4：受訪者認為應用AI后對企業各項指標的的影響情況

盡管AI的應用對企業整體盈利產生顯著影響的情況仍然很少見，但麥肯錫的調查結果表明，大膽設想可能會帶來回報。報告認為，AI的應用能為企業帶來5%或以上的EBIT影響，并且其所在組織已從AI應用中獲得“顯著”價值——這些受訪者被定義為AI高績效企業，約占受訪者的6%——他們表示正在積極推動通過AI實現變革性創新，重新設計工作流程，加快規模化發展，實施轉型最佳實踐，并加大投資。

麥肯錫關于AI對企業盈利影響的調查結論，精準揭示了當前AI在商業落地中的“分化格局”與“未來潛力”——既客觀指出了AI盈利價值尚未大規模兌現的現實，也明確了“高績效企業”通過戰略級應用突破瓶頸的路徑。

除了企業直接的報表影響之外，AI對創新的影響是多維度、深層次的，它不僅改變了創新的“速度”和“效率”，更重塑了創新的“范式”和“邊界”——從傳統依賴人類經驗的線性創新，轉向“人類+AI”協同的非線性、爆發式創新。這種影響滲透到技術研發、產品設計、商業模式、組織管理等所有創新環節，既催生了全新的創新成果，也為傳統領域的創新突破提供了關鍵工具。

例如，AI幫助優化新材料設計。此前，谷歌旗下深度思維公司宣布，借深度學習技術發現220萬種新型晶體材料。今年初，微軟宣稱其AI模型MatterGen能從零生成無機材料，有望顛覆無機材料設計范式。同時，AI降低門檻，賦能非設計人員。例如騰訊云AI代碼助手，是一款定位代碼智能補全和生成的數字化工具，可以為開發者、開發團隊及企業客戶提供安全合規、高粘度體驗的編碼場景AIGC服務，具備代碼補全、技術對話、代碼診斷、單元測試等功能。

麥肯錫報告進一步指出，從AI中獲益最大的組織往往追求的不僅僅是降低成本。雖然大多數受訪者表示提高效率是其組織使用人工智能的目標之一，但績效卓越的組織更有可能表示，其組織還將增長和/或創新作為人工智能發展的目標（圖表5）。

圖表5：受訪組織對人工智能發展目標的看法

企業布局AI時，隱性成本的存在往往會削弱短期盈利表現；即便長期來看，AI能驅動企業實現創新模式升級并兌現價值增量，可多數企業仍不具備支撐這一過程的長期耐受度。隱性成本主要包含以下三個板塊：一是技術成本，除了購買AI模型、算力的直接支出，企業還需投入資源做“數據治理”和后期維護等；二是組織成本，AI推動的流程重組會引發內部阻力。企業需要重新進行員工培訓、組織架構調整；三是試錯成本，AI模型的效果依賴“場景匹配度”，部分企業盲目跟風部署AI，因場景與技術不匹配導致項目失敗，反而增加了成本。企業能否借AI實現EBIT提升，核心不在于“是否應用AI”，而在于“以何種戰略邏輯應用AI”。企業需徹底跳出“將AI視為淺層效率工具”的認知局限，真正將其定位為驅動業務重構與價值升級的“戰略轉型核心引擎”——通過AI深度挖掘用戶未被滿足的隱性需求，創造顛覆式的產品形態或服務模式，從而直接打開全新的盈利增長空間。

對于已邁入“AI探索階段”的企業而言，若當前僅停留在單個場景的AI應用，卻未看到對整體盈利的顯著拉動，關鍵突破口在于從“單點效率優化”轉向“全流程協同賦能”：推動AI從單一部門的工具，滲透到研發、生產、營銷、服務等核心環節，通過打通“數據流轉—流程適配—盈利轉化”的完整鏈路，讓局部效率提升匯聚成整體盈利增長的合力，最終突破盈利瓶頸。

結論四：AI的價值提升

離不開多維度的共同發展

此外，報告中指出：“AI領域的高績效者也更有可能采用一系列實踐方法來實現AI的價值”。例如，高績效者比其他組織更有可能表示，他們的組織已經制定了明確的流程，以確定模型輸出何時以及如何需要人工驗證以確保準確性（圖表6）。這套完整的管理實踐與麥肯錫更廣泛的“重塑”（Rewired）研究相一致，該研究基于200多個大規模AI轉型案例。這些實踐涵蓋了從AI中獲取價值的六個關鍵維度：戰略、人才、運營模式、技術、數據以及應用和規模化。麥肯錫測試的所有管理實踐都與AI帶來的價值呈正相關。這些實踐使組織能夠創新并大規模地從AI中獲取價值。

圖表6：AI領域的高績效者與其他受訪者采用實踐方法以實現AI價值的對比情況

擁有敏捷的產品交付組織，或者擁有完善交付流程的企業級敏捷組織，與實現價值密切相關。同樣，建立健全的人才戰略并實施技術和數據基礎設施，對AI的成功也具有顯著貢獻；而將AI嵌入業務流程并跟蹤AI能解決方案的關鍵績效指標等實踐，則有助于實現顯著價值。

目前，AI技術已成為企業突破增長瓶頸、提升核心競爭力的關鍵抓手，但不少企業在實踐中常陷入“重落地、輕根基”的誤區——僅聚焦單一場景的AI工具應用，卻忽視了技術儲備的支撐力與戰略規劃的引領性，最終導致AI應用效率偏低、價值難以釋放。因此，企業需以“落地+儲備+戰略”三位一體的思路推進AI建設。

