AI 需求推动利润增长，Deloitte UK 合伙人薪酬达 150 万美元

在人工智能咨询需求推动利润增长之际，Deloitte UK 合伙人薪酬上涨 7%，至约 113 万英镑，即 150 万美元。这一引人注目的薪酬数字，也成为企业 AI 支出趋势的更广泛信号。

这一结果意义重大，因为 Deloitte 年初的表现喜忧参半。由于客户推迟大型变革项目，其技术与转型业务收入在 2025 财年有所下滑。一年后，AI 需求似乎帮助合伙人体系重拾增长动能。

这一变化形成了核心矛盾。许多 AI 项目的回报仍难以证明，但企业日益聘请 Deloitte 等公司来选择系统、重组工作流程、治理数据并管理部署风险。围绕 AI 的不确定性，已成为咨询业务机会的一部分。

AI 需求推动 Deloitte UK 合伙人薪酬上涨 7%

113 万英镑的分配额表明，AI 咨询工作正产生具有实质意义的财务贡献，而不只是咨询销售话术。

根据这份合伙人薪酬报告，Deloitte UK 的权益合伙人在最近一个年度平均获得约 113 万英镑。这比上一年高出 7%。

权益合伙人是可获得可分配利润份额的所有者。因此，他们的平均分配额不同于员工薪资或保证性薪酬方案。该数字反映了合伙企业的利润池、符合资格的合伙人人数，以及该利润池的分配方式。

据报道，截至 2025 年 5 月 31 日的年度中，每位权益合伙人的平均利润为 105.1 万英镑。这一较早的数字比前一年的 101.2 万英镑高出 4%。

Deloitte 的2025 年财务业绩显示了此前这次增长的不同寻常之处。营收下降 1% 至 56.8 亿英镑，而可分配利润增长 4% 至 7.89 亿英镑。

该公司将利润改善部分归因于在艰难市场中更高效地运营。由于客户推迟大型项目，技术与转型业务收入下降 10%，从 18.6 亿英镑降至 16.7 亿英镑。

这一对比让最新结果更具分量。此前，尽管最大咨询业务表现疲软，合伙人利润仍然增长。这一次，Deloitte 表示，AI 咨询需求帮助推动了利润增长。

这并不意味着新增利润中的每一英镑都来自 AI。Deloitte 拥有多个业务板块，包括审计、税务、法律、交易、风险和技术服务。现有报告也没有提供 AI 项目的单独经审计利润数据。

不过，方向已经改变。2025 年，延后的技术支出拖累了收入。到 2026 年，AI 相关需求已足够重要，成为解释合伙人薪酬上涨的因素之一。

Deloitte 此前已表明，其最新财年的表现更为强劲。5 月，该公司宣布超过 6,000 人获得晋升，职级内平均薪资上涨 4.2%，奖金池增长 14%。

该公司还扩大了其英国权益合伙人队伍。其创纪录的权益扩张使权益合伙人总数达到 784 人，其中 68 名薪酬合伙人于 2026 年 6 月 1 日转为权益合伙人。

这一扩张对于解读分配额至关重要。如果总利润池增长不足，增加权益合伙人可能摊薄平均利润。在所有者群体扩大的同时，平均分配额仍然提高，意味着基础经济状况更强，尽管时间点和计算方法会影响比较。

