Logo
Become a Client

Persona: strategist

企业看到了智能体但不知道如何落地

2026年初，OpenClaw（龙虾）这类开源智能体产品很快成为市场焦点，端到端任务执行能力对企业很有吸引力。但智能体（智能体）要在企业里真正用起来，在什么场景落地成了主要的卡点。企业认知到了智能体的能力，但回到自己的业务流中，不清楚哪些环节可以交给智能体去做，哪些场景最值得优先投入。IDC 2026年智能体企业用户的调研数据显示，仍有60%的中国企业处于了解评估和试点智能体的阶段，仅有18%的企业把智能体纳入了核心业务流（IDC Syndicated Survey 2026: China AI Agents Market 2026），企业仍然难以跨越从Copilot助理向Agentic AI转型的阶段。为了解决这一问题，IDC提出了一个从业务约束出发的智能体落地框架——COMPASS模型。

业务卡点是关键：从企业业务的三层效率约束入手

到底应该如何选择智能体在业务中的落地场景呢？我们可以参考企业价值链流程，通过观察业务场景中的效率约束，来寻找切入点。一项业务从外部信息进入企业、到内部处理完成、再到能力沉淀放大，效率约束主要集中在三个层面。

第一层，信息输入的约束。企业每天接收大量外部输入，包括邮件、扫描件、图片、语音、聊天记录和表单。很多信息不能直接进入业务系统，要先经过识别、提取、转换和归类，才能变成后续流程可用的数据。

第二层，信息处理的约束。信息进入业务流之后，要在多个系统、多个角色之间流转、分析、协调。数据需要跨系统汇总，状态需要同步，异常需要及时发现，决策需要结合多方信息判断，责任需要在不同角色之间衔接。

第三层，信息资产化的约束。这是容易被管理者忽略的深层约束，企业高价值的业务经验和决策逻辑通常固化在少数员工手里。而人的并发处理能力也存在刚性上限，业务波峰时很难敏捷弹性的应对，也很难规模化增长。这一环节的关键在于让知识经验沉淀和复用，确保企业规模化扩张时不再出现效率瓶颈。

COMPASS模型：企业智能体落地的七维度指南

基于这三层约束，我们可以进一步拆解出企业智能体落地的七个关键能力维度，即IDC提出的COMPASS模型。

1.      感知与理解（Perception）

外部输入格式各异，进入核心业务系统前往往要依赖人工识别文档类型、提取字段、比对票据，效率瓶颈集中在非标准信息怎样被理解提取、怎样转化为系统可用的结构化数据。

智能体借助多模态大模型能力可以直接读取手写单据、非标合同、会议录音和视频素材，提取关键实体，按要求输出JSON或其它结构化数据，让海量外部信息直接成为系统可用的结构化信息。

2.      分析与决策（Analysis）

企业数据和业务规则分散在不同系统中，人工做综合分析效率往往很低，关联节点越多越容易疏漏，依赖经验的判断也缺乏清晰的决策记录，组织很难做系统性复盘。

智能体可以通过工具调用从多个系统实时拉取数据，结合预设业务规则和历史模式，输出结构化分析结论和决策建议。低风险或标准场景可以直接调用执行，非标和高风险场景则带着完整分析升级给人工处理。

3.      流程编排（Orchestration）

单个系统内部流转通常比较顺畅，跨系统连通往往比较脆弱。过去依赖API解决跨系统流转，建立的是确定性规则，一旦出现条件分支、异常状态，或者需要根据实时反馈在ERP、CRM和财务系统之间切换判断，硬编码连接容易中断退回人工，构建这些自动化流程本身也要占用较多IT开发资源。

智能体在任务执行环节能够做到系统调用的动态规划，接收到像”给大客户安排加急发货”的指令后，会根据上下文自主决策，调用RPA或基于API接口依次调用ERP核对库存、向WMS确认排期、在CRM中更新状态；流程生成环节，智能体可以基于已有规则库和流程模板，自动组装出RPA或自动化流程并部署上线，构建和迭代周期都会明显缩短。

4.      监控与主动响应（Monitoring）

供应链延误、财务偏差、客户行为异常、系统运维故障，任何一环的响应滞后都可能带来连锁影响。人无法7×24小时保持稳定判断，传统做法依靠阈值报警、定时巡检和轮班值守，覆盖范围有限。

智能体可以在持续监测的基础上结合上下文做智能判断，一笔异常大额退货可以同时关联该客户的近期订单模式、产品批次的质量数据、物流环节的异常记录，在告警的同时给出初步的归因分析和处理建议。

5.      协调沟通（Collaboration）

跨部门协作中信息天然不对称，产品设计的背后逻辑、法务建议的依据、仓库的实时库存，散落在不同的人、系统和沟通记录里，需要时很难立刻拼出全貌。澄清、追踪、同步消耗的时间往往占据业务人员相当大的比例。

智能体可以作为跨部门协作的中枢，持续追踪任务各环节进展，在关键节点主动通知相关方，出现延误或阻塞时自动升级；需要多方对齐时，能够快速汇总散落在各系统和沟通记录中的上下文，生成结构化的决策议题。

6.      知识沉淀（Sedimentation）

企业大量执行能力和决策能力绑定在个体员工身上，关键人员离职、调岗或休假，流程质量和决策水平都会受到影响，新人入职要经过较长周期才能积累足够的隐性知识。

智能体的运行过程本身就可以是知识显性化的过程，任务执行路径、分析框架、决策规则和异常处理方式均可以便捷的结构化地记录下来，并随着运行时间持续积累，可以复用到新的业务场景、新的分支机构和新的团队，同时也能反过来优化智能体自身的响应策略，形成持续迭代的数据飞轮。

7.      规模弹性（Scalability）

人的产能是线性的，一个人一天处理100笔订单就是极限，高峰期临时加人未必能带来同比效率提升。《人月神话》里有一个经典观察，项目每增加一个人，沟通链路会延长，交接成本也会上升，整体效率的提升往往被初始化和协调的开销抵消。

智能体的处理能力则可以随算力弹性扩展，业务高峰期不需要临时招人培训，订单量翻倍时调度更多计算资源就能跟上，背后是运行沙箱、记忆存储、调度管理等基础能力模块在支撑智能体在生产环境中稳定可控的弹性伸缩。

这七个维度就是COMPASS（指南针）模型，由上面提到的Collaboration、Orchestration、Monitoring、Perception、Analysis、Sedimentation、Scalability七个首字母构成。COMPASS对应三层约束视角，Perception对应的是信息输入层，解决外部信息能否准确进入企业系统的问题；Analysis、Orchestration、Monitoring、Collaboration对应的是信息处理层，覆盖分析决策、跨系统流转推进、监控响应和跨角色协同；Sedimentation和Scalability对应的是信息资产化层，把个人经验转化为企业可复用的数字资产，同时支撑企业规模化增长。

分析师观点：

COMPASS模型可以作为企业落地智能体的诊断和指导工具，企业可以对照七个维度盘点自身业务流的关键瓶颈，识别出需要优先交给智能体的环节。从业务瓶颈倒推切入点，更贴近企业实际的业务需求，也能够减少企业因为智能体技术或产品高速迭代带来的选择困难。

从做什么到用什么：IDC MarketGlance解决选型问题

COMPASS模型回答的是智能体怎么切入的问题，但企业在落地时仍然会面临怎么在市场上找到合适的产品和供应商这一问题。当下市场中宣称具备智能体产品和服务能力的厂商数量已经相当可观，但能力层次和落地经验的差异很大，企业难以抉择。IDC通过大量深度的厂商调研和观察，为企业提供了中国智能体市场概览这一报告(包含中国智能体行业应用与开发平台市场概览和企业级智能体应用市场概览)，预先筛选出了覆盖不同行业和业务场景中，满足评估要求的可靠智能体产品及解决方案供应商，供企业参考选择。

配套工具与实践：从方法论走向落地（限时资料免费获取）

另外基于COMPASS模型，我们准备了两份配套的智能体落地指南材料，一份是面向人的，一份是面向智能体的skill。这个skill我们已经上传了Openclaw的官方skill商店clawhub中，可以直接把skill链接( https://clawhub.ai/seanlandtop/idc-enterprise-agent-compass )给智能体安装使用，让智能体可以基于IDC的COPASS模型帮助企业进行智能体落地指引。

限时资料免费下载：可扫描二维码下载详情:

案例征集：寻找可量化ROI的Agent实践

为了进一步沉淀实践经验，IDC计划于2026年4月启动Agent最佳实践案例（ROI视角）研究，面向已经在真实业务场景中部署Agent并取得可量化效果的企业与技术供应商开展案例征集，以期为更多企业提供可参考的落地路径。

与IDC进一步交流

如果您的企业正在评估或推进Agent在业务中的落地，或希望基于COMPASS模型进一步梳理业务切入点与优先级，IDC可以提供相应的研究支持与分析服务，包括基于行业与业务场景的落地路径分析，以及结合IDC MarketGlance的供应商方向参考。

同时，对于已经进入实践阶段的企业，IDC也可以围绕Agent应用效果与ROI进行评估与复盘，帮助企业更系统地推进从试点到规模化落地的过程。

如需进一步了解相关研究内容或开展交流，欢迎与IDC联系。请点击此处与我们联系。

Zhenya Sun - Research Manager - IDC

Zhenya Sun is a research manager for the IDC team focused on exploring the application of technology and industrial development of AI and AI agents. He is also responsible for providing clients with consulting services on technologies, products, and markets related to large language models (LLMs) and AI agents, as well as delivering speeches at industry conferences and internal seminars. Before joining IDC, Zhenya served as a project management officer (PMO), responsible for internal and external strategic consulting, AI application research and advisory services, AI project framework standardization, management system construction, and technical training on AI applications. Prior to that, he also led initiatives in product development process optimization and user market analysis. Zhenya holds a Master's Degree in Engineering Management with a specialization in Information Systems Engineering from the University of the Chinese Academy of Sciences.

