行业与公司 * 行业：人工智能（AI）行业，特别是生成式人工智能（GenAI）在企业中的应用与投资回报[1][2] * 公司：报告由汇丰银行（HSBC Bank plc）的研究团队发布，提及了麻省理工学院NANDA（MIT NANDA）和沃顿-GBK（Wharton-GBK）的研究[3][4][8] 核心观点与论据 * 反驳“AI泡沫”论：报告不同意当前市场日益增长的“AI泡沫”担忧，认为AI投资能带来可衡量的回报，而非过度炒作[2][9] * AI投资回报证据：引用沃顿-GBK研究，指出74%的企业已从GenAI投资中获得正投资回报率（ROI），与MIT NANDA研究中“95%组织获得零回报”的悲观结论形成鲜明对比[4][9][18][19] * 研究方法差异：认为测量AI实施成功与否很困难，结果对方法论选择非常敏感，MIT研究的95%失败率数据可能值得商榷，而沃顿-GBK研究已进行到第三轮，其时间序列数据更可靠[5][15] * 企业AI应用成熟化：72%的商业领袖报告正在跟踪结构化的、与业务挂钩的投资回报率指标，表明AI正成为更成熟的技术，企业投资从“错失恐惧症”驱动转向更注重问责制[17][18] * 未来信心与投资：87%的领导者对未来2-5年GenAI投资回报加速保持信心，企业正大力投资定制化GenAI用例，IT职能部门的GenAI技术预算平均有30%用于内部研发[22][23] * 生产力提升与竞争压力：AI在可重复任务中采用最强，人机结合工作流能显著提升生产力，未频繁使用AI的企业面临落后风险，AI采用已演变为一场“饥饿游戏”式的竞争[23][24][25][26] * 人力资本增强：89%的商业领袖认为AI是增强而非取代员工，AI战略日益由高层领导驱动，60%的受访公司已设立首席人工智能官（CAIO）角色[27][28] * 市场表现：自2025年2月以来，美国市场一直在奖励那些在财报电话会议中提及实施AI的公司，这些公司表现持续优于同行[32] * 主要挑战：GenAI采用的最大挑战并非技术限制，而是组织准备度差距，包括技能缺口、文化阻力、变革疲劳以及跨职能部门和行业采用不均衡等问题[30][31] 其他重要内容 * AI投资规模：尽管AI相关资本支出相对于国内生产总值（GDP）显得很高，但仅占运营现金流的40%，远低于互联网泡沫时期70%的水平[13] * 企业规模差异：规模较小的企业因能更快将GenAI集成到工作流程中，更早报告正投资回报率，而大型“一级”企业因复杂性更高、实施规模更难，34%的受访者对投资回报持“中性/为时过早”态度[19] * 内部乐观差异：副总裁及以上职位的高层管理者比中层管理者对AI采用速度和投资回报率更为乐观（56% vs 28%认为“快得多”，81% vs 69%认为投资回报率为正）[30] * 行业采用差异：科技/电信、专业服务和银行/金融行业在AI采用上领先于制造业和零售业[30] * 泡沫担忧背景：新闻中提及“AI泡沫”的频率近期激增，这是过去十年中除新冠疫情相关担忧外最大的泡沫恐惧浪潮[10] * 因果证据：已有因果证据表明GenAI能提高一家大型跨国零售企业的收入[14]