企业AI采用或将在2026年最终加速——或者投资者又过于乐观

三年来，ChatGPT的问世点燃了一波AI投资和创业热潮。然而，企业对回报仍然态度冷淡。一项MIT调查发现，95%的公司在AI支出中未实现有意义的价值。硅谷悬而未决的问题是：什么时候潮水才会真正转变？

风险投资者不断预测，明年将是突破的时刻。他们在2024年这么说过，2025年也是如此。如今，2026年即将到来，24位专注于企业的投资者再次押注——这将是AI真正大规模转型的时刻，预算将显著扩大，企业终于看到值得庆祝的回报。

AI现实检验：为什么企业会陷入困境

差异十分明显。大型语言模型（LLMs）本应成为商业变革的利器，但许多企业将其视为试验工具——进行试点、测试框架，却很少大规模投入生产。

投资者也承认这种摩擦。从风险投资讨论中得出的共识是：企业逐渐认识到，AI并非一刀切的解决方案。他们意识到，仅仅因为某项技术可以部署，并不意味着应该部署。定制模型、针对具体业务问题进行微调将成为核心。数据治理、可观测性工具和编排层——那些实际上确保AI系统可靠运行的不光彩基础设施，也将变得至关重要。

一些企业AI公司正在进行转型。那些起步于狭窄产品线的公司——如AI驱动的客户支持或编码助手——正逐步转变为实施合作伙伴。一旦在其平台上积累了足够的客户工作流程，就可以直接派遣工程师进入客户组织，将价值扩展到单一功能之外。实际上，许多专业AI产品公司正逐步转型为全方位的AI咨询公司。

真实增长在哪里发生

拥有动力的公司都遵循一个模式：它们识别出AI应用本身带来的空白。在网络安全领域，供应商正在构建数据保护层，以确保语言模型能安全地与敏感企业数据交互。在客户参与方面，“答案引擎优化”正成为一个新兴类别——帮助品牌在AI生成的答案中出现，而不仅仅是Google搜索结果。

这些行业两年前还不存在。现在，它们已成为企业认真部署AI的关键。

表现最强的公司专注于一个细分领域：掌握一个用例——一个买家画像、一个工作流程问题——然后横向扩展。这种有纪律的方法建立了粘性。客户将它们视为关键任务工具，而非可有可无的工具。

代理人革命 (逐步)

AI代理人将会普及，但可能不会像科幻小说中描绘的那样。到2026年底，代理人仍处于早期采用阶段。技术障碍依然存在。合规框架尚不明确。代理人之间通信的标准尚未形成。

但会发生的事情是：代理人开始打破组织的孤岛。如今，每个代理人都是孤立的——销售代理、客户服务代理、产品代理各自独立运作。到2026年底，具有共享上下文和记忆的统一代理人将开始整合这些角色。可以将其视为复杂任务中的人机协作，而非简单的劳动分工——AI处理例行工作，人类负责思考。它们能力之间的界限将不断变化。

投资者Aaron Jacobson预测，许多风险投资界人士相信：到今年年底，大多数知识工作者都将拥有至少一位以名字相识的AI同事。

A轮投资者真正关心的是什么

忘掉理论上的TAM估算和试点收入。风险投资者现在要求真正的企业采纳证明。

门槛：年复合收入100万到200万美元是基本线。但投资者真正关心的问题是：客户是否将你的产品视为真正的关键任务工具，还是仅仅觉得方便。没有故事的收入是虚的，没有牵引力的故事是虚幻的。你需要两者兼备。

客户应在日常运营中实际使用你的产品，愿意接受参考电话，并能通过安全和法律审查为购买辩护。你应展示出明显的时间节省、成本降低或产出提升，这些都能经得起采购审查。

Aaron Jacobson关于构建持久价值的观点也适用：在进行A轮融资时，创始人应证明他们在那些随着AI扩展的市场空间中进行布局，而非市场萎缩。一些市场具有弹性需求——价格下降90%带来10倍的市场增长；而另一些市场需求刚性，降价会使市场蒸发，客户将所有创造的价值收入囊中。投资者偏好前者。