2026年4月24日，中国大模型厂商DeepSeek正式推出DeepSeek-V4预览版，同步开源并上线官网、官方App及API服务，标志着百万级超长上下文能力进入普惠阶段。DeepSeek-V4以100万token超长上下文为标配，通过架构创新实现性能与效率双重突破，开源版本在Agent能力、世界知识、数学推理、代码生成四大核心维度实现跨越式提升。DeepSeek-V4也将逐渐实现以华为昇腾为代表的全栈本土化算力适配，这将重塑企业级AI应用部署格局，推动大模型从”参数竞赛”转向”价值落地”。

核心观点：百万上下文成标配，全球用户准备好了吗？

DeepSeek-V4 依托稀疏注意力、升级 MoE 架构等全链路技术创新，实现高效长文本处理，全系免费标配百万级上下文，并优化 Agent 能力，降低企业落地成本。市场层面，其极致低价推动长文本服务普惠化，拓宽多行业 AI 应用场景，同时促使全球大模型形成海外高端闭源与中国普惠开源两大竞争阵营。IDC 建议，企业分阶段落地应用、抢抓智能化红利，同时兼顾技术稳定性、算力适配、合规安全等各类潜在风险。

技术影响：技术革新赋能超长文本与高效 AI 能力

DeepSeek-V4 跳出参数堆叠的研发模式，依托全链路技术创新，实现百万级上下文高效处理，核心亮点突出。

其一，自研 DSA 稀疏注意力机制，借助 token 智能压缩破解长文本算力困境，大幅减少推理运算与缓存消耗，压缩算力成本，降低企业落地难度。

其二，全面升级 MoE 架构，搭载 384 专家融合内核，以少量激活专家兼顾模型能力与推理效率，搭配 mHC 技术稳定训练效果，避免模型遗忘，适配复杂任务迭代。

其三，为个人用户、开发者和企业用户全系标配百万 token 超长上下文，赋能多类AI任务。此外，该版本还适配优化多款主流 Agent 产品，显著提升代码编写、文档生成等任务表现，为个人、企业智能化开发与办公提供更强动力。

其四，全链路本土算力支持，DeepSeek-V4 摆脱部分对英伟达 CUDA 生态的依赖，全面适配本土芯片，实现从训练到部署的全链路安全可控。

市场影响：重塑行业规则，加速全球 AI 应用分化

DeepSeek-V4 的落地，恰逢全球 AI 产业从 “模型竞争” 向 “应用落地” 转型的关键期，其技术特性与定价策略，正从价格体系、应用生态、竞争格局三大维度，深刻影响全球 AI 市场走向。

价格体系重构——开源 + 极致性价比：DeepSeek-V4定价延续 “普惠全球” 路线，V4-Flash 输入缓存命中0.2 元 / 百万 Token、未命中 1 元、输出 2 元；V4-Pro 输入缓存命中 1 元、未命中 12 元、输出 24 元，推理成本仅为 GPT-5.5 的 1/8 至 1/50，让全球中小企业与个人用户都能用上顶级 AI 能力。

应用生态爆发——解锁全场景价值，渗透核心业务：百万上下文 + 低成本 + 强 Agent 能力的组合，为企业打开全新智能体应用空间；代码能力、推理能力、世界知识能力提升也将提升相关应用的模型生成效果。

竞争格局重塑——中国与全球大模型阵营分化：全球大模型市场逐渐分化为两大阵营：以 OpenAI、Google、Anthropic 为代表的 “闭源高端+ 海外算力” 阵营，聚焦极致性能与生态壁垒, 以 DeepSeek 为代表的 “开源普惠 + 中国算力” 阵营，主打高性价比与安全可控。这种分化将为全球企业提供更多选择，同时推动 AI 产业全球化竞争进入新阶段。

行动指南：把握技术红利，分阶段落地适配

面对 DeepSeek-V4 等基础大模型带来的技术变革与市场机遇，IDC 建议企业摒弃观望心态，按照评估、试点、落地、优化四阶段稳步推进，充分挖掘其商业价值。前期需结合业务痛点，聚焦长文本处理、代码开发、智能体应用等核心场景，盘点现有算力资源，结合自身规模选择部署模式，并测算 AI 使用成本与收益。其次开展小范围试点，按需选用适配的大模型版本，在核心业务场景短期测试，核验任务运行效果，对比原有方案排查问题并优化使用策略。最后持续跟进模型迭代升级，不断拓展应用边界，持续深化 AI 落地成效，全面赋能企业内部发展。

理性拥抱变革，平衡红利与风险

用户需警惕技术稳定性、本土算力适配等风险，避免盲目落地导致损失：百万上下文在极限场景下易出现信息遗漏、逻辑断裂，MoE 架构规模化部署易负载不均、引发服务中断，Agent 适配不成熟也会导致复杂任务失败。另外用户也需警惕算力适配风险，需重视从 CUDA 向本土生态的迁移成本和性能波动。

IDC中国研究经理程荫表示，DeepSeek-V4的发布，标志着中国大模型行业正式从”参数竞赛”（1.0时代）、”能力竞赛”（2.0时代）进入”价值竞赛”（3.0时代）——以高效架构、普惠成本、场景落地为核心，解决企业实际问题。企业需密切关注大模型技术迭代，结合自身业务场景，布局百万上下文、高效推理、开源可控的AI解决方案，抢占智能化转型先机，同时也需警惕安全合规、技术稳定性、本土算力适配等风险。

IDC更多相关研究：

IDC在大模型与生成式AI领域已形成系统性研究积累，涵盖技术演进路线、行业应用成熟度、供应商竞争力及投资风向标等多个维度。我们不仅发布公开报告，也为企业级用户和投资机构提供定制化研究。

如您对IDC的相关研究感兴趣或有进一步需求，欢迎与我们联系，IDC的分析师团队期待与您进一步沟通。

请点击此处与我们联系。

Anne Cheng - Research Manager - IDC

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 joining IDC, Anne had nearly four years of working experience in the IT/ecommerce and consulting industries, serving as consultant and business analyst. Her experiences made her familiar with industry data/customers and helped her gain deep insights into the business application scenarios. Anne holds a master's degree in Statistics from the University of Missouri Columbia.

从“能用”走向“可控”，企业关注点正在发生变化

2026年，生成式AI与大模型驱动的智能体（Agentic AI）正在从技术探索走向规模化落地。越来越多的企业开始将智能体嵌入客服、研发、运维甚至业务决策流程之中，推动生产效率与业务模式的深度重构。在这一过程中，企业关注的焦点正在从“能否用起来”，逐步转向“能否用得安全、用得可靠”。近日，Harness engineering（驾驭工程）理念在业界持续升温，其强调通过设计合理的约束、权限边界和行为控制机制，为智能体设定“安全护栏”，确保其在复杂业务环境下的行为可控、合规、可解释，防止因幻觉、目标偏移或恶意利用带来的安全与合规风险。这一理念的流行，进一步凸显了智能体安全治理的紧迫性和必要性。

IDC最新调研显示，安全与道德问题已成为企业在部署AI智能体时最为关注的风险因素。同时，约64%的企业已经在生产环境中发现未授权的智能体或自动化脚本运行在关键业务流程中 ，企业亟需一套智能体安全治理体系来帮助其AI系统的稳定安全运行。

智能体带来的，不只是效率提升，还有攻击面的重构

与传统应用系统相比，智能体具备更强的自主性与动态性。它不仅可以基于自然语言输入生成决策，还能够调用外部工具、访问多种数据源，并在复杂环境中持续执行任务。这种能力使得智能体在提升效率的同时，也显著扩大了企业的攻击面。不可预测的用户输入、复杂的任务规划路径、多组件协同运行以及与外部系统的频繁交互，都可能成为潜在的攻击入口。

从实践来看，当前智能体面临的安全风险呈现出多维度特征。首先，智能体的开发与运行依赖大量第三方组件与工具链，软件供应链风险随之放大；其次，智能体自身仍存在幻觉、目标错位等问题，在特定场景下可能被恶意利用；此外，提示词注入（Prompt Injection）正在成为典型攻击手段，可诱导智能体执行非预期操作甚至泄露敏感信息。同时，随着智能体权限范围的扩大，访问控制的复杂性显著提升，而员工自行部署的“影子智能体”也在无形中增加了企业安全治理的难度。

智能体管理从“安全问题”走向“治理问题”

这些变化意味着，智能体安全正在演变为一个贯穿全生命周期的系统性治理议题。企业智能体安全和治理工作应和智能体应用部署工作同步开展，立足智能体全生命周期管理思想，开展智能体全流程检测与管控工作。用户的智能体安全体系建设需要从智能体思考、规划、编排、执行、反馈的全流程进行规划设计和执行，尽可能关注智能体全生命周期覆盖的所有核心组件，如大模型、知识库、RAG、Skill、思维链、MCP、API、第三方工具等，根据不同阶段所存在的安全风险对应检测和防护措施，搭配AI合规、AI道德、AI隐私等管控方向，构建符合企业需求的AI治理体系。

