结论先行
小团队买现成产品,大企业自建平台,答案几乎完全相反,取决于规模、业务形态与数据处境。多数企业卡住的地方不是模型能不能用,是数据接不进来、效果算不清、出了事没人负责。
一、两类企业摆在一起看
| 维度 | 小团队(十几到几十人) | 大型企业(千人以上) |
|---|---|---|
| 典型目标 | 一个人少做几小时重复活 | 重写一条业务流程,或让 Agent 对经营结果负责 |
| 谁定买还是做 | 业务负责人自己就能定,通常直接用现成产品 | 走采购、供应商评估、安全与法务评审 |
| 技术路径 | 用 SaaS 或 API,不自建 | 自建平台+接入内部系统,同时保留采购的成熟产品 |
| 数据在哪 | 公开信息为主,少量内部文档 | 内部系统与核心业务数据,跨部门有权限隔离 |
| 钱花在哪 | 按量付费的调用成本,几万到几十万 | 人力投入占比更大,德勤调研中 44.4% 的企业算不清 AI 项目回报率 |
| 最容易卡住的地方 | 场景选错 | 与现有系统集成困难,德勤调研中占 56.6% |
| 效果怎么衡量 | 看某个具体任务前后对比 | 需要跨流程指标,德勤调研中 60.4% 的企业没有价值衡量框架 |
表格里三处数字来自同一份调研:德勤中国与香港大学 2026 年 9 月的《决策者视角下的企业 AI 应用》。它的样本以大型企业为主,5000 人以上的占 53%,「小团队」那列不能套。
规模差距在采用率上早就拉开了。麦肯锡 2025 年 11 月的全球调查里,营收 50 亿美元以上的公司有接近一半进入规模化阶段,营收 1 亿美元以下的只有 29%。
长江商学院 2026 年初对全国 2016 家规上工业企业的专项调研更具体:500 人以上企业 AI 采用率 15.5%,中型企业 9.1%,小企业 5.4%; 500 人以下企业「2 万到 10 万元」支出占 42.6%,500 人及以上企业单笔投入 500 万元以上占 21.3%。
二、差在哪五处
场景来源不同。大企业调研里排第一的障碍是「偏向维持现状的流程与激励机制」,占 32.7%,跟「数据质量与可获得性」并列。
小团队的卡点是另一种:长江商学院调研中,尚未采用 AI 的企业里有 79.2% 说核心阻碍是「场景不适用」。
同一份调研里,当前实体企业的 AI 渗透率约 10.0%,企业把平均 57.2% 的资金投在 AI 硬件上。
集成负担不同。德勤调研里「与现有系统的集成困难」占 56.6%,「人工审核与质量控制」占 38.5%,「审批、签核与治理流程」占 37.6%,都是大企业才有的。
收益口径不同。德勤调研里,企业评估 AI 成效时 87.3% 聚焦处理速度与工时节约,59.5% 追踪质量改善,涉及收入与客户层面的只有 21.5%。
按职能看,IT 与软件职能 ROI 约 45%,产品研发、销售营销 20% 到 30%,供应链、HR、客服、制造在 15% 以下。
Agent 成熟度也不同。麦肯锡同一份调查里,62% 的受访者说所在组织至少在试验 AI Agent,23% 说在某个职能进入规模化;单一职能里规模化用 Agent 的比例不超 10%。
合规门槛是硬的差别。面向境内公众提供生成式人工智能服务,要按《生成式人工智能服务管理暂行办法》第十七条做安全评估并履行算法备案;未向公众提供服务的不适用该办法第二条。
三、什么情况下不该自己造
三种情况下自建会输。
场景还没跑通。长江商学院调研中 79.2% 的未采用企业说「场景不适用」,先做工具是在解决不存在的问题。
你的数据量撑不起一个团队。私有化部署、一体机、模型微调、权限体系,每一项都要人守着。信通院 2026 年 3 月的中小企业报告提到已有 100 余家企业推出大模型一体机产品,但也把「人才短板」与「成本高」列为困难。
没人负责数据合规。Deloitte 调研里「数据质量与可获得性」与「维持现状的流程与激励机制」并列首要障碍,各占 32.7%。
反过来有一种情况不买会输:核心数据出不了门,且不是靠改写提示词能解决的。
OpenAI 的 API 文档写明,符合条件的客户可申请 Zero Data Retention 或 Modified Abuse Monitoring,把内容排除在滥用监测日志外;Anthropic 商业条款写明不得用客户内容训练模型。买 API 加数据协议通常比自建便宜。
