企业嘴上说要拥抱 AI，但真正落地的速度，远比它们自己预期的慢得多。
据追风交易台消息，5 月 11 日，瑞银经济学家 Arend Kapteyn 发布报告，团队对 139 位 IT 高管及数据工程师进行半年度调查，受访者均为企业 AI 实施的核心决策者，覆盖 26 个行业。
数据显示，截至 2026 年 3 月，仅有19%的企业实现了 AI 的 " 规模化生产部署 "，两年前这一比例为 10%，进展呈线性而非指数级。此外，一年前，84%的受访企业预期自己能在 12 个月内实现规模化部署，但实际上只有5%做到了。
进展缓慢：两年只走了 9 个百分点
数据很直白。
截至 2026 年 3 月，只有19%的企业表示 AI 已 " 在多个业务部门和单元实现规模化生产部署 "。而两年前（2024 年 3 月），这个数字是10%。
也就是说，两年时间，增长了 9 个百分点，平均每六个月约有 3% 的企业 " 毕业 " 进入规模化阶段。
分析师指出，这是一种 " 稳定但线性的进展 " ——而与此同时，AI 底层技术的能力提升却是非线性的：推理能力、任务自主性、成本性能均在大幅跃升（报告援引了斯坦福大学 AI 指数的相关数据）。
换句话说，技术在加速，但企业落地没有跟上。
这份报告最值得关注的发现，不是 " 进展慢 "，而是企业对自身进展的判断存在系统性偏差。
一年前的调查中，受访者被问到 " 你预计多久能实现规模化部署 "：
10%预计 3 个月内
19%预计 6 个月内
13%预计 9 个月内
43%预计 12 个月内
加总起来，84% 的企业预期自己能在一年内完成规模化部署。
结果呢？实际上只有 5% 做到了。
84% 的预期，5% 的现实——这个落差不是偶然误差，而是一种规律性现象。瑞银报告明确指出，这种 " 乐观偏差 " 在每一轮调查中都出现，而且预期与实际之间的差距还在持续扩大。
卡在哪里？六大障碍逐一拆解
企业为什么落地这么难？分析师列出了受访者反复提及的六大障碍：
ROI 不清晰：53% 的企业提到，不知道 AI 投入能带来多少回报
合规与监管问题：48%
集成复杂度：45%，较前两轮调查的 37%-38% 明显上升
合格人才短缺：42%
数据可用性与质量问题：42%
数据隐私缺失：37%
其中值得注意的是 " 集成复杂度 " 这一项——从 37%-38% 升至 45%，说明随着企业推进 AI 项目，越来越多的人意识到，把 AI 嵌入现有系统比想象中难得多。这不是技术问题，而是工程问题、组织问题、流程问题的叠加。
对市场意味着什么
市场对 AI 的热情很大程度上建立在 " 企业将快速大规模采用 AI" 的预期之上。但这份调查数据显示，这个预期本身就存在系统性高估——不仅企业自己高估，而且这种高估在每一轮调查中都在重演。
技术能力的提升是真实的，但从 " 技术可用 " 到 " 企业规模化落地 " 之间，横亘着 ROI 验证、系统集成、人才储备、合规监管等一系列现实障碍。这些障碍不会因为模型更强大而自动消失。
对于关注 AI 产业链投资的市场参与者而言，区分 "AI 技术进步的速度 " 与 "AI 商业落地的速度 "，是当前阶段一个不可忽视的变量。
