麻省理工学院（MIT）最新发布的《2025年商业 AI 现状》报告显示，全球在生成式人工智能（GenAI）领域的投资已超过300亿美元，然而令人震惊的是，高达95%的企业试点项目未能成功过渡到实际生产环境。
研究发现，制约企业AI进展的关键因素并非技术瓶颈或监管障碍，而是GenAI工具的落地方式。大量系统被孤立地部署，未能真正嵌入日常业务流程，缺乏持续学习与记忆能力，使用过程中几乎无法自我优化。因此，尽管这些模型在实验室环境中表现优异，一旦进入真实工作场景便难以持续发挥作用。
报告中提出的“GenAI 鸿沟”概念引发广泛关注：仅有约5%的试点项目实现了显著成果，为企业带来数百万美元的直接收益；而其余近90%的项目则深陷测试阶段，无法实现规模化应用。MIT研究团队强调，这一差距的核心并不在于谁拥有最先进的算法或最强算力，而在于如何将AI深度整合进实际操作流程。成功案例普遍具备两个特征：一是与真实工作流无缝衔接，二是具备随时间演进而自我改进的能力；相比之下，那些试图将通用型AI强行植入僵化流程的项目大多以失败告终。
尽管诸如ChatGPT、Copilot等通用AI工具已被超过80%的企业尝试使用，且近四成企业已在其内部推广，但其影响主要集中在提升个体工作效率层面，并未显著转化为企业整体盈利能力的提升。针对特定业务需求定制的AI平台或供应商解决方案，虽然已有约六成公司展开探索，但仅有两成进入试点阶段，失败主因包括现有流程抗风险能力差、工具缺乏适应性学习机制，以及与员工实际操作习惯脱节。
报告进一步识别出四种关键趋势：有限的行业颠覆、企业悖论、投资偏见与实施优势。数据显示，大型企业虽发起最多试点项目，却在规模化推进上进展最慢；反而是中等规模企业，平均仅用约90天即可完成从测试到部署的跨越。此外，约70%的GenAI预算集中于销售与市场营销领域，尽管在后台运营自动化方面往往能获得更高的投资回报。
部分专家对报告结论提出质疑，指出其中引用的“95%失败率”缺乏公开详实的数据支撑，且“成功”与“失败”的界定标准模糊，可能导致部分渐进式成果被忽视。同时，由于研究与多家商业机构存在合作关系，其独立性与客观性也受到一定质疑。
展望未来，MIT认为下一波AI发展将聚焦于“智能代理 AI”——具备记忆、学习和跨系统协作能力的自主智能体。这类代理有望构成一个互联互通的“智能代理网络”，实现跨职能、跨平台的一致性运作，从而解决早期GenAI项目普遍存在的碎片化与不可持续问题。
