“AI基础设施前期投入巨大，一套AI一体机的投资规模往往就达数百万元，甚至高达上千万元。”一位调查机构人士向记者表示，从年度调研反馈及日常服务企业的情况来看，不少企业在AI布局过程中普遍面临较大挑战。

　　尽管人工智能与传统产业的深度融合，正在推动生产流程向智能化、自动化转型，并在一定程度上提升了生产效率和产品质量、降低了单位生产成本，但投资回报率仍是企业最为担忧的问题之一。

　　上述机构的调查数据显示，40%的中国受访企业将财务成本高、投资回报率偏低列为科技应用面临的首要挑战；在中小企业中，这一比例更高，达到49%。

　　记者了解到，中型企业在推进定制化模型开发、云算力结合轻量化硬件应用时，初始投入一般在50万至500万元之间，年运营成本约为30万至200万元，主要应用于AI质检、供应链预测等场景。大型企业若开展大模型训练、搭建本地算力集群，初始硬件及研发投入通常需要5000万元至数亿元，年运维成本也往往从千万元级起步。

　　从成本构成来看，数据工程、模型开发与训练、算力硬件、人才投入以及合规与运维构成五大核心板块。其中，数据工程成本占比最高，约为30%—50%，涵盖数据采集、清洗、标注等全流程。

　　上述人士指出，技术人才短缺成为中小企业推进AI应用的突出短板。部分中小企业甚至缺乏专职IT部门或技术人员，难以有效推动AI项目落地和规模化应用，只能更多依赖成熟产品采购或外部服务商支持，这也在一定程度上推高了综合成本。

　　与此同时，数据成本与数据可靠性问题同样成为企业普遍面临的痛点。

　　前述人士表示：“随着AI布局不断深入，企业面临的痛点也越发具体。一方面，AI输出结果在透明度和可解释性方面仍显不足，难以完全获得企业信任；另一方面，数据安全和隐私保护的担忧持续加剧，且AI系统复杂度越高，这类风险越明显。”

　　在应用端，AI落地同样遭遇现实挑战。北京大学一位教授分享了其一名外国学生的AI面试经历：该学生在与AI交流两三个问题后，对自身表现评价“很差”，认为AI生成内容“与本人情况严重不符，甚至有些胡说八道”，其在AI面试中的表现与正常状态存在明显差异。

　　该教授表示，其团队调研显示，目前约有37%—40%的企业已尝试引入AI应用，主要集中在招聘简历初筛、排班管理、通过工作设计自动化填补用工不饱和时间，以及人力资源行政系统中入职、请假等流程由聊天机器人替代等场景。

　　面对诸多挑战，分阶段投资正成为企业破局的重要路径。前述调查机构人士建议，中小企业可优先采用轻量化的第三方AI工具，这类产品多已通过POC验证并实现市场化推广，风险相对较低、投入可控；大型企业则可按照“试点—推广—深化”的路径推进，先在财务、客服等相对容易落地的场景积累经验，再逐步拓展至更多职能部门，形成协同效应。

　　同时，企业还可积极利用国内配套政策支持，如江苏等地针对大模型应用推出的资金扶持计划，以及科技创新相关的再贷款、利率优惠等金融工具，以缓解前期技术投入压力。