企业AI的隐性税单，藏在数据架构里

过去三年，几乎所有大公司的董事会都批过AI预算。算力、软件、实施服务，一项项都写进了商业计划书。钱花到什么量级了？Menlo Ventures 2024年11月发布的《The State of Generative AI in the Enterprise》报告给出了刻度：仅2024年，企业在生成式AI上的支出就达到138亿美元，是2023年23亿美元的6倍。但SiliconANGLE最近一篇文章点破了一个尴尬的事实：这些预算表里，几乎没有一行是给底层数据架构留的。文章把这叫作「企业AI的隐性税」——它不进采购合同，不出现在汇报PPT里，却在每一个AI项目交付时准时出现。我的判断很直接：未来两年，决定企业AI ROI的不是模型多强，而是这笔税交了多少。

💸 预算表上没有的那一行

金句先行：AI项目烧钱的速度可以预估，但漏算的成本从来不在报表上。

设想一个典型场景：某大型企业立项一个AI应用，董事会批准计划，财务部门搭好商业模型，采购团队谈下三年算力框架。一切看起来无懈可击。然后项目组开工，才发现最基础的问题没人回答——数据从哪来、存在哪、谁负责治理、权限怎么管。这类失败还没上过头条，因为它不像模型幻觉那样有戏剧性，它只是安静地让项目延期、预算膨胀、ROI一再下调。这不是轶事，是有统计的：

• 麻省理工学院 Media Lab 的 Project NANDA 团队2025年发布的《The GenAI Divide》报告，对300多家企业AI试点调研后发现，约95%的企业生成式AI试点未产生可衡量的业务回报，而报告把「数据与流程适配失败」列为主要原因之一。
• 兰德公司（RAND） 2024年的研究《The Root Causes of Failure for Artificial Intelligence Projects》指出，超过80%的AI项目以失败告终，失败率约为传统IT项目的两倍；领导层误判与数据基础薄弱被并列为四大根因之一。
• Gartner 在2024年7月明确预测：到2025年底，至少30%的生成式AI项目会在概念验证（PoC）后被放弃，理由是「数据质量差、风险控制不足、成本攀升或业务价值不清」——四条理由里，两条直接指向数据侧。

这正是「隐性税」的本质：它不是一次性支出，而是持续摊销的成本。算力是一口价，数据架构的债是按月计息。对照Gartner给出的PoC淘汰率可以推断，大量项目在立项环节就缺了数据架构评审——等到集成阶段才发现底层能力缺位，只能边跑边补，而补课的钱，最后都从AI项目的ROI里扣。

这不是国内独有的现象。Gartner 2024年面向全球CIO的调查中，「数据就绪度不足」被反复列为生成式AI落地的首要障碍之一；海外CIO圈子里流传的同一句话是：AI的账，最后都在数据团队身上找补。只是没人愿意在立项报告里写这一行。

🏗️ 旧地基，撑不起新负载

金句先行：给BI报表盖的房子，住不进大模型。

问题的根源在于，绝大多数企业的数据基础设施是为上一个时代的需求设计的。传统数仓和服务于看板的时代，数据是结构化的、批处理的、T+1就够用的。而AI负载完全不同：它要吃原始的、非结构化的文本图片音视频，要求特征新鲜度以分钟甚至秒计，需要血缘可追溯、权限可下钻。地基没换，楼盖得再高也是危房。

数据侧工作量到底有多重，业界早有量级共识。Anaconda 历年的《State of Data Science》调查显示，数据科学家近40%–45%的工时花在数据清洗与准备上；更早被《福布斯》广泛引用的 CrowdFlower 调查甚至给出了80% 这个数字。这意味着所谓「AI工程」，主体从来是数据工程。

完整的AI数据链路长这样：

注意这条链路里，真正的瓶颈往往不在中间那几个光鲜的环节，而在两端：上游的集成管道是否稳、数据是否可信，下游的权限治理是否能通过安全审计。把上面几份调查合起来看，一个可以写进董事会材料的换算是：AI项目约80%的工程量花在数据侧，但绝大多数企业的预算结构恰好倒过来，80%给了模型侧。这个倒挂，就是隐性税的税率。

💰 这笔税到底怎么算

金句先行：隐性税最狠的地方，是它专挑你没设防的科目收钱。

具体拆开看，这笔税有几个典型的税目，每项都能算出数字：

这些税目有个共同特征：单看每一项都不大，叠在一起就是项目利润率的全部。更麻烦的是归因错位——模型效果不好时，第一反应是换模型、调参数，很少有人第一时间去查底层的数据质量。于是修数据的钱，以「多轮模型迭代」的名义反复支出，税就这么越滚越多。

