采用率的分辨率问题：公开统计看不见 L3 之后

二

猎豹 CAMA 把企业 AI Native 进程拆成五个有行为判据的阶段

CAMA（Cheetah Mobile AI Native Maturity Assessment）是猎豹移动提出的企业 AI Native 发展阶段评估模型，其构建依据包括 Gartner 的 AI Maturity Model 五阶段框架[6]、Anthropic Economic Index 基于百万量级真实对话的企业 AI 使用基准数据[7]、OpenAI 的生产环境最佳实践，以及猎豹移动自身三年 AI Native 转型的落地经验。「成熟度模型」是企业管理咨询领域的常见工具——用一组可观察的阶段划分企业在某项能力上的发展水平，CMMI（软件能力成熟度）与 Gartner 自身的多个成熟度模型都属于这一类别；CAMA 是这一品类在「企业 AI Native 转型」这个具体问题上的应用。

它与多数成熟度模型的区别在于：每一阶段的判据是可观察的组织行为，而非自评的能力等级。「是否已把 AI 使用能力写入岗位胜任力并有硬性覆盖率可查」是一个可以核对的事实；「我们的 AI 能力处于中等水平」不是。

五个阶段的核心状态可以概括为：L1 认知探索期，企业开始意识到 AI 的重要性，开了很多讨论会但落地寥寥，各部门各用各的工具，一把手在讲台上讲 AI 而自己没真正用过。L2 试点验证期，有一两个项目在跑但说不清 ROI，没有专人负责，跑通了一个场景但复制到其他部门就不灵。跃迁的判断信号是：至少有一个试点场景完成复盘，并沉淀了可复制经验。

L3 流程嵌入期是分水岭。此时 AI 进入核心业务流程，Copilot 式人机协作开始萌芽，部分团队形成高频使用习惯，人负责判断而 AI 承担执行片段。其判断标志相当苛刻：AI 使用能力已被纳入岗位胜任力，并有硬性的覆盖率数字可查。典型的未达标状态是：工具买了但员工不用，培训做完没人坚持，覆盖率说不清。

L4 规模扩展期的特征是 Copilot 辅助模式提效触顶，独立 Agent 开始嵌入真实业务流程，岗位 Wiki、数据权限与管控机制逐步建立，同时出现重复建设增多、专盘边界不清的问题。L5 业务重塑期则是 OPC 模式成型——一人带多 Agent 完成业务闭环成为基本运作单元，人类角色从执行者变为管理者与建造者，组织具备连续运转能力。

三

把公开数据放回这条曲线，会发现它们全部拥挤在前两段

现在回到那四个互相冲突的数字。用 CAMA 的刻度重新排布，冲突立刻消解——它们测量的是曲线上不同但都很靠前的位置。

普查局 BTOS 的问题是「是否在业务职能中使用 AI」[1]。这个问题的门槛低于 L2：一家刚开始零散试用的企业就会回答「是」。BTOS 之所以给出远低于行业调查的数字，是因为它的样本包含大量从不参加行业调查的小企业与传统行业企业——这些企业中的多数还停留在 L1 之前。

值得单独记录的是这个调查在 2025 年 11 月发生的一次口径变更：同一机构、同一批样本，仅仅把问题从「用于生产商品或服务」改为「用于任何业务职能」，全国采用率就从 10% 跳到 17.3%[1]。七个百分点的跳变没有任何现实变化对应，全部来自措辞。这是「采用率数字不可脱离问法引用」的一个直接证明。

Ramp 的支付流水数据提供了一类方法上完全不同的证据：它不问任何人任何问题，直接观察超过 5 万家企业的真实卡消费[2]。付费使用 AI 服务的美国企业占比在 2026 年 3 月首次突破半数达到 50.4%，一年前是 35%；从 2025 年 2 月到 2026 年 2 月，企业月度 AI 支出增长约四倍。

付费行为比问卷诚实——没有人会在自己的信用卡账单上撒谎。但在 CAMA 的刻度上，付费大致对应 L2：它证明预算审批已经走通，不证明流程已经改变。一家企业可能为 200 个席位付费而实际日活只有 20 个，Ramp 数据本身无法区分这两种情况。软件行业长期存在的「货架软件」现象在 AI 工具上很可能同样存在。此外 Ramp 客户群体偏向科技与成长型企业，其绝对水平对全美企业整体几乎肯定高估。