113 万英镑仍只是平均数。它并未揭示新晋合伙人、高级领导者以及负责最大客户账户的合伙人之间的分配差异。不应将其理解为每一位拥有合伙人头衔的人所获得的金额。

它所揭示的是，Deloitte 的所有者在这一年结束时获得了更高的平均利润份额。AI 咨询需求是该公司解释这一结果的核心。

AI 咨询正从实验走向运营决策

客户不再只购买 AI 演示；他们正为有关数据、治理、基础设施、安全和劳动力设计的决策付费。

早期的企业生成式 AI 项目通常始于有限的实验。一个团队可能会测试文档摘要、软件辅助、客户服务文案起草或内部搜索，而不改变更广泛的运营模式。

将这些实验规模化，会带来另一类工作。企业必须决定哪些数据模型可以访问、信息可以在哪里处理、谁来审查自动化输出，以及如何记录故障。

它们还必须将新系统连接到现有技术中。这项工作可能涉及云平台、身份控制、企业资源规划软件、网络安全系统和行业专用数据库。

这些正是大型专业服务公司已经拥有成熟客户关系的领域。Deloitte 可以在广泛的项目中结合战略、实施、税务、风险、审计、法律和劳动力服务。

因此，咨询机会既来自复杂性，也来自模型能力。企业可以迅速购买先进模型的访问权限，却无法同样轻松地重构访问控制、汇报关系、数据所有权和受监管流程。

Deloitte 自己近期发布的内容将 2026 年描述为企业从实验转向规模化运营的一年。这一转变提升了实施工作的价值，因为生产系统需要原型可以规避的控制措施。

AI 监管又增加了一层复杂性。跨国公司必须考虑因司法管辖区和使用场景而异的规则。用于常规内部文案起草的系统，与涉及就业、借贷、保险或基本服务的系统，面临不同的义务。

董事会还希望看到财务依据。他们需要知道，AI 部署是否能缩短处理时间、改变人员配置需求、改善服务，或创造新的收入。这些问题将技术设计与运营指标联系起来。

由此形成了一个广阔的咨询市场。一个客户可能需要 AI 战略和数据评估，另一个则可能需要模型治理、网络安全测试、劳动力培训或理赔流程重构。

Deloitte 还可以在初步评估之外获得收入。大型部署会带来系统集成、监控、合规、托管运营和组织变革方面的工作。

这种持续性工作有助于解释为什么 AI 需求能够影响合伙企业的经济状况。一场简短的高管研讨会产生的费用有限；一项涉及数据、软件、风险和人员的多年转型项目，则具有更大的商业规模。

同样的模式也出现在 Deloitte 的全球业务中。其全球 2026 年业绩显示，截至 5 月 31 日的年度营收为 745 亿美元，按美元计算增长 5.7%。

Deloitte 表示，公司正在投资 AI 联盟、平台、基础设施服务和基于智能体的系统。它还强调，计划到 2030 年投资 30 亿美元，以实现交付现代化并开发新产品。