IDC在最新发布的《中国智能体威胁检测技术评估，2026》报告指出，当前市场上的智能体安全能力正在从单点检测向体系化治理演进，相关能力涵盖资产管理、漏洞检测、运行时监测、协议安全、数据安全以及安全态势管理等多个方向。该报告综合评估了国内主要厂商在相关领域的技术能力，报告入选厂商包括360数字安全集团、安恒信息、阿里巴巴、火山引擎、华为、君同未来、绿盟科技、领信数科、启明星辰集团、瑞数信息、新华三、亚信安全以及中国电信等 。截止到2026年4月，中国智能体威胁检测这一市场仍处于技术快速迭代的状态，技术服务提供商的产品服务能力仍处于快速补齐功能的阶段，技术的精细化、行业化水平仍存在不足。

随着企业应用的深入，构建“可信的AI智能体体系”将成为用户最为迫切的需求之一，解决该需求的核心在于提升系统的可解释性、公平性、透明性、准确性与可追溯性。

可见性成为基础能力，AIBOM成为核心技术方向

在这一过程中，“可见性”正在成为智能体安全的基础能力。企业需要清晰掌握自身智能体资产的构成、依赖关系及其运行状态，才能有效识别风险并制定应对策略。

IDC预测，到2028年，50%的部署Agentic AI的企业将要求具备人工智能物料清单（AIBOM），以实现对模型、数据、API及第三方组件的结构化管理与持续风险监测 。AIBOM的引入，将推动AI系统从“黑盒运行”走向“透明可控”。

协议与协作：智能体时代的新风险边界

与此同时，随着智能体之间协作能力的增强，通信协议层面的安全问题也日益凸显。以模型上下文协议（MCP）为代表的交互机制，使智能体能够在多系统之间传递信息并协同行动，但也带来了新的风险挑战。

如何实现对协议行为的持续监测、身份验证与权限控制，将成为保障智能体系统稳定运行的重要环节。MCP资产的发现与风险监测、MCP行为监测和异常检测以及MCP身份和权限的管控将成为重要的技术发展方向。

零信任进入智能体时代，身份与权限体系被重塑

在访问控制方面，传统基于边界的安全策略已难以适应智能体环境的复杂性。以“永不信任、持续验证”为核心的零信任理念，正在逐步延伸至智能体体系中。

无论是用户访问智能体，还是智能体调用外部服务、智能体之间的互相调用，都需要在动态环境中进行实时验证与策略调整，这对身份管理与权限管控、访问控制方向的技术提出了更高要求。从人的身份、智能体的身份入手、通过对资产、环境、行为等多方面的动态监控与检测，运用AI进行动态策略推荐与调整，将更高效地帮助用户处理复杂的身份、权限和访问控制问题。

AI检测防护技术加速整合，向一体化、平台化的AI安全治理方向演进

从体系化、工程化视角来看，统一化、一体化的AI安全治理平台将成为用户AI系统的综合治理平台。该系统将从AI系统的可见性出发，逐步向AI安全态势管理（AISPM），AI检测与响应（AIDR）方向迭代，最终融合道德、伦理等能力，构建一体化的AI安全治理体系。

2026年，平台化加速，大模型安全评估平台、大模型应用防火墙（大模型安全护栏）、智能体威胁检测、智能体身份与访问控制系统等主流生成式AI检测与防护产品将快速集成并平台化，以模块式架构，构建统一的AI安全管理平台，帮助用户一体化、平台化管理AI安全态势。

IDC观点：智能体安全将成为AI落地的关键分水岭

总体来看，智能体安全正在从一个技术细分领域，演变为企业AI战略中的核心组成部分。未来几年，随着智能体规模化应用的加速推进，安全与治理能力将直接影响企业释放AI价值的效率与边界。

如何在创新与风险之间取得平衡，将成为企业在AI时代必须持续面对的重要课题。

IDC中国网络安全领域研究经理王一汀表示： “IDC预计，到2031年，中国企业将拥有3. 5亿个活跃的智能体。各类智能体在帮助企业提质增效的同时，也带来了巨大的安全暴露面，智能体安全已成为企业用好智能体的关键。其中，智能体威胁检测作为企业安全风险管控的核心，将帮助企业实现智能体资产梳理、漏洞检测、风险评估等关键工作，并协助形成威胁响应闭环。当前，中国智能体安全市场和相关技术仍处于起步阶段，产品形态、检测机制和标准体系仍需完善。随着企业智能体应用规模的持续扩张，企业对智能体安全检测与防护的需求将加速释放，市场有望迎来快速发展期。”

IDC更多相关研究：

IDC已于2026年启动AI安全技术系列研究，围绕AI原生安全架构、安全智能体成熟度评估、AI驱动DevSecOps实践路径以及企业级AI治理框架等方向展开持续跟踪与分析。对于希望进一步了解相关研究、评估自身AI安全能力或探讨落地路径的企业，欢迎与IDC分析师团队进行深入沟通，以获得更具针对性的洞察与建议。

请点击此处与我们联系。

Sophia Wang - Research Manager - IDC

Sophia Wang is a Research Manager in IDC China. She is responsible for the analysis and research of China's cybersecurity market. Her primary focus is on China's cybersecurity appliance and services market and operational technology (OT) security market. Additionally, she provides related research and consulting services for regional and global IT customers and supports their business development. Prior to joining IDC, Sophia worked in several consulting companies. She was independently responsible for consulting projects in fast-moving consumer goods (FMCG), internet, and other industries. Through market analysis and benchmarking analysis, she helped many clients solve problems in the different stages of their development. Sophia graduated from the University of Southern California with a master's degree in econometrics. She also majored in human resource management and journalism for her bachelor's degree.

近日，2026 北京亦庄人形机器人半程马拉松落幕。从赛事规模、技术复杂度与产业参与度来看，较 2025 年大幅提升，再次展示行业迈向商业导入的能力与进展。IDC 预测，2030 年全球人形机器人出货量将突破 51 万台，年复合增长率近 95%。伴随本体技术升级、应用价值挖掘、产业生态共建及商业模式持续完善，未来行业竞争将聚焦应用能力与商业价值交付。

本届赛事吸引超百支企业、高校等多元主体队伍同台竞技，在核心技术与产品性能上实现多项突破。荣耀等厂商为代表的参赛主体表现突出，部分机器人奔跑速度已超越人类水平，核心运动性能显著提升，为产业落地注入强劲动能。

荣耀夺冠进一步体现出产业参与主体持续扩展，越来越多厂商开始从战略层面重视人形机器人的长期发展。在具身智能演进过程中，算力、算法与模型仍将构成核心底座。同时，消费终端厂商的入局，有望在端侧算力与视觉模型等关键环节形成差异化优势，叠加其庞大的用户基础与生态能力，将加速技术迭代与应用落地进程。

自主导航升级，从单项能力展示走向系统级能力验证

本届赛事对机器人的要求已超越基础运动能力，38% 的参赛队伍采用全自主导航模式，且自主导航机器人凭借赛事加权规则夺得冠军。贴近真实应用场景的综合考验，标志着人形机器人竞争核心转向复杂环境持续稳定运行，打通算法与本体之间的深度融合，更要求其实现感知到执行全链路高效协同，兼具高水准系统稳定性与规模化部署的工程化能力。

  • 多模态融合让机器人具备复杂环境的自主感知。机器人依托多传感器融合（卫星、激光雷达、视觉、IMU等）与实时建图技术（结合预加载赛道地图），实现对复杂物理环境的自主感知，在坡道、急弯、不平整路面及动态障碍等场景中保持稳定运行，显著提升对多样化真实环境的适应能力。
  • 强化学习与运控突破赋予机器人高拟人动态运动能力。当下，通过在仿真环境中大量开展化强化学习训练，并结合高质量人类运动数据的采集与应用，持续优化运控算法，同时在现实环境中进行持续适配与调优，机器人在运动过程中的实时感知、平衡稳定、姿态优化及拟人化表现均取得显著提升，实现了长距离赛道中的自主导航、动态避障与路径优化。
  • 热插拔换电与液冷散热是关键突破，保障机器人长时连续运行。热插拔实现机器人高效电池更换与补能；同时通过轻量化设计、能耗优化、智能功率分配及液冷散热系统的多维升级，全面提升机器人整体续航表现，二者结合为机器人长时间运行的连续性、稳定性提供双重支撑。
  • 软硬一体的系统协同与工程化能力获突破，成赛事亮点与后续攻坚重点。面向实际物理环境与作业任务需求，机器人需持续学习适配新环境、新任务，实现感知、决策、执行模块的全链路高效协同；同时推动算法模型与不同构型的硬件本体深度融合与精准适配，打通实时交互链路，在复杂任务中保障响应速度、控制精度与系统稳定性，从而加速向高可靠性、可维护性及规模化部署的工程化落地演进。

人形机器人商业化跑出“中国速度”， 2030 年全球出货量将超 51 万台

总体来看，人形机器人正向“感知—学习—决策—执行”闭环的具身智能体系演进，工程化能力成为产品商业应用落地的核心，赛事验证能力也将加速向真实场景迁移。

回顾2025年，以中国厂商引领的全球人形机器人市场迎来爆发，出货量超1.8万台。其中，以技术验证、展示交互为主的文娱表演、教育科研及导览导购等场景应用出货量占比超过85%，工业制造、仓储物流场景也已开展一批试点探索。

