Logo
Become a Client

Persona: vendor

2025年中国腕戴设备市场出货量7,390万台，同比增长20.8%。国补政策与促销活动成为增长主引擎，这一趋势将延续至2026年。市场参与者如何应对政策驱动的新节奏？本文基于IDC最新数据，为您梳理市场变化与未来方向。

根据国际数据公司（IDC）最新发布的《中国可穿戴设备市场季度跟踪报告》，2025年中国腕戴设备市场出货量为7,390万台，同比增长20.8%。腕戴设备市场包含智能手表和手环产品。其中，中国智能手表市场出货量5,061万台，同比增长17.2%。手环市场出货量2,329万台，同比增长29.4%。这主要得益于国补政策的刺激以及多平台活动补贴的带动。在政策驱动的增长背后，市场呈现出哪些特点？头部厂商表现如何？2026年又将走向何方？本文将为您一一解读。

2025年中国腕戴市场发展的三大特点

根据IDC跟踪报告，2025年中国腕戴市场发展呈现以下三个显著特点：

特点一：政策驱动成为增长主引擎

2025年市场增长主要由国补政策驱动，销售节奏受政策与价格波动影响显著增强。这一趋势将延续至2026年，市场对促销及价格补贴的敏感度进一步提升。这意味着，政策和促销活动已经成为影响市场节奏的关键变量，厂商需要适应这一新的运行逻辑。

特点二：500-1000元价位段增速最快

500-1000元价位段是成人智能手表市场增速最快的区间。这一现象的形成有两方面原因：一方面受产品迭代与价格调整影响，另一方面千元档位产品促销也显著带动该价位段增长。随着智能手表市场技术日趋成熟，该价位段凭借高性价比，对消费者的吸引力持续提升。

特点三：渠道流转加快，库存结构优化

补贴政策和促销活动推动渠道流转速度明显加快，从库存角度来看，有效缓解了渠道压货压力，推动市场向更加良性的方向发展。其中线上销售增长更加明显，成为拉动整体销量、优化库存结构的重要动力。

2025年中国腕戴市场Top 5厂商表现

华为

2025年，华为在腕戴市场稳健领跑，稳居中国市场出货量第一。Watch GT 6系列首发骑行模拟功率，快速迭代并广泛铺货；Watch 5系列进一步夯实了其在中高端智能手表市场的领先地位；Watch Fit系列则凭借精致外观与出色性能，在轻运动场景中表现亮眼。

小米

小米第四季度发布智能手表新品Redmi Watch 6和全智能旗舰手表Xiaomi Watch 5。此次推出的全智能手表是小米可穿戴系列完善其产品在高阶智能手表领域布局，向中高端市场迈进的重要一步。

Apple

2025年Apple在中国市场增长迅速，主要得益于国补政策带来的价格优惠刺激。其下半年通过Apple Watch S11， Apple Watch SE3和Apple Watch Ultra 3全线产品更新也进一步带动出货。

步步高

2025年步步高旗下小天才儿童手表品牌整体表现稳健，持续领跑中国儿童手表市场，稳居出货量首位。品牌通过产品线下探、发力线上平台实现多元布局，且深耕线下渠道，巩固市场优势。

荣耀

2025年，荣耀在腕戴设备市场实现显著增长。其在智能手表领域持续完善产品布局，覆盖入门至中端主流价位段，并推出多样化外观形态产品，为消费者提供丰富选择。

2026年市场发展趋势展望

IDC报告指出，展望2026年，中国腕戴市场主要呈现以下发展趋势：

趋势一：转向结构优化的理性发展阶段

中国腕戴市场将转向结构优化的理性发展阶段。在新传感技术仍在孕育的周期下，政策与价格成为影响增长节奏的重要变量，市场对促销与补贴的敏感度持续提升，行业运行逻辑更趋市场化。

趋势二：市场结构进一步两极分化

市场结构将进一步呈现两极分化态势。入门级市场凭借天然的高性价比优势，持续吸引新增用户并有效激活换机需求；中高端市场则在促销活动与政策补贴的双重带动下，实现显著增长。

趋势三：端侧AI或将开启新时代

伴随高通推出首次搭载专用NPU的全新可穿戴旗舰平台，端侧高性能AI处理能力将有效提升，或将引领腕戴设备进入端侧AI时代。

IDC中国研究总监潘雪菲认为，腕戴市场仍需在健康场景上持续深耕，无创血糖监测等慢病管理功能将成为行业重要增长引擎，释放更大市场潜力。同时，端侧AI技术的应用将显著提升腕戴设备的算力水平，未来可进一步与智能耳机、智能眼镜等多类穿戴产品实现多模态协同交互，有望构建下一代自然交互生态，开启全新发展格局。

针对技术供应商和采购方的建议

针对技术供应商和采购方，IDC提出以下三点建议：

建议一：布局双轨产品矩阵，适配市场化增长节奏

面向两极分化的市场结构，同步强化入门级高性价比机型与中高端功能旗舰；灵活联动政策与补贴资源，优化定价与促销节奏，提升用户转化与换机周期管理能力，在理性发展阶段保持规模与利润平衡。

