大厂砸4000万做AI,75%项目失败:中小团队避坑指南
汤森路透砸了4000万美元做AI,CEO逢人就夸。但这笔账,真有那么好算吗?2026年,企业AI项目的失败率依然维持在75%以上——不是技术不行,是从第一天起就没人算清楚这钱该怎么花、怎么回。这篇文章不聊大趋势,只干一件事:拿真实案例拆解,给中小团队一套能用的AI投入判断框架。先从汤森路透这4000万美元说起,看看大厂做AI,葫芦里卖的什么药。1
汤森路透4000万买了个什么?
汤森路透2026年8月发布自研大模型Thomson,对外宣称投入4000万美元。这个数字听起来吓人,但真相藏在细节里——4000万美元不是买了一个能打的AI,而是买了一套控制权。模型底座是阿里千问,训练用的是Westlaw、Checkpoint、Reuters这些压箱底的专业内容,经帝国理工学院重新对齐安全与伦理标准后,再用内部数据做后训练和强化学习。2
为什么不用现成的?汤森路透CTO说了大实话:OpenAI、Anthropic这些美国闭源模型长期成本高,而且没法高自由度调整。专业场景里,可控性比通用能力更重要——文档审查、检索引用、权限管理、出错追溯,这些活通用模型干不稳。Thomson的第一站是CoCounsel Legal的表格分析功能,用来批量审阅结构化法律文件,其他场景继续调领先通用模型。多模型架构,本质上是把AI当工具箱而非一把梭。2
但问题来了:4000万美元的投入,什么时候能回本?汤森路透没有给出明确答案。公司只披露,目前训练用的内容还不到全部自有内容的10%,意味着这套体系还有巨大扩展空间。但这个“空间”是机会还是黑洞,外界无从判断。法律AI市场够大,可竞争对手Harvey同期也推出了自研模型Tenet,底座是中国开源模型Kimi K3。这场仗,才刚开始。3
大厂AI为什么也在亏钱?
汤森路透不差钱,尚且还要算账。更残酷的现实是:全球范围内,75%的企业AI项目没能进入生产环境。信通院2026年报告显示,73%的企业AI项目停留在试点阶段,其中48%直接死于场景选择错误——不是技术不行,是方向从一开始就偏了。4
BCG调研了1250家企业,发现95%赚不到钱的AI项目普遍踩了五个坑:碎片化投入、AI嫁接旧流程、深层项目失速、技术业务脱节、成本无控制。最典型的症状是:10个以上试点同时跑,结果没有任何一个场景真正打穿,单点验证根本无法覆盖全流程成本。这不是技术问题,是管理问题。1
大厂为什么也逃不掉?因为AI的价值从来不在模型本身,而在业务流程重构。BCG的分析一针见血:多数企业只算了第一层——直接成本节省(人力替代),却忽略了间接效率提升(流程加速)和战略价值创造(收入增长)。用一个不完整的公式算ROI,结果只能是负的。1
中小团队跟大厂的差距,不在钱
大厂烧4000万做AI,亏了还能撑;中小团队烧400万,可能直接伤筋动骨。差距不在预算规模,而在风险承受能力和ROI计算逻辑。大厂可以同时跑10个试点,用概率博一个爆款;中小团队必须一击命中,因为没有第二次机会。
5%高回报企业和95%亏损企业的区别,不在于投入多少,而在于怎么花。头部企业年均投入80-300万,底部企业也是50-200万——钱差不多,结局天差地别。差距的核心在三件事:聚焦1-2个核心场景而非撒胡椒面、按月跟踪量化ROI、持续迭代而非上线即终点。5
一个长三角减速机制造企业的路径值得参考:花一个月做诊断,找12条产线的成本结构,发现3个ROI最高场景(预测性维护、质检AI、供应链优化),最终只选预测性维护一个先打穿。从0到1需要集中资源——这句话听起来像废话,但95%的企业就是做不到。5
什么钱该花,什么坑要躲
