极客网·人工智能8月25日 近期，MIT（麻省理工学院）发布的一份关于生成式人工智能领域的报告引发广泛关注，报告中揭示的 AI 项目高失败率与低商业化落地现状，为当前火热的 AI 产业敲响了警钟，也进一步加剧了投资者对 “AI 泡沫” 的担忧。
这份报告通过严谨的调研得出关键结论：在生成式人工智能投资领域，95% 的投资几乎未为企业带来收益，仅有 5% 的项目成功落地商业化。为支撑这一结论，调研团队深入访谈了 150 名企业高管与 350 名员工，并对 300 个独立 AI 项目展开全面审查，最终发现 95% 的 AI 试点项目不仅未能明显提升企业利润，也未实现有效的成本节省，商业化进程陷入停滞。
事实上，此前已有多份报告提及 AI 项目的落地困境，但均未产生如 MIT 报告这般强烈的行业震动。例如，2023 年 Capgemini 曾指出 88% 的 AI 项目未能进入实际应用阶段，S&P Global 在 2025 年初也提到 42% 的生成式 AI 项目被中途抛弃。相较于这些数据，MIT 报告进一步明确了 “高失败率” 背后的核心问题 —— 并非技术本身存在致命缺陷，而是企业在 AI 应用层面存在明显短板。
报告分析认为，AI 模型能力不足仅是项目失败的次要原因，个人与组织缺乏正确使用 AI 工具的方法、不懂如何设计适配 AI 的工作流、无法有效降低应用风险并挖掘 AI 实际价值，才是导致项目折戟的主因。以大型语言模型为例，其看似能通过平实语言接收指令，操作门槛较低，但要将其真正融入企业现有工作流程，不仅需要专业技术知识支撑，还需经过大量反复试验，这对企业的技术储备与流程适配能力提出了极高要求。
沃顿商学院教授 Ethan Mollick 对此也有相似观点，他指出企业多数现有流程是官僚主义与办公室政治的产物，若强行让 AI 模型遵循这类僵化流程，会极大限制 AI 价值的发挥。只有打破固有思维，允许 AI 自主探索实现预期目标的路径，才能让 AI 的真正效益显现。这也解释了为何初创公司往往能从 AI 中获得更大回报 —— 这类企业没有根深蒂固的传统业务流程，在 AI 应用上更具灵活性与试错空间。
报告还给出了一组极具参考价值的数据。在 AI 项目实施路径上，直接采购现成模型和解决方案的成功率高达 67%，而企业内部自建系统的成功率仅为三分之一。这一差距的关键在于，实际商业场景中，AI 模型的推理能力或幻觉率哪怕只有 5% 的差异，都可能导致最终结果天差地别。内部自建不仅面临技术攻坚难题，还需应对流程适配、风险管控等多重挑战，失败概率自然更高。
值得注意的是，MIT 发布这份报告的初衷是对整个 AI 产业的发展模式进行审视与批评，而非直接劝说投资者离场。但在当前 “AI 泡沫” 担忧升温的背景下，投资者却将报告结论宽泛解读，认为上市公司也存在类似风险。
叠加英伟达、微软、Alphabet 等 AI 相关企业股价近期明显下跌，以及美国科技股市值因 AI 泡沫担忧蒸发超万亿美元的市场现状，MIT 报告无疑让行业对 AI 产业的可持续性展开了更深层次的思考 —— 若企业无法解决 AI 应用层面的核心问题，仅靠狂热投资推动的 AI 热潮，恐难避免重蹈互联网泡沫破裂的覆辙。
（免责声明：本网站内容主要来自原创、合作伙伴供稿和第三方自媒体作者投稿，凡在本网站出现的信息，均仅供参考。本网站将尽力确保所提供信息的准确性及可靠性，但不保证有关资料的准确性及可靠性，读者在使用前请进一步核实，并对任何自主决定的行为负责。本网站对有关资料所引致的错误、不确或遗漏，概不负任何法律责任。
任何单位或个人认为本网站中的网页或链接内容可能涉嫌侵犯其知识产权或存在不实内容时，应及时向本网站提出书面权利通知或不实情况说明，并提供身份证明、权属证明及详细侵权或不实情况证明。本网站在收到上述法律文件后，将会依法尽快联系相关文章源头核实，沟通删除相关内容或断开相关链接。 ）
