如果你这两个月同时盯着几条企业 AI 的新闻，会被一组看似打架的数字搞糊涂：
- 一边，Gartner 预测到 2027 年底，超过 40% 的 Agentic AI 项目会被取消，原因是成本失控、商业价值不清、风险控制不足；
- 另一边，KPMG 的季度脉冲调研显示跨工作流编排"多个 AI Agent"的组织占比，在一个季度内从 9% 翻到 18%；
- 再一边，BearingPoint 的 1,050 人调研发现九成组织即便预期 ROI 有限，仍会继续投资 AI。
"要崩"和"要加"两个信号同时出现，说明用"退潮"或"泡沫"来概括 2026 年的企业 AI，都太粗糙了。真相是：市场没有整体退潮，而是在剧烈分层——一批项目在被砍掉的同时，另一批能力在被加倍投入。这篇文章要把这组矛盾数字对齐，讲清楚到底谁在退、谁在进，以及企业该站到哪一侧。
一、三个数字其实测的是三件不同的事
混淆的根源在于，这三组数字口径完全不同，不能直接对冲：
| 数字 | 它到底在测什么 | 来源与口径 |
|---|---|---|
| 40%+ 项目将被取消 | 用例级的存活率——单个 agentic 项目能否活到 2027 年底 | Gartner，因成本失控/价值不清/风控不足而被主动叫停 |
| 9%→18% 单季翻倍 | 能力级的组织渗透率——多少家企业在做"多 Agent 协同编排" | KPMG AI Quarterly Pulse，Q1→Q2 2026 |
| 90% 继续投资 | 预算级的意向——即便 ROI 不确定也不打算撤钱 | BearingPoint，n=1,050，13 国，2026-08 |
把它们摆正后，矛盾就消失了：被砍的是"具体某个跑不通的用例"，翻倍的是"支撑用例的那层编排能力",而九成继续投的是"整体方向的预算承诺"。三者可以同时为真——一家企业完全可能这个季度砍掉三个试点，同时把省下的钱投进多 Agent 编排平台，并且全年 AI 预算一分不减。
二、被砍掉的那 40%，长什么样
Gartner 给的三大死因——成本失控、商业价值不清、风险控制不足——几乎每一条都能对应到我们此前分析过的具体病灶：
- 成本失控：正是"每百万 token 单价骗人"那个坑。一个 Agent 任务背后几十上百次调用，加上长会话的缓存读取成本随长度膨胀，账单长得没人预料到。Uber 甚至四个月就烧完全年 AI 编码预算。
- 价值不清：麦肯锡早就点破——62% 的企业在试水 Agent，但真正把 EBIT 拉动起来的只是少数；大量项目"能跑通 Demo"却"说不清赚了多少、省了多少"。归因链条断裂，董事会自然先砍这类。
- 风控不足：Forrester 那份准备度差距报告量化过——86% 越过试点、却只有 34% 信任自家 Agent 的行动；仓促上生产平均带来约 210 万美元额外成本风险。扛不住这道风险的用例，会在第一次事故后被叫停。
换句话说，被砍的 40% 不是"AI 不行"，而是"那种没算清成本、没接财务指标、没设治理闸门的粗放式 AI 项目不行"。它们恰恰是过去两年"先铺一堆试点再说"打法的产物。
三、被加码的那一侧：钱正流向"底座"而非"炫技"
再看翻倍的那 9%→18%——它测的不是某个惊艳的单点 Agent，而是"让多个 Agent 协同干活"的编排能力。为什么偏偏是这个在被加码？因为它正是决定一个用例能不能规模化、能不能被治理的底座。这与另外几组信号完全咬合：
- BearingPoint 数据显示，领跑者里 59% 已定义或正在规模化智能体架构战略，而落地者只有 26%——越成熟的组织，越把钱花在"架构"而不是"再多做一个试点"。
- OpenAI DevDay 2026 的重心也不是又一款聊天模型，而是常驻 Agent、Agents API、Marketplace 这些平台层与分发层；
- 各厂商密集发布模型网关、路由、可观测性产品——全是"底座"生意。
结论很清楚：资金正在从"证明 AI 能干一件酷事"转向"搭好让 AI 能安全干很多事的管道"。前者是被砍的对象，后者是被加注的对象。
四、看清"分层"：哪些在退，哪些在进
把"退潮还是加码"这个含糊问题换成一张对照表，决策就清晰了。左侧是正在被市场系统性淘汰的打法，右侧是同期被持续加注的方向——它们往往发生在同一家公司、同一个季度里：
