要点速览 · At a Glance
  • 投资与兑现严重脱钩：2024年全球企业AI投资2523亿美元，美国占1091亿、中国93亿（斯坦福AI指数2025）；但全球范围内仅6%的企业EBIT因AI提升超5%（麦肯锡2025），约95%的企业级AI试点未产生损益影响（MIT NANDA）。
  • 两种逻辑：美国是技术供给侧驱动——押注模型能力与平台，瓶颈在"试点到规模化"；中国是场景需求侧驱动——押注运营效率与规模应用，瓶颈在"规模化到可核算"（Gartner：仅8%的中国企业将生成式AI部署到生产环境）。
  • 分行业格局：制造业中国规模领先（101家灯塔工厂）、金融美国强在全行级平台中国强在场景密度、零售中国强前台美国强后台、医疗美国卡在报销中国赢在覆盖、自动驾驶是唯一的中美双寡头赛道。
  • 对企业的启示：停止用"场景数"管理AI，改用"损益归因"；把预算从买模型移向改流程；先拿后台的确定性收益，再谈前台的想象力。

要点中各机构数据为申是的转述与整合，原始版权归各发布机构所有；分析框架与结论为申是原创。

投得多，不等于落得好

过去三年，全球企业在人工智能上的投入达到空前的量级。斯坦福大学《AI指数报告2025》统计，2024年全球企业AI相关投资合计2523亿美元，同比增长26%。但投资的地理分布极不均衡：美国以1091亿美元的私人AI投资一骑绝尘，约为中国（93亿美元）的12倍。

如果只看这个数字，结论似乎一目了然。然而当我们把视线从"投了多少钱"转向"钱变成了什么"，画面会复杂得多。麦肯锡2025年11月发布的全球调研显示，88%的受访企业已在至少一个职能中常态化使用AI，但真正进入"高绩效"行列（EBIT因AI提升5%以上）的企业只有6%。MIT NANDA项目同年夏天的研究更为冷峻：在其评估的企业级生成式AI项目中，约95%没有产生可衡量的损益影响。

$1091亿
美国私人AI投资（2024）约为中国的12倍
88%
企业已常态化使用AI（麦肯锡，2025）
6%
EBIT因AI提升超5%的兑现者
95%
企业级AI试点未产生损益影响（MIT）

换言之，美国的挑战不是"有没有AI"，而是"AI何时进损益表"；中国的挑战则几乎是反过来的——投资强度不足美国的十分之一，但在若干行业里，机器学习的部署密度和运营深度已经走到世界前列。两国正在用两种截然不同的逻辑落地AI：美国是"技术供给侧驱动"，押注模型能力与平台；中国是"场景需求侧驱动"，押注运营效率与规模应用。理解这两种逻辑的差异，比争论"谁领先"更有商业价值。以下按行业逐一检视证据。

中美私人AI投资与中国生成式AI用户规模对比图

一、制造业：中国把AI做成了"车间变量"

制造业是两国AI落地路径分叉最明显的行业。

中国的证据是体系性的。截至2026年1月，世界经济论坛"全球灯塔网络"——全球智能制造与数字化最高水平的公认标尺——中中国工厂累计达101家，接近全球半数，为单一国家最大份额。工信部在2026年1月的国新办发布会上披露，AI已渗透领航级智能工厂70%以上的业务场景，并举例某家电企业自研"5G+AI"工业视觉检测系统将检测准确率提升至99.98%，人均生产效率提升275%。2025年中国人工智能核心产业规模预计突破1.2万亿元，AI企业超过6000家。

美国的路径不同。它的制造业主战场不在车间，而在设计和研发端——生成式设计、数字孪生、软件定义的产线仿真，以及亚马逊这样的物流制造混合体（2025年7月，亚马逊全球仓储机器人部署量突破100万台）。美国灯塔工厂数量远少于中国，这并非技术能力问题，而是产业结构问题：美国制造业增加值占GDP约一成，大量的AI投资流向了服务业与软件。