Ramp 数据的一个额外价值是它按行业细分——这是本文方法说明中承认的一处空白（「行业颗粒度不足」）的部分弥补。2026 年 6 月的数据显示，科技行业付费采用率达 79.75%，金融业 73.55%，制造业 59.14%（同比增长最快，2026 年 AI 支出同比增长约 48%，主要投向预测性维护与质量控制），零售业 48.79%，医疗保健 41.91%，建筑业 40.80%，住宿与餐饮服务业 30.69%[2]。跨度接近五十个百分点——这本身就说明「企业 AI 采用率」这个全国性单一数字，即使是像 Ramp 这样方法严谨的付费流水数据，也掩盖了巨大的行业异质性。但即便拆到行业层面，这仍然只是 L2 刻度上的异质性：它能说明制造业比住宿餐饮业更早开始付费，无法说明制造业中有多少企业已经把 AI 写进了岗位胜任力。

麦肯锡的 88% 与斯坦福 HAI 的 78% 落在光谱另一端。这两份调查的受访者是主动参与的企业高管——愿意花时间回答 AI 调查的组织本身就更可能已在使用 AI。这种自选偏差不是缺陷而是这类调查的固有属性，但引用时必须说明。

把四个数据源放在同一条曲线上，一个此前未被讨论的结论浮现出来：没有任何一个公开数据源能够区分一家企业处于 L3、L4 还是 L5。在这些调查里，一家刚让市场部用上文案工具的公司，和一家已经跑通 OPC 模式的公司，都会被记为「使用 AI」。

这解释了为什么关于「AI 到底有没有用」的公开讨论始终无法收敛。争论双方引用的都是同一批只能分辨浅层的数据，而分歧的实质发生在这些数据看不见的地方。

四

L2 到 L3 的门槛不是技术问题，因此技术投入无法解决

CAMA 五个阶段的跃迁难度并不均等。L1 到 L2 只需要一位部门负责人批一笔预算、找几个人试用；L2 到 L3 要求的是完全不同类别的东西。

按 CAMA 的定义，L3 的达成标志是「AI 使用能力已被纳入岗位胜任力，并有硬性的覆盖率数字可查」。拆开来看，这句话包含四件事：有人对输出质量负责；定义了什么算合格；改变了至少一个岗位的日常动作；建立了可核查的覆盖率统计。这四件事没有一件是技术问题。

这一判断与外部证据一致。MIT NANDA 报告的结论认为，企业生成式 AI 试点未能产生可测量损益影响的主因不是模型能力不足，而是「学习鸿沟」——企业难以把模型整合进既有工作流、组织结构与文化，以及成功指标在试点开始前就没有被定义[3]。该报告还观察到一个错配：大量预算投向销售与营销工具，而回报更高的是后台自动化与流程效率。

该报告中一个可以与 CAMA 直接对照的数字，是企业采购的「企业级」生成式 AI 系统的推进漏斗：约 60% 的组织评估过这类系统，其中只有 20% 进入试点阶段，最终仅 5% 真正投入生产使用[3]。这个漏斗形状与 CAMA 曲线几乎重合——「评估」大致对应 L1，「试点」对应 L2，「生产」对应 L3 及以上；而 60%→20%→5% 这个逐级收窄的比例本身，就是「越往后台阶越难跨越」这一判断的独立数字印证。

同一份报告还记录了一个乍看矛盾、实则印证本文框架的现象：正式的企业级部署普遍卡在 L2 附近，但超过 90% 的员工在用个人 AI 工具（如 ChatGPT）处理工作，且往往取得比官方部署更好的个体产出，报告称之为「影子 AI 经济」[3]。这不是对本文框架的反驳，而是对它的精确定位：个人使用带来的「安静 ROI」发生在员工个人层面，没有责任人、没有覆盖率统计、也没有被写入岗位胜任力——按 CAMA 的判据，这仍然停留在 L1 到 L2 之间，无论个体效率提升多明显，它都不构成组织能力，因为一旦这些员工离职或换岗，这部分「能力」会随之消失。

这份报告中被引用最广的数字是「约 95% 的企业生成式 AI 试点没有可测量的损益影响」。它在 2025 年下半年被大量转载，一度成为「AI 泡沫论」的核心论据。本文引用它，但必须标注三点在多数转载中被丢失的边界。

