AI 已无处不在，并正在加速一切进程，逐渐成为推动各行各业智能化发展的关键基础设施。
这也是为什么，企业越来越重视 AI 的投资回报率 (ROI)，以及如何将 AI 最有效地应用于自身的业务场景中。
NVIDIA 2026 年“AI 发展现状及趋势”系列调研报告展示了 AI 在各行业的采用情况、应用方向以及企业如何借助 AI 实现投资回报，同时也揭示了企业在应用 AI 的过程中面临的挑战与目标。
今年的报告共收集了来自全球超过 3,200 份反馈，全面反映了 AI 在金融服务、零售与消费品 (CPG)、医疗健康与生命科学、电信以及制造等行业的发展现状。
一个明确的结论是：AI 发展势头强劲。其采用率也在持续攀升。企业正利用开源工具构建并部署面向特定场景的专用 AI 项目，以解决自身的特定挑战。在各行各业中，AI 都在帮助企业提升年度营收、降低年度成本，并进一步提高生产力。
以下是今年报告中的几大核心趋势：
企业级 AI 应用正走向成熟
企业 AI 部署正在持续扩展。
越来越多企业正从 AI 试点和评估阶段，迈向规模化部署。在几乎所有行业调研中，表示其所在机构正在积极使用 AI 的受访者比例均有所提升，而表示仍处于评估阶段的受访者比例持续下降。
总体来看，64% 的受访者表示，其所在机构已在运营中积极应用 AI。略高于四分之一 (28%) 的受访者表示，仍处于评估阶段；另有 8% 表示尚未使用 AI，且暂无相关计划。
北美地区在 AI 采用方面处于领先地位，70% 的受访者表示已积极使用 AI 技术，27% 正在评估 AI 项目，仅有 3% 表示尚未使用 AI。在欧洲、中东和非洲地区，接近三分之二 (65%) 的受访者表示已积极应用 AI。亚太地区的 AI 采用率达到 63%，同时有更高比例 (15%) 的受访者表示尚未使用 AI。
所有调研中都呈现出一个明显的共同趋势：大型企业 (员工规模超过 1,000 人) 对 AI 的采用更加广泛，部署了更多的用例，同时实现更高的投资回报率。超过四分之三 (76%) 的大型企业受访者表示已积极使用 AI，仅有 2% 表示完全未使用 AI。这一趋势背后的原因在于，大型企业拥有更多资本投入 AI 基础设施、数据科学家和专业人才，因此能够在管理层推动下，将 AI 项目从试点阶段推进至生产部署，并聚焦于高度具体且有价值的应用场景。
金融服务行业每天都会产生海量文本、数据、文档和分析内容。纳斯达克作为全球领先的证券交易所及金融科技平台之一，已构建 AI 平台，以优化内部运营并升级对外产品能力，在帮助提升功能性与用户体验的同时，进一步简化内部工作流程。
纳斯达克高级副总裁兼 AI 与新兴技术负责人 Michael O’Rourke 表示，“纳斯达克是一家技术平台公司，AI 能够帮助我们打通不同业务与产品之间的联系。AI 将帮助我们整合来自各项业务和技术的数据，并协助我们打造更优质的产品与服务。”
更多内容可参阅今年的《金融服务行业 AI 发展现状》调研报告。
AI 正在提升生产力
今年的调研揭示了企业部署 AI 的三大核心目标，分别是：提升运营效率 (34%)、提高员工生产力 (33%)，以及开拓新的业务机会与收入来源 (23%)。
超过半数 (53%) 的受访者表示，员工生产力的提升是 AI 对业务运营带来的最大影响之一。其应用场景广泛，包括加速金融市场分析，以及利用数字孪生提升工厂车间效率。
例如，在今年的 NVIDIA《电信行业 AI 发展现状》调研报告中，99% 的受访者表示 AI 帮助提升了员工生产力，其中四分之一认为提升幅度显著或者非常显著。
生产力提升还会在整个企业内部产生连锁效应。例如，42% 的受访者表示 AI 带来了运营效率提升，34% 表示 AI 帮助企业开拓了新的业务和营收机会。
