Logo
Become a Client

Persona: strategist

2026年7月，世界人工智能大会（WAIC 2026）在上海闭幕。从论坛议题到展区演示都可以清晰地看到，企业对AI的关注点，已不再仅仅满足于大模型技术本身，而是开始严格评估AI能否在实际业务中帮企业降本增效、快速回收投资成本。

在这一趋势下，国内市场竞争日趋激烈；与此同时，海外新兴市场在政策红利与数字化转型驱动下，正释放出不少新的AI预算。对于寻找新增长点的中国技术厂商而言，AI出海正当时。但面对全球不同国家在算力储备、技术成熟度及行业诉求上的差异，企业常面临三个现实问题：该去哪片市场？带什么产品去？主攻哪些行业与场景？

本文基于国际数据公司（IDC）最新发布的2026年V2版《全球人工智能和生成式人工智能支出指南》（IDC Worldwide AI and Generative AI Spending Guide），用量化数据为中国企业的全球布局提供参考。

本文核心结论：

中国企业AI出海，需要从“卖硬件”切换到“卖能力”——依托国内成熟的场景经验，将方案转化为软件与平台服务，重点卡位金融、零售及软件信息服务三大行业，在算力运维、智能客服与风控三个高确定性场景中率先落地。

一、全球AI预算流向正在分化：三大新兴市场进入预算释放窗口期

全球AI投资正迎来爆发式增长。IDC数据显示，全球人工智能IT总投资预计将从2025年的6,954亿美元增至2030年的3.12万亿美元，其中生成式AI的投资占比逐年提升，到2030年将接近AI总投资的六成。从区域分布来看，美国以超六成的份额位居全球第一，西欧第二，中国以9.0%的份额位居第三。

然而，不同区域的增长节奏存在显著“时间差”。拉美是全球AI投资增长最快的区域，生成式AI增速高达60.8%；中东和非洲在国家级数字化愿景推动下增长平稳；亚太（不含中日）企业应用生成式AI改善运营的需求正集中释放。这三个区域目前的生成式AI增速均超过50%，正处于技术落地和预算释放的窗口期。

相比之下，欧美成熟市场虽然绝对规模更大，但竞争格局已相对固化，中国厂商切入成本高、差异化空间小。而上述三大新兴市场恰好处于“算力到位了、但不知道怎么用起来”的阶段——这正是中国厂商最擅长填补的空隙。

IDC建议： 

将海外市场的第一落点选在拉美、中东非及亚太，利用这些区域高于50%的生成式AI增速所对应的预算增量窗口，优先抢占新兴市场的认知份额和客户资源，避开欧美市场的正面消耗战。

二、海外AI预算正从硬件向软件迁移：AI平台与Agent工具链是下一波增长主力

解构 AI 硬件、软件与服务三大技术板块可以发现，海外市场与国内市场在产品形态偏好上差异明显。2026年中国AI支出中硬件占比高达74.3%，呈强基础设施驱动特征。但到了海外，情况截然不同——拉美地区AI硬件仅占18.0%，软件则占比高达60.9%；中东非软件与服务合计占比达67.9%。这意味着，把国内“卖服务器、卖算力卡”的模式直接搬到海外，将遭遇严重的水土不服。

更值得关注的是软件内部的增长结构。虽然AI嵌入型应用目前仍是存量最大的类别，但AI平台爆发力更强（全球CAGR 59.5%），即将在拉美、中东非等新兴市场跃居软件细分市场首位。其中，基础模型是企业构建AI能力的核心底座，而智能体构建、部署与编排工具的增速领跑所有子市场（全球CAGR 74.5%），说明海外企业在大模型选型的同时，正同步探索“怎么把模型用起来、管起来、串联起来”。

IDC建议：

  • 将国内已验证的软件平台、Agent编排工具及行业套件进行标准化封装，替代单一的硬件销售，向海外输出“开箱即用”的整体方案。   
  • 重点布局Agent开发平台、多模型路由与编排等中间件能力，这类产品目前在海外市场供给不足，是中国厂商差异化切入的最佳窗口。      在中东和非洲等对服务依赖度高的区域，可与当地系统集成商建立合作，借助其渠道和交付能力来落地项目。

三、锚定三大行业、两条主线：金融/零售/信息服务是海外AI预算的最大蓄水池

明确区域与技术形态后，出海企业需要锁定预算最集中的行业和场景，才能实现精准落地。

从行业分布看，软件信息服务企业是全球最大的AI预算来源，占比32.2%；银行业在拉美、西欧、中东非及亚太的AI支出排名中均名列前茅；零售业全球占比11.6%。三大行业构成了海外AI预算的最大蓄水池。

从具体场景来看，AI算力基础设施在中美等市场常年占据第一大支出份额，说明算力资源的管理与调度始终是资金投入的主体；同时，智能客服与外勤支持已全球广泛落地，威胁检测与欺诈分析在金融与电信大客户中投入尤为显著。算力底座与业务提效这两个方向，构成了当前AI支出的两条并行主线。

IDC建议：

  • 面向算力密集型客户，提供AI算力基础设施的运维与管理服务，配合当地云厂商或数据中心运营商，输出算力调度和优化能力。       
  • 将国内成熟的智能客服、外勤支持、销售辅助等应用进行本地化适配后，快速投放拉美、东南亚等需求旺盛的市场。       
  • 针对海外金融与电信行业大客户，重点切入威胁检测、反欺诈等风控场景——这类需求刚性高、客单价高，是中国厂商打开头部客户的最佳突破口。

总结与展望: 三个时间差，一条出海路

IDC数据清晰地指向一个结论：中国企业AI出海，最大的机会不在“卖算力”，而在“卖能力”。

中国市场的硬件主导逻辑（74%的支出在硬件），到了拉美、中东非和亚太，需要切换为软件与服务优先的打法。这三个区域正在经历中国三四年前走过的阶段——算力到位了，但不知道怎么用起来、用出效果。而中国厂商恰好拥有从算力管理到场景落地的完整工程经验，这是当前海外市场最稀缺、也最愿意付费的能力。

三条出海路径值得优先考虑：

  1. 区域上，主攻拉美、中东非及亚太三个高增速市场，避开欧美成熟市场的正面竞争；
  2. 产品上，将国内已验证的软件平台、Agent编排工具及行业套件标准化输出，替代单一硬件销售；
  3. 场景上，重点卡位算力基础设施运维管理，以及金融与零售领域的智能客服、风控等高预算环节。

IDC《全球人工智能和生成式人工智能支出指南》（2026V2）为上述判断提供了完整的区域、行业和场景维度的数据支撑。对于计划出海的AI厂商而言，当下的窗口期明确而短暂——行动与否，取决于能否从“硬件思维”切换为“软件与服务思维”。

IDC《支出指南》致力于为IT厂商、行业用户和投资/金融机构在战略规划、产品研发、IT支出及投资规划等方面提供数据支撑。《支出指南》系列产品聚焦IT热门领域，从多个维度预测市场规模和增速，助力厂商发掘市场潜力；引导行业用户根据热点技术及应用场景进行IT规划；通过分析特定市场的发展前景，帮助投资和金融机构更好地做出决策。

IDC《支出指南》相关研究：

China Provincial Cloud Solutions Spending Guide

Worldwide AI and Generative AI Spending Guide

Worldwide ICT Spending Guide Enterprise and SMB by Industry

Worldwide Software and Public Cloud Services Spending Guide

进一步交流：

如您希望进一步了解中国省级及云解决方案支出、全球AI及生成式AI支出、企业级ICT支出等行业细分数据，或需要针对贵公司目标市场进行定制化数据解读，欢迎联系IDC中国分析师团队。请点击此处与我们联系。

Wendy Zhang

Wendy Zhang - Research Analyst

Analyst Profile
Wendy Zhang is a research analyst in the Data and Analytics group at IDC China. She is responsible for business operations and spending guide in China Enterprise Team. She provides dynamic forecasts of future China and global ICT market development.…

很多人聊保险业的生成式 AI，第一反应都是 “省人力、提效率、降成本”，把它当成存量周期里的运营优化工具。但 IDC 的核心判断是：这是对技术价值的严重低估。生成式 AI 真正重塑的，从来不是单点运营效率，而是保险业整条价值链的价值边界 —— 它正在推动行业从被动赔付的“风险兜底者”，向主动干预风险的“价值创造者”跃迁。

2026 年作为规模化落地的关键拐点，最终比拼的不是大模型的技术能力，而是找对场景、走对节奏的判断力。本文我们就从市场逻辑、价值穿透、落地误区与建议三个维度，拆解这场正在发生的产业范式变革。

  1. 存量周期下，生成式 AI 是保险业少数能算清 ROI 的技术投入

很多人觉得当下保险业数字化投入在全面收缩，但 IDC 看到的真相是：预算不是在降，而是在精准分化。

2025 年中国保险业站在深度转型的关键路口，利率持续下行、赔付支出高企、人力成本上涨的三重压力并未消解，行业经营逻辑已从规模扩张转向精细化运营。这一阶段最鲜明的特征是：数字化投入全面 “有保有压”—— 能降本控险、满足监管要求的项目投入保持稳定，无法量化收益的项目被严格管控，行业从“被动收缩” 转向“主动取舍”，投入产出比成为筛选 IT 项目的核心标准。

从市场基本面看，国际数据公司（IDC）近日发布的《中国保险业IT解决方案市场份额，2025》报告显示，2025 年中国保险行业 IT 解决方案市场规模达 100.6 亿元，降幅已明显收窄，正式进入企稳分化与存量竞争新阶段。市场呈现“一超 + 长尾”格局：一方面头部集中度持续提升，龙头厂商的客户、产品与服务壁垒不断加厚；另一方面长尾市场体量依然庞大，垂直细分场景与技术创新应用仍存在大量生存空间。