IDC预测，到2030年全球人形机器人出货量将超过51万台，随着本体升级、应用价值提升、生态共建推进及商业模式持续完善，行业将逐步进入规模化应用阶段，实现近95%的年复合增长率。

本体升级：中国厂商领跑硬件规模化突破

  • 市场格局： 2025 年中国厂商人形机器人出货量预计占全球 95%，在硬件制造与规模化领域形成绝对主导优势；同时，多家中国头部厂商预计将在 2026 年实现万台级产能，进一步强化规模化供给能力，并有望持续巩固这一先发优势。
  • 本体升级：聚焦本体结构优化、关节与能源系统升级、量产能力提升及运控算法优化，为后续商业化落地筑牢硬件基础。此外，作为精细操作核心载体的灵巧手，也将迎来快速发展。
  • 品类增长：轮式与全尺寸双足人形机器人是增速最快品类。其中，轮式人形机器人于2025年应用起步，凭借更高的稳定性与可靠性可快速适配并运行于室内及半结构化环境，预计到 2030 年实现年复合增长率约120%的快速发展；全尺寸双足人形机器人依托全方位的灵活性实现更广泛场景落地，年复合增长率预计超 95%。

应用价值：从技术验证向生产力工具跃迁

  • 工业加速：联合工业龙头企业开展场景探索，完成节拍、作业成功率及连续作业稳定性验证后，加速工厂环境落地推广，预计2026 年以出货增速超 200% 居首。IDC 调研显示，未来3年，用户计划进一步在码垛、搬运、拾取、上下料场景应用机器人的比例均超 80%，这些场景可作为重点突破方向。
  • 服务深入：向个性化服务延伸，通过优化用户满意度与客户粘性，拓展在导览导购、餐饮等商业服务市场的应用空间。

生态共建：数据、模型与场景的协同创新

  • 数据规模：融合仿真数据、互联网视频数据及各类数采中心的实操数据，推动虚实数据融合与规模扩张，为核心算法与具身智能的通用能力提升提供关键支撑。当下，中国已汇集上万小时、近千TB数据集，并牵头立项全球首项《人形机器人数据集》国际标准。
  • 模型迭代：加速机器人运动模型的升级以提升运控能力，推动世界模型与VLA模型的深度融合以增强智能泛化性，从而强化人形机器人的具身智能通用能力。全球头部人形机器人及AI模型厂商正持续加速底座模型的迭代升级。
  • 场景共创：面向真实产业应用场景，推动应用开发与解决方案的生态共建，打通从技术验证到规模化应用的关键链路，加速人形机器人技术的产业化落地。

商业模式：RaaS（机器人即服务）加速推广

  • 租赁、订阅等RaaS模式通过降低用户的使用门槛，显著加快市场对人形机器人的认知与推广速度。IDC最新调研显示，用户对RaaS模式的接受率较上一年翻倍。随着服务体系、计费模式及运维体系完善，RaaS普及将进一步提速。

IDC认为，2026北京亦庄人形机器人半程马拉松已成为观察人形机器人技术成熟度与产业进展的重要窗口。赛事不仅验证了关键技术能力，也加速了产业生态构建与商业化进程。未来2–3年，人形机器人行业将进入关键发展阶段，厂商竞争将从技术展示转向实际应用能力与商业价值交付。具备系统级能力与工程化落地能力的厂商，将在新一轮市场竞争中占据主导地位。

本文核心内容引自IDC相关报告：

IDC《Worldwide Annual Humanoid Robotics Tracker》（即将发布）

IDC《具身智能与人形机器人：中国工业落地新机遇》（Doc# CHC53325326，2026年2月）等。

了解更多：

人形机器人正处于从“技术可行”迈向“商业可行”的关键窗口期，领先企业已经开始加速布局并锁定核心场景。对于仍在观望的企业而言，留给试错与判断的时间正在快速减少。

基于长期跟踪与一线调研，IDC已形成覆盖市场规模预测、重点行业机会、应用优先级排序及厂商竞争格局的完整研究框架，可为企业提供从战略判断到落地路径的系统性支持，帮助快速识别可规模化复制的商业机会。

如果您正在：

  • 评估是否进入人形机器人赛道
  • 寻找优先落地的高价值应用场景
  • 分析重点厂商能力与合作机会
  • 制定未来2–3年的业务布局与投资策略

欢迎与IDC研究团队直接联系，获取最新研究数据与定制化洞察支持。我们也可根据您的业务需求，提供一对一交流与专项分析，帮助您在关键窗口期做出更快、更准的决策。

请点击此处与我们联系。

Lily Li - Research Manager - IDC

Lily Li is a research manager for emerging technologies in IDC China. She is responsible for conducting research and analysis for Internet of Things (IoT) in the same country. She is also involved in global and regional consulting as well as business development in related markets. Prior to joining IDC, Lily has had in-depth working experiences in the urban digital transformation (DX) field and a wide range exposure to Smart City developments. She has a deep understanding of the status quo and is knowledgeable about the market's future trends. Lily holds a master's degree from the Graduate University of Chinese Academy of Sciences (GUCAS).

医疗大模型的准确率已从80%提到95%，但真正的下一站不是更准的模型，而是智能体驱动软件重构。IDC最新实测揭示：通用大模型与医疗大模型的差距正在收窄，未来的分水岭在于——谁能用智能体重塑长流程业务。

本文核心观点来自IDC于2026年4月发布的两份最新研究报告，为医疗机构及软件厂商提供技术选型、产品演进与市场策略的参考。

医疗大模型技术的价值初步得到认可

从通用大模型到部署垂直医疗大模型，2025年大模型在中国医疗体系中的应用进程被显著加速。医疗机构对这一技术的态度从被动向主动合作转变，部分机构展现出了付费意愿。2025年AI+医疗应用软件市场规模达到35.4亿元人民币，预测到2030年市场规模将达到140.0亿元人民币，渗透率达44.7%，成为医疗应用软件市场的重要增长来源。

医疗大模型实测：头部厂商的模型实现从性能到质量的综合能力提升

医疗大模型作为重要基座，其能力将影响智能体在医疗场景的能力，因此继2025年3月的第一次实测之后，IDC展开了第二次医疗大模型实测工作，此次收录的医疗大模型厂商包括百川智能、东软集团、福鑫科创、浪潮云、讯飞医疗、卫宁健康（按名称首字母排序）等发布了医疗大模型的厂商。设计了目前医疗机构最为广泛采用的医学知识、健康咨询、门诊病历生成、辅助诊断、病历分析、检验检查解读、诊后管理及随访场景实测。经过实测，IDC 有以下发现：

  • 模型在场景中的表现较去年显著提升。在任务场景表现方面，厂商的准确率较2025年有明显提升，尤其是客观选择题方面正确率从80%提升至95% ，集中在了案例类的题目；在分析类场景中，头部能够全面考虑给出的信息，引用给定的信息和出处，多模态融合决策分析，给出全面性、可循证的信息。
  • 医疗大模型之间呈现梯队化差异。相较于第一期的测试，头部厂商的大模型，如东软集团、讯飞医疗、卫宁健康等（按名称首字母排序）在各类场景中的准确率、专业度、可解释性明显提升，呈现出专业医师的水平，同时其模型性能、生成质量、模型数据显著改善。
  • 服务及落地能力形成了明显差异。基于厂商的基因不同，厂商在AI方面的人才结构、业务和客户资源、对产品的理解能力不同，部分技术厂商在向医疗领域切入时，会发现其能力方面表现较好，但是在落地应用、产品开发及验证、客户拓展等方面与头部厂商形成了明显差异；同时，医疗背景厂商在技术表现上较优，但对其AI方面能力的认可较低。
  •  

未来，以医疗领域的大型模型为基础，加速软件向AI原生化革新，重塑业务流程

在本次实测中，IDC同时纳入通用大模型，根据结果发现，头部的医疗大模型和头部的通用大模型在一些标准化程度较高的病历生成、检验检查解读，以及这些单点化场景的结果差异并不显著。因此，相对于发展全科的医疗大模型以及外挂的单点智能体，行业发展将从以下两点展开：

  • 医疗大模型需持续提升模型的性能及生成质量，同时深入肿瘤、妇科、儿科等专科的数据训练，完善门诊到住院的长流程的场景化模型训练，从而为智能体奠定基础；
  • 从单点的医疗软件+智能体的形式，转变成Agent原生的软件体系，从而发挥出大模型的推理、决策，以及智能体的自主、执行等能力，切入更长流程的业务，打造更灵活的业务流程。

适配技术发展，厂商所须具备的能力也需要对应提升

短期，跑马圈地，通过高频场景的Agent占市场先机。软件+AI形式仍将是短期内大模型技术进入医疗机构的重要落地形式，也成为了厂商产品进入医院市场的重要方式，厂商需要从高频的病历生成、检验检查解读等场景切入，尽快完善医疗软件+AI的产品及服务能力，尤其与HIS、EMR等主流软件的融合，加速验证该类产品的成熟度，从而快速抢占医院的AI需求，从而为后续的增值扩展合作建立基础。

中长期，重构软件，储备全栈式智能体能力切入长流程场景。厂商需要拓展更面向复杂的手术、住院的医疗场景，从而形成差异化竞争。厂商一方面需要重新构建由智能体驱动的软件体系，储备从全域数据平台建设、数据治理、数据标注、模型开发训练、智能体开发等综合技术能力，另一方面也要深入医院实际工作和业务系统，加深对长流程业务场景的理解。