英国合伙人分配额并不是衡量该全球投资的直接指标。Deloitte 通过法律上彼此独立的成员公司运营，地方业绩取决于当地客户、人员配置、成本和合伙企业结构。

不过，这两项公告指向同一方向。AI 正进入核心服务组合，而不再只是业务边缘的专业实践。

这一发展也给 Deloitte 带来交付可衡量成果的压力。客户只会在有限时间内容忍实验，随后便会询问部署是否改善了收入、服务、风险或成本。

因此，AI 咨询的下一阶段将较少取决于获得模型的渠道，而更多取决于企业能否将这些模型转化为真实组织中的可靠运营系统。

不确定性已成为咨询产品

核心反转在于，对 AI 回报的疑虑正在带来更多咨询需求，而非终结企业支出。

AI 供应商通常将采用 AI 描述为一项技术决策：选择模型、连接公司数据、培训员工，并衡量由此带来的生产率。

大型组织面对的现实却没那么有序。其数据可能分散在业务部门、云账户、本地文件和旧软件中。权限设置可能反映的是多年来的组织变化，而非经过审慎设计的安全架构。

这种碎片化为咨询顾问创造了商业机会。在部署助手或自主智能体之前，企业可能需要梳理信息流、对敏感记录进行分类，并确定每个流程的负责人。

企业还可能需要建立治理架构。必须有人批准使用场景、调查错误、管理模型变更，并决定何时仍必须保留人工审查。

即使模型不断改进，这些任务也不会消失。能力提升可能扩大可用场景的范围，从而带来更多关于自动化应置于何处的决策。

这项工作还跨越组织边界。技术领导者选择平台，法律团队解释义务，财务团队批准预算，业务部门定义可接受的表现。人力资源团队随后要面对培训和岗位重构的问题。

大型咨询公司可以协调这些群体。这种协调的价值，可能高于对哪种模型在基准测试上表现最佳这一狭窄问题的建议。

Deloitte 自身的英国研究说明了采用差距。其 2026 年劳动力调查发现，只有 18% 的英国受访者认为，组织能够有效管理技术实施等变革。

同一研究发现，69% 的受访者认为，组织文化因 AI 而需要发生重大改变。同时，34% 的人表示，其所在组织很少评估 AI 对人员的影响。

这些数字来自 Deloitte 的研究，应视为该公司的证据，而不是对咨询市场的独立审计。尽管如此，它们确实描述了 Deloitte 所销售服务旨在解决的问题。

其机制很直接。企业采用 AI 的速度快于其重构政策、技能和工作流程的速度。由此产生的缺口带来了运营风险，也催生了对外部帮助的需求。

因此，AI 咨询可以受益于高管层两种相反的担忧。领导者担心落后于竞争对手，但也担心部署不可靠的系统或暴露敏感数据。

行动过慢可能付出机会成本；行动过快则可能造成法律、财务、安全和声誉问题。顾问将自身定位于这两种压力之间。

这有助于解释为何即使 AI 项目的回报并不确定，需求仍可能保持强劲。这种不确定性并非咨询项目之外的因素；对其进行评估和管理，正成为项目的一部分。

对企业买家而言，这形成了一种棘手的激励结构。咨询顾问可以因识别 AI 机会而获得报酬，协助实施后，又可以就部署带来的问题提供后续建议。

这并不意味着这类工作没有必要。但它确实意味着，买家需要明确的责任归属、可衡量的目标，以及对结果进行独立审查。

一项有价值的服务合作，应在实施开始前明确预期带来的运营变化。它应建立基线、确定负责任的高管，并说明部署后将如何衡量绩效。

缺少这种纪律，AI 支出可能带来大量活动，却无法形成持久价值。研讨会、原型、许可证和治理文件可能不断累积，而底层流程却基本没有改变。

Deloitte UK 合伙人薪酬表明，对这类工作的需求正在为顾问带来利润。但这尚不足以证明，客户从所购买的项目中获得了同等回报。

这是这则报道中最重要的区别。对 Deloitte 的权益合伙人而言，财务结果很明确；对企业买家而言，结果仍分散在数千个独立项目之中。

四大会计师事务所的竞争对手面临同样的 AI 经济逻辑

Deloitte 的业绩加大了竞争压力，因为每一家大型专业服务公司都在争夺同一批企业 AI 预算。

PwC、EY 和 KPMG 都提供 AI 战略、实施、鉴证、网络安全、税务和劳动力服务等组合方案。科技公司和专业咨询机构也在争夺其中许多项目。

四大会计师事务所拥有多项优势。它们已为大型组织提供服务，了解受监管流程，并与董事会、财务部门、审计委员会及技术负责人保持着关系。

它们还可以在漫长的实施周期中整合多类服务。一家公司可能先提供治理建议，随后继续进行系统集成，并在之后提供控制测试或托管运营服务。

这种广度也伴随着风险。买家必须考虑利益冲突、独立性要求，以及综合性服务商推荐的究竟是最合适的系统，还是规模最大的服务项目。

竞争并不只是 Deloitte 与另一家会计网络之间的较量。它同样是大型多学科公司与云服务商、模型供应商、系统集成商、战略咨询公司和专业 AI 公司之间的竞争。

云公司能够提供基础设施和技术专长。模型开发商对自己的系统有深入理解。规模较小的专业机构则可能在特定行业或工作流程中行动更快。

Deloitte 的优势在于将这些技术组件与既有组织连接起来。它面临的挑战是证明，规模和服务广度带来的是更好的结果，而不是更复杂的项目。

最新披露的竞争对手业绩显示了 AI 为何已成为定位的核心。PwC 的竞争对手业绩显示，2026 财年其英国每位合伙人可分配利润为 93.5 万英镑，较 86.5 万英镑增长 8%。

PwC 将其投资重点与技术、AI、运营模式现代化和劳动力发展联系起来。其合并集团营收下降了 3%，部分原因是中东地区的经营环境。

这一比较需要谨慎对待。不同公司采用不同的财务期间、地域范围、合伙人人群和披露定义。平均合伙人利润并不是一张标准化的排行榜。

即使存在这些限制，Deloitte 约 113 万英镑的平均水平仍高于 PwC 披露的 93.5 万英镑。这一差距既为 Deloitte 的招聘和留任提供了信号，也构成了财务层面的亮点。

