5月20日，北京。在IDC Directions 2026论坛上，一个数字让台下众多CEO和CIO陷入沉默：到2026年，50%的企业AI项目将无法达到ROI目标。
同日，华为在另一场闭门会议上发布了《智能世界2035》白皮书，描绘了另一番图景：未来十年，整个社会的算力将提升10万倍，具身智能的支出将在五年内从14亿美元激增至770亿美元。
Looking at these two things together, it's quite contradictory, isn't it? On one hand, it says the opportunities are unimaginably huge; on the other, it says half the projects will fail. I carefully compared the two reports and found they are not contradictory—they are two sides of the same coin.
2026年全球企业AI支出9400亿美元（IDC）预计2029年达2.1万亿美元，四年增长2.2倍
兩份報告，一個判斷：跟上步伐的問題
首先，看一下数字。IDC的数据粒度非常细，细分成了几行：
- 企業AI支出增長率：2026年為9400億美元，2029年為2.1兆美元——四年間增長2.2倍，年複合增長率約為22%。這個速度在任何技術領域中都可謂迅速，但在AI領域，這可能只是開始。
- MaaS（模型即服務）：2026年，Token調用次數達400萬億次，市場收入約186億元人民幣。大模型正從「秀肌肉」走向基礎設施級定價的商品。
- 具身智能：目前140亿美元，预计五年内达到770亿美元，年复合增长率超过120%。这是两份报告中唯一同时被描述为“爆发式增长”的赛道。
華為的願景更為宏大。到2035年，社會總算力將提升十萬倍（從10^18到10^22 FLOPS），機器人密度將從每萬人300台增加到超過1,000台，製造缺陷率將降至0.05%以下。他們的邏輯是：人工智慧從「生成」走向「行動」，實體世界是主要戰場。
但华为的报告也有一个非常有趣的空白——完全没有提及故障率。
IDC的警告：AI可能消亡的四種方式
IDC已將AI專案失敗的原因拆解為四個陷阱：
| 失敗原因 | 關鍵數據 | 我的理解 |
|---|---|---|
| 不明確的回傳 | 沒有明確投資回報路徑的專案，失敗率超過70%。 | 這不是技術不夠好，而是他們還沒搞清楚要解決什麼問題。很多專案一開始只是說「我們需要採用AI」，但談到採用後實際省了多少錢、提升了多少效率，他們卻說不出來。 |
| 資料基礎薄弱 | 60%的企業處於分散式AI管理狀態 | 數據孤島、品質不佳、缺乏統一治理。這幾乎是所有ERP導入專案的翻版——沒有主數據治理，上層智慧不過是空中樓閣。 |
| 人机协作薄弱 | 40%的企業將於2027年前轉向統一治理 | 該組織尚未準備就緒，員工要麼無法使用，要麼不願意使用。購買工具並不意味著這些工具已經到位。 |
| 每個都自行運作。 | 到2027年，40%的企业将以统一治理取代分散管理。 | 各部門正在自行進行AI試點項目，缺乏統一的數據標準、安全邊界或評估機制。局面一片混亂。 |
這裡有一個值得思考的數字：IDC指出，60%的企業仍處於分散式AI管理的狀態，但同時預測，到2027年，40%的企業將轉向統一治理。這意味著，在未來18個月內，大量企業的CIO需要將「AI治理」從一份PowerPoint簡報轉化為實際的組織架構。
華為看到方向，IDC看到陷阱
我做了一個比較：
| 尺寸 | Huawei「智慧世界2035」 | IDC Directions 2026 |
|---|---|---|
| 視角 | 科技愿景（2035年） | 當前登陸頁（2026） |
| 失敗風險 | 完全未被提及 | 明確警告：50%的專案會失敗 |
| 具身智能 | 強調技術突破 | 強調市場採用的速度 |
| 產業AI | 技術路徑是清晰的 | 資料基礎是最大的瓶頸 |
| 核心叙事 | 機會有多大 | 有多少人会在路上丧生 |
This comparison is not to say that Huawei's report is problematic—they are inherently focused on technological vision. But for corporate CIOs, having both reports together provides a complete decision-making map: The direction is right, but the road is full of pitfalls.
企業CIO的三個實用建議
根據這兩份報告以及我們所接觸企業的實際情況，我歸納出三點：
首先，先把資料管好，再談AI。四類失敗中有兩類直接跟資料治理有關。在我看過的製造業AI專案中，八個有六個卡在資料品質上——不是ERP系統裡的物料編碼不一致，就是設備資料採集不完整。華為講的十萬倍算力聽起來很遙遠，但如果你現在不把主資料管好，就算那十萬倍算力真的來了，你也用不上。
其次，行動前先釐清ROI。IDC指出，超過70%沒有明確ROI路徑的專案最終失敗，這並非誇大其詞。在我去年進行的企業AI研究中，不到20%的公司能清楚說明「這個AI專案一年省了多少錢」。多數回答是「提升效率」或「增強體驗」。並非這些說法有誤，而是無法被驗證。無法被驗證的事情，預算終究會被削減。
第三，不要等待。去中心化管理是現實；你不需要一步到位實現統一治理。你可以先在一個部門試點——例如，用AI助手處理財務報銷審核，或用代理進行客服話術品質檢查——計算投資回報率，然後再推廣。這種做法遠比成立「集團AI治理委員會」發幾份文件來得實際。
華為表示AI超級週期已經到來，而IDC則表示50%的專案將失敗。這兩種說法都成立。差別在於你是前者還是後者。
IDC Directions 2026 北京論壇（2026年5月20日），華為《智慧世界2035》白皮書
免责声明：本文仅代表作者个人观点，不构成投资建议。转载须注明出处。
