85%的企业 AI 落地卡在数据上，为什么你还在选模型？ 文章

Snowflake Summit 26 现场观察旧金山 Moscone 中心，Snowflake Summit 26主题演讲现场。台上轮番出场的是 Snowflake CEO Sridhar Ramaswamy、埃森哲首席战略与服务官 Manish Sharma、Anthropic 联合创始人 Daniela Amodei、赛诺菲（Sanofi）首席数字官 Emmanuel Trinhard——阵容本身就说明了一件事：这场演讲不是在谈技术，是在谈企业怎么把AI真正用起来。但全场最有冲击力的一句话，不是来自任何产品发布，而是埃森哲首席战略与服务官 Mnish Sharma的一句判断：“ 85%的企业核心问题不是AI，是数据。”这句话之所以有分量，不是因为它新鲜——“数据是 AI 的燃料”已经说了无数遍。而是因为它揭示了一个刺眼的行为悖论：所有人都知道数据重要，但绝大多数企业的实际行动是先选模型，后理数据。先挑发动机，后修加油站。顺序反了。Gartner 的数据印证了这个悖论：88%的企业在 2026 年增加了 AI 资金投入，但只有11%的 CFO 表示企业已经从 AI 中获得了实际财务价值。投入热情高涨，价值兑现惨淡。钱花在了“看得见”的地方——选模型、搭 Agent 框架、做 POC；但真正卡住的那个"看不见"的东西——数据底座，很少有人愿意先动手。为什么会这样？不是企业不聪明，而是三个认知陷阱在作祟。陷阱一：模型选型有即时反馈感，数据治理是长期苦活选模型这件事，天然带着快感。你输入一个 prompt，模型给你一段像模像样的回答，团队兴奋，老板点头，POC 报告写出来漂漂亮亮。这种即时反馈让人产生一种错觉——AI 落地正在推进。数据治理呢？统一数据口径、打通语义标准、建立治理流程——没有哪一步能在一周内产出“成果”。它更像修地下管网：挖开路面，接好管道，再填回去，地面上看不出任何变化。但所有人都知道，没有管网，楼盖再高也住不了人。McKinsey 2025 年的全球AI调研给出了一个耐人寻味的数字：62%的企业已经在试验 AI Agent，但只有23%实现了规模化部署。试验容易，规模化难——因为试验可以绕过数据问题，规模化绕不过。Gartner 的数据更直接：仅有16%的企业将 Agentic AI 部署到了生产环境，55%仍停留在探索阶段。