在这样的周期下，生成式 AI 成为少数既能契合监管 “防风险、促合规、降成本、提质量”主线，又能量化产出价值的技术方向。当保费增速放缓、人力规模收缩，通过 AI 提升人均产能、优化运营成本、创新服务模式，已经成为险企穿越周期的核心战略，而非可选项。

2、7.5 倍增速绝非概念泡沫，生成式 AI 已从“试点品”变为 “硬刚需”

市场上至今还有声音认为生成式 AI 仍是噱头、投入多产出少，但 IDC 报告显示：2025 年中国保险业 IT 投资规模达 517.3 亿元，其中硬件板块增幅显著，核心驱动力来自自主创新与 AI 基础设施建设。长期来看，2030 年中国保险行业 IT 投资规模将达 805.5 亿元，年复合增长率为 9.3%。

而生成式 AI 领域的增长远超整体大盘：投资规模从 2025 年 24.22 亿元升至 2030 年 180.05 亿元，五年增长近 7.5 倍，年复合增长率超 49%。这意味着生成式 AI 已彻底走出概念验证阶段，正式进入规模化投资周期，是当前保险科技领域最具确定性的增长引擎。

3、AI 穿透全价值链，改写的是每个环节的价值定义

很多人对 AI 在保险业的价值认知还停留在 “客服机器人”“自动核保省工时”，但 IDC 认为，生成式 AI 的改造是深入骨髓的 —— 它正在改写定价、核保、理赔、服务、风控的每一个底层逻辑，从辅助工具进化为核心生产系统，在每个环节都在拓展行业的价值边界。2026 年将是保险行业生成式 AI 从“试点” 走向 “规模化”的关键之年，保险 IT 系统内置 AI 能力将成为行业标配。

产品定价：从静态精算走向个体实时风控

传统定价依赖历史数据与静态模型，本质是群体层面的风险均摊，难以反映个体风险动态变化。生成式 AI 正在把定价变成随个体行为实时波动的变量：车险 UBI 模式通过车联网数据实现驾驶行为定价，健康险通过可穿戴设备将保费与健康管理挂钩。未来的核心竞争力将是基于客户实时行为与外部风险信号的动态定价能力，推动行业从 “群体定价” 向 “个体定价” 演进。

核保理赔：智能决策重构效率与信任双重底座

生成式AI对于核保理赔的真正改变是把依赖人工经验的风险判断，变成了标准化、可追溯的智能决策。智能核保系统自动解析病历、体检报告，将数小时人工核保压缩至分钟级；图像识别自动定损车辆，OCR 快速提取医疗票据，大模型辅助责任判定。这不仅大幅缩短理赔周期、降低查勘成本，更从根源上压缩了人为操作空间与欺诈风险，重构了投保人与理赔端的信任机制 。

客服营销：对话式 AI 把渠道系统变成产能放大器

IDC预测，到 2026 年险企与投保人超 60% 的交互将通过数字自助服务实时完成。智能客服已升级为具备多轮对话、意图识别、情感分析能力的对话式 AI，大幅提升服务体验与响应效率。营销端的改变在于重塑作业模式：生成式 AI 基于客户画像生成个性化保障方案，智能问数让业务人员通过自然语言即可查询业务数据。渠道 IT 系统的价值从 “支持运转” 变为 “产能放大器”。

风险减量：推动行业从被动赔付转向主动价值创造

传统保险业的价值终点是出险赔付，本质是“风险兜底者”。但生成式 AI 正在把行业的价值边界往前移。农业领域用气象大数据与卫星遥感指导防灾减损，财险领域用物联网监控安全生产，健康险领域用平台引导健康管理。大模型在其中扮演核心角色 —— 海量数据实时分析、风险模型动态迭代、预警信号精准推送，均依赖生成式 AI 的能力支撑，推动行业从“事后赔付” 向 “事前预防”延伸，真正成为“价值创造者”。

4、转型的真正瓶颈不是技术，而是三个被高估的难题

生成式 AI 的规模化落地并非坦途，数据治理、组织能力、合规风控是公认的三大挑战。但在 IDC 看来，挑战并非都是长期壁垒，其中有短期可突破的关口，有被过度放大的伪命题，更有被忽视的增量机会。

第一，数据治理：“先治理后落地” 是最大的转型伪命题。数据治理不是 AI 落地的前置条件，而是与 AI 场景落地相互驱动的长期工程。IDC建议，短期优先补齐数据质量、数据血缘、元数据管理能力，优先保障核心场景 AI 输出的一致性和可信度，用小切口场景快速验证价值；中长期通过战略合作推进数据架构重构。而IFRS17 全面实施与生成式 AI 场景落地，本身就是倒逼数据治理加速的强大动力。

  • 组织转型：组织重构与“ROI闭环”才是真挑战。技术与组织的错位是主要矛盾——多数银行在组织重构、流程再设计建设方面明显滞后于技术演进速度。真正的组织挑战是如何建立组织信任、设计人机分工模式、培养全员人机协作能力。IDC 判断，到 2029 年 40% 的保险从业者需要掌握人机协作技能。此外，存量竞争下，生成式 AI 是少数能清晰量化 ROI 的技术方向，险企需要把 AI 当作“直接绑定业务成果的能力”，而不仅仅是工具的使用。
  • 合规风控：监管不是绊脚石，是差异化壁垒与全新赛道。很多人把强监管当成 AI 落地的最大阻碍。但我们认为，合规正是筛选玩家的竞争壁垒，甚至是全新的增量赛道。IDC建议，短期从数据、模型、流程、人才四个层面推进负责任 AI（RAI）建设，把合规要求嵌入 AI 全流程，筑牢落地底线；中长期全面改革治理、风险与合规框架，适配 AI 规模化应用的管理需求。

IDC总结与展望

生成式AI之于保险业，不是工具升级，是价值重塑。2026年是规模化落地的分水岭——技术能力已不是门槛，真正的较量在于：谁能率先找准场景、跑通ROI闭环、完成组织适配。

IDC判断，未来三年行业将呈现明显分化：头部险企通过AI重构定价、核保、风控全链路，把“风险经营”变为核心竞争力；观望者将困在降本增效的浅层，错失价值跃迁的窗口期。这场转型，比的不是算力与模型，而是价值边界拓展的速度与决心。

IDC更多相关研究：

进一步交流

如您希望深入了解保险业生成式AI的落地路径、场景优先级、ROI测算框架或组织转型实践，欢迎随时与我们联系。IDC金融研究团队可提供定制化数据研判、厂商对标与策略建议，助力您在关键拐点精准布局。期待与您深度对话。请点击此处联系我们。

Siri Si

Siri Si - Research Manager

Analyst Profile
Siri Si is a Research Manager for IDC Financial Insights. His core research scope includes the latest development models and trends in the financial industry, and the development and application status of various technologies in the financial technology field, focusing…

随着生成式 AI 快速普及，国内云计算市场已经不再单纯比拼算力规模。结合国际数据公司（IDC）最新市场数据以及近日发布的《中国主流云服务商数智化转型能力评估》报告观察，企业上云的关注点正在发生变化：除基础资源之外，大家越来越看重数据处理、AI 落地、行业生态、服务交付以及整体投入产出水平。

多云、混合云已成为不少企业的现实选择，但很多组织在实际选型中仍面临不少困惑：评估维度不好把握，算力投入后业务价值难以显现，行业落地路径不清晰，各家云厂商能力差异较难甄别。如何结合自身实际，客观对比云平台能力，平衡技术、生态、安全与成本，是当下政企数字化、智能化转型过程中值得关注的现实问题。

重新审视云选型：5个打破惯性思维的现实发现

  1. 云选型评估从单一资源对比，升级为全栈综合能力评估

企业的云支出不再只投向 IaaS 基础设施，数据平台、AI 赋能、行业方案、运维服务的占比持续提升。企业采购云服务，本质是采购一套完整数字化底座，而非单纯的服务器、存储资源。本次评估报告从基础设施、数据中台、AI 智能化赋能、垂直行业落地、生态资源、安全与信任、综合服务能力、成本性价比八大维度建立评估框架，帮助企业跳出 “只比硬件参数、只看标价” 的误区，完整识别厂商在产品、交付、生态、服务层面的真实实力。

  1. 各家云厂商各有所长，并不存在普适的 “最优选择”

通过对各云厂开展逐项打分评估，可以清晰看到各家的能力分化：

阿里云：综合能力均衡，国内基础设施底座规模领先，数据中台、AI 工具链、安全合规体系完善，在政务、互联网、通用企业服务领域沉淀深厚，适配绝大多数国内企业通用数字化建设需求。

腾讯云：场景特色优势突出，深耕互联网、游戏、金融科技、音视频 AI 等领域，C 端数字化能力向 B 端赋能转化能力强，生态资源丰富、场景落地灵活。

华为云：底层软硬件自研体系完整，全栈本土化能力突出，在央企、政务、制造行业项目实践积累丰富，混合云架构能力较强。

天翼云：依托国资背景，具备高安全、高可信、全栈本土化的核心优势，在大型政企、能源、国家级赛事等关键场景落地成果突出，智算与高性能算力服务能力增长迅速。

移动云：运营商体系算力资源充沛，全国属地化服务网点覆盖广，国资安全合规属性突出，政务、央国企项目增长较快，算力网络与5G+云计算能力是核心竞争力。

火山引擎：依托内部大规模业务淬炼，AI 算力、大数据、模型工程化能力突出，AI 原生场景、互联网创新业务适配度高。

AWS：全球基础设施布局完善、产品矩阵成熟，海外生态与全球化部署能力优势显著，适合有出海、多地域布局需求的企业。

微软云：依托办公协同生态与原生 AI 技术积淀，在智能化办公、企业知识管理、跨国协同场景适配度高，AI 底层技术扎实。

IDC洞察：并非一款云能够适配全部行业场景。海外厂商强于全球部署、标准化产品；国内厂商强于本土交付与适配、行业生态。企业选型需要匹配自身业务地域、行业属性与合规要求，而非简单选择综合得分最高厂商。

