2025年06月21日
《AWS生成式AI采纳指数》报告说了什么？
《AWS生成式AI采纳指数》深度解读报告：战略、风险与未来展望
提要
本报告对《AWS生成式AI采纳指数》进行了深度剖析，旨在为企业高层决策者提供战略洞察。报告的核心发现揭示了一个快速演进但充满挑战的市场格局。
核心发现一：根本性的战略转向。 生成式AI已不再是新兴技术，而是企业战略的基石。其最明确的证据是，生成式AI已超越网络安全，成为2025年企业IT预算的首要任务 ¹。这反映了企业战略重心正从传统的风险规避转向由AI驱动的价值创造。
核心发现二：采纳与准备度的鸿沟。 尽管技术采纳的速度惊人（90%的组织已在部署相关工具），但企业的组织准备度却严重滞后。在变革管理（仅14%的企业制定了相应策略）和员工技能提升方面的巨大缺失，构成了AI投资回报（ROI）面临的最大风险 ⁴。
核心发现三：AI领导力的崛起与对供应商的依赖。 首席AI官（CAIO）在60%的组织中设立，标志着董事会对AI的紧迫感已提升至最高级别 ¹。与此同时，一种务实的“融合与扩展”实施模式导致企业对外部供应商产生了深度战略依赖（65%的企业如此），使得合作伙伴的选择成为决定成败的关键因素 ³。
核心发现四：人力资本的挑战。 规模化应用AI的最大障碍并非技术，而是人才。高达92%的公司计划招聘具备AI技能的人才，但在培训现有员工方面面临巨大困难，这导致市场对有限人才的争夺异常激烈 ¹。
战略建议： 报告总结指出，要在生成式AI时代取得成功，企业必须重新调整其战略焦点。对技术的投资必须与对人才和流程的同等投入相平衡。领导者必须通过倡导企业级的变革管理、投入资金支持稳健且持续的技能提升计划，并构建一个能够安全有效地吸收和利用这一变革性技术的企业文化，从而弥合采纳与准备度之间的鸿沟。
新的战略要务：生成式AI成为核心业务驱动力
该指数揭示了企业技术投资的根本性转变，标志着生成式AI已从一个实验性工具演变为驱动核心业务战略的关键引擎。这一转变不仅体现在预算分配上，更体-现在其与网络安全等传统优先事项之间不断演变的共生关系中。
2.1 IT预算的范式转移
最引人注目的数据是IT支出的重新排序。展望2025年，45%的全球IT领导者将生成式AI列为首要预算重点。这使其显著领先于网络安全（30%）、计算（13%）、存储（7%）和物理硬件（4%） ¹。加拿大地区的数据也呈现出类似趋势，生成式AI工具（42%）与安全解决方案（34%）并列为预算的最高优先级 ⁷。
这种变化并非简单的预算微调，而是资本的根本性重置。它清晰地表明，企业已不再将生成式AI视为一个IT项目或成本中心，而是将其视为驱动收入增长、生产力提升和获取竞争优势的核心引擎 ⁸。这项技术已经跨越了从“新兴”到“基础”的鸿沟，成为企业战略不可或缺的一部分 ¹。
2.2 AI与网络安全不断演进的共生关系
尽管AI在预算中的地位迅速提升，但这并不意味着网络安全的重要性被削弱。恰恰相反，安全仍然是一项至关重要且深度嵌入的考量因素。在金融服务等受到严格监管的行业中，48%的组织在选择AI平台时，将安全和隐私保护功能列为关键要求 ²。
预算数据表面上可能被误读为对安全的降级。然而，来自AWS高管和网络安全专家的评论揭示了一个更为复杂的现实：安全并没有被取代，而是在AI战略的框架内被重塑和整合 ¹。企业信条正从“安全
与创新”的对立关系，转变为“为了创新而保障安全”的统一关系。
这种转变也意味着首席信息安全官（CISO）的职责正在发生深刻演变。一方面，生成式AI的广泛应用极大地扩展了企业的攻击面，带来了如提示注入、模型投毒和数据泄露等新型漏洞 ²。另一方面，IT预算类别中“网络安全工具”的相对份额似乎在下降 ³。这种看似矛盾的现象背后，是CISO职责的扩展而非削弱。他们的预算并未消失，而是被重新分类并整合到更广泛的AI业务案例中。CISO不能再孤立地运作，他们必须精通AI，并积极争取在AI项目内部署安全资源。其角色正从一个以合规为中心的守门员，转变为一个推动安全AI采纳的战略赋能者——这是一个更复杂、对政治智慧要求更高的定位 ²。
表1：2025年IT预算优先级——价值新序列表
| 预算类别 | 将其列为首要任务的IT领导者比例 |
|---|---|
| 生成式AI | 45% |
| 安全 | 30% |
| 计算 | 13% |
| 存储 | 7% |
| 物理硬件 | 4% |
数据来源: Access Partnership对3,739名IT决策者的调查 ⁵
采纳现状：从广泛实验到规模化生产
该指数描绘了一幅企业普遍参与生成式AI浪潮的图景，但同时也揭示了从初步探索到实现规模化价值过程中的关键瓶颈。企业正在积极行动，但将实验转化为生产力的道路充满挑战。
3.1 生成式AI参与的普遍性
