动态列表

  • 谷歌手机十年最狠升级,全家桶AI宣战苹果!一句话P图,100倍变焦
  • GPT-5点赞!八大顶尖机构发布「自进化智能体」全面综述
  • 打工半年后,Atlas觉醒!「大行为模型」零代码上新技能,AI工业革命来了?
  • DeepSeek-V3.1震撼发布,全球开源编程登顶!R1/V3首度合体,训练量暴增10倍
  • 刚刚,好莱坞特效师展示AI生成的中文科幻大片,成本只有330元
  • 摆脱遥控器,波士顿动力人形机器人,开始「长脑子」干活了
  • 微软AI CEO警告:我们需要警惕「看似有意识的AI」
  • ICCV 2025 | ECD:高质量合成图表数据集,提升开源MLLM图表理解能力
  • 汽车业务还没盈利,小米却已找到「第三曲线」
  • 通义APP上线官方知识库,首批覆盖教育、法律、金融等五大领域
  • AI Scientist生成的论文被指「剽窃」,回应称「未引用相关研究」,AI自动化科研还靠谱吗?
  • 击败Meta登榜首:推理增强的文档排序模型ReasonRank来了
  • 千寻位置护航无人机表演,开启品牌多城联动新篇章
  • 刚刚,字节开源Seed-OSS-36B模型,512k上下文
  • 上下文记忆力媲美Genie3,且问世更早:港大和可灵提出场景一致的交互式视频世界模型
  • OpenAI 单月营收已经破 10 亿美元;马斯克的 Grok,超 37 万条用户聊天记录「裸奔」;谷歌发布 AI 手机
  • 成为「流量黑马」的老品牌,如何借拼多多秒懂 00 后?
  • AI 的终点不是对话框,这家公司想让真实世界成为 AI 的提示词
  • 网易有道发布子曰教育大模型多款AI新品,定义教育AI应用能力L1-L5分级
  • 二十余名英国青年科学家在沪参与好望角科学沙龙活动
  • 为长视频生成减负!浙大与华为提出Compact Attention,挖掘结构化稀疏加速2.5倍
  • TPAMI 2025 | 骨架动作理解大一统:东南大学等提出USDRL,一个面向密集表征学习的基础模型
  • 报名开启|中关村国际青年论坛:诚邀全球青年学者共探AI前沿
  • Sora没做到的,LongVie框架给解决了,超长视频生成SOTA
  • 「价格战」打了半年,吉利如何做到核心利润暴增102%?
  • 小鹏Q2财报「炸裂」:营收暴涨125%,毛利率反超特斯拉
  • Nature子刊 | 上智院统一框架RXNGraphormer,实现化学反应多任务精准预测,自发掌握分类规律
  • 首个面向肽分子设计的大模型平台:直接「读序列」出结合子,无需结构输入即可生成
  • 智谱推出AutoGLM 2.0:手机 Agent 的「Manus 时刻」?
  • 论坛报名已启动,速来锁定席位!解码具身智能的落地挑战与产业爆点
  • DiT在数学和形式上是错的?谢赛宁回应:不要在脑子里做科学
  • dLLM的「Free Lunch」!浙大&蚂蚁利用中间结果显著提升扩散语言模型
  • DeepSeek开源新基础模型,但不是V4,而是V3.1-Base
  • Meta超级智能实验室重组为四个部门,某些高管将离开
  • ICCV 2025 | 跨越视觉与语言边界,打开人机交互感知的新篇章:北大团队提出INP-CC模型重塑开放词汇HOI检测
  • 黑神话系列第二作,《黑神话:钟馗》先导宣传片公布;小米卢伟冰:2027 年进军欧洲汽车市场;宇树预告新机器人
  • GPT-5暴写「屎山代码」!14个Prompt,看穿GPT-1到GPT-5七年智商进化史