制造业是从 AI 融合中受益的典型行业之一。
例如，西门子正通过将 AI 集成到其工具与应用中，帮助制造企业提升生产力并优化工作流程。
百事可乐是率先使用该技术的公司。它与西门子和 NVIDIA 合作，将其部分美国制造与仓储设施转化为高保真 3D 数字孪生系统，用于对端到端的工厂运营及供应链进行模拟。借助西门子的 Digital Twin Composer，百事可乐能够以物理级精度，重建每一台设备、传送带、托盘运输路径以及操作人员动线，使 AI 智能体能够对系统变更进行模拟与优化，并在实际改造发生前识别高达 90% 的潜在问题。
这一方案已在初期部署中实现了 20% 的吞吐量提升，同时借助接近 100% 的设计验证率加快了设计周期，并带来了 10%–15% 的资本支出 (Capex) 下降。
AI 正在提升营收并降低成本
围绕 AI 应用的一个核心问题在于：企业对 AI 的投入，是否真的能够带来营收增长、成本下降，以及生产力和运营效率提升。
而根据受访者反馈，答案是明确肯定的。
总体来看，88% 的受访者表示，AI 已对其部分或全部业务推动年度营收的增长产生了影响。其中，接近三分之一 (30%) 的受访者表示营收增长十分显著 (超过 10%)；33% 的受访者表示增长幅度在 5%–10% 之间；另有 25% 表示增幅低于 5%。超过 40% 的受访高管 (C 级高管或副总裁级别) 表示企业年度营收增长超过了 10%。
在降低年度成本方面，AI 的表现同样起到了显著作用。总体来看，87% 的受访者表示 AI 有助于降低年度成本，其中 25% 表示成本下降幅度超过 10%。在各行业细分领域中，零售与消费品表现尤为突出，有 37% 的受访者表示成本下降超过 10%。
《财富》100 强零售商 Lowe’s 已构建覆盖 1,750 多家门店、由 AI 驱动、物理精确的数字孪生系统，以加速运营效率。该公司还利用 AI 优化资产发现流程，并实现 3D 模型生成，能够在几分钟内将 2D 产品图像转换为精准、高质量的 3D 模型，且单个模型成本低于 1 美元。
更多内容可参阅今年的《零售与消费品行业 AI 发展现状》报告。
智能体 AI 在企业兴起
2025 年，企业开始尝试 AI 智能体，这类先进的 AI 系统能够基于高层级目标自主进行推理、规划并执行复杂任务。本次调研 (数据收集时间为 8 月至 12 月) 很好地反映了这一“探索阶段”，有 44% 的企业在去年已经开始部署或评估 AI 智能体。而到了 2026 年初，企业已将这些试验项目演进为全面部署，应用范围涵盖从代码开发，到法律与财务任务，再到行政支持等多个领域。
在行业层面，电信行业的智能体 AI 采用率最高，达到 48%，零售与消费品紧随其后，为 47%。
AI 智能体正在各行各业、不同规模的企业中落地应用。例如，Clinomic 推出的 Mona 是一款医疗现场 AI 助手，它能帮助医生与护士管理重症监护室的患者。Mona 能够实时整合、分析并可视化患者信息，使病例文档的错误率降低了 68%，从而提升病历准确性与整体护理质量，同时帮助临床人员减轻了 33% 的主观工作负担。
更多内容可参阅今年《医疗健康与生命科学行业 AI 发展现状及趋势》调研报告。
生成式 AI 正成为推动企业转型的最灵活且极具潜力的工具之一，其中数据与预测分析仍是最主要的 AI 工作负载。
总体而言，62% 的受访者将数据分析列为其最主要的 AI 工作负载，而生成式 AI 以 61% 紧随其后，在医疗健康与生命科学、电信等行业甚至超过了数据分析，成为首要工作负载。此外，在北美与欧洲、中东和非洲地区，生成式 AI 同样是最主要的 AI 应用方向。
开源驱动 AI 战略