中小团队做AI投入,先问自己四个问题:这笔钱亏了业务还能转吗?数据质量够不够喂AI?团队有没有人能驾驭AI工具?预期ROI是多少、时间窗口是几年?任何一个问题答不上来,这笔钱就不该现在花。
三个坑必须躲开:第一,只算技术成本,不算隐性成本。数据治理占总投入20-30%,流程改造占15-25%,组织培训占10-15%。一个客户说花80万买GPU和API,结果第一年真实支出是180万——多出来的100万全砸在数据和流程上了。5
第二,场景选错,ROI永远为负。老板看到竞品用AI客服,自己也上AI客服,但客服团队只有3个人、月人力成本3万,花50万上AI客服,ROI怎么算都是负的。正确的做法是先算场景的ROI天花板——年节省人力成本加年新增收入,除以年AI总投入,比值小于1.5的场景直接砍掉。5
第三,卡在PoC阶段,永远上不了线。企业花30万做了AI试点,效果不错,然后呢?没有然后了。从试点到生产,需要额外投入模型部署、监控、安全合规、员工培训——这笔钱通常是试点投入的3-5倍。很多企业卡在这里:试点花了30万,上线要150万,老板一犹豫,项目就凉了。
- 成本透明性
报价单里,算力、集成、定制是不是分项列明?有没有模糊打包、后期强制订阅升级的套路?6 - 算力适配性
服务商是直接推高端GPU方案,还是先了解业务场景、帮你匹配轻量化模型?后者性价比通常更高。 - 交付性价比
有没有标准化模板降低定制量?交付方式是不是驻场式,能减少远程沟通返工?这些直接影响总拥有成本。
汤森路透教给中小团队的道理
汤森路透4000万美元买的不是模型,是模型主权——决定版本、部署地点、评估集和安全边界的能力,以及把内容、工具、订阅工作流重新捆在一起、继续掌握用户界面与定价权的资格。这个逻辑,中小团队也能借鉴:不是买最贵的AI,而是买最适合自己的控制权。7
对于绝大多数中小企业,优先选轻量化SaaS工具或API集成,谨慎直接上私有化大模型。阿里云2026年3月统计显示,企业AI智能体整体投入中,算力约占32%、系统集成占28%、定制开发与运维占40%——超过65%的企业因为对成本结构判断失误最后预算超支。轻量化模型方案,硬件投入能控制在4万元以内。6
一个值得参考的落地节奏:先从最乱的环节开刀——直接挑全公司每月耗人力最多的重复岗,把该岗位过去半年的所有业务原始数据导出来喂给AI做定向训练。佛山一家五金厂这么做后,3个对账人员全部转去做大客户跟进,整体运营成本降了近两成。账要按3年使用周期分摊,不是按一次性成本算。8
常见问题避坑指南
- 别拿单一维度人力节省当ROI唯一评判标准,要把库存周转、订单逾期、售后返修这些隐性收益全折算进去,否则从根子上就算不准。
- 别把线下跑了十几年的旧流程往AI里硬灌,要先对齐口径定义,郑州某汽配经销商因为这个坑差点给客户多打十几万返利。
- 别等半年才拉一次大盘数据,每周固定抽15分钟扫一遍AI模块运行状态,哪件事卡住了、哪个数据跑偏了,发现这些就够了。
- 别一次性全量上线,先拿一个小环节试跑两周,数据全对之后才逐步放开权限,留10%人工抽检做缓冲。
一句话判断要不要投AI
回到最初的问题:中小团队该不该投AI?先算账,再投钱——ROI低于1.5的场景直接砍掉,不要怕落后于趋势,因为95%的趋势都在亏钱。投入多少合理?一个场景打穿,比十个场景都试一遍强。集中资源做透一个高ROI场景,拿到可量化的收益后,再扩展第二个、第三个。
汤森路透花4000万美元,买了控制权,也买了不确定性。中小团队没有这个试错资本,更要把每一分钱都花在刀刃上——不是买最贵的,是买最值回票价的。AI不是技术问题,是账没算明白的问题。把账算清楚,这事就靠谱了一半。
当前文章无评论,是时候发表评论了