按照硅谷的说法，人工智能将开启一个繁荣富足的新时代。但如果问及全球最大企业的首席财务官，AI究竟给公司利润带来了多大改变，根据麦肯锡公司（McKinsey）的《2026年AI现状调查》（2026 State of AI），88%的受访者回答都是：“没有多大变化。”

这种情形似曾相识。2007年iPhone发布时，评论人士预测“移动优先”将彻底改变一切。宽带进入大众市场时，《商业周刊》宣称一个“新经济”时代已经到来。当个人电脑在办公场所全面普及时，罗伯特·索洛曾打趣说，除了生产率统计数据之外，计算机时代可谓无处不在。过去50年里，多轮数字创新获得了惊人的用户普及率，但生产率增速却持续下滑。

我把这种现象称为“创新悖论”（Innovation Paradox）：创新越快，增长反而越慢。

两个“K型分化”，同一个问题

在数字时代，技术扩散呈现出一种我称之为“双K型”的模式。第一个“K型分化”出现在消费者与企业之间。智能手机在美国消费者中的普及率，仅用短短7年便达到了80%。相比之下，企业资源规划（ERP）系统用了33年，才普及到57%的美国企业。ChatGPT推出仅3年后，美国成年消费者使用AI的比例已飙升至53%；但真正将AI投入生产性应用的企业，占比只有10%。

第二个“K型分化”则出现在企业内部。麦肯锡2026年的调查发现，88%的企业至少在一个职能领域使用AI，但只有6%可归为“高绩效企业”，即AI带来的息税前利润（EBIT）影响超过5%，与2025年持平。这82个百分点的差距，并非源于技术能力不足，而是源于组织转型不足。这6%成功的企业，对端到端工作流程进行重构的概率，是其他企业的3倍；而在所有采用AI的企业中，只有21%这样做。股市也印证了这种分化。如今，标普500指数中有36家AI相关公司，占该指数总市值的45%。过去3年，标普500指数整体回报率为76%；如果剔除AI股票，这一数字则降至32%。

电气化时代的启示

20世纪初，电气化和电信技术在消费者和企业中的普及速度大致相当，更关键的是，其渗透深度也基本相同。电动机迫使工厂摒弃僵化的布局，转而采用灵活的连续流生产方式；电话大幅降低了协调成本。随之而来的，是组织重构：通用汽车（General Motors）采用了斯隆式的事业部制结构，泰勒的科学管理理论也得到推广。技术扩散既有深度——重塑了企业运营方式；也有广度——沿上下游关联产业层层扩散。

而数字技术兴起时的经济格局，已经发生了根本性转变。如今，服务业已经在GDP中占据主导地位。医院或政府机构，并不像钢铁制造企业那样拥有紧密的供应链联系。经济学家威廉·鲍莫尔指出了其中的制约因素：“停滞型”服务业很难提升生产率，因为它们依赖人与人之间的互动。医疗、教育、公共管理和建筑业等所谓的“鲍莫尔行业”，约占发达经济体GDP的50%，却始终抗拒技术转型。

管理费用陷阱

企业采用新技术为何会陷入停滞？并非因为缺乏技术，而是因为日积月累的组织复杂性。我设计了一项跨国指标，称为“综合管理费用比率”（Combined Overhead Ratio），涵盖政府支出、企业销售、一般及行政费用（SG&A），以及监管合规成本。在美国，这一比率在2000年前后突破了GDP的47%。自此之后，GDP增速便未能持续超过2.5%——这仅为20世纪60年代（当时管理费用占比低于35%）增速的一半左右。政府支出占GDP的比率已飙升至36%。企业一般及行政费用自20世纪80年代以来翻了一番。美国竞争企业研究所（Competitive Enterprise Institute）估计，美国企业每年仅合规支出，就超过2万亿美元。

我对标普500指数公司1985年至2025年的行业内部分析显示，在按行业和十年周期划分的观察样本中，有73%落入了“管理费用陷阱”：一般及行政费用上升，而营收增速下滑。正如Block公司的杰克·多西所说，企业层级制度是一套已然过时的信息传递协议。如今，大多数部署AI的公司，不过是在一辆马车上装上一台更快的引擎。

AI不同，但阻碍其普及的因素未变

AI与此前几轮数字技术浪潮有着本质区别。过去的技术，主要是让信息处理、传输或展示变得更容易；而AI能够推理、决策和创造。这一点至关重要，因为“鲍莫尔行业”不缺少信息，它们真正依赖的是判断，需要诊断、评价和个性化，而这些恰恰都是AI能够增强的能力。

然而，阻碍技术扩散的因素依然存在。我40多年担任企业高管和私募股权投资合伙人的经历反复印证了一个规律。在一家消费品公司，数字化推动线上渠道取得了令人瞩目的增长，却未能扩展到规模更大的线下业务，因为独立经营的经销商不愿把客户数据交给一个一体化平台。在医疗行业，向医生推广数字工具并不困难；建立端到端的数字化体系来改善临床工作流程却绝非易事，因为这往往会涉及数据治理、合规要求，以及医疗专业人员相对于管理层的不对称话语权等复杂问题。

这些并非个例，在我亲自管理或投资过的许多企业中颇具代表性。Writer与Workplace Intelligence联合开展的2026年企业AI调查，覆盖了全球2,400名企业领导者，也在更大范围印证了这一规律：79%的企业表示在AI落地过程中遇到了挑战，较2025年上升了两位数；54%的最高管理层承认，AI落地过程正在“撕裂他们的公司”。

关键不在速度，而在深度和广度

过去50年的数字创新史带来的启示是，技术落地的速度，远不如深度和广度重要。ChatGPT在消费端的普及速度，创下了消费科技史上的最快纪录。但它并未撬动宏观经济指标。真正重要的是，AI能否渗透到企业核心业务并重构工作流程（即深度）；以及这种转型能否从少数明星企业扩展到主导就业和GDP的广大行业（即广度）。

从电气化到数字化浪潮，历史证据都表明，技术落地需要很长时间，通常超过10年，动辄需要数十年。AI的迭代速度快于此前任何一项技术，但企业要将技术转化为生产力而必须进行的组织重构，却只能按照人类制度变革的速度推进：缓慢、痛苦且阻力重重。“创新悖论”之所以持续存在，并非因为技术没有进步，而是因为制度变革滞后。只有当AI深刻融入企业核心，并广泛覆盖各大经济部门时，社会才会真正感受到这场技术变革的深远影响。（财富中文网）

本文作者路明为KKR高级顾问合伙人，曾任KKR亚太区执行主席。

Fortune.com上发表的评论文章中表达的观点，仅代表作者本人的观点，不代表《财富》杂志的观点和立场。

译者：刘进龙

审校：汪皓