配套按量、按需、按效果等多元化付费模式。近年来医疗机构的信息化预算收缩，而大模型及智能体的广泛应用需要配套软件及硬件的全面升级，面对高昂的费用支出，医疗机构将会望而却步。因此，厂商需要调整合作模式以适配用户的需求，包括按照分期付费、调用次数付费、按照资源消耗付费、按照使用效果付费模式等的前期探索也是厂商取得成功的关键。

本文核心观点来源于以下IDC研究报告：

  • 《中国医疗大模型技术评估，2026》（Doc# CHC53377725，2026年4月）
  • 《中国医疗软件系统解决方案市场预测， 2026-2030》（Doc# CHC53828426，2026年4月）

医疗大模型的竞赛，正在从“模型有多强”转向“业务流能改多深”。IDC最新实测显示，当标准化任务的准确率突破95%之后，真正的分水岭已经出现——谁能用智能体重构长流程业务，谁才能真正占领未来五年的医疗软件市场。

如果您正在关注：

  • 医疗大模型的真实落地能力与选型评估
  • 智能体如何与HIS、EMR等核心系统深度耦合
  • 从“软件+AI”到“Agent原生”的路径规划
  • 医疗AI应用的付费模式与ROI测算

IDC医疗行业研究团队持续追踪医疗大模型、智能体应用及医疗软件市场，拥有覆盖技术评估、厂商实测、市场预测的完整研究体系。欢迎随时与我们联系，获取报告更多信息，或针对您业务场景的定制化交流。让决策，先于趋势。

请点击此处与我们联系。

Erin Lin - Senior Market Analyst - IDC

Erin Lin serves as a senior market analyst of the IDC China Health Insights group. She is responsible for conducting research and analysis about the health industry for both domestic and regional markets. She is also involved in consulting and business development in related markets. Before joining IDC, Erin had four years of experience in medical administration; then served as an analyst in the health industry for two years. Erin is familiar with healthcare institutions and related businesses, and has been gathering deep insights into the health industry and emerging medical technologies. Erin holds a master's degree in Leadership and Management in Health and Social Care from the University of Southampton, and a bachelor's degree in Clinical Medicine from Capital Medical University.

当生成式 AI 从“技术试验”走向“业务核心”，企业真正面临的挑战已不再是模型能力，而是如何高效、可控地规模化落地。训推一体化优化，正在成为企业构建竞争壁垒的关键抓手。

生成式 AI 正在加速向企业核心业务渗透，其价值重心也从“功能创新”转向“效率重构”。IDC研究显示，到2026年，近半数中国企业将部署超过10个生成式 AI 应用场景，这意味着AI已从探索阶段进入规模化应用阶段。在这一过程中，企业逐渐意识到，大模型的真正挑战并不在于“是否拥有”，而在于“是否能够稳定、高效、低成本地运行并持续优化”。

一、生成式 AI 进入规模化落地阶段

从行业演进来看，生成式 AI 正在经历从“点状应用”向“系统性重构”的关键跃迁。早期应用主要集中在内容生成、电商营销等互联网场景，而当前则加速渗透至金融、制造、医疗等核心行业，并逐步深入到采购、销售、财务以及IT运维等企业关键流程之中。这一变化意味着AI不再只是提升局部效率的工具，而正在成为重构企业运营模式的重要基础设施。

与此同时，用户侧的使用习惯也在发生根本性变化。生成式 AI 的使用频率不断提升，越来越多用户已经形成日常依赖，这从侧面推动了企业对AI系统稳定性和响应能力提出更高要求。在此背景下，智能体（Agent）逐渐成为新的应用形态，其“认知—决策—执行”的闭环能力，使AI能够直接参与业务流程，而非仅提供辅助支持。IDC认为，智能体将成为企业数字化转型的核心驱动力之一。

二、Scaling Law 之下的工程复杂性挑战

虽然大模型能力仍然遵循Scaling Law，即通过增加数据规模、模型参数和算力投入来持续提升效果，但在实际落地过程中，这一规律正面临越来越明显的工程约束。随着模型规模扩大，企业不仅需要应对训练成本的指数级增长，还必须解决推理延迟、系统吞吐以及服务稳定性等问题。

更重要的是，系统瓶颈正在发生转移。在早期阶段，算力是主要限制因素，而在当前阶段，跨节点通信、数据传输以及系统调度能力逐渐成为新的瓶颈。特别是在多节点、多GPU环境下，网络带宽和通信效率直接影响整体性能，使得“等数据”而非“等算力”成为常态。

因此，大模型优化已经从单一算法问题，演变为涵盖计算、存储、网络和软件栈的复杂系统工程问题。这一转变也意味着，企业竞争的焦点正在从模型能力本身，转向整体工程能力和架构设计水平。

三、训推一体化成为主流优化路径

在上述背景下，企业逐渐倾向于采用端到端的训推一体化框架，以降低系统复杂度并提升整体效率。这类框架能够贯穿模型生命周期，从数据处理、模型训练到推理部署，实现统一管理与持续优化，从而显著缩短模型迭代周期。

在训练阶段，优化重点已经从“增加算力投入”转向“提升算力利用效率”。通过多维分布式并行策略以及混合精度训练技术，企业可以在有限资源条件下显著提升训练效率，并降低硬件成本。同时，显存优化和通信优化技术的应用，使得大规模模型训练逐渐具备可扩展性和可持续性。

进入后训练阶段，模型优化的重点转向业务适配能力。通过参数高效微调、模型蒸馏以及强化学习等技术，企业能够在控制成本的同时提升模型在特定场景中的表现。尤其是在智能体应用中，强化学习成为提升复杂推理能力的关键手段，但其高计算成本和系统复杂度也对企业提出了更高要求。

在推理部署阶段，优化的核心目标则是实现性能与成本之间的动态平衡。随着模型规模和上下文长度不断增加，推理系统需要同时满足低延迟、高吞吐以及高并发需求。在这一过程中，KV Cache优化、动态批处理以及低精度量化等技术成为关键手段，而PD分离架构（Prefill与Decode分离）及其配套的缓存管理机制，已逐渐成为行业共识。

在当前主流的大模型开发框架中，通常会提供覆盖模型训练与推理全流程的多种优化模型与工具。下图展示了在一个典型的大模型应用流程中，这类框架所包含的核心优化工具及其对应的主要优化方案。

四、基础设施成为新一轮竞争焦点

随着大模型应用规模的扩大，底层基础设施的重要性显著提升。IDC数据显示，中国生成式 AI 基础设施市场正处于高速增长阶段，预计未来几年将保持超过60%的年复合增长率。这一趋势表明，企业对算力资源、存储能力以及网络架构的需求正在快速提升。

更深层次来看，AI竞争正在从“模型竞争”转向“基础设施与系统能力竞争”。高性能GPU、低精度计算能力、多级缓存体系以及高速互联网络，正在共同构成新一代AI基础设施的核心。这些能力不仅决定模型训练效率，也直接影响推理成本和服务质量，从而成为企业构建长期竞争优势的重要基础。

五、对技术决策者的关键建议

大模型正在快速迭代和扩展，在训练和推理阶段都面临算力成本和数据质量的挑战。随着模型规模的增长和新技术的涌现，如何在提高训练效果和推理效率的同时，确保模型的稳定性和可控性，是技术提供方需要解决的重要问题。

模型训练阶段：采用多维分布式并行（如数据并行、张量并行、流水线并行）和混合精度训练（BF16/FP16），可大幅提升训练效率，缩短开发周期，降低硬件资源消耗。利用高效的数据管道和动态负载均衡，确保算力利用最大化，减少资源闲置。

后训练（微调/蒸馏）阶段：应用参数高效微调技术（如LoRA、Prefix Tuning）和模型蒸馏，可在保持模型性能的同时显著降低部署成本，提升模型适应性。结合自动化超参搜索和增量训练，提升模型在特定业务场景下的表现。

推理环节：采用低精度量化（FP8/INT4）、内核融合、KV Cache优化和动态批处理等技术，能有效提升推理吞吐量和响应速度，降低显存和算力需求。部署高效的服务架构（如PD分离、异步调度），保障高并发场景下的稳定性和可扩展性。

结论

大模型技术正在快速走向成熟，但真正拉开企业差距的，未来将不仅仅是模型本身，更是围绕训练、后训练与推理的系统化优化能力，这也决定了基础设施是否能输出高质量、有效Token。实践表明，通过构建统一的优化框架并持续迭代技术栈，企业不仅能够加速AI应用落地，还能够显著降低创新成本，提升整体业务价值。

本文IDC相关报告：

  • IDC《大模型训练推理优化部署的最佳实践》

基于上述分析，IDC在大模型、生成式AI以及智能体等领域已形成系统化的研究体系。围绕中国AI与GenAI市场、智能体与自动化应用、以及Data+AI与Data Agent等方向，IDC持续发布涵盖市场规模与预测、技术趋势洞察、厂商竞争格局评估（如MarketScape）、产品与能力评测（Tech Assessment / ProductScape），以及最佳实践与行业案例等多类型研究成果。同时，IDC还可为企业提供定制化咨询服务，包括技术选型与架构规划、市场进入与竞争分析、产品策略与生态评估，以及行业应用落地路径设计等。