  • 微软最新揭秘:「话痨实习生」AI助手,到底能帮人类做什么?
  • 陶哲轩「断粮」后,25年首次绝望怒吼:美国科学命脉被砍断!
  • 16岁天才少年炒掉马斯克,空降华尔街巨头!9岁上大学,14岁进SpaceX
  • 中科慧远发布CASIVIBOT,以九年积累开启AOI与机器人协同的品质检测新时代
  • 英伟达ViPE:任意视频一键转为3D几何数据,开源引擎与亿级帧数据集重磅发布!
  • CVPR 2025 | DeCLIP:解耦CLIP注意力,哈工大(深圳)、港大提出通用开放词汇密集感知新框架
  • 强化学习之父Richard Sutton最新演讲揭示OaK架构:通向超级智能的八步愿景
  • ICCV 2025 | RobustSplat: 解耦致密化与动态的抗瞬态3DGS三维重建
  • 医疗AI安全革命:全球首个医疗动态红队测试框架DAS,破解临床落地信任危机
  • 谷歌在上海办了场 AI 嘉年华,开发者们却说像逛「AI 基地」
  • 7年了,OpenAI官方给出五代GPT对比,网友却怀念起「狂野」初代
  • X-SAM:从「分割一切」到「任意分割」:统一图像分割多模态大模型,在20+个图像分割数据集上均达SoTA
  • 开源版Genie 3世界模型来了:实时+长时间交互,单卡可跑,国内公司出品
  • 图生视频新玩法刷爆外网:图上画两笔就能动起来,终于告别文本提示
  • 妙笔生维:线稿驱动的三维场景视频自由编辑
  • 一句话,性能暴涨49%!马里兰MIT等力作:Prompt才是大模型终极武器
  • Z世代生存、学习与未来宣言!伯克利学霸预言课堂,用AI设计人生
  • AI来了!记者、UP主、写手,谁能逃过这场「灭绝浪潮」?
  • Hinton预言成真!AI接管美国一半白领,牛津哈佛扎堆转行做技工
  • 为什么「游戏」是 AI 陪伴落地的好场景?
  • 新加坡 AI 办公系统 Agnes:200 个 Agent 并行研究,让 AI 主动「找茬」打磨设计
  • 机器人也会「摸鱼」了?宇树G1赛后葛优瘫刷美女视频,网友:比人还懂享受生活
  • 从GPT-2到gpt-oss,深度详解OpenAI开放模型的进化之路
  • NextStep-1:一次在图像生成上自回归范式的探索
  • KDD 2025 | UoMo来了,首个无线网络流量预测模型,一个框架搞定三类任务
  • ICCV 2025 | MobileViCLIP:快55倍!南大等提出首个高效“视频-文本模型,让多模态AI在手机可运行!
  • 突破长视频生成瓶颈:南大 × TeleAI 联合推出全新 AI 生成范式 MMPL,让创意“一镜到底”
  • 开源扩散大模型首次跑赢自回归!上交大联手UCSD推出D2F,吞吐量达LLaMA3的2.5倍
  • 一张图,开启四维时空:4DNeX让动态世界 「活」起来
  • AI发现新物理定律:纠正等离子体理论多年错误假设
  • 多模态大模型在化学与材料学的「体检表」——哪些能力靠谱,哪些还差很远?
  • Altman:希望 AGI 能提高生育率;与辉同行否认董宇辉年收入二三十亿元;今年国内智能眼镜市场同比增长121.1%
  • 刚刚!谷歌内部揭秘Genie 3:Sora后最强AI爆款,开启世界模型新时代
  • 硬核拆解!从GPT-2到gpt-oss,揭秘大模型进化关键密码
  • 黄仁勋子女逆袭上位!4万亿「皇储」成长史首曝:一个学烘培,一个开酒吧