全球灯塔工厂分布图，中国占101家

这一行业的判断是清晰的：在"物理世界的AI"——视觉质检、预测性维护、产线调度——中国已形成规模领先；在"数字世界的制造AI"——研发仿真、工业设计、供应链软件——美国仍握有溢价权。对中国企业的启示在于，灯塔经验正在从"认证资产"变成"可复制的工艺包"，第二批、第三批追赶者的复制成本在快速下降。

二、金融：美国跑出了"全行级平台"，中国跑出了"场景密度"

金融业是两国AI货币化程度最高的行业，但形态迥异。

美国的样本是摩根大通。这家全球最大的银行每年技术预算约180亿美元，已有超过450个AI用例投入生产环境，自研的LLM Suite平台上线八个月即覆盖20万员工；公司管理层公开表示AI带来的年化业务价值在15亿—20亿美元区间，并预计运营岗位将因此缩减至少10%。它的方法论值得拆解：集中式的模型工厂、统一的合规数据底座、每个用例绑定可核算的KPI、以及CEO级别的持续督导。这不是"试点"，是把AI当作银行的运营基础设施来建。

中国银行业的叙事则是"广种"。工商银行披露，其企业级千亿金融大模型"工银智涌"在2024年已赋能20余个业务领域、200余个场景，2025年上半年又新增AI财富助理、投研智能助手等100余个场景。腾讯云披露其已与沪深交易所、中国银行等机构合作落地超100个金融业务场景，其中一个典型案例是帮助华兴银行将信贷尽调周期从10天压缩至1天。

两相对照，差异不在场景数量，而在价值核算的严格程度。美国头部银行习惯于给出"AI对损益的具体贡献额"并接受分析师质询；中国银行业披露的更多是"场景数"和"效率倍数"，鲜有机构给出汇总的财务贡献。场景密度是真实的进展，但从"场景"到"利润"之间，还差一套严格的归因体系——这恰恰是中国金融机构下一阶段的功课，也是外部咨询与审计可以发挥作用的空间。

三、零售与消费：前台在中国，后台在美国

零售业的AI应用呈现镜像结构。

中国强在前台：推荐算法驱动的电商与内容生态是机器学习最早、最彻底的商业应用。CNNIC的报告显示，截至2025年12月中国生成式AI用户规模达6.02亿、普及率42.8%——这意味着中国的零售AI建立在全世界最庞大的AI就绪消费者基数之上，AI导购、AI客服、AIGC营销素材的渗透速度极快。

美国强在后台。沃尔玛、塔吉特等零售商把机器学习压在需求预测、自动补货、库存优化上；沃尔玛与Pactum AI合作的供应商自动谈判系统在试点中实现了68%的谈判成功率，三个月内即收回投资。学术界最扎实的证据也来自美国呼叫中心场景：Brynjolfsson等人的实地研究显示，生成式AI助手使客服每小时解决问题数平均提升14%，其中新手员工提升达34%——AI把最优员工的经验"摊平"给了所有人。

值得两国企业共同警醒的是Klarna的完整弧线。这家瑞典金融科技公司2024年2月宣布其AI助手上线首月处理230万次对话、承接三分之二的客服量、相当于700名全职员工的工作量，预计年改善利润4000万美元。但到2025年5月，其CEO公开承认过度削减人工导致服务质量下降，重新招聘人工客服，转向"AI处理高频简单问题、人处理复杂问题"的混合模式。这个案例的价值不在于前半段的高歌，而在于后半段的回调：客服AI的真实天花板不在技术，在于问题的复杂度分布。任何把"替代率"当KPI的客服AI项目，都值得重新把"分层率"作为KPI。

四、医疗健康：美国是审批与证据的游戏，中国是效率与覆盖的游戏

医疗是监管密度最高的AI应用领域，两国节奏因此截然不同。

美国的路径以FDA审批为轴心。截至2024年8月，FDA累计批准的AI/ML医疗器械约950款，2025年底已升至约1451款，其中放射科长期占据七成以上份额。但审批通过不等于商业成立：对691款获批设备的横截面研究发现，仅1.6%引用了随机对照试验数据，且截至2024年年中，联邦医保仅对其中约10款设备明确了支付安排。美国医疗AI的瓶颈不在获批，在报销——没有支付方的认可，算法再精确也只是成本中心。