建议二：深耕健康场景，打造慢病管理核心增长引擎

重点投入血压、血糖等慢病监测技术研发和产品应用，推动产品健康监测能力升级；以专业健康功能构建差异化壁垒，将健康服务转化为长期用户粘性，成为驱动市场增长的新势力。

建议三：布局端侧AI与多设备协同，抢占下一代交互生态制高点

强化智能手表端侧AI高性能算力，提升设备独立处理与智能响应能力；积极推进腕戴设备与智能耳机、智能眼镜等多类穿戴产品的多模态协同交互，构建下一代自然交互生态，以生态化优势开启全新发展格局。

延伸阅读与沟通：

如需了解更多IDC相关研究或进一步与我们沟通，欢迎识别二维码与 IDC 联系，我们将安排专人与您对接，为您提供定制化的市场洞察与咨询服务。


如需了解IDC在智能终端领域的最新研究报告、数据产品及行业分析，请扫描二维码，在线获取完整研究目录与内容简介，助您精准把握市场脉动。

Sophie Pan - Research Director - IDC

Sophie Pan is a research director for the Client Systems Research team at IDC China. She is responsible for emerging technology device research, including wearable devices and smart home devices. Sophie has a deep understanding of the landscape and ecosystem development of the consumer Internet of Things (IoT) device market. She assisted the top-tier companies to formulate business strategies by conducting meticulous data analyses and uncovering opportunities and trends in the market. Prior to joining IDC, Sophie worked at a research consultancy and the IT hardware manufacturing industry, providing consumer research and market analysis services. Sophie holds a master’s degree in Integrated Marketing from the Florida State University in the USA.

2026年全国两会释放明确信号：“深化拓展人工智能+”与“打造智能经济新形态”，正成为ICT市场增长的双引擎。政府工作报告中强调的“促进新一代智能终端和智能体加快推广”、“推动重点行业领域人工智能商业化规模化应用”以及“实施超大规模智算集群、算电协同等新基建工程”，为企业级ICT市场的持续扩张提供了明确的政策方向。IDC基于最新发布的2026年V1版《全球ICT支出指南：行业与企业规模》（Worldwide ICT Spending Guide Enterprise and SMB by Industry）及《中国IT市场省级及云解决方案支出指南》（China Provincial Cloud Solutions Spending Guide），对中国ICT市场的结构性机遇进行了梳理。

基于上述指南的数据分析，IDC从市场格局、技术演进、行业赛道等维度，提炼出中国ICT市场的五大核心洞察：

洞察一：市场稳健增长，“深化拓展‘人工智能+’”成核心引擎

IDC《全球ICT支出指南：行业与企业规模》数据显示，2025年中国ICT市场投资规模为6889亿美元。展望未来，中国ICT市场支出将以7.8% 的五年复合年增长率稳步增长，到2029年有望突破9187亿美元。

从企业级视角来看，这一增长态势更为强劲。企业端的“‘人工智能+’深化拓展”战略正驱动着从基础设施到应用服务的全链条投入。IDC《全球ICT支出指南：行业与企业规模》预测，到2029年中国企业级ICT市场规模将达到5120亿美元，五年复合增长率13.3%，高于整体市场增速，成为推动新质生产力发展的关键力量。

洞察二：硬件为基，软件与服务引领智能化转型

IDC《全球ICT支出指南：行业与企业规模》数据显示，中国企业级ICT市场在硬件、软件、IT服务等多个领域展现出差异化的发展前景。

硬件：规模最大的“压舱石”。作为数字化转型的核心基础设施，硬件市场依然是当前中国企业级ICT支出中规模最大的组成部分，2025年占比超过五成。值得注意的是，AI训练和推理需求的爆发直接拉动了对GPU服务器、高性能存储及相关网络设备的投入，服务器和存储市场的投资到2029年有望实现24.4%的五年复合年增长率，成为硬件领域中增长最快的子市场。

软件：智能化转型的核心引擎。随着生成式AI的加速落地，软件正在成为企业智能化决策、业务流程自动化和数据治理的核心载体。IDC预测，2029年中国企业级软件市场规模预计达到933亿美元，五年复合增长率13.6%。其中，受到大模型发展的驱动，应用开发与部署市场成为软件市场中增长最快的子市场。

IT服务：不可或缺的赋能者。无论是在企业架构优化、系统集成，还是在智能化技术落地等关键环节，IT服务都扮演着至关重要的角色。IDC预测，2029年中国企业级IT服务市场规模将接近750亿美元。

洞察三：云部署模式分化，公有云领跑、私有云稳增

两会提出的“深化拓展人工智能+”行动正深刻影响企业技术路线的选择。IDC《中国IT市场省级及云解决方案支出指南》数据显示，2025-2029年间，三大部署模式的结构性变迁趋势愈发清晰。

公有云：增速领跑，占比突破四成。公有云是三大部署模式中增长最快的板块。IDC预计，2025年公有云支出规模达1018亿美元，占中国企业级IT市场总规模的44.2%；到2029年，这一规模预计将增长至2144亿美元，五年复合增长率高达23.4%。这一增长的核心驱动力首先来自互联网行业的持续投入，2025年其在公有云市场中的贡献占比超过50%；与此同时，传统行业的数字化转型也在加速推进，正在成为公有云市场增长的新动能。