  • GPT-5首次会推理,OpenAI联创曝AGI秘诀!超临界学习吞噬算力,2045金钱无用?
  • 400万人围观的分层推理模型,「分层架构」竟不起作用?性能提升另有隐情?
  • CoRL 2025|隐空间扩散世界模型LaDi-WM大幅提升机器人操作策略的成功率和跨场景泛化能力
  • SEAgent:开启从实战经验中自我进化的GUI智能体新纪元
  • 给DiT装上“迷你”控制舵:NanoControl实现高效精准控制,参数量仅增0.024%
  • OpenAI估值达5000亿美元;「原道」联手小岛秀夫,推《死亡搁浅》耳机;苹果手表将「大幅重新设计」
  • 奥特曼神秘晚宴讲话曝出!OpenAI的CEO或将是个AI,Chrome我也想买
  • 谷歌最新「0.27B」Gemma 3开源!身板小却猛如虎,开发者直呼救命稻草
  • 最惨就业季!CS学霸GPA 3.98,投2500份简历仅10次面试,AI吞噬入门级岗位
  • Yann LeCun最新纪录片首曝!传奇AI教父的双面人生,深度学习幕后40年
  • 机器人全产业链接会 FAIR plus 2026新闻发布会在京召开
  • 大模型如何推理?斯坦福CS25重要一课,DeepMind首席科学家主讲
  • 当AI比我们更聪明:李飞飞和Hinton给出截然相反的生存指南
  • 简单即强大:全新生成模型「离散分布网络DDN」是如何做到原理简单,性质独特?
  • ICCV 2025 | 告别“尬舞”,InterSyn交错式学习生成逼真多人交互动作
  • Sam Altman:AI存在泡沫;宇树机器人夺金,王兴兴:用遥控追求极致速度;蔡浩宇AI游戏上架,27.19元|极客早知道
  • 吞下17亿图片,Meta最强巨兽DINOv3开源!重新定义CV天花板
  • 打开高德的理由又多一条!全球首个「需求链智能调度」AI地图上线
  • 核心模型被曝蒸馏DeepSeek?前女友一纸控诉,曝出欧版OpenAI塌房真相!
  • 一句话搞定多任务出行,高德用空间智能重新定义地图
  • GPT-5、Grok 4、o3 Pro都零分,史上最难AI评测基准换它了
  • 谷歌开源Gemma 3 270M,性能超越Qwen 2.5同级模型
  • 追剧不断网,可能背后有个AI在加班,故障诊断准度破91.79%
  • DINOv3震撼发布:Meta AI的视觉巨兽,重新定义自监督学习
  • ICCV 2025 (Oral) | DPoser-X:基于扩散模型的鲁棒3D全身人体姿态先验,树立领域新标杆
  • Meta视觉基座DINOv3王者归来:自监督首次全面超越弱监督,商用开源
  • 多突触神经元模型问世,国内团队打造类脑计算新引擎,登上《自然·通讯》
  • Science封面:高效精准模拟构象变化,微软研究院用生成式AI重塑蛋白质功能研究
  • 扎克伯格看OpenAI直播挖人,北大校友孙之清加入Meta
  • AI 模特时代到来:字节x清华推出商用级视频换装模型DreamVVT,保真度显著领先SOTA
  • LeetCode刷够100小时,学会找人内推,OpenAI员工下场教你拿Offer
  • xAI元老离职干风投,传奇人物Babuschkin长文追忆与马斯克创业战友情
  • 链式思维是幻象吗?从数据分布视角重新审视大模型推理,马斯克回复,Grok破防
  • 李想:i8 反响不错,产品力没对手;库克暗示:苹果将推桌面机器人;中国日均消耗 30 万亿 Token,暴涨 300 倍