中国医疗AI的逻辑是另一条：在优质医疗资源稀缺且分布极不均的背景下，AI首先被用于"放大存量医生的服务半径"——影像辅助筛查下沉到县域、大模型导诊分诊承接海量初诊问询、病案质控自动化。这条路径少有FDA式的单品审批叙事，但覆盖速度惊人，且与公立医院体系的数字化采购深度绑定。两国的启示是互补的：美国证明了"证据等级"决定医疗AI的最终商业价值；中国证明了"可及性缺口"是医疗AI最大的需求引擎。

五、出行与物流：唯一的"中美双寡头"赛道

自动驾驶是两国罕见地处于同一量级、且均已跨过商业化临界点的行业。

美国一侧，Waymo的周付费订单从2025年初的约17.5万单攀升至2025年12月的45万单以上，2025年全年完成1400万次行程（约为2024年的三倍），运营城市扩至10个，累计自动驾驶里程超过2.6亿英里；其公布的安全数据显示，在相同里程下，车辆致人重伤或死亡的事故率较人类驾驶员低94%。

中国一侧，百度萝卜快跑2025年10月周全无人订单超过25万单，第三季度订单310万单、同比增长212%，截至2025年11月累计服务超1700万次，覆盖全球22座城市，并已在武汉实现单车盈利——全球首个在单一城市跑通经济模型的Robotaxi运营商。高盛在2025年5月的研报中预测，中国Robotaxi市场规模将从2025年的约5400万美元增长至2035年的470亿美元。

Waymo与萝卜快跑运营数据对比图

这个行业的意义超出出行本身：它是AI在物理世界中第一个被消费者按月付费验证的商业模式，也是唯一一个中美头部玩家在订单量上交替领先的AI应用赛道。中国的优势在成本曲线（萝卜快跑第六代车型成本约2.9万美元，较上一代降低60%）与政策试点密度；美国的优势在单车智能的安全记录与资本市场的耐心。两者的竞争焦点将在2026—2027年转向海外市场——双方都已进入中东。

六、三种结构性差异，比差距更重要

把五个行业的证据放在一起，浮现出三种结构性差异：

第一，投资逻辑不同。美国是"资本密集型"：巨额私人投资购买模型能力、算力和人才，再由平台公司向企业输出。中国是"运营密集型"：投资规模小一个数量级，但538款生成式AI服务完成备案、6亿用户、数万家智能工厂，证明其在用更低的资本强度换取更广的部署密度。两条曲线没有对错，但决定了两国企业的AI预算结构应该完全不同——中国企业买"能力"远比买"算力"划算。

第二，价值兑现的瓶颈位置不同。美国的瓶颈在"试点到规模化"：工具遍地都是，但流程没有重构，于是95%的试点停在原地。中国的瓶颈在"规模化到可核算"：Gartner的调研显示，截至2024年6月仅8%的中国企业将生成式AI部署到生产环境，远低于全球20%以上的水平；埃森哲对七个行业163家中国企业的调研则显示，46%已在规模化应用生成式AI，但仅9%实现了显著价值。一句话：美国企业的问题是"用了很多AI，没改流程"；中国企业的问题是"上了很多场景，算不清账"。

第三，组织变革的急迫度不同。埃森哲同一调研中有两组数字常被忽略：只有47%的中国企业为员工设计了AI相关培训路径，只有34%重新设计了组织架构以适应AI驱动的协作模式。这与麦肯锡的全球发现高度一致——AI高绩效企业与其他企业的最大分野不在技术，而在于是否重构了工作流。无论中美，AI的最后一公里都是组织问题，不是模型问题。

中美两种落地逻辑将在未来三年相互渗透：美国企业会被股东逼着从"讲故事"走向"算账"，中国企业会被竞争逼着从"铺场景"走向"要利润"。届时胜出的，不会是某国的企业，而是那些最早完成从"为用AI而用AI"到"为损益表用AI"转变的企业。