数据显示，高达90%的受访组织正在积极探索或部署生成式AI工具，仅有8%表示没有采纳计划 ¹。这种近乎全面的参与度证实，观望已不再是一种可行的策略。市场的驱动力已从对错失良机的恐惧（FOMO）转变为一种战略上的必然要求。现在的问题不再是“是否”采纳，而是“如何”以及“多快”采纳。
3.2 采纳漏斗的现实检验
90%的广泛参与度可以进一步细分为不同的成熟阶段：
探索阶段： 22%
概念验证（PoC）阶段： 25%
向生产过渡阶段： 21%
全面工作流集成阶段： 23%
这一分布表明，尽管参与度很高，但市场成熟度参差不齐。一个关键点是，44%的组织（21% + 23%）已经超越了纯粹的实验阶段，进入了生产环境 ¹。这标志着企业对该技术交付实际业务成果的信心日益增强，尤其是在与专有数据结合并进行模型微调时 ¹。
3.3 从实验到生产的转化率瓶颈
报告揭示了一个关键的瓶颈：平均而言，组织在2024年进行了45个生成式AI实验，但预计到2025年只有20个能够进入生产环境 ⁵。这意味着转化率仅为44%。
这种高失败率并非简单的技术问题，而是更深层次组织问题的征兆。许多项目之所以陷入“试点炼狱”（Pilot Purgatory），是因为组织缺乏规模化所需的熟练人才、整合所需的清晰流程，以及确保用户采纳的变革管理策略。报告的其他部分明确指出，生产部署的最大障碍是缺乏熟练人才、高昂的成本和模型可靠性问题 ⁵。因此，低转化率是组织准备度不足的一个滞后指标，而非试点项目本身的技术缺陷。
表2：生成式AI采纳漏斗
| 采纳阶段 | 组织百分比 |
|---|---|
| 全面工作流集成 | 23% |
| 向生产过渡 | 21% |
| 概念验证 (PoC) | 25% |
| 探索 | 22% |
| 无采纳计划 | 8% |
数据来源: Access Partnership对3,739名IT决策者的调查 ⁵
组织的响应：为AI优先的未来进行重组
生成式AI的浪潮正迫使企业进行深刻的结构性和文化变革。这种变革体现在领导力重塑和组织准备度的提升上，但两者之间的发展速度却严重失衡。
4.1 首席AI官（CAIO）的迅速崛起
一个显著的趋势是首席AI官（CAIO）或同等职位的设立。高达60%的组织已经任命了CAIO，另有26%计划在2026年前设立该职位，届时总比例将达到86% ¹。
为AI设立专门的C级高管职位，是迄今为止最明确的信号，表明该技术已被视为与财务（CFO）或技术（CTO）同等重要的董事会级战略要务。此举将AI的治理和战略规划从分散的部门孤岛中解放出来，置于公司核心领导团队的直接管辖之下，从而确保了战略监督和问责制 ⁷。
4.2 关键短板：变革管理
与CAIO职位的迅速普及形成鲜明对比的是，企业在变革管理方面的准备严重不足。目前，仅有14%的组织制定了正式的变革管理策略，以帮助员工适应由AI驱动的未来 ⁴。尽管预计这一比例会有所上升，但到2026年底，仍将有近四分之一（24%）的组织缺乏相关策略 ⁵。
这可以说是整个报告中最令人担忧的统计数据。它揭示了技术投资与组织准备度之间存在着巨大且危险的鸿沟。正如一位分析师所指出的，这就像只看一两项开支来管理家庭预算；如果不全面审视员工所承受的累积“变革负荷”，组织将面临变革疲劳、采纳率低下甚至项目彻底失败的风险 ⁴。
这种脱节现象催生了一个潜在的“CAIO悖论”。企业正在迅速聘请CAIO，并赋予他们推动AI转型的重任。然而，这些企业却未能为CAIO提供实现转型最关键的工具：一个结构化、资金充足、覆盖全企业的变革管理计划。技术领导者若无法大规模影响和改变人的行为及业务流程，便无法取得成功。这意味着CAIO可能正面临一个“玻璃悬崖”式的困境：他们被赋予了一个高曝光度、高风险的职位，却没有获得成功所必需的组织变革杠杆。他们上任后的第一场、也是最重要的一场战役，可能不是选择正确的算法，而是在组织内部争取政治资本和资源，以弥补变革管理方面的赤字。否则，CAIO将有风险沦为AI炒作的象征，而非商业价值的真正驱动者。
表3：领导力与准备度的失衡
| 指标 | 现状 | 2026年预期 |
|---|---|---|
| 领导力： 设有CAIO的组织 | 60% | 86% |
| 准备度： 拥有变革管理策略的组织 | 14% | 76% |
数据来源: Access Partnership对3,739名IT决策者的调查 ⁵
人力资本方程式：弥合人才与技能的鸿沟
报告明确指出，实现生成式AI价值的最大障碍是“人”的因素。企业在通过外部招聘和内部培养来构建AI能力时，面临着严峻的挑战。
5.1 人才争夺战：前所未有的招聘热潮
数据显示，高达92%的公司预计在2025年招聘需要生成式AI技能的职位 ¹。一些公司甚至表示，未来半数的新增职位都将要求具备这项专业知识 ¹¹。