私有云：规模持续扩大，占比稳步提升。私有云是中国企业级IT市场中占比持续提升的部署模式，2025年占比16.8%，到2029年预计提升至18.9%。私有云市场的高速增长，得益于AI工作负载的私有化部署需求激增。此外，数据安全政策的驱动，正推动大型国央企、金融机构等将核心业务系统向云原生架构加速演进。

传统IT：存量巨大，占比逐年收窄。尽管云计算的浪潮席卷各行各业，但传统IT部署模式依然在中国企业级IT市场中占据重要地位。2025年传统IT支出规模达900亿美元，占市场总规模的39.0%；到2029年，这一规模将增长至1193亿美元，但占比下降至29.0%。

洞察四：互联网行业领跑，企业级IT投资结构性分化

从行业维度看，IDC《中国IT市场省级及云解决方案支出指南》数据显示，互联网、金融、政府、制造、电信等行业的IT投资规模均位居前列。其中，互联网行业占据规模优势，金融与政府行业稳步推进数字化转型，而制造业则在政策强力驱动下，成为增长动能较为突出的领域之一。

互联网：份额领跑，AI驱动高增长。互联网行业依然是中国企业级IT市场投资占比最高的行业，2025年占中国企业级IT市场总规模的33.1%，并以25.2%的五年复合增长率高速增长，在各行业中增速最快。随着生成式人工智能进入商业化落地关键期，互联网企业从模型训练走向应用创新，对GPU服务器、AI加速芯片、高性能存储的需求持续井喷。

金融与政府：科技金融与数字政府双轮驱动。金融与政府行业在市场规模和增长态势上较为接近，2025年企业级IT支出规模分别占中国企业级IT市场总规模的12.3%和11.1%。在“科技金融”和“稳妥推进数字化转型”的导向下，金融机构正积极探索智能客服、风险管理、智能投研等AI在业务端的应用；政府行业则围绕“数字政府”建设，从政务云基础设施向“一网通办”、“一网统管”等创新应用持续延伸。

制造：增速领先，智能制造催生多元需求。两会报告中， “因地制宜发展新质生产力”及“实施新一轮制造业重点产业链高质量发展行动”被置于突出位置。制造业IT支出规模的五年复合增长率达13.3%。IT技术正在渗透到制造业全价值链，包括研发设计端的仿真软件，生产制造端的工业机器人、智能产线，经营管理端的ERP，以及产品服务端的远程运维等。

洞察五：区域与规模分化，超大型企业主导市场

两会报告中明确提出“深入实施区域协调发展战略、区域重大战略”，支持京津冀、长三角、粤港澳大湾区打造世界级城市群。IDC《中国IT市场省级及云解决方案支出指南》的分省数据，为量化评估这一战略下各省的数字经济活力提供了一把标尺。

从区域分布看，中国企业级IT市场呈现明显的梯度格局。中国七大区域中，华北、华东、华南三大区域在2025年的企业级IT投资规模合计占比超过85%，构成市场主力。聚焦省份层面，北京市以2025年33.4%的企业级IT投资占比成为全国企业级IT市场的绝对龙头；上海市在软件、IT服务、人工智能平台等投入上遥遥领先；广东省在电子信息制造业、智能硬件等领域积淀深厚，其中深圳IT支出五年复合增长率达15.2%。

从企业规模看，IDC《全球ICT支出指南：行业与企业规模》数据显示，超大型企业（1000+人）仍然是企业级ICT支出的主要力量，2025年占据超过五成的投资份额。超大型企业在智能算力、云原生平台、大数据平台等前沿领域的投入持续加码，为市场增长注入核心动力。

【IDC分析师观点】

IDC中国分析师张文蕙认为，2026年是“人工智能+”行动全面落地的关键之年。政策持续加码与市场需求释放形成合力，为技术供应商和行业用户创造了广阔空间。AI不再只是技术热点，而是重塑硬件、软件、服务及云部署模式的核心变量。展望未来，市场竞争将不再局限于单一产品的性能比拼，而是上升为算力、平台、生态的综合能力较量。对企业而言，既要把握AI赋能的确定性趋势，也要将AI能力与自身业务场景深度融合，在算力投入与价值实现之间找到平衡点。

IDC中国高级研究经理郭越认为，当前中国ICT市场保持稳健增长、结构升级、智能驱动的整体态势，在政策与产业双轮驱动下，AI 成为核心引擎，推动硬件、软件、服务协同共进，行业热点清晰聚焦。中国ICT市场中软件与信息技术服务业、云计算、智算中心等板块领跑增长，企业数字化与智能化需求旺盛，市场韧性强劲。人工智能从技术探索走向规模化落地，大模型、智能体、端云协同快速普及，带动芯片、服务器、操作系统、数据库、行业解决方案全栈升级，形成 “硬件筑基、软件赋能、服务变现” 的一体化发展格局。

