95%的公司沒賺到錢，89%的高管承認(rèn)沒提效：一份報告撕開了美國AI繁榮的底褲

2026年5月3日，美國蓋洛普公司發(fā)了一份報告，覆蓋全球26萬受訪者，是迄今關(guān)于AI和企業(yè)效益關(guān)系最大規(guī)模的調(diào)查。結(jié)果相當(dāng)扎眼——全球企業(yè)在AI部署上砸了約400億美元，但95%的組織沒看到可衡量的利潤增長，89%的高管承認(rèn)勞動生產(chǎn)率紋絲沒動，只有12%的員工覺得工作方式變了。

報告給了一個定性：AI落地的真正瓶頸，不是算力不夠，不是算法不行，是人。是那些正卡在轉(zhuǎn)型泥潭里、沒準(zhǔn)備好被時代推著走的中層管理者。

四天之后，另一組數(shù)字給這份報告加了注腳。

美國就業(yè)咨詢公司Challenger, Gray and Christmas的數(shù)據(jù)顯示，2026年前三個月，美國科技行業(yè)已宣布裁員超5.2萬人，比去年同期暴增40%，創(chuàng)下2023年以來同期最高紀(jì)錄。

Meta裁了8000人，同時取消6000個空缺崗位的招聘計劃。Block一口氣砍掉40%員工，4000多人打包走人，CEO多西的原話是：智能工具讓更小更扁平的團(tuán)隊，能產(chǎn)出更多、質(zhì)量更高的工作。Cloudflare三個月AI用量暴漲600%，轉(zhuǎn)頭裁掉1100人。WiseTech更狠，一口氣裁了三成員工，理由是手動寫代碼的時代已經(jīng)結(jié)束。

更扎心的是哥倫比亞大學(xué)商學(xué)院的研究——那些被AI擠出職場的勞動者，平均要多花一個月才能找到新工作，新工作的薪水比原來少了至少3%。

兩個畫面拼在一起，構(gòu)成了一幅說不通的圖景：錢燒了，利潤沒漲；AI上了，效率沒提；股價漲了，人沒了。

問題出在哪。

要把這事說明白，不能光盯著美國。

2026年4月28日，中國工信部和國家數(shù)據(jù)局聯(lián)合印發(fā)了一份通知，正式啟動一個叫“模數(shù)共振”的年度行動。面向鋼鐵、汽車、航空航天等20個重點制造業(yè)行業(yè)，確定一批重點城市，目標(biāo)到年底形成數(shù)據(jù)、模型、場景應(yīng)用的良性循環(huán)，產(chǎn)出一批高價值場景、行業(yè)模型和特色智能體。

這個行動的邏輯用一句話就能說清楚：讓AI從PPT和發(fā)布會里走出來，鉆進(jìn)鋼鐵廠的高爐旁、汽車產(chǎn)線的質(zhì)檢環(huán)節(jié)、航空航天車間的復(fù)雜工藝?yán)锶ァ?/p>

它不是空話。在典型離散制造場景里，由智能體驅(qū)動的產(chǎn)線轉(zhuǎn)產(chǎn)協(xié)同效率能提升數(shù)倍，非計劃停機(jī)時間壓縮30%以上，質(zhì)量缺陷檢出率明顯優(yōu)于人工抽檢。這些數(shù)字是產(chǎn)線上跑出來的，不是PPT上算出來的。

再看具身機(jī)器人。2026年5月12日，智元機(jī)器人在香港宣布，旗下人形機(jī)器人實現(xiàn)萬臺量產(chǎn)，正式進(jìn)入“部署態(tài)元年”。從2025年1月的1000臺，到2026年3月的1萬臺，只用了15個月，最后5000臺僅用了3個多月。

這個速度本身就在說一件事：中國具身機(jī)器人的競爭，已經(jīng)不在發(fā)布會上比參數(shù)了，而是進(jìn)了工廠車間，看誰先活下來、誰能7x24小時穩(wěn)定干活。

一邊在裁人減成本，一邊在產(chǎn)線提效率。兩條路，正在朝完全不同的方向加速。

問題來了：為什么中美都聲稱重視AI，落地的姿勢卻完全不一樣。

這里得引入一段歷史縱深。

美國學(xué)者杰弗里·丁在《科技與大國崛起：通用技術(shù)如何改變權(quán)力布局》一書中提了一個關(guān)鍵框架：一項新通用技術(shù)從誕生到顯著提升社會生產(chǎn)力，至少需要三四十年。最終勝出的，往往不是最早發(fā)明這項技術(shù)的國家，而是能把它最大規(guī)模應(yīng)用到各行各業(yè)的那個。