这标志着劳动力市场正在发生根本性且永久性的转变。生成式AI素养正迅速从一项“锦上添花”的专业技能，演变为跨越多个职能领域的核心能力，涵盖技术、创意和客户服务等多个方面 ⁸。
5.2 技能提升的挑战：从内部构建能力
企业认识到仅靠招聘无法解决人才短缺问题，因此超过半数的组织正在投资内部培训项目 ¹。目前，56%的组织已制定了生成式AI培训计划，另有19%计划在2025年底前制定 ⁵。
然而，这是一条充满挑战的道路。报告指出了制定有效培训计划的几个主要障碍 ⁵：
缺乏实施培训项目的知识（在一个信息图表中，86%的受访者提到了这一点）。
对员工具体技能需求的理解有限（60%的受访者提到）。
预算限制。
人才缺口不仅仅是一个人力资源问题，它已成为整个AI战略的核心业务风险。报告明确指出，“缺乏熟练的劳动力”是阻碍AI实验进入生产阶段的最大障碍（不同来源的数据分别为38%或55%） ⁵。这个问题直接导致了企业对外部供应商的高度依赖，并成为项目陷入“试点炼狱”的主要原因。企业甚至在定义其员工需要具备何种“AI就绪”能力方面都感到困难，这表明问题根深蒂固。如果无法有效解决技能提升的挑战，公司自主创新的能力将受到严重削弱，也无法从AI投资中获取最大价值。
实施蓝图：驾驭“构建、购买与融合”的格局
本节深入分析企业在部署生成式AI技术时所采用的实际策略，揭示了一个以务实和协作为特征的实施格局。
6.1 混合模式的主导地位：“融合与扩展”
数据显示，“从零开始构建”是一种小众策略。绝大多数组织正在采取一种混合或融合的方法 ¹：
58%的组织在预训练模型的基础上构建定制化应用。
55%的组织利用自己的内部数据对这些模型进行微调。
仅有25%的组织打算完全自主开发模型 ¹¹。
这是一种高度务实的策略。它使公司能够利用基础模型提供商（如通过AWS Bedrock提供的模型）的巨额资本投入和专业知识，同时通过注入专有数据来创造差异化、高价值的应用 ¹。这种方法在上市速度和竞争优势之间取得了平衡。
6.2 供应商生态系统的关键作用
三分之二（65%）的组织计划引入外部供应商或合作伙伴来支持其AI部署 ¹。这种高度依赖凸显了企业级AI采纳的复杂性。公司认识到，它们缺乏处理从数据准备、模型集成到安全治理等所有环节的端到端内部专业知识。
这使得合作伙伴的选择过程上升为一个具有战略重要性的决策。一项研究指出，87%的客户将供应商的专业认证（如AWS能力认证）视为首要标准之一，他们寻求经过验证的专业知识来降低风险 ⁶。
6.3 技术选型的关键标准
在选择AI工具时，组织的关注点显示出高度的务实性，他们更关心实际应用而非纯粹的技术炒作。关键的选型标准包括 ⁵：
与工作流程的集成便利性： 64%（首要因素）。
先进的功能： 48%。
负责任AI的护栏： 43%。
“集成便利性”成为首要标准，这一发现意义深远。人们可能预期“模型性能”或“先进功能”会是首选，但数据却指向了更实际的考量。这与报告前面提到的挑战——缺乏熟练人才和变革管理不力——紧密相连。企业领导者们清醒地认识到，世界上最强大的模型，如果无法无缝嵌入现有业务流程并被员工采纳，其价值也等于零。对集成的关注，是一种务实的认知，即部署的“最后一公里”——以不干扰用户工作的方式将工具交到他们手中——是整个过程中最困难也最关键的一环。这表明市场正在走向成熟，从对技术的痴迷转向对实际商业价值的追求。
驾驭逆风：清晰审视挑战与风险
尽管市场对生成式AI充满热情，但报告也清醒地指出了可能导致项目脱轨的关键障碍和风险。正视这些挑战是成功实施AI战略的前提。
7.1 阻碍生产部署的三大核心障碍
报告一致地指出了阻碍AI实验进入全面生产的三个主要障碍 ⁵：
缺乏熟练的劳动力： 38%（另一来源为55% ⁶）。
开发成本： 27%。
偏见与幻觉（模型可靠性）： 26%。
这个由人才、成本和技术组成的“挑战铁三角”构成了任何AI项目的核心风险矩阵。正如前文分析，人才缺口是最尖锐的痛点，直接影响着克服另外两个挑战的能力。
7.2 网络安全的挑战：保卫新前沿
生成式AI的采纳引入了一类全新的漏洞，并极大地扩展了企业的攻击面 ²。网络安全公司OffSec明确警告，“没有保护的创新并非真正的进步” ²。安全不仅是一项功能，更是负责任和可持续AI部署的先决条件。风险是多方面的，包括 ⁶：
数据隐私与泄露： 员工将敏感数据输入公共工具（另一项KPMG的调查也证实了这一点 ¹⁴）。
模型完整性： 模型被投毒或操纵的风险。
提示注入： 恶意行为者劫持模型输出。
不安全的输出处理： 模型生成不安全的代码或有害内容。
行业的应对之策是推动“安全设计”（Security by Design），即在整个AI生命周期中（从数据采集到模型部署和监控）集成安全考量 ²。
7.3 潜在风险：被忽视的变革管理赤字