请点击此处与我们联系。

在当前政策与产业共振的窗口期，央国企智能化转型正从“技术导入”阶段，迈入“体系重构与价值兑现”阶段。2026年全国两会政府工作报告明确提出，鼓励央企国企带头开放应用场景，打造智能经济新形态，并深化“人工智能+”行动。国资委同步推进中央企业“AI+”专项行动，强调以主责主业为牵引，构建协同高效的产业与经营机制，强化战略支撑与示范带动作用。这一系列顶层设计，意味着AI已由“技术变量”转变为“发展变量”，成为央国企重塑增长逻辑的关键抓手。

从发展路径看，央国企正由规模导向转向质量导向。国资委提出“两个确保、两个力争”，明确要求确保“一利五率”经营指标稳中向好，并实现结构性优化。这一目标体系，本质上是对投入产出效率、资产质量和经营韧性的系统重构。在这一框架下，AI不再是边缘工具，而是支撑“高质量发展”转型的决定因素，其核心在于是否能够嵌入主责主业，进入生产、运营与决策的关键环节，并形成可度量的价值闭环。只有当AI实现从“分析建议”到“自动执行”的跃迁，并满足低幻觉率与高可靠性的业务要求，才能真正支撑央国企的高质量发展目标。

三大结构性趋势重塑央国企智能化转型路径

首先，算力体系加速从通用能力向AI原生底座升级。央国企已深度参与国家算力网络建设，“算力+电力”协同持续推进。随着大模型与复杂智能体应用深化，传统通用算力体系难以支撑高并发与高复杂度场景，央国企对自主可控AI算力底座的需求显著提升。叠加信创考核与供应链安全约束，国产AI芯片与算力体系的规模化应用正在成为刚性要求。以智能云为核心的算力、数据与平台一体化底座，将成为央国企智能化的基础设施。

其次，数据治理从“汇聚管理”转向“要素化运营”，数据价值开始成为新的增长来源。央国企智能化转型在于高质量数据集与数据要素体系的构建。一方面，围绕能源、工业等关键行业，形成可支撑模型训练与智能体迭代的高质量数据资产；另一方面，通过可信数据空间与合规流通机制，实现跨部门、跨行业的数据共享与价值转化。

再次，AI应用从试点验证进入规模化落地阶段，价值导向成为核心评估标准。随着前期大模型试点基本完成，央国企的投资重心明显转向场景化落地能力。企业不再关注模型规模本身，而更加关注在生产优化、运营管理、客户服务与风险控制等关键场景中的实际效果。

进一步看，智能化建设正从工具叠加走向体系重构，AI成为业务运行的底层能力，央国企进入流程重塑与组织适配为核心的深水区。AI不再是外挂系统，而是嵌入复杂组织与业务体系之中，驱动流程再造与管理模式升级。这一转变意味着企业正从“业务数字化”走向“数字业务化”，数字技术由辅助工具转变为业务本身的运行逻辑。

IDC建议：三大结构性机遇指向央国企智能化升级关键方向

多智能体协同架构成为复杂业务场景的关键技术范式。

央国企业务链条长、专业分工细，单一模型难以覆盖全流程需求。通过构建多智能体协同体系，将不同能力模块化并形成协作网络，可以有效支撑跨部门、跨系统的复杂业务运行。同时，该架构天然契合央国企分层分级的组织结构，在实现灵活部署的同时，满足可管、可控、可审计的治理要求。

高质量数据集与数据要素体系建设成为核心基础工程。

随着行业模型与智能体应用深化，数据质量直接决定AI应用效果。央国企正在从单点数据治理走向体系化数据能力建设，通过标准化、精标注、多模态数据集构建，支撑模型持续优化。同时，围绕数据流通与价值转化，逐步形成面向行业的共享与运营体系。

国产软硬件体系进入深度适配阶段，推动智能应用规模化落地。

在自主可控战略牵引下，央国企持续推进全栈国产化替代，核心业务系统成为落地重点。从当前进展看，国产化已由“单点可用”走向“规模好用”，并在部分关键场景实现性能优化与成本下降。这一趋势为智能化应用提供了安全、稳定且可持续的技术底座。

总体来看，2026年作为“十五五”开局之年，央国企智能化转型的路径已逐步清晰：以智能算力为底座，以高质量数据为核心，以行业模型与智能体为抓手，以体系化重构为路径，实现AI在核心业务中的规模化应用。从数据治理、行业应用到云与算力体系，再到重点行业的应用场景深化，均显示出一致的方向——智能化正在从“能力建设”转向“价值兑现”。在政策牵引、技术成熟与业务需求的共同驱动下，央国企正进入以AI为核心驱动的新一轮增长周期。

IDC相关研究

面向2026年，IDC围绕“AI驱动央国企高质量发展”持续开展系统性研究，重点聚焦智能算力基础设施、行业大模型应用、数据要素体系等关键方向。IDC通过企业调研、案例分析与市场跟踪，形成覆盖技术趋势、行业实践与投资决策的系列研究报告，旨在为央国企在“AI+”行动中的战略规划、路径选择与价值评估提供可落地的参考依据。相关研究将持续更新，支持央国企在智能化转型过程中实现从能力建设到价值兑现的跨越。

如您希望进一步了解IDC在央国企智能化转型、行业大模型落地、数据要素体系建设或AI投资规划方面的研究与咨询服务，欢迎与我们取得联系。IDC可结合企业实际情况，提供定制化研究、专项咨询及落地路径设计支持，助力央国企在“AI+”转型中实现可持续增长与价值突破。欢迎随时与我们沟通交流，我们的分析师团队将为您提供更具针对性的洞察与建议。

如需进一步了解与研究相关内容或咨询 IDC其他相关研究，请点击此处与我们联系。

IDC一直密切关注主权云和AI主权的话题。特别是在当下地缘政治环境复杂的大背景下，企业如何在控制与创新之间找到平衡，在保障数据安全的同时实现业务发展，成为一道必答题。近日，IDC全球研究总监Massimiliano Claps、IDC中国研究副总裁周震刚联合撰文揭示，主权AI的核心理念并非追求绝对的封闭或开放，而是在安全合规与发展需求之间寻求和谐统一，真正将选择权掌握在自己手中。本文将梳理核心观点，与您一同探寻主权AI的破局之道。

各国政府机构与公共部门的高层管理者——如项目主管、CIO、CTO和CAIO等角色——始终肩负着双重使命：既要通过技术推动创新，又要控制好伴随而来的风险。从历史上看，私营部门的IT和业务领导者往往更敢于创新。不过，在受监管行业中，领导者所承受的压力与公共部门颇为相似。过去12到18个月里，这种张力在不断加剧。AI可能带来的巨大收益与颠覆性影响，引发了人们对于如何管理相关风险的担忧。同时，地缘政治的动荡，也让技术选择的战略自主性、数据的控制权以及运营韧性变得至关重要。这些变化交织在一起，汇聚成了当前关于主权AI的讨论。


主权辩论的演变：从战术控制到战略要务

速度与控制、创新与主权之间的张力，是当下数字化和AI战略的核心问题。这也正是主权辩论不断演变的焦点所在。之前，关于数字化和云主权的讨论，源于一个非常具体的担忧：敏感数据可能会被外国司法管辖区访问。如今，这种较为狭隘的担忧，已经扩展成了一个更宏大的命题。当前，主权已经成为一项战略要务，深刻影响着组织设计自身整个技术架构的方式。

今天，主权不再仅仅关乎“数据存放在哪里”，它涉及到对数据、基础设施、运营乃至供应链的控制。而AI主权则更进一步，它关乎对整个AI生命周期的控制——从模型开发、部署，到最终的治理。

IDC全球研究总监Massimiliano Claps表示，IDC研究表明，市场的信号非常清晰。各国政府正在积极投资主权AI能力，从国家云基础设施到本土的AI生态系统。它们通过各种激励措施推动本地数据中心建设，资助本土语言的AI模型，并制定指导方针，来规范主权解决方案的采购与部署方式。对于政策制定者而言，AI早已不再仅仅是一项技术，它已经成为提升经济竞争力和保障国家安全的重要工具。”

对组织来说，这意味着一个全新的现实。如今，企业高层管理者（包括业务与IT负责人）面临的问题不再是设计单一的全球架构，而是如何在碎片化、多主权的世界中找到自己的方向。

选择正确的路径

面对这种复杂性，许多领导者都在寻找一个“标准答案”：到底哪种部署模式最有主权？实际上，市场上已经形成了一系列部署原型，从公有云到完全物理隔离的环境，不一而足。每种模式在控制力、敏捷性、创新速度和成本方面，都各有利弊。没有哪种模式可以包打天下。

一个受到高度监管的AI工作负载，可能确实需要一个主权环境，甚至是物理隔离的环境。而一个面向客户的应用程序，可能更适合利用公有云的可扩展性，同时辅以一些主权控制措施。

真正的挑战在于，要为不同的用例，甚至是同一个用例的不同组成部分，选择正确的模式。例如，AI训练用一个部署模型，检索增强生成用另一个，而代理型AI编排层可能又要选第三种。

正因如此，混合架构正成为公共和私营部门共同的主流模式。根据IDC 2025年数字主权调查（覆盖了900多名来自各行各业的IT及非IT领导者），37%的受访者表示“本地部署是目前的主要环境，主权云是（或将是我们唯一使用的）云类型”，而高达55%的受访者表示“主权云是（或将成为）我们多云/混合云战略的一部分”。