企业在面向特定业务机会部署并规模化高度专用的 AI 应用时，正获得显著的投资回报。
构建这类高度专用且具备盈利能力的 AI 应用，其关键在于使用开源与开放权重的模型与软件。这使组织能够选择最合适的工具解决特定问题，并基于自身数据对模型进行微调，从而部署到生成式 AI 与智能体应用中。
总体来看，85% 的受访者表示，开源对其所在机构的 AI 战略具有“中等到极高”的重要性，其中近一半 (48%) 认为开源“非常重要或极其重要”。
在这一趋势中，小型企业尤为依赖开源。这类企业通常资源有限，且更倾向于自主构建解决方案，而非采购现成的商业产品。其中 58% 的小型企业表示开源“非常重要或极其重要”。此外，在所有调研中，超过半数的高管 (51%) 也强调了开源的重要性。
AI 的成功正在推动预算增长并进一步加码 AI 投入
在今年的调研中，几乎所有受访者都表示，他们在 2026 年的 AI 预算将增加或至少保持不变。
总体来看，86% 的受访者表示今年的 AI 预算将有所增长，另有 12% 表示预算将维持不变。近 40% 的受访者预计，预算增幅将达到 10% 或以上。北美地区的企业表现得尤其积极，有 48% 表示 AI 预算将增长 10% 或以上，在高管层受访者中，也有 45% 持相同观点。
调研还显示，金融服务、零售与消费品，以及医疗健康与生命科学行业展现出最强的 AI 采用率与投资回报 (ROI) 表现。
这些新增投入将主要用于优化现有 AI 解决方案，并在企业内部探索更多应用场景。总体来看，42% 的受访者表示，优化 AI 工作流与生产周期将是 2026 年的首要支出重点；31% 表示投入资金将用于挖掘更多 AI 使用场景。另有 31% 表示，资金将用于建设和接入 AI 基础设施 (例如本地数据中心或云基础设施)。
挑战：寻找 AI 专业人才
尽管 AI 在企业中的发展势头强劲，但整体仍处于相对早期的采用阶段。接近三分之一的受访者表示，他们对 AI 的应用仍处于试点或评估阶段。企业在工作流、运营管理，以及如何获取合适专业能力以推动高价值解决方案规模化落地等方面依然面临诸多挑战。
同时，企业也在持续应对数据相关问题。构建专用 AI 应用，需要企业对自身数据有充分掌控，以便针对特定需求对模型进行微调。在调研中，有 48% 的受访者将“数据不足及其他数据相关问题”列为首要挑战。
紧随其后的是 AI 专业人才短缺问题。38% 的受访者提到，另一项突出挑战是缺乏能够利用这些数据并推动 AI 项目从试点阶段迈向生产部署的 AI 专家和数据科学家。
此外，AI 带来的收益也往往难以量化。例如，员工日常办公效率的提升可能具有一定主观性。因此，有 30% 的受访者表示，缺乏对 AI 投资回报率的清晰认知是其面临的主要挑战之一。
调研方法
本次参与 NVIDIA “AI 发展现状及趋势”调研的受访者，主要包括订阅 NVIDIA 资讯，以及已经在其业务中投资 AI 或对 AI 感兴趣的群体。
本次调研于 2025 年 8 月至 12 月期间开展，共收集了来自金融服务、零售、医疗健康、电信和制造业等行业的 3,200 多份有效样本。受访者涵盖多种职位层级，包括 C 级高管及副总裁 (27%)、总监与经理 (33%) 以及 AI 从业者 (40%)。
从企业规模来看，39% 的受访者来自员工超过 1,000 人的大型企业，27% 来自员工规模在 100 至 1,000 人之间的中型企业，34% 来自员工少于 100 人的小型组织。
地域分布覆盖四大区域：亚太地区 (32%)、北美地区 (26%)、欧洲、中东及非洲地区 (21%)，以及其他地区 (20%)。
本次线上问卷通过 NVIDIA 在全球范围内的订阅分发名单及社交媒体渠道进行收集，在中国和日本则通过第三方机构收集。