每月高管会上，公司的 AI 推进小组会放出一页幻灯片，上面写着"全公司 AI 采用率已超过 80%、Token 消耗同比增长 4 倍"，掌声之后，CFO 通常要问一句这些数字体现在损益表的哪一行（来源：《从AI到收入的距离——为什么你公司的AI没有用？》，笔记同步助手，2026-10-07）。
这个问题有数据支撑。德勤 2026 年的调查里，66% 的公司报告从 AI 获得了生产力和效率提升，40% 报告成本降低，但只有 20% 报告实现了收入增长；与此同时，74% 的公司期望 AI 在未来带来收入增长（来源：《从AI到收入的距离——为什么你公司的AI没有用？》，笔记同步助手，2026-10-07）。使用侧并不冷清：OpenAI 的企业研究显示推理 Token 消耗增长约 320 倍，员工每人每天省下 40 到 60 分钟；需要分清的是，前面的"4 倍"是某家公司的内部用量口径，后面的"320 倍"是 OpenAI 对企业客户的整体观察，两个数字说的不是同一件事（来源：《从AI到收入的距离——为什么你公司的AI没有用？》）。AI 在被大量使用，收入那条线却不动。
同一张用量图，两种含义
不对称藏在"Token 用量"这个词里。
对 AI 供应商来说，从使用到收入的路径是 Token 消耗、API 费用、收入，距离为零。对用 AI 的公司来说，路径是 Token 消耗、AI 产出、人工审查、纳入运营、纳入产品、改变客户行为、签约、收入，一条很长的链。
同一张用量曲线，在一家公司展示的是收入本身，在另一家展示的是原材料投入。一家工厂宣布"我们这个月用电量翻倍了"，没有人会把它叫增长。当企业的 AI 成熟度指标就是 Token 用量和用户数时，这套 KPI 其实和供应商的收入 KPI 是同一个数。
企业自己也慢慢意识到了。衡量口径在往财务端挪，但结构性难度不会因为换个 KPI 就消失。德勤预测，到 2027 年将有 50% 的企业部署生成式 AI 驱动的智能体；Gartner 则预测，到 2030 年 80% 的企业会通过 AI 原生开发平台，把大型软件工程团队转成更小、更敏捷的团队（来源：《企业级智能体技术与应用研究报告（2026年）》，03-行业研究）。渗透率越高，"有没有在用"越说明不了问题，账最终还是得落到收入和利润上。
距离越远，看到得越少
距离的杀伤力不在步骤多少，而在每一步的转化率乘起来。
拿一个编程智能体举例：代码生成、审查、合并、发布、功能被使用、留存改善、合同续签、收入。每一步的转化率都不到 100%，总有返工与泄漏；如果平均转化率是 50%，四步之后到达率只剩 6%——一个四跳连接到 1 亿元收入池的 AI 应用，可归因价值约 600 万元，若每年为它付 1000 万，账是亏的（来源：《从AI到收入的距离——为什么你公司的AI没有用？》，笔记同步助手）。
图注：转化率固定时，每多一跳距离，可归因价值就折一次——Token 用量排名和距离调整后的价值排名经常是反的。
瓶颈会往下游迁移
"降本也是利润，有什么不对？"降本有极限。无论削减多少成本，如果收入不增长，利润就会封顶。
效率与收入之间有两处断裂。第一处是时间：把"每人每天省 30 分钟"当成果，记账的其实是一份没行权的期权——释放出来的时间不进工资单，反而常常蒸发掉。第二处是组织：把公司看成流水线，收入流量由最窄的那一环决定。开发每月能做 100 个功能、QA 只能处理 20 个、销售能卖 50 个，那么收入被 QA 钉在每月 20 个；此时编码智能体把开发翻倍，收入一分不涨，涨的是排队的库存（来源：《从AI到收入的距离——为什么你公司的AI没有用？》，笔记同步助手）。
在瓶颈处投资才有效，但瓶颈会迁移：QA 提到 100，流量升到销售的 50 就停住。改善瓶颈之外的地方，只会制造库存——功能库存、内容库存、提案库存。用两倍速度沿错误路线前进，不是增长。
别用 D5 的指标说 D0 的成果
可以把 AI 用例按离收入的远近排个阶梯：D0 是 AI 本身作为产品，D1 是 AI 执行或支持交易，D2 是 AI 改变客户行为，D3 是 AI 构建产品和服务，D4 是 AI 改善内部运营，D5 是 AI 正在被使用。
D4 和 D5 都不坏，问题在于怎么向内部解释。用 D5 的指标（使用率、满意度、Token 用量）去说已经取得了 D0 到 D2 的成果，等于拿用电量冒充产值。内部 AI 用户数的上升，只证明了一件事：内部 AI 用户数上升了。
图注：D0 到 D5 按离收入的距离排列，越靠上越该用财务口径说话；用 D5 的指标宣称 D0 的成果，是常见的错位。
源势AI观点
我们给企业做智能体落地时，会先把"到收入的距离"当成一等问题，而不是等交付完再算 ROI。原因是这个距离不是工具的属性，是用例乘业务结构的属性——同一个编码智能体，嵌在丢单的功能缺口上大约处在 D1、D2，指向内部重构就会被拉到 D3、D4，价值差出一大截。
给两条建议。第一，做一张简单的距离表：每个 AI 举措写一行到收入的路径，标出"今天能测量的点"和"下一个要连接的点"，没有接入关停或扩张阈值的仪表盘，本身就是没连上收入的用例。第二，把瓶颈当路标：别在工时最多的地方部署 AI，要在收入流量受限的地方部署——一个只有三个人用的合同审查智能体，可能比一百人每天用的文档工具更值钱。
话题标签：#AI落地 #ROI #企业智能体