虽然变革管理赤字并未被直接列为技术障碍，但它是一个战略性的“元风险”，会加剧所有其他风险。一个不理解技术、其益处和风险的员工队伍，更有可能抵制变革（损害投资回报）、犯下代价高昂的错误（增加安全风险），并且无法为创新过程做出贡献（扼杀增长）。解决这一赤字是降低所有其他项目级风险的基础性要求。
表4：规模化应用生成式AI的主要障碍
| 障碍 | 组织百分比 |
|---|---|
| 缺乏熟练的劳动力 | 38% |
| 开发成本 | 27% |
| 偏见与幻觉 | 26% |
数据来源: Access Partnership对3,739名IT决策者的调查 ⁵
战略综合与前瞻性建议
本报告最终旨在将数据洞察转化为可执行的战略，为企业高管在生成式AI的浪潮中导航。
8.1 综合分析：一个“失衡采纳”的时代
《AWS生成式AI采纳指数》清晰地描绘了一个处于快速但失衡转型中的市场。企业对技术抱有极大热情，这体现在预算转移和领导层任命上。然而，这种热情与支持技术应用所需的人力和组织系统的系统性投资不足形成了危险的错配。未来24个月的核心挑战是弥合这一“采纳与准备度的鸿沟”。如果做不到这一点，将导致投资浪费、安全风险增加，并最终无法实现承诺的生产力收益。
8.2 对C级高管的战略建议
建议一：重新平衡投资组合——为“软”基础设施提供资金。
行动： 从生成式AI总预算中明确划拨一个特定比例（例如10-15%），专门用于变革管理和员工技能提升。不要将这些视为次要的人力资源职能，而应将其视为关键路径上的项目依赖项。
理由： 数据证明，人才和组织准备度是主要瓶颈 ⁵。投资技术而不投资于使用技术的人，是失败的根源。此建议直接针对“采纳与准备度的鸿沟”。
建议二：赋予CAIO推动真正变革的权力。
行动： 不仅授予CAIO一个头衔，更要给予其真正的授权和预算，以监督企业范围内的变革管理、AI素养计划和稳健治理框架的制定。
理由： 此举旨在解决“CAIO悖论”。一个被充分赋权的CAIO可以成为组织AI转型的中枢神经系统，确保技术、人员和流程要素协同发展，而非相互冲突。
建议三：采取“安全第一”的AI创新方法。
行动： 从第一天起就将CISO及其团队整合到AI战略流程中。强制要求所有AI项目都经过威胁建模和安全审查，将安全控制嵌入整个AI生命周期。
理由： 报告强调了AI与安全的融合 ²。鉴于AI带来的新型攻击向量，被动的安全态势已不再可行 ²。主动、嵌入式的安全是安全创新和维持合规的唯一途径。
建议四：正式建立战略性的供应商与合作伙伴管理框架。
行动： 制定一个严格的框架，用于选择、管理和治理与AI供应商及合作伙伴的关系。优先考虑拥有经过验证的专业知识（如AWS能力认证）、透明路线图和强大安全态势的合作伙伴。制定多供应商策略以降低锁定风险。
理由： 鉴于65%的公司依赖外部帮助，供应商管理现已成为一项核心战略职能 ¹。草率的合作方式会带来重大的运营、财务和安全风险。
建议五：从分散实验转向价值驱动的投资组合管理。
行动： 从运行零散的AI实验，转向管理一个协调的AI项目组合，每个项目都有明确的商业案例、定义的KPI和规模化路径。优先考虑与核心战略目标一致的用例，如提升客户体验、提高员工生产力或优化业务流程 ¹¹。
理由： 实验的高失败率表明缺乏战略重点 ⁵。投资组合方法确保资源被导向具有最高有形投资回报潜力的项目，推动组织从“为AI而AI”转向“为商业价值而AI”。
引用的著作
Generative AI Surpasses Cybersecurity in 2025 Tech Budgets, AWS …, 访问时间为 六月 21, 2025， https://pureai.com/articles/2025/05/09/genai-surpasses-cybersecurity-in-2025-tech-budgets.aspx
OffSec’s Take on the Global Generative AI Adoption Index, 访问时间为 六月 21, 2025， https://www.offsec.com/blog/offsecs-take-on-the-global-generative-ai-adoption-index/
Generative AI tops cybersecurity in 2025 tech budget priorities, new AWS study finds, 访问时间为 六月 21, 2025， https://www.geekwire.com/2025/generative-ai-tops-cybersecurity-in-2025-tech-budget-priorities-new-aws-study-finds/