全球95%企业AI惨败?MIT报告引硅谷恐慌!90%员工偷用ChatGPT续命



  新智元报道  

编辑:桃子 好困
【新智元导读】全球95%企业AI惨遭滑铁卢?MIT 26页爆火报告揭开真相:90%员工悄悄用ChatGPT高效办公,在科技、媒体行业掀起了效率革命。

全球95%搞AI项目的公司,基本都凉了!

这一惊人的观点,出自MIT的一份重磅研究报告——「The GenAI Divide: State of AI in Business 2025」。

报告地址:https://mlq.ai/media/quarterly_decks/v0.1_State_of_AI_in_Business_2025_Report.pdf

谁曾想,这份令人咋舌的报告,一夜之间刷屏全网。

难道AI这么快就进入寒冬了吗?事实上,真相远比各大媒体的标题精彩。

在这份26页报告中,隐藏了一个爆炸性的事实:企业史上最快、最成功的技术应用普及,正在高管们的眼皮底下悄然发生。

虽然40%的公司都订阅了大模型服务,但90%的员工依然会选择用「个人AI工具」悄悄干活!

一位VC投资人Kasra Khalili一句话道出了真理,「AI并没有失败,而是公司内部构建系统的失败」。

报告的核心看点如下:

· 普遍的误解:新闻头条紧抓「95%的企业AI试点项目失败」,但这仅指昂贵、僵化的定制系统。而真相是:90%的员工正积极使用个人AI工具(如ChatGPT)办公,掀起了一场史上最快的技术普及浪潮。

·消费级工具完胜企业级:昂贵的企业AI工具因为「死板、无法学习、脱离实际工作流」而被员工抛弃。相反,消费级AI应用则凭借着灵活性、适应性和即时性大获全胜。

·隐藏的生产力爆发:这场自下而上的「革命」带来了巨大的、未被传统企业指标计量的生产力提升。最高的回报并非来自光鲜的营销应用,而是来自无人关注的后台自动化(如客服、文档处理),每年可为企业节省数百万美元的开支。

· 革命始于员工:报告的结论并非AI失败,而是企业采购和管理策略的失败。AI技术本身是成功的,但成功路径是「从员工到企业」,而非「从企业到员工」。企业应当停止「自建」,转向「购买」并与供应商深度合作,更重要的是,要向那90%已经找到正确使用方法的员工学习。

这背后,究竟揭示了什么现象?


90%员工偷用ChatGPT,自费上班


各大科技巨头AI项目,在内部推行虽然步履维艰,但大多数员工早就在私下「开挂」了。

MIT报告指出,「事实上,几乎每个人都在以某种形式将LLM用于工作中」。

其中,90%的员工频繁地使用个人AI工具,比如ChatGPT、Claude等,哪怕是40%公司订阅了官方服务。

换句话说,员工使用AI频率,是企业采纳率的2倍多,这种现象被称为「影子AI经济」。

最关键的是,这些员工并非浅尝辄止,而是他们在每周的工作中,每天都会多次使用AI。

这种普及速度,直接吊打当年电子邮件、智能手机、云计算的采用频率。

报告中,有个案例太真实了:

一家法务公司斥资5万美元采购了一款专业的AI合同分析工具,但一位律师本人在起草文件时却坚持使用ChatGPT。


本质原因,就在于AI生成的质量差,显而易见。

这名律师表示,「ChatGPT总能生成更优质的内容,即便我们的供应商声称他们用的是同样的基础技术」。

如今,这一现象,在各行各业普遍存在。

就连微软这样的巨头,办公室员工在家用的都是ChatGPT。

一直以来,微软不论是在公司内部,还是客户中,大力推行自家的Copilot AI,效果不如人意。

去年春天,制药巨头Amgen高调官宣引入微软Copilot后,不过1年,全员纷纷转向了ChatGPT

企业级AI系统脆弱、设计过度,与实际工作流脱节,而消费级AI工具则因灵活性、易用性、即时性,广受好评。

正如一位首席信息官对研究人员表示,「我们今年看了几十个产品演示,可能只有一两个真正有用,其余的不是华而不实的包装,就是纸上谈兵的科学项目」。

当企业高管们还在摸索内部普及AI的门道时,员工们早已破解了「AI的密码」。


斥资5万美元,自研AI却败给了ChatGPT


那些登上新闻头版「95%失败率」,特指的是,企业委托供应商或内部开发的、昂贵且定制化的企业级AI解决方案。

这些工具,之所以推行失败,核心在于缺乏「学习能力」。

报告一针见血,企业级AI无法保存反馈、适应上下文情境,无法随着时间而改进。

直白讲,就是太难用了。

像ChatGPT这样的通用AI工具投入生产的成功率为40%,而针对特定任务的企业级工具成功率仅为5%

员工们纷纷抱怨,每次都要手动输入一堆背景信息,还不会从反馈中学习进步。

相较之下,ChatGPT之所以成功,就因为灵活且响应迅速,即便每一次对话都是一次全新的开始。

而企业级工具则显得僵化呆板,每次使用前,都需要进行繁琐的设置。

这种学习能力的差距,在员工使用AI的偏好中,又映射出另一种现象——

70%员工在处理邮件、基础分析等快速任务时,直接找AI而非同事;但对于复杂的、高风险的工作,90%员工更信任人类。

这里的关键分界线并非关乎智能的本身,而是AI与人类在记忆与适应能力上的差异。

别再自研了,合作成功率翻倍


从更深层次看,「影子经济」并不是AI失败的证据,反而揭示了,传统企业指标无法衡量的巨大生产力提升。

员工们自行搞定了官方项目的集成难题,恰恰证明了隐藏的生产力。

MIT报告称,「影子经济」表明,只要能用上灵活、响应迅速的工具,个人完全有能力跨越GenAI应用的鸿沟。

一些具备前瞻性思维的公司,已经嗅到了机会。

他们努力弥合这一差距,从员工的自发使用中学习,在采购企业级方案前,先分析哪些个人工具能真正创造价值。

不仅如此,报告还甩出了一个挑战了传统的技术观念:企业应停止尝试在内部自建AI。

数据统计显示,那些与AI供应商合作的项目,67%能成功部署,而内部自建的只有33%。

一个最成功的案例是,那些把AI初创公司当做「业务伙伴」的企业,更注重实际业务成果,需要深度定制和持续改进,而非花哨的产品演示。


科技媒体狂飙AI
七大行业未被颠覆


放眼整个行业,也仅有科技、媒体,因AI发生了颠覆性的结构变革。

而医疗、金融、制造在内的七大主要行业,在AI应用实际上「慢半拍」。

整体表现为,AI试点频繁,但内部结构性变化微乎其微。

在医疗和能源领域,大多数高管表示,未来5年内没有裁员计划,也未预见会裁员。

这种审慎的态度并非失败,而是一种智慧。

这些暂未被颠覆的行业,正对AI的实施进行深思熟虑,而不是盲目冲入混乱的变革。

科技和媒体行业之所以发展更快,是因为它们能承受更高的风险。超80%高管预计,公司将在24个月内缩减招聘规模。

另一个需要注意的点是,企业AI预算中,有一半都砸在了销售和营销上。

然而,真正赚钱的其实是,那些不起眼的后台自动化项目。

比如,通过AI取代外包合同,企业每年能剩下200万-1000万美元的客服和文档处理成本,还能砍掉30%外包创意费用。

更牛的是,这些收益没靠裁员实现。AI工具提升了工作效率,但并未改变团队结构、预算。

AI革命正在成功,一次由一名员工推动


MIT这份报告,并未证明AI的失败,恰恰揭示了——

AI的成功甚至已超出了企业的预期,员工早已走在了雇主的前面。  


技术本身没有问题,问题出在企业的采购和管理方式上。


那些能跨越GenAI鸿沟的公司,共同点是,加以利用能深度融合、不断优化的工具。

至于那95%没搞成的企业AI试点,其实报告已经指出了一条明路:跟着90%已摸透AI门道的员工学习。

Contextual AI创始人认为,GenAI项目失败根本原因不在模型,而是上下文重要性被忽视

一位制造业高管表示,「我们处理某些合同的速度是变快了,但仅此而已」。

显然,他未能看到全局。

处理合同的速度加快,当这一改进乘以数百万员工和成千上万的日常任务时,不就是最后大爆发的生产力?