  1. AI 落地瓶颈不在于算力有无，而在于端到端配套与场景化能力

很多企业在 AI 转型中盲目采购智算资源，但算力利用率偏低，模型难以落地业务流程。头部云厂商之间的差距，不只体现在 GPU 规模，更多体现在数据治理工具链、行业预训练资产、项目交付实施能力。报告中多行业标杆案例印证，能够把算力、数据、行业知识、实施服务打通的云平台，才能真正把 AI 能力转化为业务收益。

  1. 多云混合架构成为主流，综合服务与生态资源决定落地成败

多数大中型企业已经采用多云策略，兼顾本土合规与全球业务诉求。此时厂商的行业生态资源、迁移工具、运维支持、培训体系、问题响应效率，会直接影响多云架构运行效果。部分项目效果不及预期，并非产品本身能力不足，而是缺少持续交付与生态伙伴的有效支撑。

  1. 成本评估不仅关注公开报价，也要关注全生命周期综合性价比

云成本陷阱集中在流量、存储、运维人力、迁移改造成本、长期订阅支出等隐性环节。建议企业以全生命周期视角测算总体拥有成本。评估体系中把长期综合性价比独立作为核心维度，结合厂商案例真实实施情况，帮助企业识别显性与隐性成本，规避后期预算超支风险。

行动建议

  1. 建立多维度选型评估清单，避免单一指标决策

企业在云选型立项阶段，建议 IT、业务、安全、财务多方共同参与，参考报告八大评估维度建立打分表，将 AI 工具链、行业案例、交付服务、安全合规、长期运维成本纳入评估，不把算力规格、产品数量作为唯一评判标准。

  1. AI 项目优先验证场景落地能力，不要优先比拼硬件规模

开展 AI 相关云采购前，可优先做 POC 验证，重点考察数据接入、模型适配、业务系统对接、运维监控整套工具链能力，优先参考同行业真实案例，重点关注算力实际利用率，而非单纯追求更大规模算力资源。

  1. 规划多云 / 混合云架构，重视迁移与运维服务保障

如果计划采用多云架构，建议提前评估跨云迁移工具、数据流转方案、统一运维能力；将厂商实施交付、技术培训、故障响应 SLA 作为重点考量，同时梳理自身数据分级分类，明确公有云与本地部署的业务边界。

  1. 构建云成本治理机制，做全周期成本管控

建立云资源标签管理、成本告警、定期资源优化审计机制，开展 FinOps 相关实践，综合核算迁移、人力、流量、存储等全部投入，客观评估 TCO，规避只看初始报价带来的后续风险。

  1. 借鉴行业生态资源，借力合作伙伴加速落地

优先选择具备丰富行业生态资源的云厂商，充分调用厂商生态合作伙伴的行业经验，减少从零开发的成本压力；选型阶段即了解其集成、咨询、实施伙伴资源，判断是否匹配自身业务需求。

IDC分析师观点及展望

云计算正在从基础资源供给，逐步走向 “云 + 数据 + AI + 行业方案” 一体化服务。大模型会更深融入业务流程，企业的关注点也将从 “能用云” 转向 “用好云、产生业务价值”。

云厂商焦点也将从基础设施规模竞争，转向数据工具链、AI 工程化、行业落地、综合服务能力。混合多云、智算底座、本土适配、全生命周期成本优化，会持续成为企业云建设的关键词。企业需要持续跟踪厂商能力迭代，定期复盘云底座运行效果，让云平台更好支撑业务创新与智能化转型。

IDC《中国数智化转型报告》相关研究：

IDC《中国数智化转型报告》帮助技术买家和技术提供商更好地了解政府相关政策以及业务和技术发展趋势，深入了解数字转型支出增长和数字业务，以及人工智能生态系统的变化，掌握数字业务和AI转型的用例和路线图，并了解跨行业或同行的最佳实践。
《中国主流云服务商数智化转型能力评估》

《中国数字化转型市场预测，2026—2030》

《中国数字化转型市场份额，2025》

《中国AI驱动的业务创新之厂商实践-2026》

进一步交流

云选型并没有绝对标准答案，但选型判断一旦出现偏差，带来的影响不只是预算的额外消耗，业务运行受阻、AI 项目推进不及预期、后期迁移改造成本抬升等问题，都有可能在 1‑2 年后逐步显现出来。如需获取完整报告、定制化厂商对比分析，或针对您所在行业的具体落地方案，欢迎留下您的联系方式，我们的分析师团队将为您提供一对一的深度解读与选型建议。点击此处联系我们。

Nicholas Guo

Nicholas Guo - Senior Research Manager

Analyst Profile
Nicholas Guo is a senior research manager in IDC China, responsible for research and analysis of the entire China ICT market. His primary focus is on the overall China ICT market trends covering enterprise-level hardware, software, and services, and ICT…

生成式AI正以前所未有的速度渗透到企业的核心业务中——无论是研发、运营还是客户服务，AI都在重塑我们的工作方式。但你有没有注意到，随着AI系统架构越来越复杂，安全风险也在同步升级？

过去我们担心的只是模型越狱、敏感信息泄露这些“老问题”，现在，提示注入、知识库投毒、工具滥用、智能体越权、多智能体协同攻击等新型威胁层出不穷。企业的安全治理对象，早已从单一模型扩展到整个生成式AI应用系统，安全边界变得模糊且动态。

安全评估的方式也在快速演进——从人工测试到自动化红队、从静态规则到动态风险评分，再到如今覆盖RAG、智能体和系统级的持续安全监测。企业管理者们越来越关心：我的AI系统到底有多“可信”？上线前后如何持续掌控风险？

IDC认为，生成式AI安全评估平台正从“单点测试”走向“系统级守护”，未来将深度融入AI开发、部署、运营和治理的每一个环节，实现从一次性检测到全流程、持续的安全验证。只有这样，企业才能真正让AI成为安全、可信的生产力，而不是新的风险源。

国际数据公司（IDC）特别针对中国市场发布了《IDC MarketScape：中国生成式AI的安全评估平台厂商评估，2026》（Doc# CHC54110426，2026年8月）研究报告，IDC针对入选的提供商的能力和战略进行综合评估，评估标准包括收入规模、产品技术能力、行业和客户拓展、生态系统建设以及未来发展战略等方面，综合分析并确定各厂商在IDC MarketScape中的相对位置，并探讨厂商的特点和战略，总结发展趋势，为企业级客户选择生成式AI的安全评估平台能力提供商提供参考。

报告揭示了一个关键信号：IDC认为，头部厂商的竞争焦点已从“单点测试工具”转向“系统性安全治理平台” ——这一转变直接决定了企业该选择什么样的合作伙伴，以及该用什么样的标准去判断谁更值得信任。报告的完整评估结果与厂商定位分析，可向IDC进一步了解。

未来，企业关注的不再只是模型是否能够抵御越狱攻击，而是更加关注整个AI应用系统在实际业务场景中的安全表现，包括知识库安全、智能体运行安全、工具调用安全以及业务流程安全等多个方面。与此同时，评估能力也将逐步融入企业AI开发、部署、运营及治理全过程，实现由”一次性安全测试”向”持续安全验证”转型。

生成式AI的安全评估平台未来演进方向

  • 评估对象持续扩展。随着生成式AI技术持续向智能体、多智能体协同及具身智能等方向发展，企业AI系统的复杂度和应用边界将不断拓展。未来，生成式AI的安全评估平台将逐步突破单一模型评测范畴，形成覆盖基础模型、AI应用、智能体、具身智能及相关生态组件的综合评估体系，持续提升对新型AI应用场景的风险识别与安全验证能力。
  • 评估体系更加完善。未来安全评估将更加注重建立统一、标准化的评估体系，在覆盖风险类型、评估维度及评价指标等方面持续完善，提高不同产品之间评估结果的可比性，为企业提供更加客观、可信的评估依据。
  • 智能化能力持续增强。人工智能技术将进一步融入安全评估过程，自动化红队测试、智能风险分析、攻击样本自动生成及评估结果智能分析等能力将不断成熟，进一步提升风险发现效率和评估质量。
  • 持续评估能力成为核心竞争力。安全评估将逐步融入企业AI研发、测试、部署及运营全过程，形成覆盖模型上线前验证、运行中监测以及版本迭代评估的持续安全验证体系，为企业提供动态、实时的风险管理能力。
  • 平台化能力不断提升。未来生成式AI的安全评估平台将进一步与AI开发平台、安全运营平台及AI治理平台深度融合，由独立评估工具逐步发展为企业AI安全治理的重要基础设施，为企业构建可信生成式AI体系提供持续支撑。