备注：IDC《全球ICT支出指南：行业与企业规模》及《中国IT市场省级及云解决方案支出指南》数据中不包含企业运营技术支出（Operational Technology Spending）数据。

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 ICT Spending Guide Enterprise and SMB by Industry

Worldwide AI and Generative AI Spending Guide

Worldwide Software and Public Cloud Services Spending Guide

Worldwide Security Spending Guide

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。

Wendy Zhang - Market Analyst - IDC

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. Wendy previously held research positions at ByteDance and Kingsoft Office, where she worked on global payment products and the WPS Cloud Platform, respectively. She conducted research on landscape and competitors of corresponding markets to provide market entry strategies. Prior to that, she was responsible for industry research for TMT companies at Capital Securities, providing stock price prediction and investment advice. Wendy graduated from the University of Wisconsin-Madison with an M.S. in Business Analytics and earned a B.S. in Economics from Beijing Normal University. She is an active leader in programs, including Deloitte data analysis program and entrepreneurship program. She speaks fluent English and Chinese.

2025年，全球家用清洁机器人市场交出亮眼成绩单，总量突破3200万台。但数据背后的结构性变化更值得深究：哪些赛道正在爆发？谁在改写竞争规则？企业应如何布局未来？本文基于IDC最新发布的系列跟踪报告，为您深度解读扫地、擦窗、割草、泳池等细分赛道的关键转折点，并为行业参与者提供切实可行的战略建议。

IDC最新发布的《全球家用智能清扫机器人市场跟踪报告》等系列报告显示，2025年全球家用清洁机器人市场整体出货量达到3272万台，同比增长20.1%，其中割草机器人同比增长63.8%，引领细分品类增长。2025 年，头部扫地机器人企业持续拓展产品边界，布局割草机器人、泳池机器人等新兴细分赛道。与此同时，中国初创企业在割草机器人与泳池机器人领域表现亮眼，凭借出色的产品竞争力在欧洲、北美市场快速提升份额，对割草、泳池赛道中的海外传统行业龙头形成有力冲击。对于行业从业者、投资者以及关注这一领域的观察者而言，理解这些变化背后的驱动力，是在未来竞争中占据主动的关键。

一、 扫地机器人：存量竞争下的战略分野

作为家用清洁机器人的基本盘，扫地机器人市场在2025年出货2412.4万台，同比增长17.1%。其中，中东非与中东欧市场表现尤为突出，增速分别高达95.6%和40.3%，成为拉动全球扫地机器人行业增长的核心区域。IDC分析认为，这一增长态势得益于两大因素：一是这些地区城镇化进程加快，中产阶级家庭数量上升，对智能化家居产品的接受度提升；二是中国品牌加速出海布局，通过本地化运营和更具竞争力的产品定价，激活了此前未被充分开发的潜在需求。

石头科技凭借技术优势和全球化布局，2025年继续稳居全球市场首位，同时在美国、德国、韩国等主要国家位列第一；追觅则依托在欧洲市场的强劲增长，市场份额快速提升，成为中国品牌出海的又一成功样本。曾经的行业巨头iRobot在2025年跌出全球前五，其传统优势区域如北美、日本等地的市场份额，正被中国品牌进一步蚕食。这一此消彼长的态势，不仅是市场份额的转移，更深刻反映出不同战略路径的阶段性结果。

IDC观察到，面对日益激烈的竞争，扫地机器人企业正加速战略转型，呈现出两条清晰的演进路径：一部分厂商选择“纵向深耕”，聚焦全场景家庭机器人赛道，围绕家庭环境拓展产品矩阵，从地面清洁延伸到家庭户外庭院等场景；另一部分则选择“横向拓展”，向全品类科技企业升级，依托在算法、供应链等方面的积累，布局更多消费电子领域，拓宽业务边界。这两种路径各有利弊，如何选择未来的战略方向，将成为企业下一阶段发展的分水岭。

二、擦窗机器人：结构性需求与同质化竞争并存

擦窗机器人作为家用清洁机器人的重要补充，2025年出货量达到237.3万台，同比增长70.4%，增速仅次于割草机器人。科沃斯以超50%的份额稳居行业首位。在中国市场，城镇化进程中高层住宅比例的提升，使得外窗清洁成为刚需，而人工清洁不仅成本高，且存在安全隐患，这为擦窗机器人创造了巨大的替代空间。在海外市场，大户型住宅的落地窗设计同样催生了对自动化清洁方案的需求。IDC调研发现，中低端产品同质化严重，产品功能、外观设计高度相似，导致促销周期价格战频发。当前产品正朝着无线化、智能化持续迭代升级。

三、 割草机器人：技术迭代引爆市场，中国初创改写游戏规则

2025年，全球割草机器人市场迎来爆发式增长，全年出货199.2万台，同比增长高达63.8%，成为所有细分品类中增长最快的赛道。比整体增速更值得关注的是内部的结构性巨变：无边界割草机器人出货量达到131.8万台，占比跃升至66.2%，同比暴涨182.4%；而传统的埋线款割草机器人则出货67.3万台，同比下滑10.1%。IDC深入分析认为，这一转型的背后是三大驱动力的共同作用：首先，定位导航技术的成熟是关键基础，卫星定位、视觉导航、激光雷达等技术的成本下降和性能提升，使得无边界方案从高端走向普及；其次，用户体验的代际差异加速替代，埋线方案需要复杂的施工布线，而无边界产品真正做到“开箱即用”，契合了欧美DIY文化的消费偏好；第三，中国供应链的规模化优势大幅降低了高性能产品的制造成本，使得无边界割草机器人的价格进入大众市场可接受的区间。

