大厂都在 AI 化，中小企业连门票都买不起

这一轮 AI 红利，正在悄悄拉大企业间的差距。

上周有两天，我刷到两条消息，前后隔着不到 48 小时。 一条是 9 月 4 日，工信部发布《人工智能中小企业创业支持计划（2026—2028 年）》，三年要新培育 1 万家科技和创新型中小企业、2000 家专精特新"小巨人"。 另一条是各大厂二季度财报：腾讯单季资本开支 527.84 亿元，同比增长 176%；阿里单季 676.78 亿元，同比增长 75%。 一条在说"扶小"，一条在说"我在砸几千亿"。 把这两条放在一起看，你会明白现在企业界正在发生什么。

先看一个让我算了两遍的数字

腾讯 2026 年二季度，单季资本开支 527.84 亿元。

那中小企业的 AI 预算是多少？长江商学院 2026 年对全国 2016 家规模以上工业企业的专项调研里有个数据：在 500 人以下的中小企业中，AI 支出落在 2 万到 10 万元区间的，占 42.6%。

我拿计算器按了一下：腾讯一个季度的投入，大约相当于 52 万家中小企业一整年的 AI 预算。

这个数字我算了两遍，因为第一遍我不太信。

往上看还有更狠的——阿里三年 3800 亿元的 AI 基建计划，到 2026 年 6 月末已经投进去约 1900 亿元；字节跳动 2026 年 AI 基础设施开支计划上调到 2000 亿元；百度全年 400 到 500 亿元；快手也给了 260 亿元。美国那边，亚马逊、Alphabet、微软、Meta、甲骨文五家 2026 年资本开支合计接近 8000 亿美元。

代价也写在同一份财报里：阿里二季度净利润同比暴跌 75%，自由现金流是 -446.7 亿元。这是拿现在的利润，去换一张未来的船票。

采用率的鸿沟，比预算差距更扎心

钱只是一面。真正让我后背发凉的是采用率。

智能体部署的差距更夸张：全球五百强企业部署率 55% 以上，国内中大型企业 40%，中小微企业不足 15%。

而不管企业大小，实体企业的 AI 整体渗透率，其实只有约 10.0%。

另一个角度更形象：Techaisle 2026 年的调研里，已完成智能体架构部署的企业中，中型市场企业智能体与员工的比例是 144 : 1，小企业只有 59 : 1。 大公司一个人背后站着 144 个智能体，小公司一个人背后站着 59 个。 差距不只在"有没有"，还在"有多少"。

"买不起"其实是个误解

这里我得停一下，说个反直觉的东西。

很多报道把这件事讲成"中小企业没钱搞 AI"。但那份长江商学院调研里有个数据，比"没钱"更值得琢磨：

在还没采用 AI 的企业里，高达 79.2% 说核心阻碍是「场景不适用」。

不是买不起，是买了不知道往哪用。

这个区别非常要命。如果是钱的问题，给钱就能解决；如果是场景问题，给多少钱都会打水漂。中研普华的数据印证了这一点：头部企业落地 AI 后效率提升 20%–30%，而中小企业的浅层落地项目，平均效率提升不足 10%。

还有一个更冷的數字：79% 的企业已经开始了某种形式的 AI 智能体探索，但只有 11% 真正进了生产环境，规模部署的只有 2%。 每 100 家在搞 AI 的公司里，只有 2 家真正让它跑起来了。

大企业试错十次，九次失败还有一次成了；小企业试错一次，可能就伤筋动骨。

企业版 K 型分化，和个人版是同一件事

我前几天写过就业市场的 K 型分化——AI 把劳动力市场劈成两笔，上 K 是被 AI 抬升的人，下 K 是被 AI 压缩的人。

现在把镜头从人拉到公司，你会发现同一条线，也在企业层面劈开。

上 K 的企业：有数据、有预算、有工程团队，AI 是把它们原有优势再乘一遍。500 人以上的大企业里，单笔 AI 投入超过 500 万元的占 21.3%，它们做的是多部门、多系统、多场景的底层重构。

下 K 的企业：在 2 万到 10 万这个区间做局部修补——加个视觉质检探头、买个客服机器人。不是不用，是用不到核心流程里。

可怕的地方在于，AI 是典型的规模效应放大器：数据越多模型越准，模型越准客户越多，客户越多数据越多。这个飞轮一旦转起来，后来者要追的就不是一项技术，而是几年的差距。

