2026 年 6 月，大连，达沃斯论坛的会场里，空调开得很足。
一场关于 AI 的平行论坛，台上坐着四位大佬。台下的人，西装革履，表情认真，但眼神有点飘。
他们可能在算一笔账。

全球四大云服务商，今年要烧掉 7250 亿美元。
亚马逊 2000 亿，微软 1900 亿，Alphabet 1800 到 1900 亿，Meta 1250 到 1450 亿。Gartner 更夸张，说全球 AI 总支出要达到 2.59 万亿美元，比去年涨 47%。
钱像洪水一样涌进去。
但兰德公司盯着这些数据，给出了一个刺眼的数字：超过 80% 的 AI 项目，没达到预期。
失败率是传统 IT 项目的两倍。

你品品。
全世界最有钱、最聪明的公司，拿着最烫手的预算，做着最时髦的项目，结果八成在打水漂。
Jonas Prising，万宝盛华的老大，在台上说了句让人清醒的话。97% 的组织已经部署了 AI，老板们台上台下都很兴奋，觉得这是未来。
但 CFO 们关起门来摇头，实际成效，还没看见。
这像什么？
像一场全球性的集体催眠。或者说，像一群人在没有地图的荒野里踩油门，车速越快，心里越虚。

NTT 数据的 Roli Agrawal 打了个比方，我觉得挺准。
AI 是辆 F1 赛车，但路是上世纪 80 年代修的。车再快，路不行，白搭。
这还没完。
你开着开着，突然到边境了。左边行驶变右边行驶，还得掏护照。你的车再贵，规则一变，就得减速。
她说的是 AI 里的主权和隐私问题。
听着像技术细节，其实是国与国之间的博弈。数据不是石油，但比石油更烫手。它流到哪里，哪里就有主权纠纷。你的模型在我的地盘跑，我的公民数据能不能进你的云？
这问题，修多少光纤都解决不了。

薛澜，清华的教授，说得更有烟火气。
修路只是第一步。路好了，想走远，发现没加油站。加油站有了，又发现有人乱开车，得考驾照。
硬件基础设施，软件法规政策，缺一不可。但技术跑得太快，政策追得太慢。这不是哪个国家的问题，是全世界的通病。
AI 的迭代速度，以月为单位。
芯片半年换两代，模型三个月升一级。你砸几十亿建个数据中心，刚封顶，芯片可能过时了。冯俊兰，中国移动的首席科学家，在台上摊了摊手。她说，没人知道未来的 AI 基础设施应该长什么样。
按今天的蓝图建，明天可能就是古董。
这很残酷。但也很真实。

那么企业怎么办？
等所有条件成熟？那黄花菜都凉了。
冯俊兰说，最大的风险，是不愿尝试。AI 像海洋，我们还在表面扑腾。想游泳，得先跳下去。
Roli Agrawal 给了个算法，叫 1234 法则。1 块钱给技术，2 块钱给变革管理，3 块钱给架构和治理，4 块钱给数据。
加起来，技术只占十分之一。
这数字很反直觉。大家都以为 AI 是程序员的事，是 GPU 的事。其实不是。AI 规模化，是人的事，是流程的事，是数据的事。
你的数据如果一团乱麻，上了 AI，不过是让乱麻跑得更快。

她举了例子。
保险业，别搞 400 个场景，就抓两个，理赔和承保。银行业，盯死欺诈检测、交易处理、信贷。制造业，供应链、工厂运营、产品工程。
两到三个领域，全力以赴。
这像打仗。
资源有限，战线不能拉太长。集中火力，撕开缺口，再谈扩大战果。
中国移动干了三年，客服代表砍掉一半。表面看是裁员，往里看是转型。冯俊兰说，别等万事俱备，先跳进去，边游边换气。

但治理怎么办？
Roli Agrawal 说，刹车的存在，恰恰是为了让你敢把油门踩到底。
没有护栏的赛道，没人敢真正加速。
AI 的治理，就是这个护栏。可问题是，全球还没有统一的护栏标准。各国各搞一套，数据跨境像过关卡，模型训练像走钢丝。
创新创造潜力，执行创造影响，治理才能让影响规模化。这句话，值得刻在每间董事会会议室的墙上。
80% 的失败率，46% 的项目在投产前被放弃。这些数字背后，是无数企业的真金白银，是无数打工人的通宵达旦。
技术革命的代价，从来不只是财务报表上的数字。

例子是现成的。
1886 年，第一辆汽车上路。30 年后，它才慢慢进入普通家庭。
AI 的迭代比汽车快一百倍，但配套体系的成熟，未必能快一百倍。我们太急了。急到想跳过修路、跳过了加油、跳过考驾照，直接让赛车满街跑。
达沃斯那间会议室里，空调依旧很凉。但讨论到最后，台上台下的人都明白，AI 的规模化，不是技术问题，是文明级别的协调问题。
芯片会更新，模型会升级，但人的组织方式、数据的治理规则、国与国之间的信任赤字，这些才是硬骨头。
墨迹会干，但路，不会自己长出来。