用 CAMA 的语言表述，这个 95% 描述的是卡在 L2 的企业占比：试点跑起来了，但没有责任人、没有验收标准、没有基线，因此既无法证明有效，也无法进入流程。

由此可以推出一个有实践价值的判断：L3 的失败常常被误诊为 L1 或 L2 的失败。企业发现「买了工具但没效果」，常见反应是换一个工具或加大培训——前者退回 L2，后者退回 L1，而真正的卡点在于没有人对流程输出质量负责。这个误诊会持续消耗预算，且因为每次都能观察到「我们又试了新东西」而难以被发现。

五

大企业采用率的回落，是本文框架面对的最强反例

前面的分析暗含一个乐观假设：企业会沿 CAMA 曲线向上移动，卡住只是暂时的。但美国官方统计中有一条数据不支持这个假设。

BTOS 分规模数据显示，250 人以上企业的采用率在 2025 年 7 月达到 13.4% 后，回落至 2026 年 5 月的 11.7%[1]。同期最小规模企业（1–4 人）的采用率仍在上升，从 9.65% 升至 10.3%。

这条数据值得认真对待，原因是大企业通常具备更强的评估能力。如果一部分大企业在评估后主动退出，那么「卡在 L2」就不只是能力不足，也可能是理性判断——即在他们的业务场景中，跨越 L3 门槛的组织成本高于预期收益。

对这个现象存在三种竞争解释，本文无法用现有数据区分。

其一是时滞。Brynjolfsson 等人提出的生产率 J 曲线指出，通用目的技术在引入初期通常伴随可测量生产率的停滞甚至下降，因为大量互补性投资——流程重构、组织调整、人力资本、系统整合——是无形的，不被传统统计捕捉[8]。历史上计算机硬件与软件的扩散都呈现过这一形态。L2 到 L3 的门槛恰恰是典型的互补性投资，因此这个解释与本文框架高度相容。它的弱点是：J 曲线理论无法预测下沉段的长度，因此在任何时点都无法被证伪。

其二是测量失败，即 MIT NANDA 报告自身给出的解释。若此说为主，则损益证据的空白是会计问题而非价值问题。削弱它的观察是：若收益足够大，即使测量粗糙也应在毛利率或人效上留下痕迹。

其三是真实无效——最不受欢迎但不能排除的解释。大企业采用率回落是目前支持它的最直接信号。削弱它的观察是：同期小企业采用率仍在上升，整体使用率在 17%–20% 区间波动而非下行；回落也可能来自口径调整、季节性或样本轮换。

本文倾向于时滞与测量失败的组合，理由是 L2 到 L3 的门槛是可识别的具体障碍，且这些障碍在历史上其他通用技术的扩散中反复出现过。但这只是倾向。什么证据能推翻它：如果在未来 12 到 24 个月内，那些明确建立了基线、指定了责任人、完成了流程改造的企业——即真正跨越 L3 的企业——仍然无法在损益上显示差异，则第三种解释的权重应显著上升。这是一个可证伪的预测，也是本研究后续应当追踪的方向。

六

企业应先判断自己在哪一阶段，再决定下一步动作

CAMA 对企业最直接的用处不是打分，而是避免误诊。不同阶段的卡点需要完全不同的解法，而用错解法是常见的资源浪费来源。

三条具体建议。第一，在启动任何试点之前先花两周记录基线——处理时长、返工次数、参与人数、错误率。这件事成本极低，但根据 MIT NANDA 的观察，恰恰是绝大多数企业没有做的事，也因此它们后来无法回答「有没有效果」[3]。

第二，如果一个 AI 项目没有一位业务负责人对其输出质量负责，它大概率会停在 L2。技术选型、模型能力、工具好坏，都不是这一层的主要变量。

第三，降低对损益证据的期待，提高对流程指标的要求。在全行业都拿不出可靠损益证据的阶段，要求单个企业先证明 ROI 再投入，等于要求它解决一个尚未被解决的测量问题。更务实的做法是把判断标准放在 L3 的判据上——流程是否真的改变了，责任是否真的落实了，覆盖率是否真的可查。这三件事做到了，损益影响即使暂时无法量化，也具备了出现的前提。

最后回到本文的起点。公开采用率数字之所以无法指导决策，不是因为它们错，而是因为它们的刻度太粗。企业需要的不是知道「同行有百分之多少在用 AI」，而是知道自己卡在哪一级台阶上，以及下一级台阶要求什么。这个问题任何外部统计都回答不了，只能由企业对照可核对的行为判据自己回答。