IDC给技术买家的建议

  • 建议结合企业AI应用现状制定评估需求。不同行业、不同规模企业的生成式AI建设阶段存在较大差异，安全评估需求也各不相同。技术买家应结合自身AI应用场景、业务规模及安全治理目标，明确评估范围和重点，避免单纯关注评测数量或功能覆盖，而应重点考察产品是否能够满足企业实际业务需求。
  • 建议重点关注评估体系的科学性和完整性。安全评估平台的核心价值不仅体现在风险发现能力，更体现在评估体系的完整性和结果的可信度。技术买家应关注产品是否建立了完善的评估指标体系、风险分类体系及评分机制，评估结果是否具有可解释性和可追溯性，是否能够为企业风险治理提供有效依据。
  • 建议关注产品的持续演进能力。生成式AI技术快速发展，新的应用形态和安全风险不断出现，安全评估平台需要持续更新评测能力和风险场景。技术买家应重点考察厂商在技术研发、规则更新、测试场景维护及产品迭代方面的能力，确保产品能够适应未来AI技术的发展需求。
  • 建议关注平台的开放性与生态兼容能力。企业AI应用通常涉及多个基础模型、开发框架及业务平台，安全评估平台应具备良好的开放能力，支持多模型、多场景及多种部署方式，并能够与企业现有AI开发平台、安全运营平台及治理体系实现有效集成，降低后续建设和运维成本。
  • 建议将安全评估纳入AI治理体系建设。生成式AI的安全评估不应作为模型上线前的一次性测试，而应贯穿AI研发、部署、运营及持续优化全过程。技术买家应推动安全评估与AI开发流程、安全运营流程及风险治理机制相结合，逐步建立持续、动态的生成式AI的安全评估机制，提升企业整体AI安全治理能力。
  • 建议结合实际业务场景开展产品验证。生成式AI的安全评估平台的能力最终需要在真实业务环境中得到验证。技术买家在产品选型过程中，建议结合自身AI应用场景、典型业务流程及安全需求开展概念验证（PoC），重点考察产品在风险识别准确性、评估覆盖范围、自动化水平及评估结果稳定性等方面的实际表现，避免仅依据产品演示或功能清单进行判断。
  • 建议综合评估厂商的持续服务与运营能力。生成式AI的安全评估是一项持续性的工作，产品能力需要随着AI技术演进和风险变化不断更新。技术买家除关注产品功能外，还应重点评估厂商的技术研发能力、评测体系更新能力、行业实践经验、专业服务能力及持续运营支持能力，优先选择能够提供长期技术服务和持续能力演进的合作伙伴，为企业生成式AI安全治理提供长期支撑。

IDC中国网络安全分析师陈佳表示，生成式AI安全评估平台正由早期合规检测工具向企业AI治理的基础安全能力平台演进，企业关注点从“可用”转向“安全、可靠、可控”，平台能力覆盖模型、数据、内容、智能体安全及持续运营管理。随着行业标准完善，评估指标、测试集和自动化能力成为厂商差异化关键，未来相关能力将平台化融合，推动生成式AI从“可用”迈向“可信”。

进一步交流

生成式AI安全治理进入关键阶段。IDC持续关注生成式AI安全评估平台技术演进与市场实践，助力企业识别模型风险、完善治理体系、构建可信AI能力。欢迎联系IDC，获取行业洞察与定制化评估服务，共同探索生成式AI安全落地新路径。

Jackson Chen

Jackson Chen - Research Analyst

Analyst Profile
Jackson Chen is a research analyst for IDC China's Emerging Technology Research department, whose focus is on research of the business sector of the China data security market. Jackson is also responsible for providing relevant security research and consulting services…

8月19日，2026世界机器人大会（WRC 2026）在北京亦庄开幕。今年大会以“人机共生，产需共融”为主题，并首次设置采购日，49家央企携12个应用场景集中亮相，进一步强化产业供需对接。

从大会主题和组织形式来看，机器人产业正从技术展示和单点突破，逐步转向产品交付、场景落地与产业协同。随着机器人本体、AI模型、核心零部件和数据基础设施持续发展，产业竞争也正从单一产品能力转向软硬件、数据、模型与应用场景的综合能力竞争，WRC 2026成为观察这一变化的重要窗口。

从技术展示走向需求验证，产业化进入关键阶段

近两年，人形机器人、四足机器人和具身智能等方向持续获得资本和产业关注，运动控制、环境感知、智能决策和操作能力不断提升。国际数据公司（IDC）用户调研显示，中国具身智能机器人正从展示型创新逐步进入价值验证与规模复制阶段，超过20%的用户已从关注进入试点探索。

今年WRC首次设置采购日，进一步强化产业需求导向。与此同时，政策也持续推动机器人进入真实应用场景，通过实景实训专项行动、央企机器人创新联合体等方式，加快B端需求释放。

随着机器人进入真实场景，商业化评价标准也将从功能和技术指标进一步延伸至任务成功率、连续运行能力、故障率、部署成本和ROI等指标。需求能否转化为订单、POC能否进入批量部署，将成为衡量产业化成熟度的重要指标。

Physical AI加速重塑机器人智能化路径

机器人从技术展示走向场景落地，也推动Physical AI进入产业视野。Physical AI代表AI从数字世界走向物理世界的技术与产业范式，其核心是让AI具备对真实物理环境进行自主感知、理解、决策和行动的能力；具身智能机器人则是其重要的物理载体。

IDC 2026年全球CEO调查显示，35.2%的受访CEO将Physical AI列为未来12—24个月重点关注的新技术投资方向。在WRC 2026，世界模型、视觉-语言-动作模型（VLA）等技术正加速与机器人本体、运动控制和数据系统融合。

从产业化角度看，关键不只是机器人“有多智能”，更在于模型、数据、本体与应用场景能否形成有效闭环，并在真实环境中稳定运行、持续迭代。这将成为Physical AI走向规模化应用的重要验证。

六大产业环节共同构成Physical AI产业基础

Physical AI的发展正在突破单一机器人本体或AI模型的边界，逐步形成由算力、模型、数据、本体、核心零部件和应用共同支撑的产业体系。

IDC最新发布的《MarketGlance: 中国具身智能机器人，3Q26 》报告，将当前机器人与具身智能产业划分为六大细分市场：算力基础设施、模型算法、数据引擎、机器人本体、核心零部件与基础设施，以及行业应用智能体。六大环节共同构成具身智能机器人从自主感知、理解、学习到行动的完整产业链。

这一产业格局也在WRC 2026得到集中呈现。智合、智创、智造、智趣四大展馆覆盖从底层技术、核心零部件、机器人本体到行业应用的多个环节，呈现出机器人产业由单一整机竞争向全产业链协同和生态竞争演进的趋势。

WRC 2026值得关注的四个趋势

基于对产业链和技术发展的持续跟踪，IDC认为，今年WRC有四个趋势值得重点关注。

竞争从“技术领先”转向“交付领先”。

机器人产业真正的分水岭正在从Demo能力转向稳定运行和规模交付能力，企业能否完成从技术验证到批量部署的跨越，将成为下一阶段竞争的重要差异化因素。

机器人从“能力展示”走向“价值验证”

市场关注点正从机器人形态和单项技术能力，进一步转向任务完成能力、运行稳定性、应用效率和经济性。随着人形、四足及其他具身智能机器人加速进入真实场景，能否稳定完成实际任务并形成明确的应用价值，将成为下一阶段商业化竞争的关键。

Physical AI从“模型竞赛”走向“真实世界学习竞赛”。

模型能力只是起点，数据获取、场景泛化和持续迭代能力将成为新的技术壁垒。能够通过真实场景持续积累数据并反哺模型的企业，有望形成更强的智能化能力闭环。

产业竞争从“整机竞争”走向“生态竞争”。

随着模型、数据、本体、核心零部件与应用之间的联系不断增强，企业的竞争边界正在从单一产品延伸至产业链协同能力，生态构建能力的重要性持续提升。

IDC观点：机器人产业进入能力与商业化并重阶段

WRC 2026释放的信号表明，机器人产业正从技术能力竞争转向产业化能力竞争。随着本体、模型和核心零部件持续成熟，稳定运行、规模交付、数据积累和软硬件协同能力将成为下一阶段竞争关键。

未来2-3年将是具身智能机器人从技术验证走向规模化应用的重要窗口期，不同场景将呈现分层落地特征：服务场景率先开展探索应用，工业场景将成为具身智能机器人规模化落地的重点方向，家庭消费市场则具备长期发展潜力。与此同时，Physical AI将推动产业竞争从单一硬件能力向“模型+数据+本体+应用”的系统能力演进。

WRC 2026的开幕，是观察这一变化的重要节点。IDC分析师团队将在现场持续关注应用落地、Physical AI技术进展及产业链竞争格局，进一步复盘WRC 2026，敬请关注IDC中国后续研究与现场探展内容。

进一步交流：

机器人产业正站在从技术验证迈向规模应用的关键节点。若您关注Physical AI落地路径、具身智能场景价值或产业链竞争格局，欢迎与IDC中国分析师团队深入交流。我们将结合WRC 2026现场观察与持续研究，为您提供定制化洞察与数据支撑。点击此处联系我们。

Lily Li

Lily Li - Research Manager

Analyst Profile
Lily is the Research Manager for China Robotics and Embodied Intelligence, specializing in market research on embodied intelligent robots. She has long focused on the development trends of China’s embodied intelligence robotics industry, systematically studying the evolution of robot hardware,…

二季度平板出货量同比下滑4.4%，跌幅看似收窄，但水面之下的结构变化比数字本身更值得关注。商用高增长与消费疲软形成鲜明反差，成本压力正从供应链末端加速传导至前端市场。本文将结合IDC最新季度跟踪报告，梳理几个关键信号。

