350位CEO：有关AI的三重真相和投资逻辑

本文来自微信公众号： 碳基智子 ，作者：碳基智子

分钟

咨询公司Teneo调查了350位年营收超过十亿美元的上市公司CEO，针对有关于AI的支出（CapEx）等关键问题做了调研，得出了一份非常具备参考性，同时也在某些方面与大众认知出现反差的信息报告。

核心信息及数据如下：

68%的CEO计划在2026年增加AI支出，受访者同时表示目前的AI项目只有不到一半产生了超过支出的回报。CEO们称，AI在市场营销和客服领域应用最成功，在安全、法律和HR等高风险领域面临挑战。

Teneo还调查了约400家机构投资者，53%预计AI项目将在六个月内投资开始产生回报。84%的大型公司——年收入100亿美元或以上——CEO认为AI项目的投资需要逾六个月时间才能产生回报。此外67%的CEO认为AI将增加公司入门级员工人数，58%的CEO认为AI将增加领导层人数。

我让ChatGPT、Gemini和Claude针对以上报告信息，分别输出了信息简报图片，效果如下：

ChatGPT生成

Nano Banana生成

Claude生成

总体上看，ChatGPT更新的这版新文生图模型对英文处理还可以，涉及到多个中文字符时乱码无可避免。而Gemini的Nano Banana各方面都做得很好，仍旧是当前最好的文生图模型。Claude则是直接给我手撸代码做了一个SVG图，走了另一条路子。

那么接下来，我们再往深里聊一聊，有关于AI的CapEx支出问题，和这次调研揭示的关于AI的三重革新认知。

CapEx是什么？

CapEx，全称Capital Expenditure（资本性支出），本质上是“为了未来持续赚钱能力而花的钱”，核心特征只有一个：

这笔钱花完，不是消失了，而是换了一种方式陪伴在你身边，并且在未来多年持续发挥作用。——怎么感觉有点像，你这个问题充钱就能解决……

哪些支出类型，会被归类为CapEx呢？不是买云服务，不是给模型做一次推理调用的费用，不是做市场投放的营销费用。

• 买服务器、自建数据中心✅

• 训练一个基础大模型✅

• 买光刻机、建产线✅

为什么，CapEx这种大众习以为常的支出，会在AI时代突然成为备受关注、甚至成为一种风向标般的东西？

因为这背后有一个反直觉的现象。

AI虽然是互联网科技方向投入最高、声量最大，但它的模式却并不像传统意义上的互联网软件服务，反而更像一种「工业」模式。

AI不是简单的写几行代码，调用点API，封装个SaaS产品就能卖钱。它需要有海量的算力工厂，要有模型迭代的流水线，要有海量数据的输入、清洗与精炼。

这玩意儿，妥妥的一个CapEx密集型产业。

CapEx决定了三件事：

1. 你到底是在玩概念，还是在做实事。

2. 你有没有长期护城河

3. 你未来的边际成本是下降还是上升

因此，这才是我认为这份调研结果对大家都有很大信息输入的根本。

那么，接下来再聊聊这些数据背后，我看到的三重真相。

第一重：CEO们已经不指望AI挣快钱了

当下有关于AI的争论，很多时候还是因为大家看待AI的方式、评估逻辑，还是用的互联网那套逻辑：

投钱→上线→拉新→回本。

问题是，这套逻辑在AI上并不是金科玉律。

同一份调查里：

• 84%的超大公司CEO认为AI项目至少要6个月以上才可能看到回报

• 53%的机构投资人却还在期待6个月内就能出结果

截然相反的逻辑。

真正掏钱干活的人，已经接受“慢回报”；外面看热闹的人，还活在挣快钱的幻想里。

第二重：当前最成功的AI场景，还太浅薄

调查里还有个很有意思的点：

AI用得最顺的地方：市场营销、客服

卡得最厉害的地方：安全、法律、人力资源

当前AI最成功的地方，恰恰是最不体现AI革命性能力的地方，因为这些场景下AI扮演的无非是一个效率工具，低风险、可替换、ROI可快速量化，都是AI的甜点位。

但在AI推进不顺的地方，碰到的则是行业特性所要求的合规性、敏感性、系统性等等硬性要求，由此必须要有专有模型、专有数据和深度流程重构。当前的AI在通用模型方面做得确实可以，但专有模型这块能力差距巨大。

就像一个懂王，看上去好像啥都懂，直到他聊到你所在的领域时就会露馅一样，一个道理。

第三重：AI不会让公司扁平化

这两组数据，是跟甚嚣尘上的AI裁员论相悖的输入：

• 67%的CEO认为AI会增加入门级员工数量

• 58%的CEO认为AI会增加领导层人数

很多人一提扁平化，脑子里想到的直接就是员工直接汇报给老板，信息传递从小兵这里直接就上达天听，但显然不合逻辑。

真正意义上的扁平化，只发生在决策链路的压缩上，从信息-判断-行动，这条链路变短。

一般来说，如果一个公司满足这三点，它才是真的扁平化

1. 基层能直接看到真实数据

2. 基层能在明确边界内直接行动

3. 不用频繁向上“对齐认知”

典型的例子比如早期创业公司、强执行导向的工程团队、产品驱动而非汇报驱动的组织……你瞅瞅这些公司在当前的职场环境下还存在吗？

尤其是在传统的大公司里，中间层都在干这三类脏活：

信息翻译

• 把老板的模糊意图翻译成可执行任务

• 把基层的混乱现实包装成可汇报结果

节奏缓冲

• 项目延期了，先挡一层

• 资源不够了，先扛一段

认知对齐

• 反复开会

• 拉齐口径

• 统一话术

很多中层存在的意义，是为了让系统在低效率下还能勉强运转。AI实际上，无法替代这个庞大的中间层级，起码在肉眼可见的当下不可能。

它更多体现的，并不是让组织变得扁平，而是拉长两头。

入门级员工增加：因为AI降低了执行门槛，入口被放大了。

领导层增加：因为系统复杂度爆炸，需要更多最终责任人。

只要公司还需要人来兜底、背锅、拍板，组织就不可能真正扁平化。

如此看来，我们牛马存在的价值，还是成立的嘛！

以上。