Generative AI Adoption Index Perspectives from Global IT Decision Makers | AWS and Access Partnership - BrianHeger.com, 访问时间为 六月 21, 2025， https://www.brianheger.com/generative-ai-adoption-index-perspectives-from-global-it-decision-makers-aws-and-access-partnership/
AWS Global Infographic - Generative AI Adoption Index - GeekWire, 访问时间为 六月 21, 2025， https://cdn.geekwire.com/wp-content/uploads/2025/05/AWS-Gen-AI-Adoption-Index_Global-Infographic.pdf
Securing AI: AWS Marketplace and Partner Solutions from Adoption to Protection, 访问时间为 六月 21, 2025， https://aws.amazon.com/blogs/apn/securing-ai-aws-marketplace-and-partner-solutions-from-adoption-to-protection/
AWS Study: Generative AI Adoption Index - About Amazon, 访问时间为 六月 21, 2025， https://assets.aboutamazon.com/fa/ab/1047220c4cd8aba0fe31a835b1d0/250502-aws-ca-country-report-en.pdf
Unlocking Generative AI’s Potential: Small and medium sized …, 访问时间为 六月 21, 2025， https://accesspartnership.com/unlocking-generative-ais-potential/
AWS Study: Generative AI Tops Corporate Budget Priorities, Surpassing Cybersecurity, 访问时间为 六月 21, 2025， https://www.esecurityplanet.com/news/ai-surpasses-cybersecurity-aws-study/
AWS Survey: Generative AI Surpasses Cybersecurity in 2025 Tech Budgets - THE Journal, 访问时间为 六月 21, 2025， https://thejournal.com/articles/2025/05/13/aws-survey-gen-ai-surpasses-cybersecurity-in-2025-tech-budgets.aspx
AWS Generative AI Adoption Index 2025 Reveals Five Enterprise Priorities - AI KATANA, 访问时间为 六月 21, 2025， https://www.aikatana.com/p/aws-generative-ai-adoption-index-2025
Generative AI, LLMs, and Foundation Models - AWS, 访问时间为 六月 21, 2025， https://aws.amazon.com/ai/generative-ai/
Introducing Amazon Kendra GenAI Index – Enhanced semantic search and retrieval capabilities | Artificial Intelligence and Machine Learning, 访问时间为 六月 21, 2025， https://aws.amazon.com/blogs/machine-learning/introducing-amazon-kendra-genai-index-enhanced-semantic-search-and-retrieval-capabilities/
Generative AI Adoption Index - KPMG Canada, 访问时间为 六月 21, 2025， https://kpmg.com/ca/en/home/services/digital/ai-services/generative-ai-adoption-index.html