总言之,AI革命没有失败,它正在每一次的ChatGPT对话中,悄然取得成功。


上市公司暴省万亿美元


另一份来自摩根士丹利报告,也从侧面印证了AI革命并未失败的观点。

其中的一项分析称,由AI带来的颠覆性变革,或能为标普500公司每年节省9200亿美元的成本——相当于总薪酬的41%,或2026年税前利润的28%。

而这个过程,将通过削减薪酬开支(裁员、自然流失、自动化)来实现。

报告的核心观点如下:

  • 预计90%的工作岗位会受到AI自动化或功能增强的影响。

  • AI智能体将重塑工作任务,而人形机器人将在物流、零售等领域直接替代人工。

  • 每年近万亿的效益,最终有望转化为13万亿至16万亿美元的市值增长,相当于其当前总市值的近1/4。

  • AI已不再是一个投机概念,而是驱动未来十年企业盈利增长的核心引擎。

首先,在AI的冲击下,不同行业受到的影响程度也会有所不同。

比如日常消费品的分销与零售、房地产管理以及交通运输业是受冲击最大的几个行业。其中,由AI驱动的潜在生产力提升,预计将超过2026年预测收益的100%。

但对于半导体和硬件行业等,人力成本相对于其盈利而言占比较低的行业,可挖掘的AI价值潜力则相对较低。

其次,「完全自动化」与「任务级增强」之间,还是有区别的。

简单来说就是,软件应用中的AI智能体的作用,更倾向于重新分配任务,而非彻底取消岗位。

相比之下,以人形机器人形态出现的具身智能,则在物流和实体零售等行业构成了更直接的替代风险。

报告同时预测,在岗位替代的趋势下,全新的职位类别也将应运而生——从首席AI官(Chief AI Officer)到AI治理专家不一而足。

这与早期技术颠覆浪潮中,市场对程序员、IT专家和数字营销人员的需求激增如出一辙。

最后,分析师还指出,AI的全面普及可能需要数年甚至数十年的时间。

企业初期的重点将是依赖人员的自然流失和提升流程效率,而非立即进行大规模裁员,尤其是在那些由面向客户的岗位驱动收入的行业。

AI革命的浪潮已至,

总的来说,无论是从麻省理工学院深入一线的微观洞察,还是来自摩根士丹利高瞻远瞩的宏观分析,都指向了一个共同的结论——

AI革命的浪潮已至,学习并拥抱那些灵活、高效的AI工具,将会帮助你抓住这价值数万亿美元的时代机遇。

参考资料:
https://venturebeat.com/ai/mit-report-misunderstood-shadow-ai-economy-booms-while-headlines-cry-failure/  
https://www.youtube.com/watch?v=5xxtVvqwkX4 
https://fortune.com/2025/08/19/morgan-stanley-920-billion-sp-500-savings-ai-agentic-robots-jobs/


<br>


    <a class="media_tool_meta meta_primary" href="http://mp.weixin.qq.com/s?__biz=MzI3MTA0MTk1MA==&amp;mid=2652621827&amp;idx=1&amp;sn=d1b60f5472b75778383f0e7f8f7c31eb&amp;chksm=f0239422bfab18bcc5a5034e412a63ea2f50cf2978bc85a6043e549f264e03b6e74bb8c4b443&amp;scene=0#rd"  target="_blank">文章原文</a>
    <br>




<img alt="" class="" height="1px" src="https://images.weserv.nl/?url=http://www.jintiankansha.me/rss_static/83671/OV6Po5fTRv&amp;maxage=1y"  width="1px"></div></div></body></html>

联系我们