AI赚了185亿，公司却没变强

写这篇稿子之前，我特意翻了翻桌面上的 State of AI Report（2025） 摘要版——313页的报告里，最扎眼的不是某个新模型跑分，而是一组对比数字：一边是16家头部AI-first公司年化总收入185亿美元，进入百亿美元时代；另一边，DX跟踪400家公司16个月，AI工具使用量涨了65%，代码交付量只涨了不到10%。

钱在进，效率没出来。这两个事实放在同一张桌上，就是2025年到2026年初AI行业最大的拧巴。

我的判断很直接：AI的红利是真的，但绝大部分企业只吃到了'个体增强'这一层，'组织增强'那一层还没人真正解锁。 对机器人行业从业者来说，这个判断尤其重要——因为具身智能要落地，恰恰卡在同一个问题上：你给产线装了灵巧手，但产线还是那条产线。

📈 赚钱的公司都在哪？

先看钱在哪儿。

Nathan Benaich 是 Air Street Capital 的合伙人，连续第8年发布 State of AI Report。这份报告最大的价值，是把散落在研究、行业、政治、安全领域的几千个'点'连成'网'——哪些赛道在挣钱，谁挣钱了，一目了然。

截止2025年8月，16家头部AI-first公司年化总收入185亿美元。这不是PT wantrevenue，是实打实的ARR。报告开篇那句话我印象很深：2025年AI行业最重要的变化，是实际业务终于赶上了过去的'炒作'叙事。

翻译成人话：前几年是PPT换钱，现在是有真实的生产系统在跑。AI开始重塑能源市场的供需、引导资本流动、影响新的政策框架制定。Sam Altman 那句话也被报告引用了——'社会与技术必须共同演进，这是一个持续、相互适应的过程。'

但别急着兴奋。185亿美元听起来吓人，摊到全行业的企业IT支出里，还是零头。头部公司赚钱，和千千万万企业用AI赚到效率，是两码事。 前者是模型厂商的生意，后者才是AI作为'通用技术'真正的兑现方式——而后者，恰恰是现在最说不清的地方。

⚠️ 65%的使用量，10%的产出

接下来是本文最硬核的一组数据。

开发者效率研究机构 DX 跟踪了400家公司，跟踪周期16个月。结论：AI工具使用量涨了65%，代码交付量只涨了不到10%。

另一个更狠的：美国国家经济研究局（NBER）调查了约6000名企业高管，超过80%认为AI对生产力没有可测量的影响。

工具用起来了，人变快了，交付没变快。生产力去了哪里？

答案是：被个体吸收了，没有被组织兑现。 ChatGPT 让所有人变成了超级个体——一个人能干以前一个小组的活，OPC（一人公司）这种新形态开始涌现。但公司层面的生产力有质的提升吗？很难说。开发者的时间是省下来了，省下来的时间去哪儿了？开会、对齐、等评审、填流程。瓶颈从'写代码'挪到了'代码之外'，而流程之外的部分，AI一根手指头都还没碰到。

据多位接近企业数字化转型的从业者私下讲，很多公司内部的AI落地项目，KPI是'使用率'而不是'产出'——采购了Copilot席位就算成果，至于代码交付量、需求周期，没人敢背。这不就是另一种形式的数字化政绩吗？

💡 我们换了电机，但还没重新设计工厂

这个问题一百多年前上演过一次，剧本几乎一模一样。

a16z 最近发了一篇文章《Institutional AI vs Individual AI》，作者是他们投资的公司 Hebbia 的创始人 George Sivulka。他举的例子很经典：1890年代，工厂开始换上电动机。当时所有人的预期是——电比蒸汽干净、灵活、高效，效率该起飞了吧？结果此后30年，工厂产出几乎没变。