国际数据公司（IDC）发布了2026年第二季度中国平板电脑市场季度跟踪报告。数据显示，2026年第二季度，中国平板电脑市场出货量为796万台，同比下降4.4%，降幅较第一季度小幅收窄。但从市场表现来看，市场压力并未缓解，反而进一步放大。商用市场的大幅增长主要来自涨价预期下的需求前置，而消费市场则在成本上涨、需求提前释放等因素影响下同比下降9.8%。表面上市场跌幅收窄，实际上成本上涨正在加速向需求端传导。

商用市场高增长背后，需求前置特征明显

2026年第二季度商用平板市场出货量同比增长67.1%，成为支撑整体市场的重要力量。但本轮增长更多来自厂商延迟涨价及价格持续上涨预期下的提前采购，企业客户和渠道商集中备货，推高了第二季度单季出货量。随着7月起商用市场开启全面涨价，后续渠道库存及交付节奏将成为影响第三季度市场表现的重要变量。

“618”难以抵消价格上涨影响，消费市场进入调整期

2026年第二季度消费平板市场出货量同比下降9.8%。尽管厂商和渠道积极布局“618大促”，通过新品和促销刺激需求，但价格上涨的影响已经明显超过促销带来的拉动。同时，去年国补推动需求提前释放，低价与涨价之间的鲜明对比也进一步抑制了消费者购买意愿。

成本上涨加速头部厂商分化，市场格局出现新变化

伴随低价备料逐步消耗，成本上涨对厂商的影响进一步显现。不同厂商的产品布局、渠道能力及应对涨价的节奏有所差异，本季度市场排名和表现也出现一定变化。

  • 华为继续位列中国平板电脑市场出货量第一位，整体表现相对稳健。消费端通过MatePad Pro Max完善高端产品布局，并深化学习场景合作；商用端则受益于渠道提前备货，出货量实现较快增长。
  • Apple位居市场第二。第二季度主要销售期仍维持原有价格，在涨价前形成一定价格优势，但受成本压力逐步传导影响，6月底Apple上调其平板产品售价，后续市场挑战将增加。
  • 联想出货量上升至市场第三，是本季度头部厂商中排名变化较为明显的厂商。拯救者、小新系列新品推动其消费产品结构升级，商用端凭借大客户市场积累及需求前置同样保持较快增长，共同带动整体出货量提升。
  • 小米排名市场第四位。尽管成本压力下平板出货量仍同比下降，但降幅有所收窄。“618大促”期间小米平板7系和8系促销获得较好销售反馈，同时Redmi K Pad 2和Redmi Pad 2 SE两款新品覆盖不同价位段，对市场形成一定刺激。
  • 荣耀位列市场第五。低端消费平板市场受到成本上涨冲击，出货量明显收缩；与此同时，教育行业渠道提前备货推动其商用平板延续高速增长，成为其当季平板市场表现的重要支撑。

整体来看，第二季度头部厂商的竞争已经不再单纯取决于产品和价格。在涨价的大环境下，厂商的布局结构、渠道能力及运营效率正在成为影响市场份额变化的重要因素。

后续展望：成本上涨延续，厂商寻求价位升级与需求平衡

成本上涨对平板市场的影响预计将在今年下半年进一步显现，并持续至明年。价格上涨将一定程度上延长消费者换机周期，厂商也可能通过调整新品上市节奏和产品结构应对成本压力，市场供需双方的变化将共同影响整体规模。

在成本压力持续的背景下，夯实2000-3000元主流价位段的产品竞争力是稳定市场规模的基础。尽管成本迫使平板售价不断上涨，大量消费者对平板的价值定位仍然锚定在2000-3000元档位，在这一区间的布局和提升是稳固出货量规模的关键。

引导需求向3000-5000元中高端价位段升级，将成为厂商改善产品结构、缓解成本压力的重要方向。相比单纯涨价，厂商更需要通过性能升级、使用场景拓展及AI能力增强，为中高端产品创造更充分的溢价空间。

长期来看，成本上涨或将成为平板市场的持续变量，厂商需要在成本传导、产品升级与消费承受能力之间寻找新的平衡。未来市场走势不仅取决于厂商能否通过产品创新支撑更高价格，也取决于消费者是否愿意为更高端的产品和新的使用场景支付更多。

IDC结论

2026年第二季度，中国平板市场出货量同比降幅有所收窄，但成本上涨带来的实际市场压力进一步放大。商用市场高增长更多体现为需求前置，消费市场则已明显受到价格上涨影响。未来，成本压力将推动市场结构升级，厂商能否通过产品创新和场景拓展引导消费升级，将成为实现规模与效益平衡的关键。

进一步交流：

本文数据及观点均源自IDC《中国平板电脑市场季度跟踪报告，2026Q2》。如需了解细分价位段、渠道库存、行业垂直场景等详细数据，或针对特定厂商策略进行定制化分析，敬请联络IDC中国终端系统研究团队。

Quorra Liu

Quorra Liu - Research Manager

Analyst Profile
Quorra Liu is a Research Manager for the Client Systems Research team at IDC China. She is responsible for China's smart home device research. Her responsibilities include tracking the monthly and quarterly market development, conducting research in fully managed services market,…

中国企业出海用云早已不是”把服务器搬到海外”，而是一场关于全球经营能力的军备竞赛————某种意义上，它正在开辟中国企业全球化的“云上第二战场”，不亚于一场数字时代的诺曼底登陆。云厂商正在助其将全球经营能力、合规能力和AI能力同步迁移到海外数字底座上。国际数据公司（IDC）最新发布的《中国企业出海用云市场预测，2026—2029》显示：2025年中国企业出海用云市场规模达到52.3亿美元，同比增长31.0%，远高于中国企业的整体IT支出增速，以及中国本土云计算市场增速。到2029年，这一市场将增长至165.6亿美元，四年翻三倍。

但真正值得关注的，不是”蛋糕有多大”，而是”蛋糕怎么分、谁来分、根据什么分”。结合IDC近期对120家中国出海企业的用云情况调研，我们试图回答一个问题：在这场165.6亿美元的暗战里，赢家和输家将被如何决定？

出海用云的本质变了：从“买资源”到”买全球经营能力”

早期企业出海上云，核心诉求是IDC机房、服务器、带宽——先把业务跑起来再说，是”成本导向”的逻辑，谁便宜买谁。而如今进入深水区，企业关心的是全球业务能否稳定运营、快速复制、持续增长，用云逻辑已切换为”业务导向”：全球基础设施覆盖、网络优化、安全合规、数据治理、容灾备份，乃至数据库、AI、大数据等PaaS能力，一个都不能少。

调研数据佐证了这一点：44.2%的出海企业采用出口模式，42.5%设有海外办事处，41.7%已建立全资子公司——出海模式高度复合。这意味着市场需要的是覆盖部署、运维、合规和本地支持的一揽子方案，而不是只满足单一“建站”需求。

还停留在”卖资源”逻辑的云厂商，竞争优势将持续下滑。未来市场的增量，不只来自”更多企业开始采购海外云”，更来自”已出海的企业开始采购更深、更重、更长期的云能力”。客单价和黏性的密码，藏在能力深度里，而不是机架数量里。

多云是默认选项，中国云攥着“主钱包”，本地化服务能力是关键

IDC调研显示：84.2%的出海企业正在使用中国背景云厂商，同时77.5%的企业也在使用国际知名云厂商——两者并不互斥；61.7%的出海企业已经是多云用户，其中又有62.2%的企业将50%以上的云支出给了中国云；未来两年42.5%的中国企业海外用云支出将继续增加，54.2%的企业将优选中国背景云厂商，其次是国际云厂商。

再看购买决策因素，调研结果几乎颠覆了传统认知：中国企业海外用云选择服务商时，最高比例（53.3%）的企业优先考虑的因素是本地化服务能力，技术实力（49.2%）、服务稳定性（46.7%）紧随其后，而品牌知名度仅15.8%。

这是一个重要信号：在出海用云市场，”认知资产”让位于”可落地能力”。客户不为Logo付费，只为”你能不能在我的目标市场帮我把事办成”付费。品牌换不来订单，本地交付团队才换得来。

区域不是选择题，是战略布局题：东南亚要速度，中东非要规格，欧洲要合规，北美要本地化

从区域来看，2024-2029年中企出海用云市场规模增长引擎极其清晰：中东非将以40.0%的CAGR领跑，亚太区（36.8%）紧随其后，再次是欧洲（31.5%）和美洲（26.1%）。不同区域的云服务商优先选择偏好分化：东南亚、中东非优先选择中国背景云厂商，而北美、拉美优先选择国际云厂商，欧洲区域参半。

东南亚是最重要的增量市场。制造转移、跨境电商、消费互联网、金融科技在同一时期同步爆发，形成叠加效应。调研显示：出海东南亚的中国企业中，有53.7%的表示未来会增加云投入，57.4%的优先选择中国背景云，但它的关键词不是”容易做”，而是”碎片化”：多国家、多语言、多支付、多税制、多监管，云架构必须天生支持多地区、多币种、多合规配置。

中东非是”高规格、高投入的第二增长极”。主权资本和政府主导投资持续加码数据中心与AI基建，需求偏项目型——大项目多、订单大，但销售和交付高度依赖本地伙伴网络和认证体系。

欧洲则是”要求最高但粘性也强的市场”：数据隐私、数据驻留、消费者保护的要求全球顶尖，前期投入大、培育周期长，但一旦跨过合规门槛，客户稳定性、复购率和长期价值通常高于其他区域市场。