至于「云账单里有多少是在为架构不合理买单」——这个不用猜，Flexera 2024年的《State of the Cloud》报告（调研对象为491家企业）显示，受访企业自估约27%的云支出被浪费，主要流向闲置资源与过度冗余。企业上AI之后存储和集成开支的增长普遍超出立项预期，不是算力太贵，是同一份数据被反复搬运、反复计算。

🚧 补课的人已经上路

金句先行：每当泡沫期的问题显形，基础设施层就开始赚钱。

产业界的反应其实很快，而且反应直接写进了财报：

• Databricks 在2025年初宣布年化收入突破30亿美元，并明确把AI数据平台（训练数据、特征、向量治理）作为核心叙事，2024年底以620亿美元估值完成新一轮融资。
• Snowflake 2025财年（截至2025年1月）收入约36.3亿美元，同比增长约29%，其财报电话会反复强调的三个词是：AI、非结构化数据、治理。

湖仓一体从概念变成了默认选项，Iceberg、Delta Lake这类开放表格式成为各方角力的焦点；Databricks和Snowflake这两家昔日路线迥异的对手，如今产品版图越来越像，都在往AI数据平台的方向收拢。这背后是同一个判断：AI时代的数据平台，必须同时管好训练数据、特征、向量和非结构化资产。

回看这几年的节奏，其实脉络清晰：

平台厂商在补课，企业自己也在补。越来越多团队开始把数据就绪度（data readiness）当作AI立项的前置检查项，而不是上线后的救火项。数据目录、血缘追踪、细粒度权限这些曾被视作「锦上添花」的治理工具，正在变成AI采购清单上的硬需求。这是隐性税被显性化的第一步——只有先看见，才能开始省。

🔍 判断：从买算力到修地基

金句先行：AI竞赛的上半场比谁的模型强，下半场比谁的数据地基便宜、稳、快。

给企业三条务实建议，每条都配了可考核的量化指标：

第一，把数据架构评审塞进AI立项流程，并设置硬门槛。 数据接入、存储、治理三张清单，缺一不过会。可量化验收：每份清单标注责任人与SLA，例如核心数据端到端新鲜度≤5分钟、血缘覆盖率≥90%、敏感字段分级打标≥95%——任一未达标，项目不予进入开发阶段。

第二，ROI测算里必须加一行「数据侧成本」，并给足缓冲。 建议按模型侧预算的至少30%单列数据侧成本科目，覆盖存储冗余、管道维护和治理返工三项预估；宁可高估。验收方式：项目季度复盘时，数据侧实际支出与预估偏差超过20%即触发架构复审。

第三，优先收敛存储层，给出时间表。 以一套开放表格式（Iceberg/Delta Lake）打底的湖仓，替代各管一摊的烟囱系统。可量化目标：12个月内把关键数据副本数从3份以上收敛到「1主+1备份」，存储成本降幅目标20%–30%——对照Flexera调查中27%的平均云支出浪费率，这个目标并不激进。

对厂商而言，机会同样明确：谁能把「数据就绪」做成可交付、可度量的产品能力——比如提供数据就绪度评分、治理覆盖率仪表盘这类可直接写进采购合同的指标——谁就能吃到这轮补课预算。从Databricks和Snowflake的收入曲线看，这部分支出已经从IT预算的边角料，变成了企业数字化投入里增长最快的板块之一。

结语

企业AI的ROI困境，表面是模型问题，里子是架构问题。那笔没人预算过的隐性税，正随着AI项目规模化而复利增长。好消息是，产业已经开始正视它——从湖仓融合到治理工具走热，补课者众。坏消息是，多数企业的预算表还没改。下一轮AI竞争的分水岭，不在模型榜单上，而在每家公司的数据架构图里。早一年修地基，就少交一年税。

参考信源

1. SiliconANGLE：企业AI数据架构成本相关报道

2. MIT Project NANDA，《The GenAI Divide: State of AI in Business》（2025）：约95%企业生成式AI试点未产生可衡量回报

3. RAND Corporation，《The Root Causes of Failure for Artificial Intelligence Projects》（2024）：逾80%的AI项目失败

4. Gartner（2024年7月新闻稿）：预测到2025年底至少30%的生成式AI项目将在PoC后被放弃；2024年全球CIO调查

5. Menlo Ventures，《The State of Generative AI in the Enterprise》（2024年11月）：2024年企业生成式AI支出138亿美元，同比增长6倍

6. Flexera，《State of the Cloud Report 2024》（491家受访企业）：企业自估约27%云支出被浪费

7. Anaconda，《State of Data Science》（2020–2022年历次调查）：数据清洗与准备占数据科学家工时38%–45%；CrowdFlower调查（经《福布斯》引用）：该比例最高达80%

8. Databricks 2025年初公告：年化收入突破30亿美元，2024年底62亿美元估值融资；Snowflake FY2025财报：收入约36.3亿美元，同比增长29%

9. AWS S3 Standard公开定价（美东区域，约0.023美元/GB/月），用于文中存储成本测算