在快速增长的无边界割草机器人市场，一个引人注目的现象是：前六名均为中国厂商。以九号公司、追觅、科沃斯为代表的科技企业，凭借高性能产品及极具竞争力的价格，正在加速超车。IDC指出，传统园林工具厂商虽然在品牌认知和渠道布局上具备先发优势，但在智能化技术的快速迭代面前，这一优势正被快速削弱。中国厂商不仅在产品性能上实现赶超，更通过电商渠道和新兴零售模式，直接触达终端消费者，绕过传统渠道壁垒。

四、 泳池机器人：平静水面下的暗流涌动

泳池机器人市场整体表现较为平稳： 2025年，全球泳池机器人市场细分数据显示：地上泳池机器人（不具备爬墙能力）出货125.7万台，水面清洁机器人出货23.3万台，地下泳池机器人（具备爬墙能力）出货274.7万台。

在这三大细分品类中，地下泳池机器人是技术门槛最高、价值最大的核心赛道。值得注意的是，在这一品类中，无缆部分占比达到55%，同比增长32.8%。近年来中国厂商凭借无缆产品的创新突破，对这一格局形成有力冲击。智能化趋势正在加速渗透这一传统赛道。消费者对泳池机器人的期待，正从“能清洁”转向“会清洁”——能够自主规划路径、识别污渍类型、通过APP远程控制、甚至与家庭智能系统联动。这一趋势为中国厂商提供了弯道超车的机会，也对传统厂商的技术升级提出紧迫要求。

从数据看趋势：2025年全球清洁机器人市场的三大核心洞察

洞察一：中国品牌主导产品形态升级和技术创新方向，同时加速抢占全球市场份额

依托完整供应链、快速迭代能力与算法优势，中国厂商在扫地、擦窗、割草、泳池等多品类同步突破。从无线化到AI导航，从全能基站到多机协同，这些由中国厂商率先大规模应用的技术正在成为行业标准。当前全球头部阵营已基本由中国品牌占据，技术与规模双重壁垒不断加固。

洞察二：细分市场品牌竞争仍处于洗牌期，尤其在割草机器人与泳池机器人赛道，厂商格局仍有较大变化空间

这两大品类正从有线向无线、从随机向规划快速升级，行业渗透率仍处低位。以初创企业为主的新玩家与跨界大品牌持续涌入，技术路线、渠道布局与产品定义尚未完全固化。价格、性能、资本稳定度与海外本土化运营共同影响最终格局，头部集中度仍有重塑可能。

洞察三：具备持续AI能力的厂商将在新一轮竞争中胜出。AI大模型、多传感器融合、自主决策与具身智能技术，正在重构避障、路径规划、污渍识别、故障自愈与智能交互能力。这些能力的提升，正在带来显著的体验差异与品牌溢价，而清洁能力正是消费者最为重视的产品基础。能够持续投入算法、数据与场景理解的厂商，将在高端化、全球化与生态化竞争中占据主动，最终成为市场主导者。

结论与建议：如何决胜家用清洁机器人“下半场”

2025年的数据清晰地表明，家用清洁机器人市场正加速从单一的家庭清洁工具，向家庭智能服务助手跃迁。面对中国品牌主导、技术快速迭代、细分赛道分化的竞争新格局，IDC为行业参与者提出以下四点切实可行的战略建议：

建议一：在细分赛道的“洗牌期”精准卡位，寻找战略定位。割草机器人和泳池机器人仍处于从有线向无线、从随机向规划快速升级的窗口期，品牌格局远未定型。新玩家和跨界者仍有大量机会进入并建立优势。企业的成功将不仅仅取决于产品性能与价格，更取决于多维度的战略选择：技术路线上，是采用RTK还是视觉导航，需要根据目标市场和成本结构做出权衡；渠道布局上，是发力线上直营还是线下渠道合作，需要结合产品定位和区域特点；资本策略上，如何在研发投入和价格竞争中保持财务稳健；海外运营上，如何实现真正的本土化而非简单的产品出口。这些问题的答案，将共同决定企业在洗牌期中的最终位置。

建议二：将AI能力构建为长期核心护城河，而非营销噱头。AI大模型与具身智能技术正在从根本上重构用户体验的核心环节：避障能力从“识别障碍物”升级到“理解场景”，路径规划从“全覆盖”升级到“重点区域强化”，污渍识别从“按模式清扫”升级到“按污渍类型调整清洁策略”，人机交互也从“按键控制”升级到“自然语言对话”。厂商应将AI能力建设作为长期战略投入，而非短期营销噱头。清洁能力始终是产品的基石，而AI能力则是实现高端化、全球化和生态化的通行证。