相比之下，北美对中企而言切入最难，54.4%的出海北美的中国企业未来优先选择国际云，难点不只在竞争，更在于监管与合规风险、品牌门槛和技术成熟度要求。

最大的黑马不是互联网，是制造业

论存量，互联网行业仍以20.6亿美元占据2024年出海用云的半壁江山。但论增速，制造业以43.2%的CAGR位居最高——到2029年，制造业出海用云规模将达46.2亿美元，逼近互联网行业的七成。

背后的逻辑是制造业出海正在经历从”卖设备”到“建厂、建渠道、建服务网络“的转型。汽车、新能源、动力电池、消费电子、智能硬件和IoT等制造型行业，正逐步成为中企出海云市场的关键增量来源。汽车与新能源产业链的全球化，带来车联网、远程诊断、全球供应链协同等复合型云需求；消费电子和IoT行业则通过设备接入、远程控制、数据分析和多语言运营，推动端云协同和后端服务价值提升。这类产业型需求比互联网需求释放更稳健、预算周期更长、客户黏性更强，是云厂商”长期支柱”所在。

终局变量：从“上云”到”上AI云”

AI是这份预测中最大的增量变量。随着大模型能力增强、推理成本下探，中企海外用云将从”计算、存储、网络为主”升级为“以智能算力和AI平台能力为核心“，GPU资源、推理服务、向量数据库、MaaS的需求将在海外持续放量。从云+AI支撑的应用场景来看，AI多语言与本地化运营将是最先落地的创新场景。

165.6亿美元的市场里，不会有”躺赢者”。成本压力（61.7%的企业视其为最大挑战）与数据主权合规（70%的企业靠”选择具备当地合规资质的云服务商”降险）是两道硬约束，会持续把需求推向头部云厂商，未来五年纯资源售卖者出局，综合能力提供商上位。谁能把”本地化运营 + 合规治理 + 多云管理 + AI应用“打包成标准化、可复制的组合方案，谁就能在这场云上诺曼底里率先抢滩。

IDC 相关研究

围绕中企出海用云相关行业需求、典型案例、区域特点等，IDC 将持续开展系统性研究，包括但不限于：

  • 《中国企业出海用云市场预测，2026-2029》（DocC#CHC54275926，2026年5月）
  • 《中国泛互联网行业出海案例洞察，2026》（即将发布）
  • 《中国企业出海用云调研，2026》（即将发布）

进一步交流：

如需进一步了解中企出海用云相关研究内容，或咨询 IDC 在云计算、AI 基础设施及数字化转型领域的其他研究成果，欢迎与我们联系。

Rachel Liu

Rachel Liu - Research Director

Analyst Profile
Rachel Liu is a research director for China’s Cloud and Services group. Her research covers public cloud, private cloud, edge cloud, industrial cloud, intelligent computing, and IT services. She is responsible for research plans, research execution and management, data tracking…

2026年全球基础大模型迭代进程显著提速，Tokens新经济也带动行业应用场景持续细分、落地需求持续深化，推动大模型开发平台进入能力升级与场景落地的关键迭代期。当前，头部大模型厂商已围绕高端推理、大规模部署、长上下文、智能体、代码工程、企业知识库集成等核心场景，搭建各类行业专有模型体系，大模型产业化应用正式从通用调用走向垂直深耕。在此行业背景下，大模型开发平台的产品核心价值与发展逻辑发生根本性转变，不再局限于单一模型封装与基础能力输出，而是朝着模型中立兼容、Agent智能化、安全合规落地、数据知识贯通、全流程运营赋能等方向全面演进。

近日，国际数据公司（IDC）特别针对中国市场发布了《IDC MarketScape：中国大模型开发平台厂商评估，2026》（Doc# CHC54109426，2026年8月）研究报告，基于市场参与者深度调研，平台厂商能够据此明确产品升级重点，打造差异化竞争优势。企业端可依此更新大模型开发平台选型规则，助力 AI 项目落地。产业从业者与投资者也可明晰赛道核心壁垒与发展走向。

基于对主流厂商的深度调研与横向对比，我们梳理出当前企业选型中必须重新审视的五个核心方向。这五个趋势将引领大模型开发平台发展新方向，是企业用户在实际落地中正在真实面对的决策分水岭。

趋势一：模型生态开放化——由单一模型调用走向模型中立生态与一体化场景交付

在大模型开发平台的模型选择/评估与应用适配功能上，头部厂商都完成了最新主流大模型的封装和多模态大模型集成生态以及行业模型适配，2026年，基础大模型迭代速度明显加快，全球市场的头部厂商构建了高端推理，大规模部署， API 密集型长上下文场景，Agent场景，代码/软件工程场景，企业知识库/应用集成场景，前沿模型等专有模型。针对于这些领域的模型调用，大模型开发平台厂商应保持模型中立 + 多模接入，主流平台的公有云、私有化部署版本都需兼容多家模型，避免厂商锁定。平台上的行业专有模型沉淀需要加速。

在工具链与应用开发支持方面，过去两年的市场中，买方选型的首要因素几乎都是价格，而且由于大模型迭代速度太快，买方通常选择直接调用大模型API，而不进行二次调优。但未来，企业将有更多垂直场景落地，这些场景离不开智能体的开发。因此，大模型开发平台在工具链上的完备性，在用户选型中的重要性将不断提高。从 “模型调用” 到 “场景交付” 需要构建覆盖数据治理→模型微调→RAG 知识库→Agent 编排→推理部署→监控运维一体化工具链，降低工程化门槛。也需要提供编码模式、和通过低代码 / 零代码可视化拖拽的模式让各类客户群体可以快速搭建 AI 应用。

趋势二：Agent 成为平台标配——依托强化学习打造自主任务执行体系

大模型开发平台Agent 相关功能成为标配：其一，用户市场需要基于开源模型的进行行业化知识增训，并追求训练后的模型效果。相比传统的增量训练和微调，市场对Agentic强化学习的能力需求增加，各厂商都在平台产品中推出基于大模型的强化学习增强能力。其二，很多头部供应商都在平台中逐步实现和智能体相关功能的深度打通，如Harness, MCP, Skills等， 原生提供上下文管理+记忆机制（支持 100K + 上下文，结合向量记忆与反思能力，实现复杂任务链式执行）、工具调用（原生对接数据库、API、代码解释器，形成 “感知 – 决策 – 执行 – 反馈” 闭环）等能力，适配复杂任务执行能力的Agent。

趋势三：安全体系升级——企业级管控完善，私有化部署转向常态化刚需

安全合规与私有化部署正在成为大模型开发平台落地企业场景的刚性需求。面向政企客户的数据风险诉求，平台需要完善全方位企业级安全管控能力，覆盖数据脱敏、分级权限管控、全链路审计日志、模型水印、可解释性（XAI）等多元能力，实现数据使用可追溯、模型行为可管控、知识产权可保护，有效化解大模型应用的数据泄露、模型滥用等风险。

行业层面，政务、金融、中央及国有企业出于数据主权与信息安全考量，普遍优先采用本地部署或者专属集群部署模式。这就要求大模型平台的私有化部署版本具备良好的软硬件适配能力，能够兼容国产本地芯片与自主操作系统。未来，单纯具备基础模型能力的平台将难以满足准入要求，完整的安全合规框架、成熟的私有化交付方案，会成为厂商获取政企项目的核心竞争门槛。

趋势四：数据链路革新——搭建端到端集成通道，打通知识检索与数据闭环

对于采用 RAG 的用户，在将来自企业内外部数据做成外挂知识库的过程中，需要选择专门的数据库来存储知识，这一数据库既可能是全新的向量数据库，也可能是具备向量引擎能力的传统数据库，未来也可能需支持多模态检索（图搜文、图搜图）以及支持 GraphRAG。另外，大部分企业还是存在不同程度的数据烟囱现象，数据分散、未标注、归集难、管理复杂是用户普遍会遇到的问题。建立端到端的自动化数据集成管道，减少跨数据存储库的数据集成工作，能够加快应用的上线。另外，针对于智能体数据反馈、数据回流、模型与数据集管理、规则干预等功能还需进一步优化。

趋势五：成本管理和运营服务演进——全周期模型运营赋能业务价值落地

2024年，中国企业级公有云MaaS市场按调用量统计的规模仅为114万亿Tokens，而到2025年，这一数字跃升至1944万亿Tokens，同比增长约16倍。在价格与成本方面，企业Token的日均消耗正在快速增长，尤其是各类Agent类产品的出现，进一步放大了Token的使用规模。随着规模化智能的到来，提供公有云版本厂商需要关注的不是单纯降低单位Token的价格，而需结合‌任务成功率、重试率、Token 消耗效率‌综合测算，场景适配度与总拥有成本（TCO）‌才是关键衡量指标 。‌‌

运营服务能力正逐步成为大模型开发平台公有云版本差异化竞争的重要组成部分。当前众多头部技术供应商持续完善平台的模型运营配套功能，形成覆盖 AI 应用全生命周期的运营支撑体系。相关能力涵盖多模型智能调度降本、统一管控合规审计（全链路调用追踪，智能告警防超支、精细化成本归因分析），同时支持提示词调优、业务工作流持续优化、合规风险评估以及落地效果与业务价值追踪等多元模块。

随着企业 AI 应用规模化推进，用户不再仅仅满足模型能够运行，更加关注资源可控、成本可视、效果可持续迭代。完善的运营服务可以帮助企业合理规划 Token 消耗，定位成本增长点，持续优化智能体与业务流程。未来，标准化、一体化的成本管理与模型运营工具，将降低企业持续运维 AI 应用的门槛，成为平台吸引政企客户、实现商业价值落地的重要加分项。