为什么？因为工厂还是按蒸汽机的逻辑设计的：一台中央动力源，一套天轴地轴传动系统，机器围着动力排布。换成电动机，只是把动力源换了个地方，整个生产组织方式纹丝不动。

直到1920年代，有人开始拆掉旧厂房，按电力的逻辑重新设计生产线——机器按工艺流程排布，每个工位独立供电，流水线这才诞生。制造业的生产率红利，是这时候才真正释放的。

George Sivulka 的说法很直接：'我们换了电机，但还没有重新设计工厂。'

注：图表以电力革命类比AI渗透路径，'30年停滞'与'流水线诞生'为素材中George Sivulka所述史实，G节点为开放问题。

这段历史对当下AI行业的判断意义在于：工具的渗透速度，永远快于组织的重构速度。 电动机从进厂到流水线用了30年，AI大概率不需要30年，但也不会是18个月。现在企业AI落地普遍卡在'工具已部署、流程未改造'的中间态——这正是那80%高管'测不到影响'的根本原因。

据多位接近大厂基建部门的人士透露，一些公司内部已经意识到这个问题，开始把AI项目从'工具采购'改为'流程重构'立项，但真正敢拆掉旧产线式组织架构的，一只手数得过来。

🚗 具身智能的启示：机器人也一样

说回机器人行业。这篇稿子挂'具身智能'的标签，是因为'电机悖论'在机器人领域有个更贴身的镜像。

工业机器人过去几十年的剧本，和电动机一模一样：机械臂本身是'电机'，但整个产线还是按人工作业的逻辑设计的。机器人被塞进旧流程里，干着'更快的手'的活，而不是'新工厂'的活。结果就是——单台机器人效率很高，整线OEE（设备综合效率）上不去，柔性不足，换型要停产调试一周。

现在具身智能来了，叙事是'通用人形机器人替代人'。但如果你按'电机悖论'的逻辑推演，会发现真正的瓶颈不在机器人本体，而在有没有人为具身智能重新设计一条'工厂'：任务怎么拆解给Agent？异常怎么上报？人机职责怎么切？数据怎么回流训练？

产业里已经有迹象。企业侧最愿意为AI买单的场景，从来不是'让所有事更快'，而是那些高决策成本、流程清晰的具体环节——这跟电商那边的观察是同构的。

这里可以提一个跨领域的参照：Ben Thompson 与 MoffettNathanson 分析师 Michael Morton 的对谈里有个判断——AI会改变产品发现的入口，但不会自动抹平支付、库存、履约、配送这些'更重、更慢、更难复制'的东西。翻译到机器人行业：AI会改变'任务怎么被发现和分配'，但不会自动抹平产线的物理约束、工艺约束和供应链约束。重资产、重流程的环节，才是护城河，也才是AI真正该去啃的硬骨头。

🔋 下一个战场：Institutional AI

把上面的逻辑收敛一下，AI行业的下一阶段竞争，关键词是'Institutional AI'（组织级AI），而不是'Individual AI'（个体级AI）。

个体级AI的红利，模型厂商和个体用户已经吃到了——185亿美元就是证据。组织级AI的红利，还没有一家公司真正示范过'标准答案'。谁能先做出那个'拆掉旧厂房、按AI逻辑重建产线'的样本，谁就拿走下一个十年的话语权。

对创业公司来说，这意味着机会窗口：大企业改组织最难，恰恰是创业公司用AI-native的方式重新设计业务流程、然后用机器人/Agent去执行的最好时机。OPC（一人公司）只是第一步，下一步是'一人指挥、Agent军团执行、机器人落地'的新型组织。

小结

185亿美元的收入证明AI是真的，80%高管测不到生产力影响，证明AI还远没到兑现的时候。

这两件事同时成立，恰恰说明我们正处在George Sivulka所说的'换了电机、没重新设计工厂'的阶段。个体增强的红利已经见顶，下一波红利藏在组织重构里——对软件是流程重构，对具身智能是产线重构。谁先拆厂房，谁先吃到肉。