麦肯锡在三季度的一项调研揭露了一个残酷的现实：目前已落地AI的中大型企业中，投资回报率（ROI）的中位数仅为 12%。更惊人的是头尾分化——头部 30% 的企业 ROI 超过 25%，而尾部 30% 的企业投入直接为负（来源：TMTPost）。
这意味着，2026 年上半年那个“只要部署 Agent 就能降本增效”的幻象已经破灭。大量企业在经历了 2025 年的概念验证（PoC）狂欢后，发现所谓的“智能体”在实际生产环境中，往往成了昂贵的聊天机器人：它们能精准识别用户的愤怒情绪，却无法调用底层 API 去解决一个简单的订单退款问题。正如我们在之前的分析《客服Agent认出了愤怒，为什么还是留不住客户》中所观察到的，情绪识别的准确率并不等同于业务转化率。
明天（7 月 17 日）即将开幕的第九届世界人工智能大会（WAIC 2026）将成为一个分水岭。市场不再关心有多少款新模型首发，而是在问：AI 到底怎么帮我赚钱，或者怎么帮我省钱？
预算第一站：从“买服务”转向“理数据”
在 2026 年上半年，许多 CIO 的预算被浪费在昂贵的 Agent 订阅费和 Prompt 调优上。但现实是，无论 Prompt 链写得多么精巧，如果底层数据的口径不统一，AI 产出的结果永远在“一本正经地胡说八道”。
下半年的采购风向正在发生剧烈转移：预算开始向数据清洗、标注和高质量 SFT（有监督微调）数据集倾斜。企业意识到，与其花钱买一个通用 Agent 的年度会员，不如投入资源构建一个私有的、干净的领域知识库。这正是我们在《大模型微调落地：先管好数据，再谈 LoRA 与部署》中强调的逻辑——数据口径的统一优先级高于模型架构的选择。
一个典型的案例是某头部金融机构，在尝试部署自动化理赔 Agent 失败后，将下半年 40% 的 AI 预算重新拨给了数据治理团队，用于清理过去五年中格式混乱的理赔单据。他们发现，通过 GRPO 等强化学习算法在高质量数据集上微调的小模型，在特定任务上的表现远超那些依赖复杂 Prompt 链的通用大模型。
算力预算的“去泡沫化”：算 TCO 而非算 TOPS
过去两年，企业买算力的逻辑很简单：谁的 TOPS 高，谁的卡多就买谁。但到了 2026 年，随着 B200 等高性能芯片的普及和国产算力如昇腾 910C 的成熟，算力本身正在商品化。此时，决定 ROI 的不再是峰值算力，而是 TCO（总拥有成本）。
现在的 CIO 开始在账单中拆分“算力费”与“运维费”。液冷系统的部署成本、异构调度的效率损耗、以及从 CUDA 迁移到国产算力栈的适配成本，成为了预算审核的重点。参考《国产算力降本别急着报30%：液冷与调度要分开算》，很多企业在报账时将 AI 框架的性能提升直接等同于成本下降，这在财务审计面前是站不住脚的。
此外，边缘计算的预算在回升。在工业质检等场景中，企业不再执着于将所有数据传回云端 GPU 集群，而是开始采购基于 RISC-V 的低功耗边缘节点。正如《工业质检不只拼算力，RISC-V方案能替代哪些GPU节点》所述，在高温、粉尘的工厂环境下，能够稳定运行且不需要复杂散热的 RISC-V 方案，比一个需要空调房供养的 GPU 节点更具商业可行性。
垂直场景的“深挖”：告别通用，拥抱约束
2026 年下半年的另一个显著趋势是：预算从“通用助手”转向“任务型工具”。
企业开始意识到，AI Agent 想要进入生产环境，必须接受极强的业务约束。在医疗领域，一个能写诗的 AI 没有价值，一个能严格执行诊疗路径并提供可追溯证据链的 AI 才有价值。这种转向导致预算流向了那些能将 AI 嵌入核心运营流程的集成项目，而非孤立的试点项目。我们在《医疗Agent进入诊疗流程，责任不能只看医生签字》中讨论过，责任认定和人工复核机制的建设，其预算权重现在甚至超过了模型本身的采购费。
与此同时，端侧 AI 的预算在经历一次冷思考。尽管 iPhone 18 Pro 采用了 2nm 芯片且 Apple 智能已完成备案，但端侧大模型带来的换机潮并未如预期般爆发。企业端在采购 AI 手机或 AI PC 时，关注点已从“能不能跑模型”转向“跑模型时续航能撑多久”。根据我们在《2026下半年AI手机战，端侧大模型先过续航关》中的实测，FP8 功耗比 INT4 高出 20%-30%，这种电量焦虑直接影响了企业级终端的部署规模。
总结：AI 投资进入“生存模式”
如果说 2024-2025 年是 AI 的“大航海时代”，那么 2026 年下半年则是“殖民地经营时代”。
资本的退潮让企业不得不面对真实的账单。未来的 AI 预算分配将呈现出一种 1:4:5 的结构：10% 用于前沿技术的探索（如尝试最新的推理模型），40% 用于基础设施的稳固（数据治理、算力优化、液冷部署），50% 用于垂直业务场景的深耕和 ROI 兑现。
对于企业而言，最危险的动作依然是盲目地在现有流程上“套”一个 Agent 外壳。真正的降本增效，始于对业务流程的重新解构，而非对某个 API 接口的依赖。在“Show me the money”的 2026 年，能够活下来的 AI 项目，一定是那些能把成本算清楚，并把数据管好的人。参考《AI Agent上生产前，企业先把这几笔账算清》，只有当系统集成、人工复核和运维成本被纳入核算模型，AI 才能真正从 PPT 走进财报。