建议三：构建多品类协同的场景生态，而非孤立产品。2025年的数据表明，头部厂商正在从单一品类向全场景布局演进。对于用户而言，清洁不是孤立的需求，而是家庭生活的一部分。能够提供更多场景家庭服务的厂商，有机会构建更高的用户粘性和品牌忠诚度。IDC建议，有条件的厂商可以思考如何通过统一的APP、一致的交互体验、共享的技术平台，实现多品类产品的协同效应。这不仅能提升单客价值，也能积累更丰富的数据资产，反哺算法迭代和产品创新。

IDC中国高级分析师赵思泉认为，作为机器人市场的重要组成部分，家用清洁机器人凭借落地场景及成熟技术率先走入大众视野，服务全球家庭。在消费升级、技术成熟与场景拓展的共同驱动下，行业整体保持高速增长，智能化成为长期发展主线。

延伸阅读与交流：

如需了解更多IDC相关研究或进一步与我们沟通，欢迎识别二维码与 IDC 联系，我们将安排专人与您对接，为您提供定制化的市场洞察与咨询服务。


如需了解IDC在智能终端领域的最新研究报告、数据产品及行业分析，请扫描二维码，在线获取完整研究目录与内容简介，助您精准把握市场脉动。

Claire Zhao - Senior Market Analyst - IDC

Claire Zhao is senior market analyst for Client System Research of IDC China. She is responsible for conducting research on the augmented reality (AR)/virtual reality (VR) market, and vertical analysis for the PC market. She started working for IDC China as a summer intern in 2019 as part of the Telecommunication group. Prior to joining IDC, Claire did some internships in the banking and insurance industries, and had some research experiences related to risk management, financial market, and data analytics. Claire graduated from Rensselaer Polytechnic Institute with a master’s degree in Financial Mathematics.

中国企业的活跃智能体规模正在进入一段前所未有的加速期。随着本土模型能力的持续升级、智能体技术与应用生态的快速成熟，以及产业政策的叠加共振，中国企业活跃智能体数量将在2031年突破3.5亿规模，年复合增长率达到135%以上，这一增速将领先全球主要市场。同时由于智能体任务执行密度的增长和任务复杂度的提升，也将带来智能体Token消耗年均超30倍的指数级跃升。在规模爆发的背后，是中国智能体市场技术、生态、政策的三重叠加。

中国智能体规模爆发的底层逻辑

中国智能体市场之所以能够在未来几年迎来如此陡峭的增长曲线，有三个关键因素：模型能力的跃升，智能体生态的成熟，以及产业政策的推动。三者的叠加，共同构成了这轮爆发的底层逻辑。

1. 模型能力的跃升

过去两年，中国本土大模型在推理、工具、代码、长上下文处理等核心能力上持续突破，为智能体的落地提供了坚实的技术底座。更重要的是中国本土模型兼具性能与成本优势，这使更多中小规模场景具备了经济可行性，也为智能体开始大规模进入企业场景创造了条件。

2. 智能体生态的成熟

模型能力的成熟只是基础，生态的互联则是智能体规模化更为关键的一环。以OpenClaw为代表的智能体产品，通过生态打通和工具整合，展示了智能体在跨系统跨生态场景下能够实现超预期的生产潜力。这背后正是MCP、Skills等标准化协议的落地，让智能体以标准化方式低门槛的接入更多的系统、工具和能力，拓展了智能体能够完成任务的边界，也为智能体的规模化提供了现实条件。

3. 产业政策的推动

产业政策也是中国市场智能体爆发的重要推手。国务院印发的《关于深入实施”人工智能+”行动的意见》（国发〔2025〕11号）明确提出，到2027年智能体等应用普及率超过70%，到2030年超过90%，同时，各部委及地方政府也在产业政策与财政支持层面持续加码。在政策支持下，智能体相关项目的预算确定性与推进节奏会进一步提升，推动中国智能体市场进入加速放量阶段。

规模化将带来更大挑战

当模型能力已经跨过可用门槛，智能体技术和生态日趋成熟，企业获得智能体的门槛正在快速降低。但拥有智能体只是第一步，企业真正的挑战，则是如何在生产环境中稳定、安全、可持续地同时运营成百上千个智能体。

1. 架构压力：系统必须对AI可读

随着智能体逐步融入企业运营的核心执行层，企业级软件系统正进入一个新的设计范式。未来的系统在服务人类用户的同时，也需要具备高度的AI可读性，使智能体能够通过MCP等标准化协议进行无缝调用。这对软件供应商的产品架构提出了系统性的升级要求。

2. 治理压力：信任成为生产前提

随着智能体进入核心业务流程，全链路可观测、细粒度权限控制、可审计机制将成为基础能力。

尤其在中国市场，数据安全与信创要求使部署环境更为复杂。核心数据不出域成为前提，端云协同与混合部署成为常态。智能体数量越多，治理能力越成为门槛。未来的分水岭，不在技术，而在组织信任结构。

3. 成本压力：Token正在改变IT预算逻辑

当前中国市场的企业端的Token消耗仍以对话与生成式AI为主，但随着智能体运行规模与任务复杂度的同步提升，活跃智能体的Token消耗进入高速增长期，将为企业带来持续的成本压力。因此成本可观测与效能监测，将成为智能体应用商业可持续性的核心能力。