专业服务公司依赖能够赢得业务、管理大客户并维持客户信任的资深人才。强劲的合伙人经济回报有助于它们争夺这些人才。

然而，合伙人薪酬上涨可能引发内部紧张关系。员工承担了大型项目背后的大部分研究、实施、测试和项目管理工作，但他们并未以与权益所有者相同的条件参与利润池。

在 Deloitte 所称的“非常强劲的财年”之后，该公司提高了奖金池和职级内平均薪资。这些措施将一部分收益扩展至合伙人之外，但并未消除员工薪酬与所有权回报之间的差异。

AI 可能会加剧这一问题。咨询公司向客户推介自动化，以帮助其提升生产率，同时也在自身的研究、起草、编码和行政工作中应用 AI。

如果公司能以更少的初级员工工时完成更多工作，其传统的人才金字塔可能发生变化。这可能提高利润率、减少入门级机会，或将招聘重心转向监督自动化系统的专业人才。

结果尚未注定。AI 也可能显著增加需求，从而创造新岗位和更大型的项目。Deloitte 在 2026 年晋升了超过 6,000 人，这并不符合“立即替代劳动力”的简单叙事。

更棘手的问题在于价值如何分配。如果 AI 提高了每位员工的产出，买家可能要求更低的费用，员工可能寻求更高的薪酬，合伙人则可能期待利润率扩大。

竞争将决定哪一方获得最大份额。拥有差异化专长的公司可以维持收费，而标准化工作则面临更强的价格压力。

Deloitte UK 合伙人薪酬显示，合伙人在最近一年获得了可观价值。要维持这一结果，公司需要持续赢得业务，同时证明其成果并非竞争对手可以轻易复制。

这笔分配并不能证明 AI 项目正在奏效

Deloitte 的利润在合伙企业层面得到验证，但支撑该利润的客户回报仍更难衡量。

现有报告将 AI 咨询需求与利润增长联系起来，但并未披露 AI 专项营收、项目利润率、客户节省金额，或实现生产部署的项目比例。

这限制了读者应得出的结论。该结果证明企业正在购买建议，但并不能证明每个项目都带来了正向回报。

在客户转型尚未完成时，咨询顾问仍可能确认收入。大型项目可能需要数年时间，其收益还可能取决于后续的流程、人员配置、采用情况或客户行为变化。

衡量 AI 生产率也面临现实问题。起草速度更快，并不自动意味着最终产出更好。处理时间缩短，可能被额外的审查、修正、安全或合规工作所抵消。

有些收益很难与其他变化区分开来。一家公司可能在同一个项目中升级数据系统、重组一个部门、引入 AI 工具并改变绩效目标。

企业可以通过设定基线来减少这种模糊性。它们可以衡量部署前后的处理时间、错误率、客户结果、收入转化率或单位成本。

它们还应计算完整的运营费用，其中包括集成、模型使用、数据准备、安全、培训、人工审查和持续监控。

随着系统开始采取行动，而不只是生成文本，对衡量的需求会进一步提升。代理式 AI 指的是能够在有限监督下规划并执行多步骤任务的软件。

当流程清晰、控制措施完善时，这类系统能够创造价值。但与传统助手相比，它们也可能更快地在互联系统中传播错误。

这正是治理工作仍具有商业吸引力的原因。覆盖更多业务流程的部署，需要更审慎的权限设计、测试、日志记录和升级程序。

然而，治理应服务于明确的业务成果。它不应成为围绕一个经济目的仍不清晰的项目不断扩张的文件层。

此外还存在潜在的需求周期风险。企业当前可能购买建议，是因为高管感到必须制定 AI 战略的压力。一旦初步评估完成，支出可能放缓。

Deloitte 的 AI 需求能否持久，将取决于实施和持续运营。如果客户未能将系统投入生产，仅靠战略工作无法支撑无限期增长。

另一项风险来自内部能力。大型企业正在建立自己的 AI 团队和专业能力中心。随着这些团队成熟，它们在常规部署中可能需要更少的外部协助。