我國《國務院關于深入實施“人工智能+”行動的意見》中指出，應當強化復合型人才儲備，驅動技術研發模式創新和效能提升。推動AI驅動的技術研發、工程實現、產品落地一體化協同發展，加速“從1到N”技術落地和迭代突破，促進創新成果高效轉化。此類發展目標的底層邏輯在于夯實AI技術相關儲備，筑牢應用根基。只有當技術儲備與戰略規劃相結合的時候，才能提升AI應用的效率。

結論五：AI的不準確性

及不合規性或造成負面后果

麥肯錫調查指出，組織正在經歷并努力緩解的風險在很大程度上是相互關聯的：受訪者更有可能表示，他們的組織正在緩解他們已經遭受后果的每一種風險。總體而言，51%使用AI的組織受訪者表示，他們的組織至少經歷過一次負面后果，其中近三分之一的受訪者表示，后果源于AI的不準確性。不準確性是大多數受訪者表示其組織正在努力緩解的兩大風險之一（圖表7）。然而，第二大最常被提及的風險：可解釋性，卻并非最常被緩解的風險之一。

圖表7：AI不準確性會導致負面后果，過去一年中的負面后果和風險緩解情況

來自AI領域表現優異的機構的受訪者表示，他們所在機構部署的AI應用案例數量是其他機構的兩倍，因此他們更有可能報告負面后果，尤其是在知識產權侵權和監管合規方面。這些表現優異的機構也試圖防范更多種類的風險。

目前，國際上有諸多關于AI侵權的案例。例如2023年，多名開發者起訴微軟，指控GitHub Copilot生成的代碼片段包含受版權保護的開源代碼。微軟雖推出“代碼匹配過濾器”，但原告認為其僅檢測完全匹配內容，對修改后的代碼無效。法院保留了版權侵權、違反開源協議等核心指控；2025年9月，迪士尼、環球影業和華納對中國AI發起版權訴訟，稱其“故意且公然”侵犯版權。2025年12月，迪士尼指控谷歌AI模型生成《冰雪奇緣》《星球大戰》等經典角色形象，并通過YouTube等平臺商業化傳播。迪士尼要求谷歌立即停止侵權并增設技術限制，否則將提起訴訟。此類知識產權和監管合規的案例對企業均會造成負面影響。

結合上述案例說明，AI技術的價值釋放與風險防控存在強綁定關系。企業若僅追求AI應用的效率與創新，卻忽視合規性與知識產權風險，極易觸碰法律紅線，導致技術優勢轉化為經營危機。因此，企業在運用AI的同時，必須將合規與知識產權保護貫穿AI應用全生命周期，通過主動防控而非被動遵守，才能讓AI真正成為企業的競爭增量，反之則可能陷入訴訟糾紛、經濟損失與品牌信譽受損的多重困境。

結論六：AI對就業的影響

存在顯著的行業認知差異

隨著各組織機構擴大AI的應用，受訪者對AI在未來一年可能如何影響其員工規模持有不同的看法。在考察各組織機構應用AI的職能部門時，大多數受訪者表示，過去一年中，由于組織機構使用AI，員工人數幾乎沒有變化。在大多數職能部門中，只有不到20%的受訪者表示員工人數減少了3%或更多，而表示組織機構使用AI導致其在特定職能部門增加員工人數的受訪者比例則更低。

然而，更多受訪者預計未來一年這些職能部門的員工人數會發生變化。在所有業務職能部門中，17%的受訪者表示，由于AI的應用，過去一年中各職能部門的員工人數有所減少，但30%的受訪者預計明年員工人數還會減少（圖表8）。

圖表8：受訪者對未來一年不同職能部門員工人數會發生的變化進行預測

此前，全球三大頂級高級翻譯學院之一的蒙特雷明德國際研究學院（MIIS）宣布停止招生。翻譯和口譯作為MIIS的王牌專業，近年來受到AI技術突破帶來的影響。麥肯錫研究顯示，翻譯和口譯人員位列“AI高暴露職業”榜首。此外，麥肯錫其他報告表明，到2030年，AI和自動化或取代高達30%的工時——這一變革既對傳統職業構成直接沖擊，也在倒逼就業市場、勞動者與政策體系做出適應性調整。

同時結合麥肯錫本篇報告當中的數據，未來AI對就業的影響是一場深刻的結構性變革，既帶來傳統崗位的迭代調整，也催生全新的職業形態。其核心邏輯并非簡單的“機器取代人類”，而是通過技術賦能重塑勞動力市場的價值分配體系。企業應當培養更多的AI協作型專業人才，重構企業工作流程，助力提升效率；政府也應當培養跨學科思維，打破專業壁壘，適應跨界需求，助力培養更多復合型人才，成為AI協作的核心樞紐。

結語

總體而言，AI的價值釋放并非單純依賴技術本身，而是深度綁定企業的戰略設計與階段認知。當前AI技術雖呈現“使用范圍擴張”與“應用階段初級”的矛盾，且職業替代影響因職能差異而分化，但核心邏輯始終一致：企業唯有以系統化規劃為綱，理性應對試驗階段的不確定性，差異化設計職能布局，并將合規風險防控貫穿全程，才能讓AI從“試驗性工具”轉化為“確定性效益”，反之則可能陷入技術濫用、資源浪費或合規危機。

本文作者

于劼芊：香港中文大學（深圳）前海國際事務研究院研究助理。

黃平：香港中文大學（深圳）公共政策學院副教授兼助理院長，前海國際事務研究院副院長。

*原載于QuantumBlack AI by McKinsey。

GBA Review 新傳媒

校對 | 伍子堯

排版 | 許梓烽

初審 | 覃筱靖

終審 | 馮簫凝