七、对中国企业决策者的三点启示

第一，停止用"场景数"管理AI，改用"损益归因"管理AI。摩根大通的做法值得借鉴：每个用例绑定可核算的KPI，用对照组归因，未达标即关停。场景数是过程指标，不是结果指标。

第二，把预算从"买模型"移向"改流程"。MIT的研究发现，与外部伙伴合作定制开发的项目进入生产环境的比率约为67%，而内部自研仅约33%。在模型能力商品化的今天，稀缺的不再是技术，而是敢于重构流程的组织决心——AI转型成功的要素中，技术算法占15%、数据底座占15%、人与流程的变革占70%。

第三，在前台场景学美国零售的"后台思维"。中国企业普遍把AI预算投向营销与客服等前台，但全球最扎实的财务回报证据集中在需求预测、库存、供应链、风控等后台职能。Klarna的前半段故事诱人，后半段才是教材：先把后台的确定性收益拿到手，再谈前台的想象力。

参考文献

  1. Stanford HAI, AI Index Report 2025, 2025年4月.
  2. McKinsey & Company, The State of AI: Global Survey 2025, 2025年11月（1993名受访者，覆盖105个国家）.
  3. MIT Project NANDA, The GenAI Divide: State of AI in Business 2025, 2025年8月；另见 Fortune（2025年8月18日）相关报道.
  4. 世界经济论坛（WEF）全球灯塔网络新闻稿，2025年9月；新华社"从'灯塔工厂'看中国"，2026年1月.
  5. 工业和信息化部，国新办新闻发布会，2026年1月22日.
  6. Amazon，2025年7月宣布全球机器人部署量突破100万台.
  7. Artificial Intelligence News, "JPMorgan Chase AI strategy: US$18B bet paying off", 2025年12月；JPMorgan Chase公开披露.
  8. 新华网，"银行大模型应用'加速跑'"，2025年9月10日（引工商银行定期报告）.
  9. 沙丘社区，"银行半年报发布：大模型应用快速增长"，2025年9月；腾讯云2025年度金融行业服务报告.
  10. 中国互联网络信息中心（CNNIC），《生成式人工智能应用发展报告（2025）》；第57次《中国互联网络发展状况统计报告》，2026年2月.
  11. IHL Group（2023年12月）与Bloomberg（2023年4月）关于Walmart × Pactum AI自动谈判系统的报道.
  12. Brynjolfsson, E., Li, D., Raymond, L., "Generative AI at Work", NBER Working Paper 31161（后刊于Quarterly Journal of Economics）.
  13. Klarna官方新闻稿，2024年2月27日；Bloomberg对Klarna CEO的访谈，2025年5月.
  14. JAMA Health Forum关于FDA AI/ML医疗器械的横截面研究；FDA官网AI/ML-Enabled Medical Devices清单.
  15. Waymo官方披露及安全数据（2025年12月—2026年3月）；Kusano et al., Traffic Injury Prevention, 2025.
  16. 百度2025年第三季度财报；新华网，"萝卜快跑周全无人订单超25万"，2025年11月14日.
  17. 高盛，中国自动驾驶市场：商业化之路，2025年5月.
  18. 国家网信办生成式AI服务备案数据（截至2025年8月底累计538款）.
  19. Gartner新闻稿，"目前仅8%的中国企业将生成式人工智能部署在生产环境中"，2025年1月8日.
  20. 埃森哲，《2025中国企业数字化转型指数》，2025年7月.

版权与数据说明：本文数据均引自上述公开来源，个别运营数据为企业自行披露口径（如Klarna的利润改善预估、JPMorgan的AI价值估算），已在文中注明。相关数据与观点的版权归原机构所有；本文的分析框架（"两种落地逻辑"）与全部结论为申是原创。如权利方认为本文存在不当引用，请通过 info@senseyes.cn 联系我们。

相关阅读

如希望就AI战略的损益归因与路线图设计与申是团队深入交流，欢迎发送邮件至 info@senseyes.cn 或点击页面右上角"预约咨询"。