还有一个信号：创始人素质。你是否吸引了顶尖人才，远离超级算力公司和竞争对手？如果是这样，你就通过了金钱无法伪造的信誉筛选。

未来的分化

2026年，企业AI预算将增长，但不会均匀。增长将集中在那些交付 proven results（验证结果）的供应商身上。其他一切将趋于平缓甚至收缩。

这将形成“赢家通吃”的局面。少数供应商将获得不成比例的预算份额，而许多竞争者的收入将停滞不前。CIO们厌倦了供应商繁杂和试验性工具的泛滥，将会合理化重叠的解决方案，集中在那些经过验证的表现优异者。

乐观的观点是：企业将把试点预算转变为永久性预算项目。那些在内部尝试构建AI解决方案、发现运营复杂性的公司，将加快采用外部平台。

2026年的问题仍未定局

这是否终于会成为企业获得可衡量AI价值的年份？争论分成两个阵营。

乐观者指出，企业已经在获得价值——只是他们还未意识到。问任何软件工程师是否会放弃AI编码工具，他们都会犹豫。这就是当前静悄悄发生的价值，将在2026年在组织中倍增。

怀疑者则更为谨慎。执行仍然困难。AI不断改进，但差距依然存在。许多高管带着“AI投资”的幌子，借此裁员或转移过去几年的错误支出。AI成为过去错误的替罪羊。

最平衡的观点是：企业将在2026年逐步获得价值。针对具体痛点的解决方案将在各行业出现。模拟到现实的问题——用AI训练系统，将洞察转移到实体世界——将在制造、基础设施和气候监测等领域带来机遇。

基础设施和物理学比模型更重要

风险投资思维中有一个共同点：模型性能本身的重要性远低于大多数人的预期。(OpenAI、Anthropic)等前沿AI实验室，预计会比预期更频繁地直接推出更多即用型应用，尤其是在金融、法律、医疗和教育领域。

但有一个限制：能源。我们正接近人类产生足够能量以供给高耗能GPU的能力。Aaron Jacobson强调：性能与功耗的突破——软硬件的创新——将定义下一波浪潮。更好的GPU管理、更高效的AI芯片、光纤网络、重新思考数据中心的热负荷——这些都是突破性投资的前沿。

语音AI代表了另一个边界。语音是人类自然交流的方式。经过数十年的打字和盯着屏幕，语音优先的界面代表了人与智能交互的真正范式转变。

壕沟问题：什么真正保护一家AI公司？

在AI领域，护城河不仅仅建立在模型性能上。那些优势在几个月内就会被更好的模型取代。

真正的防御力来自数据、工作流程和嵌入度。深度融入客户运营、拥有专有的持续改进数据、以及高切换成本的公司，才能保持持久优势。成为系统的记录——客户无法抽离的运营神经中枢——才是真正的粘性。

垂直护城河比横向护城河更容易建立。在制造、建筑、医疗或法律等专业领域，客户数据更具一致性和可复制性。领域特定的知识增强了防御力。一款横向工具面临无限竞争，而一旦嵌入，垂直解决方案就变得不可替代。

最强的护城河来自将企业现有数据转化为更好的决策、工作流程和客户体验。企业拥有极其丰富、受治理的数据，但缺乏在目标明确、可信的方式上进行推理的能力。那些结合技术深度与行业知识、直接将领域解决方案带入客户数据、且不制造新孤岛的创业公司，将赢得胜利。

最终结论

2026年可能成为转折点，也可能是2027年，甚至是2028年。

明确的是：企业AI不再是理论。它已进入运营阶段。公司正在学习什么有效、什么无效。预算将流向验证过的解决方案。基础设施将不断改善。代理人将大量涌现。问题不在于AI是否会变革企业软件，而在于何时变革。而在这个问题上，即使是最敏锐的投资者也在不断打着问号。