四、案例里的数字怎么信
公开报道里最响亮的几个数字,来源质量差别很大。
| 案例与数字 | 出处性质 | 说明 |
|---|---|---|
| Klarna 的 AI 助手处理了 66% 的客服会话、相当于 700 多名全职客服的工作量、2024 年节省约 3900 万美元 | 公司向 SEC 提交的注册文件原文(2025 年 5 月 F-1/A 修订稿与 7 月 SEC 问询回复) | 公司自述,但经过证券监管文件披露。文件写明 AI 处理的对话满意度「与人工坐席持平」(依据公司自己的会话日志与满意度调查),平均处理时长 2 分钟、人工 12 分钟 |
| Klarna 另一组数字:处理 81% 会话、相当于 853 名全职客服、年化节省 5800 万美元 | 2025 年 11 月向 SEC 提交的投资者材料 | 公司自述。材料脚注写明:年化节省是估算,依据是 2024 年 10 月至 2025 年 9 月每月工单减少量与人工成本的对比 |
| Klarna「降到 700 名客服」这个修正 | SEC 问询函 | 监管方注意到媒体报道中 CEO 称服务质量下降,要求公司修改披露。2025 年 3 月的首版 F-1 写的是 62% 会话、800 多名全职客服 |
| 摩根士丹利 98% 的理财顾问团队采用 AI Assistant;文档访问率从 20% 升到 80% | 纳斯达克转载的公司新闻稿与 OpenAI 客户案例页 | 公司与供应商联合发布的自述数据,无第三方审计;页面本身是营销材料 |
上面三行 Klarna 的差别不在真假,而在口径与文件类型:注册文件、投资者材料、监管方要求修改披露的结果。越是效果数字,越需要追到原始文件。
核对时盯住两件事。样本构成:德勤这份调研 67% 的受访者是 CEO、CTO、CIO 及其职能高管,53% 来自 5000 人以上的企业,描述的是大公司而非平均企业。
口径有没有改:站内另一篇《AI 采用率数字怎么读》讲的是同一个坑,同一调查改一次问法,数字就可能从 12% 变成 30%,变化有多少来自真实增长原报告没说。
资料来源与未核实项
已查证(2026-11-10 打开):
- 德勤中国与香港大学《决策者视角下的企业 AI 应用》:deloitte.com 报告页 ↗(中文 PDF 同站)
- 麦肯锡《The state of AI in 2025》:mckinsey.com 报告页 ↗(PDF 同站)
- 长江商学院对 2016 家规上工业企业的 AI 专项调研(澎湃新闻原载,新浪财经转载):finance.sina.com.cn ↗
- 中国信通院《人工智能赋能中小企业高质量发展研究报告(2025 年)》:报告 PDF ↗
- Klarna 向 SEC 提交的 F-1/A 与问询回复:sec.gov ↗;投资者材料 exhibit99.2:sec.gov ↗
- 摩根士丹利财富管理新闻稿:nasdaq.com ↗;OpenAI 客户案例页:openai.com ↗
- 《生成式人工智能服务管理暂行办法》:cac.gov.cn ↗
- OpenAI 与 Anthropic 数据条款:your-data ↗;commercial-terms ↗
未核实项:
- 所有企业案例的效果数据均为企业自述或供应商发布的客户案例,没有第三方审计。Klarna 的数字属 SEC 披露文件,公司自述成分仍在。
- 长江商学院的调研只覆盖规模以上工业企业,不能外推到服务业或小微企业;原文里的 13.5%、6.3%、5.3% 是设备制造、采矿业、化工三个行业的 AI 投入比例,不是行业占比或采用率;数据来自转载原文,未找到报告全文。
- 信通院报告自述其数据「仅代表我院作为科研单位的学术研究成果,不代表政府官方数据口径」。
- 「该不该自建」一节的判断标准是本文基于调研整理的编辑意见,不是任何机构的分类方法。
- 未核实国内模型 API 的报价,故未做自建与调用 API 的成本对比测算,也未核实各家产品的交付周期与总拥有成本。
- 网信办备案数据:截至 2026 年 8 月 31 日累计 1112 款生成式人工智能服务完成备案、731 款完成登记(2026 年 9 月 14 日公告),未逐一核对备案号。
- 本文不构成法律或采购建议。