IDC预测：

  • “到2028年，跨国公司的CIO，将把对模块化、主权就绪的云和数据本地化环境的投资增加65%，以应对日益增长的主权需求，确保运营能够适应未来发展。”
  • “到2026年，55% 的政府机构将采用混合主权云架构，将超大规模云服务商的能力与国家层面的控制相结合，确保AI应用合规、安全，并实现战略自主。”

公共和私营部门的领导者们，并未因此放弃云，而是在重塑云。他们将全球超大规模云服务商的能力与本地控制层相结合，构建出IDC所称的“主权就绪”环境。
这种做法也揭示了一个更深层次的真相：主权并不意味着自我封闭。主权的核心在于拥有选择权和控制权。

结合具体情况，IDC将主权云与主权 AI 划分为数据主权、技术主权、运营主权三个递进层级，主权掌控力度由低到高，企业无需追求一步到位，应结合自身合规要求、业务场景与创新节奏灵活选择适配层级。

  • 数据主权的核心是数据的属地存储、访问权限与合规流转，确保敏感数据不出境、受本国司法管辖，是企业满足基础监管要求的最低门槛，也是主权 云和主权AI 的起点。　
  • 技术主权聚焦算力硬件、模型框架、核心算法与供应链的自主可控，减少对单一外部技术的依赖，保障 AI 研发与迭代的技术自主性，适用于对安全与供应链韧性要求较高的场景。
  • 运营主权指对云和AI 全生命周期的部署、调度、运维、治理、应急响应拥有完全掌控权，覆盖基础设施运维、服务连续性、权限管理与合规审计，实现从技术到落地运营的全流程自主。

IDC中国研究副总裁周震刚表示，IDC认为，企业不必盲目追求更高层级，可按业务属性分级适配：普通创新场景满足数据主权即可；核心 AI 业务需叠加技术主权保障安全；政务、金融、关键基础设施等高监管领域，则需完整实现运营主权，在安全可控与业务效率间取得最优平衡。

主权AI的真相

关于数字化和AI主权的讨论，常常被描述成一种取舍：要么要控制，要么要创新。但那些真正能脱颖而出的组织，恰恰是摒弃了这种非此即彼思维的组织。它们明白，主权并不是限制创新，而是按照自己的方式去实现创新。

在AI正逐步成为经济与社会支柱的时代背景下，IDC的研究致力于帮助那些需要做出战略选择的业务和IT领导者，以及那些正在重新调整产品方向的技术供应商，把关键要素串联起来。

IDC主权云及AI主权相关研究报告

全球及政策制定者

  • 从数字主权到政府AI主权（2025-12）
  • 数字主权如何影响政府中的AI应用（2024-09）
  • IDC PlanScape：政策制定者的数字主权框架（2023-05）
  • AI主权：国家经济竞争力与安全（2025-02）
  • IDC PlanScape：国家政府IT领导者的数字与AI主权行动方案（2025-06）
  • 数据韧性、控制力与战略自主清单：重构复杂主权方法的实践进展（2025-08）

欧洲、中东、亚太等地区

  • 主权云对西欧、中东、土耳其和非洲地区AI工作负载的影响：组织需考虑的因素（2024-11）
  • 2025年欧洲主权云：什么是“B计划”？（2025-09）
  • 海湾地区主权云部署选择——全球与本地供应商如何在规模、控制与信任之间取得平衡（2025-11）
  • Deem Cloud：赋能沙特主权与AI就绪型政府服务（2025-09）
  • 亚太地区主权云：2025年市场动态（2025-09）

AI、云、能源、数据、应用

  • 数字主权如何影响AI与主权云的使用（2025-12）
  • 主权AI：是什么、为什么、怎么做（2025-11）
  • 全球主权云市场预测，2025–2029（2025-12）
  • 能源主权：数字主权如何影响IT能源选择（2025-10）
  • 数字主权与数据空间：不断演变的数据共享格局（2024-09）
  • 哪些工作负载迁移至主权云，AI如何受到影响？（2025-07）

IDC长期深耕数字主权、主权云与AI主权领域，持续跟踪全球市场动态，为企业提供从宏观趋势到落地路径的系统性洞察，涵盖国内以及亚太、中东非洲、欧洲、拉美等众多区域市场。

如需进一步了解与研究相关内容或咨询 IDC其他相关研究，请点击此处与我们联系。

Thomas Zhou - Vice President - IDC

Thomas Zhou is the vice president of Enterprise Research for IDC China. He leads the enterprise research team in covering market analyses, tracking of data, forecasting, and consulting for enterprise computing, storage, networking, infrastructure software, cloud, and datacenter. He is also responsible for IDC data tracking of software, services, and the public cloud services market in China. Thomas speaks frequently at IDC, industry, and user events and is always quoted in leading business and technology publications. Thomas joined IDC in 2006. He provides in-depth market analysis, research, and consulting on all aspects of the enterprise infrastructure to IT vendors and investors. During his tenure at IDC China, Thomas has led IDC's primary research focused on emerging trends in enterprise systems and datacenters. This research continues to make IDC a thought leader in enterprise infrastructure‒powered digital transformation. Thomas's recent topics covered software-defined infrastructure, hyperconvergence, virtualization, and cloud computing infrastructure. Prior to joining IDC, Thomas worked for 10 years as a senior project manager and business consultant for several leading IT companies in China. Thomas holds a master's degree in Computer Engineering from the University of Science and Technology of China.

近两年，具身智能正成为人工智能领域的重要发展方向，并推动机器人产业进入新一轮创新周期。从技术探索走向商业落地，越来越多企业开始关注具身智能机器人。然而，在产业热度持续升温的同时，一个更为关键的问题也逐渐凸显：企业用户真正需要什么样的机器人？

为了更好理解市场需求，IDC对中国企业用户进行了专项调研，从企业认知、应用需求、采购意愿和落地挑战等多个维度进行分析。总体来看，中国企业用户对具身智能机器人与人形机器人等新兴方向保持较高关注，并已开展试点探索，普遍看好其在中长期通过灵活协作和高场景适应性释放应用价值。

企业整体态度偏积极，正从关注走向探索

从企业整体态度来看，当前市场呈现出以“关注与探索”为主的结构。约27.7%的企业已表达出明确的积极态度，超过一半的企业虽仍处于观望阶段，但已开始关注并评估相关技术。

这一结构符合新技术商业化早期特征：少数企业率先布局，更多企业处于验证与观望阶段。随着技术成熟度提升及应用案例的不断积累，企业对具身智能机器人的接受度有望进一步提升。

感知能力优先提升，执行与安全能力成为关键支撑

在能力需求方面，企业对具身智能机器人的优化方向呈现出明显的递进结构：首先是环境感知能力，以实现“看得清、反应快”；其次是执行与安全能力，确保“做得准、运行稳”；在此基础上，再逐步向决策与协同能力升级，推动机器人向更高水平的智能化发展。

这一趋势表明，具身智能机器人的能力演进正从单点能力优化，走向“感知—执行—决策”一体化能力体系。

企业选型更加理性：可靠性、ROI与生态能力成为核心

在具身智能机器人供应商选择方面，企业最看重的三大因素分别是：设备稳定性与可靠性（61.5%）、产品性价比与投资回报率（53.1%）以及生态与合作伙伴网络（50.8%）。

与此同时，具身智能相关技术能力同样受到高度关注。约48.5%的企业关注核心AI算法能力与多模态感知能力，说明企业在关注硬件性能的同时，也 持续重视机器人在感知、决策与协作方面的智能化水平。

与此同时，企业对具身智能技术能力关注度持续提升。近半数企业看重核心AI算法与多模态感知能力，表明其在关注硬件性能的同时，也重视机器人在感知、决策与协作方面的智能化水平。

整体来看，企业在评估具身智能机器人供应商时，正在从单纯的硬件性能评估，逐步转向综合能力评估，包括设备可靠性、投资回报、智能化能力以及生态协同能力等多个维度。这一结果表明，当前企业在选择具身智能机器人供应商时呈现出 “可靠性优先、经济性驱动、智能化能力并重” 的特点。

人形机器人关注度领先，多形态机器人需求正在形成

从期望形态来看，人形机器人获得了最高关注度。用户对引入人形机器人的核心期望集中在仓储物流（76%）、生产制造（68%）、安防巡检（51%）等对人力依赖度高、任务标准化程度强的领域，期望其通过承担重复性、高强度或高风险工作，释放人力资源并提升整体运营效率。

同时，中国工业企业用户对具身智能机器人载体形态的需求正呈现出多样化趋势。除人形机器人外，四足机器人与协作机器人等在特定场景中同样具备较高应用价值。未来，多形态并行发展有望成为具身智能机器人市场的重要特征。

资产化采购仍占主导，RaaS模式加速渗透

从采购模式来看，直接购置仍是主流方式（54.6%），多数企业仍将机器人作为固定资产进行投资与管理。

分企业规模来看，小型企业更倾向于一次性购置，而中大型企业对融资租赁的接受度更高（39.4%），体现出其在资本支出上的灵活性与金融工具应用能力。

相比之下，RaaS模式正处于加速发展阶段（12.3%），较2024年的6%实现显著提升。尽管整体渗透率仍有提升空间，但企业已开始逐步接受按使用付费的模式，随着服务体系、计费模式及运维能力的持续完善，RaaS有望进一步加快普及。