四类智能体，四种增长路径

并不是所有智能体都会以相同节奏增长。中国市场正在形成四类结构分化。

  • 应用内智能体：最快落地，但增速将趋稳

在智能体技术普及初期，ERP、CRM、IM等企业级SaaS厂商正积极在其产品线中嵌入智能体能力，依托入口优势与庞大的客户基础快速打开市场。应用内智能体的核心优势在于零迁移开箱即用，天然打通已有业务数据和工作流，且与企业存量采购路径一致，能够大幅降低企业应用智能体的决策门槛和组织阻力。随着企业需求逐步向端到端跨系统协同演进，此类智能体的增速将在2027年后将逐步放缓。

  • 低代码/无代码智能体：数量最大

在中国市场，基于低代码/无代码平台构建的智能体在数量上将持续占据绝对多数，主要得益于中国市场早期开源和免费的平台级产品的教育和普及。这类智能体能够支持业务团队快速开发智能体，降低智能体应用门槛，满足企业长尾场景中的智能体需求，因此总量将非常巨大。IDC预测，这类智能体将从2026年的约300万增长至2031年的近2亿，并始终占据全部活跃智能体的半数以上。

  • 独立智能体：弹性最大

独立智能体是不依附于某个主应用、能够跨系统执行复杂任务的智能体产品，当前的部署规模仍然较少，但增速弹性最大。独立智能体会随着系统的开放性和智能体互操作协议与工具生态（如MCP等）的发展而快速爆发。到2031年，中国市场独立智能体的活跃数量占比将从2026年的7.5%升至20.1%，与应用内智能体的数量持平。

  • 定制智能体：数量少，价值密度高

定制智能体的部署数量占比最少，其主要服务于专有业务、高安全性与高可控需求的高价值场景，尤其是大型国有企业、政府及事业单位这类对信息安全和自主可控有严格要求的组织。定制化交付成本高、实施周期长、治理复杂度大，这类智能体的数量不会特别多，其增长更多体现在价值密度而非数量。

IDC中国研究经理孙振亚表示，这一轮增长将为企业打开一个难得的战略机遇期，率先布局智能体的企业，将在效率提升、成本优化与业务创新三个维度同步获益。在这一进程中，企业应尽快完成从智能体场景验证到规模化运营的能力沉淀，在架构升级、治理体系与成本管控上做好准备。

给技术供应商与企业用户的建议

智能体技术生态的成熟与国家战略的牵引正在形成共振。企业应主动将智能体纳入数字化转型的核心规划，加速完成智能体体系能力的沉淀；而技术供应商更应紧抓这一战略机遇，抢占发展先机。建议技术供应商和企业采取如下行动：

  • 推动AI可读的架构演进

积极采纳MCP等主流互操作标准，通过模块化与标准化接口降低集成门槛，使智能体能够跨生态系统流畅地检索信息、调用工具并完成端到端的任务闭环。系统架构应从顶层设计上支持多智能体与人的灵活协同，以平台化、组件化思路沉淀可复用的能力模块，为智能体的规模化增长奠定基础。

  • 深化数据与知识工程建设

智能体的高效运转依赖于高质量的数据与领域知识支撑。中国市场SaaS渗透率相对较低，企业内部数据治理尚不完善，大量关键业务经验仍以隐性知识的形式留存在核心人员的经验中，尚未转化为可被系统化调用的显性资产。企业应优先推进数据治理与知识沉淀，打通数据孤岛，将行业专有经验与隐性知识转化为智能体可调用的规则体系与知识资产。

  • 建立智能体运维体系

随着智能体运行规模与任务复杂度的同步提升，Token消耗将进入高速增长通道，算力成本将成为关键要素。技术供应商需在Token缓存、上下文加载、智能体记忆管理等环节持续布局，企业则需建立常态化的成本效能监测与治理机制，精准掌握各项投入产出指标，确保技术应用的商业可持续性。

  • 完善合规治理与可观测性

在引入智能体之初即应规划健全的权限管理、行为审计与责任追溯机制，将合规约束转化为标准化的平台服务。尤其在政务、金融、央国企等强监管领域，全链路可观测与可审计的能力覆盖将成为生产级部署的基础要求。

更多研究，请关注IDC 2026年中国AI研究计划。

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。

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.