IDC给技术提供者的建议

建议一：平台需坚持模型中立化布局，兼容多家通用与行业专用大模型，公有云与私有化版本统一适配多模态模型，规避客户厂商锁定问题。加速沉淀各垂直行业模型资产，搭建从数据治理、模型微调、RAG 到 Agent 部署运维的全链路工具链，配套低代码开发组件，帮助企业告别单纯 API 调用模式，快速完成行业场景落地交付。

建议二：将 Agent 强化学习能力作为平台核心标配功能，面向行业开源模型提供定制化知识强化训练能力。打通 MCP、工具调用等智能体底层组件，搭载超长上下文记忆、任务反思模块，构建感知、决策、执行、反馈闭环架构。依托模块化智能体组件，支撑企业搭建复杂链式任务智能体，适配业务复杂流程自动化需求。

建议三：搭建一体化企业安全管控体系，落地数据脱敏、分级权限、操作审计、模型水印、可解释性模块，全方位管控数据与模型风险。打磨私有化部署方案，深度适配国产芯片与操作系统，满足央国企、政务、金融等领域数据要求。把合规架构与私有化交付作为核心竞标优势，突破政企项目准入壁垒。

建议四：适配向量数据库、GraphRAG、多模态检索知识库构建能力，解决企业知识库搭建痛点。打造端到端自动化数据集成管线，破除内部数据孤岛，简化多源数据归集流程。完善智能体数据回流、数据集管理、规则干预功能，形成数据采集、知识加工、推理使用、迭代优化的完整业务闭环，缩短 AI 应用上线周期。

建议五：转变定价逻辑，摒弃单纯低价策略，基于 Token 利用率、任务成功率等指标核算整体使用成本。上线全生命周期运营平台，实现用量监控、超支预警、成本溯源、合规审计一体化管理。配套提示词优化、业务迭代运营服务，帮助客户管控 Token 消耗，以精细化运营服务打造产品差异化竞争力。

IDC人工智能研究经理程荫表示 ，2026年基础大模型迭代提速带动Tokens经济火热，产业化应用向垂直场景深耕，大模型开发平台迎来全面升级。未来行业将呈现五大核心趋势：模型中立兼容与全链路场景交付、Agent智能化能力成标配、安全合规及私有化部署成为政企刚需、端到端数据知识集成持续完善，精细化成本分析与运营服务等，技术供应商需要根据市场需求保持创新，持续打造平台的差异化竞争力。

进一步交流

大模型开发平台的选型窗口正在收窄——模型中立、Agent成熟度、安全合规、数据闭环和TCO管控，每一项都直接关系到未来三年的落地成本和业务弹性。这篇文章只揭示了五大趋势的轮廓，真正的决策需要结合企业自身的场景权重、数据基础和部署约束来综合判断。


IDC此次MarketScape评估已覆盖主流厂商的详细能力对比，如果您正在推进平台选型或预算规划，欢迎与我团队直接沟通，获取针对您具体场景的分析视角。 点击此处联系我们。

Anne Cheng

Anne Cheng - Research Manager

Analyst Profile
Anne Cheng is a research manager in IDC China whose research focuses on the AI and big data markets. She collaborates with IDC's regional and global consulting teams and is involved in the business development of related markets. Prior to…

2025 年作为 “十四五” 收官、“十五五” 开局的过渡年份，中国银行业在宏观经济结构调整、政策驱动与数字技术深度融合的背景下，中国银行业整体呈现出稳规模、息差企稳、风险整体可控的阶段特征，并加速由“信息化驱动”向“数智化驱动”跃迁的关键阶段，中国银行业整体发展逻辑从规模驱动转向价值驱动。

中国银行业IT解决方案市场进入低速高质发展阶段

国际数据公司（IDC）最近发布的《中国银行业IT解决方案市场份额，2025》报告显示，2025 年中国银行业 IT 解决方案市场规模为714.5亿元，与 2024年的713.05亿元相比，同比增长0.2%，解决方案市场已步入存量博弈阶段，整体增速大幅放缓。这主要是因为2025年银行净息差持续收窄、营收承压，倒逼全行业坚定推进降本增效，银行整体缩减了IT投资预算，并对IT解决方案投入也更加谨慎，整体呈现出自主创新驱动、高价值驱动。

  • 自主创新驱动：2025年，IT自主创新正由外围系统向核心交易与关键数据架构深入推进。监管部门通过“渗透率”指标对机构进行考核，直接拉动银行核心系统、信贷管理、支付清算等解决方案的应用适配与系统升级需求。这也是银行IT支出的重点。
  • 高价值驱动：随着银行息差的持续收紧，倒逼银行降本增效，银行更加重视对数据资产进行精细化挖掘，对业务进行精细化运营，将有限的预算集中砸向能直接带来收入增长、风险降低或运营效率质变的高价值领域。

IDC 预测，到 2030年中国银行业 IT 解决方案市场规模将达到968.30 亿元，从2025-2030年的年复合增长率（CAGR）达到 6.3%。整体来看，IDC认为，2025年及之后两年，中国银行业IT解决方案市场正步入一个“低速高质”的结构性变革期。市场增速虽放缓，但价值创造逻辑发生根本性跃迁——从“量的扩张”全面转向“质的提升”。

中国银行业IT解决方案市场持续演化，与AI融合成为必然趋势

根据IDC对30多家中国银行业IT解决方案厂商的调研发现，2025年度市场呈现“头部格局稳固、腰部剧烈分化、集中度长期偏低”的核心特征。行业从增量扩张全面转向存量深耕，且银行IT解决方案厂商正从“被动式服务”模式向追求高质量项目和高毛利产品的模式转型。整体市场分散度依旧处于高位，前 20 家头部厂商合计市场份额不足 40%，其余中小厂商合计占比达 60.2%，大量区域性、细分赛道厂商仍有生存空间，但行业整体竞争强度持续上升。

备注：本次调研的其他厂商包括：安硕信息、博彦科技、法本信息、高伟达、恒生电子、衡泰技术、慧博云通、京北方、凯美瑞德、科蓝软件、领雁科技、魔数智擎、时代银通、思迈特软件、银丰新融、永洪科技、用友金融、赞同科技、兆尹科技、中软融鑫。

同时，IDC也发现，中国银行业IT解决方案厂商与AI大模型的融合已从“概念验证”全面迈入“规模化落地”阶段。大多数厂商都开始基于自身技术积累与客户基础，探索出差异化的融合路径。具体表现为如下特点：

  • 第一，从“模型接入”走向“知识融合” 。头部厂商不再满足于简单调用通用大模型API，而是将数十年积累的金融业务know-how转化为AI可理解、可执行的结构化知识，构建垂直领域的竞争壁垒。
  • 第二，从“单点工具”走向“流程重构” 。厂商基于对业务的长期积累，更擅长深入核心系统、信贷管理、财富管理、风险管理、以及手机银行、远程银行、智慧网点等核心业务流程，解决智能体落地的最后一公里，实现端到端的流程再造，价值从“提效”向“重构业务模式”升级。
  • 第三，从“大模型”走向“智能体” 。2025-2026年银行生成式AI的投入重点正从“大模型落地”，演进为“智能体上岗”——大模型是“脑子”，智能体是“脑子+手”。各厂商根据自身资源禀赋推出了相关平台类产品、智能体应用类产品以及以业务konw-how为基础的工程化落地服务。在这一进程中，能够将垂直领域专业能力与AI工程化能力深度融合的IT解决方案厂商，将在新一轮市场竞争中占据主动。

未来2年中国银行业IT解决方案厂商市场机会

面对行业净息差持续收窄、盈利结构单一、资本补充承压、资产风险结构性失衡等突出矛盾，2025 年银行业全面转向轻资产、价值化经营，银行 IT 解决方案厂商需紧扣政策导向与业务转型需求，围绕五大核心赛道挖掘市场机遇。

打造对公零售一体化全链路信贷解决方案。行业信贷投放重心向科创、绿色、普惠领域倾斜，零售信贷落地 “杠铃风控策略”，粗放扩量模式终结，精细化全流程信贷系统需求激增。厂商需搭建覆盖智能尽调、线上审批、贷后预警、不良处置的一体化信贷中台，配套小微轻量化信用贷、对公债务重组专项工具，打通对公、零售信贷数据与核心系统，支撑银行差异化信贷投放与存量风险化解。

全域渠道智能化改造，搭建公私一体化客户经营工具。息差压缩倒逼银行发力财富、交易银行等轻资本业务，线上线下渠道融合、AI 智能运营成为降本增效关键。厂商需整合手机银行、对公网银、远程银行、智慧网点多渠道中台，搭建统一客户视图与智能营销平台，打通公私客户经营数据；同时将智能体嵌入客服、营销、网点运营全场景，实现精准获客与深度客户分层运营。

全域前置型智能风控合规平台升级。地产、消费信贷风险持续出清，关注类贷款迁徙风险走高，监管报送、内控审计要求持续收紧，传统事后风控工具已无法适配。厂商需打破单一风控系统局限，搭建覆盖信用、市场、流动性、操作风险一体化平台，重点落地存量不良智能识别、全流程反欺诈反洗钱、自动化监管报送三大模块；依托数据智能、自助分析能力推动风控从事后处置前置为实时预警，降低银行合规与减值管理成本。

布局中间业务与金融市场一体化系统，助力银行拓宽非息收入。财富代销、资金、资管、自营、托管是对冲息差损失的核心抓手，相关数字化需求快速扩容。财富板块搭建产品货架、分层投顾、适当性合规一体化系统，推动银行从单纯代销转向全生命周期财富服务；金融市场板块围绕资金交易、资管投研、自营风控、托管清算打造一体化工具，适配理财净值化与精细化资产负债管理，提升交易、投研、后台运营效率，打造差异化轻资本业务竞争力。