他舉了兩個例子。電力革命，1882年愛迪生在紐約建成第一個發(fā)電廠，但美國工廠大規(guī)模從蒸汽動力切換到電力，用了40年。互聯(lián)網(wǎng)革命，1969年阿帕網(wǎng)誕生，電子商務(wù)真正重塑零售業(yè)，是三十多年以后。

關(guān)鍵從來不是誰先發(fā)明，而是誰先用上。

1913年福特的流水線不是新發(fā)明，是既有技術(shù)的重新組織。1980年代日本精益生產(chǎn)不是新發(fā)明，是對生產(chǎn)流程的極限優(yōu)化。它們帶來的效率提升，比發(fā)明本身大了幾個量級。

這段歷史指向一個結(jié)論：AI競賽不是短跑，是馬拉松。沒有哪個國家會因為先在發(fā)布會上展示了幾個驚艷的演示品就贏下整場，真正贏的人，是那個能把AI塞進(jìn)每一座工廠、每一個煤礦、每一條物流線路的國家。

那現(xiàn)在中美各自在做什么。

美國的路很清晰，用AI替代人。既然人不如AI效率高，那就裁掉。財報上成本下來了，股價漲上去了，硅谷投資人也開心。代價是被裁掉的數(shù)以萬計的白領(lǐng)，以及正被侵蝕的中產(chǎn)階級根基。高盛的研究已經(jīng)拉響了警報：被AI精準(zhǔn)命中的崗位，勞動者不僅更難找工作，就算找到了，薪水也比原來少。這就是職業(yè)降級，高薪白領(lǐng)被技術(shù)淘汰后，正在向下流動。

中國的路不太一樣。一條產(chǎn)線引入AI質(zhì)檢，省的不是工人的工資，是次品率、返工成本和客戶投訴。一個煤礦裝上AI調(diào)度系統(tǒng)，提升的不是PPT上的數(shù)字，是采掘效率和井下安全性。AI不是用來替代誰的，它是一個新的生產(chǎn)工具，跟當(dāng)年的蒸汽機(jī)、電動機(jī)一樣。誰先用好它，誰的生產(chǎn)成本就更低，誰的產(chǎn)品質(zhì)量就更穩(wěn)定，誰在全球貿(mào)易里的話語權(quán)就更大。

這不是嘴上說的，是工廠車間里跑出來的真金白銀。

再往下想一層。

技術(shù)本身已經(jīng)越來越逼近同一水平線。這時候真正拉開差距的，就不是誰能多拿幾個奧數(shù)金牌，而是誰能把技術(shù)用到產(chǎn)業(yè)最末端，用到最普通人的日常勞動里。

美國智庫ITIF在5月6日發(fā)布的報告也不得不承認(rèn)：中國在全球十大先進(jìn)產(chǎn)業(yè)中的產(chǎn)出已接近全球四分之一，7個領(lǐng)域處于全球領(lǐng)先。1995年中國的份額才3.5%，現(xiàn)在24.9%，各產(chǎn)業(yè)產(chǎn)值平均增長2200%，同期美國增幅只有200%。

但I(xiàn)TIF開的藥方是什么，用專項貸款引導(dǎo)企業(yè)恢復(fù)制造能力。說句實話，病得不輕，但只敢開維生素。

因為美國的問題不在技術(shù)上，在制度上。智庫和精英層很清楚問題出在哪，也知道該怎么改，但就是改不動。任何觸及資本結(jié)構(gòu)、產(chǎn)業(yè)政策、利益分配的根本性改革，都需要一個強(qiáng)有力的政府來推動，而美國的體制不具備這個能力。

回到蓋洛普那組數(shù)字，95%的公司沒賺到錢，89%的高管說沒提效。

這對美國模式的打擊是根本性的。它動搖的是整個美國AI投資敘事的根基：燒了那么多錢都看不到回報，這個故事還能講多久，華爾街投資人還能給多少耐心。

而對中國來說，這個問題的答案在另一個維度上：產(chǎn)線上的質(zhì)量數(shù)據(jù)在變化，能耗數(shù)字在下降，換產(chǎn)時間在縮短。這些不是股市上的估值，是工廠車間里的真金白銀。

說到底，這不只是一場關(guān)于誰先發(fā)明了最好算法的競賽。這是關(guān)于技術(shù)到底應(yīng)該為誰服務(wù)的根本分歧，正在兩個最大的經(jīng)濟(jì)體中同時展開。

美國的AI在為股東打工，中國的AI在給工廠換發(fā)動機(jī)。

二十年后回頭看，誰走得更遠(yuǎn)。答案不在今天任何一個發(fā)布會上，也不在任何一輪融資新聞里。答案在數(shù)以萬計的工廠車間里，在那些被AI改變了效率也改變了命運的普通人手里。