技术供应商也在将更多治理和集成功能打包进平台。标准化工具能够减少常见用例所需的定制化咨询服务。

Deloitte 可以通过转向更复杂的工作来应对，包括受监管流程、行业特定系统以及跨多个职能的转型。这些项目更难标准化，也更难交付。

与此同时，公司必须管理自身的 AI 成本和质量。在客户工作中使用自动化工具能够提高生产率，但也会引发有关保密性、审查、问责和计费的问题。

客户可能不愿为借助 AI 更快完成的工作支付传统费率。届时，公司需要销售成果、专业判断和风险转移，而不能只销售工时。

这种压力直接触及合伙企业模式。更高的生产率可以在短期内提高利润。随着时间推移，透明度更高的买家可能要求将部分节省体现在更低费用或更有力的合同承诺中。

因此，Deloitte UK 合伙人薪酬是一项回顾性的成功指标。它表明，该公司将去年的需求转化为了可分配利润。

但当买家变得更有经验、工具趋于标准化、证据要求更加严格时，它并不能决定同样的经济逻辑是否会延续。

三项信号将检验 Deloitte 由 AI 驱动的增长势头

下一项考验是，AI 需求能否带来可复制的客户成果、持久的咨询收入和可持续的劳动力模式。

第一个信号是 Deloitte UK 的业务线表现。投资者无法像追踪上市公司那样追踪 Deloitte，但其年度披露可以显示，技术与转型业务营收是否已从此前 10% 的下降中恢复。

明显复苏将强化这样一种判断：AI 需求已超越孤立的咨询项目。持续疲软则意味着，合伙人利润可能更多受益于成本控制或其他业务，而非广泛的技术增长。

这一区别很重要，因为咨询需求可能并不均衡。一家公司可以销售 AI 治理和战略服务，同时客户仍继续推迟规模更大的系统项目。

第二个信号是可衡量的客户采用情况。买家应关注与披露的运营结果挂钩的生产部署，而不只是试点、联盟或培训项目的公告。

有价值的证据包括更低的处理成本、更快的周期、更少的错误、更高的转化率，以及在真实工作负载下稳定的表现。最有力的案例还会计算实施和监督成本。

如果这类案例变得普遍，Deloitte 关于 AI 驱动需求的说法将更具实质。如果案例研究仍然模糊，企业买家将对大型转型预算更加怀疑。

第三个信号是 Deloitte 及其竞争对手的劳动力反应。晋升、招聘、薪资增长以及初级员工配置的变化，将揭示 AI 如何影响传统的咨询人才金字塔。

一种由更少初级员工和更多技术专家构成的模式可能支撑利润率，但也可能削弱培养未来管理者和合伙人的学徒体系。

持续的大规模推广和招聘，意味着 AI 正在扩大工作量。若初级岗位显著减少，则可能表明企业正借助自动化改变交付团队的构成方式。

客户应关注这些信号，因为咨询行业的经济模式最终会影响项目合作的经济性。当顾问从 AI 中获得更多收入时，采购方需要判断，这究竟反映了异常旺盛的需求、更高效的交付，还是费用上涨速度超过了实际实现的价值。

知识工作者也面临类似问题。AI 可以减少重复性任务，但也会改变哪些技能更受认可。流程判断力、领域专业知识、验证能力，以及在技术团队与业务团队之间协作的能力，都将变得更加重要。

记录这些变化的组织，需要可靠的方式来保留决策、证据和机构背景。一套可检索的 AI 知识库 能帮助团队将项目假设与后续结果保持关联。

Deloitte 合伙人人均 113 万英镑的薪酬，是该公司所有者取得的明确成果。但这也给为 AI 咨询热潮买单的企业带来了挑战。

在批准下一项合作之前，他们应直接提出一个问题：顾问离开后，能够留下什么可衡量的运营成果？

答案应在部署前记录、部署后复盘；它将决定 Deloitte UK 合伙人薪酬究竟反映了可持续的 AI 经济，还是企业不确定性带来的一段高成本时期。