落地价值导向经营管理数字化工具。行业摒弃规模导向，成本管控、分层价值核算、资本平衡管理需求凸显。厂商可面向总分行打造一体化经营分析平台，整合信贷、客户、风控、财务全域数据，搭建多维经营指标看板，实现机构、条线、客户分层收益核算；叠加流程自动化工具压缩线下人力成本，以数据智能为基础为信贷投放、客户经营、资源分配提供量化决策支撑，匹配银行价值转型顶层目标。

整体来看，当前银行业处于盈利重构、风险缓释、AI转型深度推进的叠加周期，那些深度绑定银行轻资本转型主线，具备全业务一体化数智交付能力或在某一垂直领域长期深耕的解决方案厂商，将在行业长期变革中确立竞争优势，持续打开增长空间。

IDC更多相关研究：

进一步交流：

如您希望深入了解中国银行业IT解决方案市场的竞争格局、厂商份额、AI落地路径或细分赛道机会，欢迎随时与我们联系。IDC金融研究团队可提供定制化数据解读、趋势研判及厂商对标分析，助力您在低速高质周期中精准布局、抢占先机。期待与您展开更深入的对话与合作，联系我们。

Siri Si

Siri Si - Research Manager

Analyst Profile
Siri Si is a Research Manager for IDC Financial Insights. His core research scope includes the latest development models and trends in the financial industry, and the development and application status of various technologies in the financial technology field, focusing…

中国制造业正处于从“数字化辅助”向“智能化原生”的关键跃迁期。随着“人工智能+制造”国家战略纵深推进、中国开源大模型技术红利持续释放，工业智能体+工业软件不再只是效率工具，而是正在成为制造业核心竞争力重塑的基础设施。产业链的共识已经清晰：下游制造企业加速将AI纳入数字化转型核心议程，上游工业软件厂商全面从功能堆叠转向“软件+AI”的内生融合，致力于构建新一代智能工业底座。

国际数据公司（IDC）最新研究洞察显示，中国CAE仿真市场正加速形成两大结构性增长极：一是电子散热仿真——受AI算力基础设施投资长周期拉动，2025年该细分市场规模已达3.64亿元，增速显著领跑CAE大盘，本土厂商凭借对国内半导体与电子信息产业需求的深度响应，在这一赛道实现了单点突破，成为国产CAE工具落地最成功的细分领域；二是物理AI——CAE仿真生成的高保真物理数据正在成为具身智能、工业世界模型训练的核心生产要素，推动CAE厂商从”仿真工具提供商”向”物理AI基础设施提供商”转型，将市场边界从百亿级研发设计软件延伸至万亿级物理AI应用空间。本文结合IDC最新发布的两项研究报告，系统解读这两大增长极的形成逻辑、市场格局与未来趋势。

工业软件进入“AI价值兑现”深水区，仿真赛道增速领跑

IDC最新发布的《中国核心工业软件及工业AI市场预测，2026—2030》报告为这一共识提供了数据支撑：中国核心工业软件（含CAD、CAE、EDA、PLM、MES、APS）市场规模预计从2025年的408.8亿元增长至2030年的843.1亿元，年复合增长率（CAGR）为15.6%。其中，AI+工业软件子市场以49.0%的CAGR高速扩张，从53.0亿元攀升至389.4亿元，占核心工业软件市场的比重将从13.0%跃升至46.2%——到2030年，近半数的工业软件支出将与AI深度绑定。

其中，CAE仿真软件预计从60.5亿元增长至131.2亿元，五年复合增长率达16.7%。CAE正从传统的研发工具，升级为支撑AI算力基础设施建设、供给物理AI训练数据的双重战略角色。

基于上述趋势，IDC同步发布了《中国设计研发类工业软件（CAE）市场份额，2025》报告，首次将电子散热仿真作为独立细分赛道纳入研究，并系统分析了物理AI对仿真市场的深远影响。本文结合两项研究的核心发现，解读中国CAE市场的两大结构性增长极。

变奏一——AI算力引爆电子散热仿真，结构性需求驱动赛道高景气

电子散热仿真正在成为CAE市场中最具确定性的增长动力。2025年，中国电子散热仿真软件市场规模达3.64亿元，增速显著高于通用结构、流体仿真等传统赛道。这一增长并非短期波动，而是由下游AI基础设施投资的确定性需求所驱动：

• 算力硬件散热成为研发刚需。大模型训练推动高功耗GPU服务器和液冷方案大规模部署，从芯片封装到PCB板级、从整机机柜到数据中心机房，多层级热仿真验证已成为产品研发的必要环节——不可跳过、不可延后。

• 国产芯片迭代催生增量需求。国产高端芯片与3D先进封装的快速迭代，进一步拉动微观尺度的电热耦合仿真需求，本土仿真工具在这一环节获得了难得的规模化落地窗口。

• 产业自主可控加速工具替代。政策推动下，电子信息、半导体等行业客户对国产仿真工具的采购意愿显著增强，电子散热成为本土CAE厂商单点突破最成功的赛道。

IDC认为，电子散热仿真赛道的高景气度并非阶段性行情，而是由AI算力基础设施投资长周期拉动的结构性增长，有望在中期内持续领跑CAE各细分赛道，成为最具确定性的增长极。

变奏二——物理AI打开CAE的“第二曲线”，仿真数据成为核心生产要素

如果说电子散热是CAE市场的“第一增长极”，物理AI则打开了一个完全不同的增长维度——它不仅扩大了市场容量，更从根本上改变了CAE厂商的产业定位。

物理AI（Physical AI）是指让AI系统理解和遵循物理规律，在物理世界中安全、有效地执行任务。从具身智能机器人到自动驾驶，从智能工厂到数字孪生，物理AI的落地需要大量符合物理规律的高质量训练数据——而数据，恰恰是当前物理AI发展的最大瓶颈。真机数据采集成本高昂且数量有限；互联网视频数据虽然数量庞大，但缺少力、热、流场等物理状态信息，无法支撑需要精确物理推理的任务。

CAE仿真正好填补了这一缺口。仿真可以批量生成带有真实物理规则约束的高保真数据集——覆盖流体力学、结构力学、热传导、电磁场等各类工业物理现象。这些仿真数据不仅数量不受限，更重要的是每一组仿真结果都带有完整的物理状态标注，是训练工业世界模型和具身智能的理想“养料”。

IDC观察到，国内头部CAE厂商已率先布局这一方向：索辰科技打造“天工·开物”物理AI平台，依托自研产品生成高精度仿真数据集；云道智能推出Sim-PI物理AI开发平台，以自主仿真引擎为核心，为具身训练、智能工厂等场景提供高保真仿真训练场及规模化仿真数据。

这意味着CAE厂商正在从“仿真工具提供商”向“物理AI基础设施提供商”转型。仿真数据正在成为物理AI时代的核心生产要素，CAE厂商有望从传统的研发设计软件市场，切入万亿规模的物理AI潜在市场。这一转变是国产CAE厂商构建差异化竞争力、实现弯道追赶的前沿突破口。

展望未来——三大趋势重塑CAE市场

IDC判断，中国CAE市场未来将呈现三大趋势：

• AI加速仿真走向全流程深度融合。AI将从辅助网格生成、仿真加速，延伸到智能后处理与结果解读，贯穿仿真全流程，大幅降低CAE工具的使用门槛，推动仿真技术的普惠化。

• EDA与CAE一体化成为标准能力。芯片设计到系统级多物理场验证的无缝联合仿真将成为行业标配，缺乏全栈能力的独立仿真工具竞争力将被持续稀释，具备“芯片-封装-系统”全链条仿真能力的厂商将建立更深厚的护城河。

• 物理AI开辟万亿级增长空间。仿真数据作为物理AI的核心生产要素，将CAE市场从研发设计软件延伸至具身智能、工业世界模型等全新领域。这不仅是市场容量的扩张，更是CAE厂商产业定位的根本跃迁。

分析师观点

IDC中国制造行业高级研究经理杜雁泽表示，2025年中国CAE市场在AI算力基建和半导体自主化的双轮驱动下保持稳健增长，电子散热等高景气细分赛道为本土厂商提供了单点突破的窗口。但真正的格局变量在于物理AI——CAE仿真生成的高保真物理数据，正在成为工业世界模型和具身智能训练的核心生产要素，这将CAE厂商从‘工具供应商’推向‘物理AI基础设施提供商’的新定位。谁能率先跑通‘仿真数据—世界模型—智能预测’的闭环，谁就能在下一个技术周期中占据主动。”

更多相关研究

– 中国核心工业软件及工业AI市场预测，2026—2030（Doc #CHC53716026，2026年4月）

– 中国设计研发类工业软件之CAE市场厂商份额，2024（Doc #CHC52293825，2025年8月）

– 中国工业大模型应用进展与展望，2025（Doc #CHC52296025，2025年6月）

– 中国工业AI及智能体市场概览，2Q26（即将发布）

进一步交流

以上为报告部分核心发现。预测报告覆盖2026—2030年中国工业AI及核心工业软件各细分赛道市场预测，CAE市场份额报告完整版涵盖各细分市场份额数据、厂商排名变动与竞争格局分析。如需获取完整报告，或就工业智能体和物理AI场景应用进行深入探讨，欢迎联系IDC中国制造业研究团队。

Yanze Du

Yanze Du - Senior Research Manager

Analyst Profile
Yanze Du is a senior research manager for the Manufacturing Insights group in IDC China, and he is responsible for conducting research on and analysis of the China manufacturing industry and supply chain. He is also involved in regional and…