而中小微企业占了中国企业总数的 99% 以上。这条线如果真的劈实了，被影响的不是几家公司的胜负，是绝大多数人的饭碗。

但另一件事正在同时发生

讲到这里好像很悲观。但我想说，这个故事还有下半段。

前面提到的工信部那份计划，我认真读了全文。里面有几个提法，在产业政策里相当罕见——

它直接点名要支持"一人公司"和"超级个体"。

以前的扶持对象，好歹得是一家成建制的企业。现在直接点名"一人公司"，说明决策层注意到一个正在发生的变化：当大模型同时拉低了研发、设计、内容生产的门槛，企业的"最小可行规模"正在被改写。过去要十个人才能启动的项目，现在一个人加几个 AI 工具就可能跑起来。

文件里另一个关键词是"普惠算力"。这个比喻很准：算力是 AI 时代的基础设施，地位相当于工业时代的电力、互联网时代的宽带。 电力从昂贵的自备电厂变成无处不在的电网，才有了成千上万的制造企业；宽带从专线走向光纤入户，才有了互联网创业的黄金十年。 算力正在经历同样的过程。前两年一张 A100 被炒到十几万元，训练头部大模型动辄上亿——中小企业根本进不了场。而现在开源模型大量涌现、算力价格持续下降，叠加普惠算力政策，相当于在"通电"的关键节点又推了一把。

文件里还画了一张三层结构的图，我觉得说得特别清楚：大企业做通用平台，中小企业做垂直应用，超级个体承接碎片化需求。 只抓平台、不抓应用，就像修好了高速公路却没有车跑。

缝隙在哪：AI 降低的是执行成本，不是判断成本

那中小企业到底能赢在哪？我把手上的资料翻了一遍，答案其实挺清晰的。

第一，别碰底层，做"蒸馏"的吸收者。 中小企业完全不该自研大模型。真正的机会是：基于已经很强的大模型，训练体积更小、成本更低、针对性更强的领域专用模型。与其养一个无所不知但昂贵的"通才"，不如训练几个小而精的"专才"，各自处理特定任务。底层世界模型、万卡算力，交给头部去做；你只做行业微调和专属智能体搭建。

第二，从"偶尔用工具"转向"持续运转的数字员工"。 大多数中小企业用 AI，还停留在"偶尔让 AI 写段文案"。但真正的分水岭是把它变成工作流——一个 agent 连续调用几十上百次 API 去完成一整件事。 而 token 成本的每一次下降，都在直接扩大 agent 能跑的任务边界。这就是为什么前面那轮 token 价格雪崩，对中小企业其实是好消息。

第三，守住 AI 抢不走的那部分。 这一点最要紧。AI 能压掉的是复杂度和执行成本，压不掉的是：你离客户有多近、你对某个行业的手感、客户是不是认你这个人。 有句话说得挺狠：靠复杂度建起来的护城河正在崩塌，活下来的不是功能最全的公司，而是适应和迭代最快的。

对不同人的启发

如果你是中小企业老板： 别买"AI 战略"，买"一个具体场景"。78% 的失败不是技术失败，是场景没选对。先挑一件最重复、最耗人、最容易验收的小事，跑通一个再上第二个。 另外，把老员工脑子里的行业经验尽早打包成 AI 能复用的东西——员工会流动，Know-how 不该跟着走。

如果你是打工人： 公司的 K 型分化，最终会落到你头上。判断标准很简单：你所在的公司是在用 AI 重构核心流程，还是只买了个客服机器人。前者你在上 K，后者你要小心。 另外，学会当 AI 的老板——给它清晰目标、配套工具、验收标准，而不是只会丢单一指令。

如果你想创业： 现在有个挺有意思的组合：懂 AI 工作流的年轻人，配上懂行业的传统老板。前者缺产业深耕，后者不懂智能体。这两个凑一起，是当下效率最高的创业组合，也是"重度垂直产业重做一遍"最现实的路径。

前两年大家比的是"谁的模型参数大"。 接下来比的，是"谁真的用起来了"。 而用得起来的前提，从来不是钱最多，是场景最具体。