三个值得关注的产业趋势

趋势一：工业率先验证规模化路径，多场景应用同步推进

具身智能机器人的商业化落地将呈现“分场景推进”的特征。其中，制造与物流等工业场景由于具备更强的标准化程度与明确的投资回报，更有可能率先跑通规模化应用路径。

与此同时，服务类场景（如导览迎宾、康养服务等）也在持续推进，但更依赖交互体验与场景适配能力，其落地节奏与路径将有所不同。

趋势二：多任务能力成为具身智能机器人规模化应用的关键门槛

机器人竞争正在从“能否完成单一任务”，转向“能否适应多任务与复杂环境”。单点能力已难以支撑企业长期投入，企业更关注机器人在不同任务与场景间的复用能力。

趋势三：产业竞争向生态迁移，体系化能力成为核心竞争力

随着应用复杂度提升，机器人已不再是单一硬件产品，而是融合AI模型、软件平台与系统集成的综合解决方案。企业对生态能力的重视，意味着厂商竞争正从“产品”走向“体系”。

整体来看，具身智能机器人正进入从“技术验证”走向“规模落地”的关键阶段，场景突破、能力升级与生态构建将成为产业演进的三大主线。

本文核心观点来源：

 《具身智能与人形机器人：中国工业落地新机遇》（Doc# CHC53325326，2026年2月）

《中国具身智能机器人应用市场分析与典型应用实践，2025》（Doc# CHC53183625，2025年12月）

具身智能机器人正从技术探索迈向商业落地，中国企业在认知、需求与采购模式上的变化，正在深刻影响这一新兴市场的演进方向。IDC将持续追踪具身智能及机器人领域的最新动态，深入洞察用户需求变化与产业趋势。如需获取更多报告详情、数据洞察或安排分析师访谈，欢迎随时与我们联系。

如需进一步了解与研究相关内容或咨询 IDC其他相关研究，请点击此处与我们联系。

近年来，中国蓝牙耳机市场在经历高速增长后逐步进入结构调整阶段。国际数据公司（IDC）最新发布的《中国无线耳机市场季度出货量跟踪报告，2025年第四季度》显示，2025年，市场出货量达到12,137万台，同比增长6.9%。在整体温和增长的表象之下，产品形态、竞争主体与用户需求正同步发生深层次变化，行业正从规模扩张转向结构优化与价值重塑。

从竞争格局来看，生态协同能力持续强化，手机厂商进一步巩固主导地位；从产品演进来看，开放式耳机在经历高速增长后进入分化发展阶段，增速放缓，同时耳机行业的场景细分化趋势进一步深化；与此同时，AI技术加速渗透，虽仍处于早期探索阶段，但已成为厂商布局差异化的重要方向。基于IDC最新数据与市场观察，本文将对当前市场变化进行解读，并对未来发展趋势与厂商策略提出洞察与建议。

2025年中国蓝牙耳机市场，真无线产品出货7,721万台，同比增长6.7%，入门级产品及与手机绑定的出货政策带动增长。开放式产品出货2,996万台，同比增长20.2%，开放式已从快速爆发阶段逐步转向稳健增长阶段，其中细分市场呈现出不同的发展结构。头戴产品出货878万台，同比增长26.3%，电竞，学习等场景带动入门级市场增长。颈戴产品继续下滑，厂商资源收缩，叠加使用场景被替代。

2025年中国蓝牙耳机市场Top 5厂商表现

小米

25年小米蓝牙耳机出货量位居中国市场首位。厂商持续深耕真无线入门级市场，Redmi系列产品形态丰富，迭代节奏稳定，依托高性价比优势与手机生态协同效应，实现了强劲的业务增长。

华为

华为发力布局开放式赛道，拓展耳挂形态并推出耳夹迭代机型，25年其开放式耳机在内部出货份额中提升10个百分点。FreeClip耳夹系列将时尚饰品属性与音频功能结合，在佩戴体验与使用场景上实现创新突破。同时，真无线SE系列持续夯实品牌在入门级市场的竞争力。

漫步者

漫步者依托多子品牌矩阵，在时尚，电竞，性价比等细分赛道实现多系列产品并行布局与快速迭代，覆盖多元消费场景。头戴耳机作为漫步者传统优势品类，25年持续发力，同时通过子品牌快速布局开放式耳夹，耳挂产品。

Apple

Apple推出AirPods 4双版本产品矩阵，有效拉动整体出货量增长，且助力半入耳主动降噪市场增长。9月AirPods Pro 3 上市完成旗舰迭代，进一步巩固其在真无线高端市场的领先优势。

vivo

25年vivo在真无线市场持续推进双品牌差异化布局，vivo耳机聚焦全场景综合体验，iQOO耳机主打电竞性能与高性价比，厂商整体出货量实现稳步增长。其中，vivo TWS A4 依托手机核心渠道优势，出货量实现显著提升。

从头部厂商表现和数据看洞察：2025年中国蓝牙耳机市场三个核心洞察

洞察一：生态协同成核心竞争力，手机厂商主导地位持续巩固

2025年手机厂商在中国蓝牙耳机市场的出货份额占比达48%，较2024年提升7个百分点。其中，中国手机厂商借助与手机的捆绑销售，礼盒赠送等营销模式，依托自身成熟的手机渠道体系，实现蓝牙耳机出货量的显著增长，进一步巩固其市场地位。

洞察二：开放式耳机步入结构分化阶段，增速趋缓但格局重构

2025年开放式耳机出货量同比增长20.2%，其中耳夹增速领先，同比增长51.0%，耳挂同比增长12.3%。耳夹在华为，韶音等头部品牌引领下推进高端化升级，同时通过更新配色，推出联名耳饰等方式，持续强化其时尚饰品属性。耳挂此前受电商低价产品冲击，高端化发展承压。2025年随着手机品牌入局且聚焦中高端市场，行业格局迎来优化调整，当前耳挂产品仍以运动场景为核心定位。

洞察三：AI概念热度攀升，厂商跟风搭载AI相关能力

随着AI概念升温，耳机厂商纷纷将AI能力作为产品差异化卖点加速布局。其中，传统音频硬件厂商受自身研发实力限制，多通过与第三方大模型合作落地AI功能。从应用场景来看，当前AI功能布局较为单一，主要集中在翻译，会议记录等工作场景，AI整体应用仍处于浅层阶段。

2026年中国蓝牙耳机发展趋势展望

趋势一：场景化深度细分，耳机从通用产品转向专属化工具

预计26年蓝牙耳机市场竞争核心由参数硬件比拼，转向用户场景需求的精准满足。在运动，睡眠，办公，游戏等主流场景基础上，细分需求持续扩容，产品将针对不同场景，打造高度专业化的形态与功能，并进一步推动一人多机的消费趋势。

趋势二：悦己消费与她经济驱动产品美学与情感化体验升级

悦己消费趋势凸显，女性消费群体成为蓝牙耳机市场的核心增长动力之一，颜值与使用体验并重的需求逐步取代基础音频功能，成为她经济下的重要消费特征。品牌加速打破电子产品中性化刻板印象，聚焦情感化设计与佩戴体验。随着耳机使用场景与时长持续拓展，产品价值由实用功能，延伸至情感陪伴与生活方式表达。

趋势三：技术迭代推动蓝牙耳机向智能硬件加速演进

未来随着AI，连接与低功耗技术持续升级，蓝牙耳机将逐步搭载更高算力芯片与轻量化智能系统，向具备本地AI能力，部分场景独立交互的智能硬件方向靠拢，减少对手机的依赖。当前芯片算力，电池续航与功耗仍是行业需持续突破的瓶颈。与此同时，开放式耳机凭借舒适，可长时间佩戴的特性，有望成为AI智能硬件的重要载体之一。

结合蓝牙耳机市场2025年的市场洞察与2026年的市场趋势，IDC为行业参与者提出以下三点建议：

建议一：突破技术同质化，构建差异化核心竞争力

摆脱单纯比拼硬件参数与价格竞争，推动技术研发从参数竞争转向场景定义。聚焦自身优势细分领域，强化用户体验感知。同时，摒弃单一产品思维，构建覆盖不同需求的产品矩阵，兼顾性价比与情价比，形成独特的品牌竞争壁垒，规避同质化竞争风险。

建议二：融合渠道体验，实现分平台精准触达

线上依托内容电商与直播带货，强化场景化内容传播，利用大数据实现用户精准匹配。线下深化与运营商，潮品店及品牌体验店的合作，构建沉浸式体验场景，提升实操感知与品牌认知。针对悦己消费与她经济趋势，在年轻化平台开展差异化沟通与场景营销，精准覆盖目标用户群体。

建议三：深耕AI功能融合，打造场景化智能体验优势

把握AI技术与蓝牙耳机产业深度融合的行业趋势，摒弃将AI功能作为营销噱头的功利化发展模式，推动AI功能从基础交互层面向场景化赋能方向升级，聚焦用户核心使用需求，让AI技术真正落地到实际应用场景中。

分析师观点

IDC中国研究经理戴翘楚认为，2025年蓝牙耳机市场已显现出生态协同与AI概念驱动的竞争格局，手机厂商主导地位强化。展望2026年，市场将加速向场景化细分和情感化体验转型。厂商需摆脱同质化竞争，通过技术深耕与渠道融合，将AI能力转化为真正的场景化智能优势，把握行业发展机遇。

IDC将持续跟踪中国蓝牙耳机市场及相关技术演进，提供数据支持与前瞻洞察，助力企业制定更具针对性的产品与市场策略。如您希望进一步了解市场数据、竞争格局或定制化研究服务，欢迎随时与IDC保持联系。

如需进一步了解与研究相关内容或咨询 IDC其他相关研究，请点击此处与我们联系。