| 正在退（会被划入那 40%） | 正在进（资金与人力流向） |
|---|---|
| 为炫技而做的单点 Demo，跑通即束之高阁 | 能复用于多个用例的编排 / 治理底座 |
| 按"每百万 token 单价"拍板选型，不看任务总成本 | 按"每次成功成本 + 财务归因"重算账 |
| Agent 直连生产库、权限一刀全开、无审计留痕 | 分级权限、人在回路、可熔断的控制平面 |
| 先铺十个试点赌哪个能活 | 立项前先过"可规模化 + 可治理"评估关 |
| 把 AI 预算当成一堆互不相干的部门开支 | 像管投资组合一样统一调配、持续淘汰再投资 |
这张表也给出了一套极简自查法：拿你手上每个在跑的 Agent 项目，逐条对照左栏。只要命中两条以上左栏特征，它就有较大概率成为那 40% 里的一员——与其等它被事故或预算审查砍掉，不如现在主动降级或下线，把资源换到右栏去。反过来，一个项目若能同时满足右栏的多条，它就是值得在"总预算不减"的前提下继续加注的对象。
五、给企业的判断：你该站到哪一侧
第一，主动砍，别等着被动砍。那 40% 迟早会被砍，区别只在你主动砍还是被事故/预算审查逼着砍。建一条硬标准：任何 Agent 试点，若在规定周期内答不上"省了/赚了多少（接到财务 KPI）""权限边界在哪""失败怎么回滚"，就主动下线，把资源腾给底座。主动止损是成熟，不是失败。
第二，把省下的钱投进编排、治理、可观测性，而不是第 N 个炫技 Demo。既然行业在用例层收缩、在能力层扩张，你的资本配置也该同向。衡量进步的正确单位不是"我们上线了几个 Agent"，而是"我们的 Agent 有多少能被统一编排、审计、熔断"。
第三，用"每次成功成本"和"可衡量财务贡献"当去留标尺。被砍的项目往往死于"说不清值不值"。反过来，能把运营指标翻译成收入/成本/利润语言的项目，天然更能扛过这轮筛选。这也正是 BearingPoint 那条发现的用法——领跑者 70% 把 AI 项目挂到了财务 KPI，落地者只有 34%。
第四，别把"九成继续投"误读成"闭眼加码"。九成不撤钱是对"方向"的信心，不是对你手里"每个具体项目"的信心。正确的姿势恰恰是：总预算稳住甚至增加，同时在内部做残酷的用例淘汰——把钱从证伪的旧用例，持续挪向被验证的新用例和共享底座。
六、FAQ
Q1：所以到底是泡沫将破，还是前景大好？
A：都是，也都不是。准确说法是"粗放期结束、工程化开始"。单点炫技和低质量试点在退，编排/治理/成本这些难看的苦功夫在进。会用这套语言做取舍的团队会活得更好，只会堆 Demo 的团队会被列入那 40%。
Q2：我们现在还处在"要不要上 Agent"的争论，该参考哪个数字？
A：别拿 40% 当"那干脆别上"的挡箭牌——它说的是"上错方式会被砍"，不是"上了都会死"。真正该抄的是那条立项前置纪律：先想清楚成本口径、财务归因、权限治理，再开工。按这个标准，你是站在被加注的一侧，而不是被砍的一侧。
Q3：这对国内团队有什么特别提醒？
A：国内市场"先上线、后治理"短期内仍跑得动，但 Gartner 的另一条同源预测值得警惕——到 2027 年约 40% 的企业将因生产事故才暴露治理漏洞，被迫给自主 Agent 降权或停用。今天为赶进度省下的编排与治理投入，会在监管收紧和事故发生时被一次性追讨。趁现在还在"加码底座"的窗口期补上，比事后降权便宜得多。
参考来源（英文一手材料）：
Gartner – Agentic AI Project Cancellation Forecast（到 2027 年底超 40% 项目将被取消；2027 约 40% 企业因事故暴露治理漏洞）
KPMG – AI Quarterly Pulse Survey Q2 2026（多 Agent 编排占比 9%→18% 单季翻倍）
BearingPoint – Scaling AI for measurable impact（2026-10-01，n=1,050，90% 继续投资；领跑者 59% 已定智能体架构战略）
McKinsey – The State of AI 2026（62% 企业试水 Agent，仅少数拉动 EBIT）
