三份报告敲了同一面鼓——企业AI的预算在涨，但"两层皮"越来越厚

6月第一周，德勤更新了《企业AI现状》报告。同一天，毕马威发布了"AI+制造"专项行动的半年追踪。再加上贝恩6月1日那份被反复转发的AI预算调研——三份报告，各自独立调研，说的是同一件事。

企业AI的投入正在变成一场"信仰充值"：预算年年涨，信心条条满，但账本上的数字纹丝不动。

三份报告，三个维度，一个结论

先把数据摊开。

德勤调研了全球24个国家、3235名企业高管。66%的企业说AI帮他们提了效——这是好消息。但往下翻，只有34%的企业真正用AI重构了业务。也就是说，三分之二的企业至今还在用AI优化现有流程，而不是用AI重新想一遍"这个业务到底该怎么做"。

更扎心的数字藏在治理那一页：只有20%的企业有成熟的自主AI智能体治理模型。五分之一。而德勤预计未来两年Agentic AI的使用量会大幅上升——模型在跑，规则没跟上。

毕马威盯着制造业看了半年。八部门"AI+制造"专项行动从去年12月发文到现在，落地情况怎么样？49%的制造企业说已经拿到了AI的商业价值。听起来不错。但报告里藏着一组让人看了想挠头的数字：83%的企业认为自己搭好了AI数据底层，76%的企业同时承认——数据是最大的风险。

83% vs 76%83%的企业自认数据体系完善，76%坦言数据是最大瓶颈——毕马威称之为"信心与能力的错位"

这两个数字放在一起，毕马威给了一个很准的表述："信心与能力的错位"。说白了，很多企业在填问卷的时候觉得自己数据搞得不错，一到真要跑模型的时候才发现——系统没打通、主数据没清洗、实时数据流断在中间某台服务器上。

贝恩的报告则是直接算账。951家年营收过1亿美元的大企业，90%还在加AI预算，但只有4%的企业省了超过30%的钱。40%的企业连10%都省不到。贝恩的标题起得很直白，翻译过来就是："你的AI预算在涨，你的回报没涨。原因在这里。"

AI预算在增加的企业90%省下超过30%成本的企业4%

三份报告，三组数据，指向同一个问题：战略上的信心，和执行上的能力，中间隔着一条相当宽的沟。

不是技术不行，是组织没跟上

德勤报告里有一个细节我反复看了几遍：2026年，更多企业（42%）认为自己AI战略准备度"较高"——比往年高了。但与此同时，企业在基础设施、数据、风险、人才这些运营层面的准备度反而下降了。

什么意思？就是领导层觉得"我们准备好了"，但中层和一线觉得"你准备好啥了？"

德勤把这叫做"战略与运营准备度的脱节"。我换个说法：这是PPT准备好了，产线没准备好。

贝恩报告印证了同一个判断。他们发现，44%的企业在用"预期中的AI节约"来支撑新的AI投入——先假设AI能省多少钱，再拿这个假设去申请下一笔预算。这个循环一旦建立，没人敢停下来问一句：前面那笔钱到底省没省？

贝恩报告原话：技术跑通了，价值没到来。问题的根不在模型，在组织。

毕马威的制造业数据把这个"组织问题"具体化了。

这些案例的共同点是什么？技术跑通了单点，但规模化复制的瓶颈不在模型精度，在数据治理、在老师傅的经验能不能结构化、在不同工厂之间的系统能不能对齐。

89%的制造企业高管认为，"管理AI智能体"将是五年内最核心的职场技能。我觉得这个数字反过来读更有信息量——今天，只有极少数企业真的有会管AI的人。

给CIO的三条操作建议

三份报告看下来，我总结三条对企业数字化负责人直接有用的判断：

第一，先回答"省没省钱"再谈"变不变革"。贝恩的数据很清楚——只有4%的企业省了超过30%。如果你还没到这个线，别急着讲"AI驱动业务重构"的故事。先把一个具体的、可量化的省钱场景跑通。智能质检省了多少人工？排程缩短了多少换线时间？把这个数字钉死在墙上，再去申请下一笔预算。

第二，数据治理不是"先搞完再上AI"，是"边搞边还债"。毕马威报告里83%说数据OK但76%说数据是瓶颈——说明多数企业搞的不是真正的数据治理，而是数据台账。主数据没统一、实时数据流不通、历史数据格式不一致，这些问题不会因为买了一个大模型就自动消失。每上一个AI场景，顺手修一段数据管道，这是唯一现实的路径。

第三，智能体治理现在就要建。德勤说只有20%的企业有成熟的Agent治理模型。这意味着80%的企业正在把AI智能体放进业务流程，但没有规则约束它们。不是危言耸听——IDC之前预测过，2028年全球将有13亿AI智能体在运行，88%的企业已经遭遇过智能体安全事故。治理这件事，等到出事再建就晚了。

最后说一句很直白的话：2026年，企业AI的分水岭不是"用不用AI"，而是"敢不敢说清楚花了多少钱、省了多少钱"。三份报告已经帮你说清楚了——大部分企业还不敢。