当AI能够像安全研究员一样理解代码逻辑，安全工作不再仅是“发现和解决问题”，而是迈向持续治理与协作重构的新阶段。

一次产品发布，为何引发行业震荡？

2026年2月，Anthropic发布Claude Code Security。这款能够基于语义理解代码结构与逻辑关系的安全智能体，在真实环境中发现了超过500个此前未被识别的高危漏洞。消息公布后，资本市场迅速反应，多家传统安全厂商市值波动明显。市场的剧烈震荡折射出一个深层现实：运用智能体来进行安全运营已成为全球头部AI公司、安全公司共同发展的核心方向。

早在2025年，Google和OpenAI都已经发布了相关自主安全研究智能体工具，并在漏洞识别、漏洞验证、代码审计等诸多场景进行应用，代码安全智能体、漏洞管理智能体以正在经历从 “助手” 到 “协作者” ，从 “规则驱动” 向 “语义推理” 的范式跃迁。这些智能体可以捕捉传统安全工具难以捕捉的业务逻辑缺陷和访问控制失效等复杂漏洞，具备更强大的主动防御能力。

目前，中国已有多家技术服务提供商发布了安全运营智能体、代码安全智能体等相关能力，并开放供最终用户使用。国际数据公司（IDC）于2025年发布了中国安全智能体市场概览，2025：东风已至，未来可期》（Doc# CHC53614225，2025年6月），该报告全面展示了2025年中国安全智能体市场的产品技术发展情况以及市场竞争情况，详情请见下图：

从规则驱动到语义推理：安全能力的底层变化

过去十余年，代码安全体系主要依赖SAST、DAST、SCA等工具。这些工具通过规则匹配、特征识别与漏洞库对比完成扫描任务，在已知漏洞检测、依赖组件风险识别以及合规支持方面发挥了重要作用。然而，伴随应用架构的微服务化、业务逻辑的复杂化，以及AI生成代码的比例不断上升，传统基于规则的检测方式在某些场景中已经难以适配用户的安全检测需求，如其难以识别跨模块逻辑漏洞、难以理解权限链条与业务流程、难以处理语义层面的访问控制问题以及自动修复能力有限等。

代码安全智能体的出现，正是对这些短板的回应。基于大模型的语义理解能力，智能体可以跨文件分析上下文关系，模拟安全研究员的推理过程，识别复杂逻辑缺陷，并给出针对性修复建议。这种变化的意义在于，安全能力开始具备“理解”而非仅“匹配”的特征。安全流程也因此不再局限于漏洞扫描，而是向自动修复与流程嵌入延伸。

替代还是协作？行业结构正在重组

伴随技术突破而来的，是关于“替代”的讨论。安全智能体是否会取代传统工具？是否会削弱安全团队的价值？

从当前技术实践看，更合理的判断是能力重组，而非全面替代。

传统SAST、DAST、SCA工具在稳定性、规模化扫描、合规审计以及零日漏洞识别方面仍然不可或缺。尤其是在遗留系统和第三方组件治理场景中，规则工具具有成熟优势。

而智能体更擅长语义推理、复杂场景识别与自动化修复。它弥补了传统工具在上下文理解与闭环能力上的不足，却并未消除对人工判断与策略设计的需求。事实上，当前主流安全智能体产品均保留人工审批机制。这一设计本身表明，在风险决策、异常处理以及责任承担方面，人类依然是关键节点。未来，传统工具会快速嵌入智能体能力实现AI原生安全检测、自动化修复等问题，其安全流程从“检测-修复-审计”转向“预防-检测-修复-治理-审计”的全链路闭环。

企业安全运营模式正在发生转型

技术能力的变化，正在反向推动安全运营模式重构。

首先，安全工作加速左移。智能体能够嵌入CI/CD流程，在代码提交阶段进行实时分析与反馈，使安全从事后扫描转向前置控制。

第二，安全效率显著提升。代码审查、漏洞验证、修复建议生成等高重复性工作可实现自动化，安全团队得以将更多精力投入策略设计与复杂风险分析。

第三，安全能力逐步形成闭环。检测不再是终点，而是治理流程的一部分。风险识别、优先级排序、修复执行与复盘优化可以形成持续循环体系。

这一转型意味着，企业不应仅关注“是否使用智能体”，而应重新思考整体安全架构如何适应这一趋势。

企业应如何布局安全智能体？

面对这一变化，企业需要保持理性与节奏感，而非盲目替换现有体系。

首先，应从架构层面评估智能体的嵌入方式。将其作为增强模块接入现有安全能力体系，通过接口与流水线集成，实现能力协同，而非简单的工具叠加。

其次，可以从高频、低风险场景切入。例如代码审查自动化、依赖漏洞筛查、修复建议生成、安全报告生成等场景，既能体现效率优势，又能控制风险边界。在积累实践经验后，再逐步扩大应用范围。

再次，企业需要同步建立治理机制。明确智能体的决策边界、人工审批节点与异常回滚机制，确保自动化能力在可控范围内运行。

同时，未来企业的安全团队也将以“人+智能体”协同为主流运营模式。安全团队也应做好角色升级准备。未来的安全工程师将更多参与风险评估、模型调优与安全策略设计等复杂任务的处理上。

安全智能体不是终点，而是协作时代的起点。

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实践路径及企业级AI治理框架展开深入分析。

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。

一个正在被低估的变化：云，已经不只是“算力池”

过去十多年，云计算的核心价值在于弹性、规模和成本效率。但 IDC 指出，随着生成式 AI 和智能体（Agentic AI）走向生产环境，云计算正在发生一次根本性转变——它不再只是承载应用的基础设施，而正在演进为 AI 运行、治理与协同的核心平台。

在中国市场，这一变化尤为明显。一方面，AI 应用对算力、数据、网络和安全提出了更复杂、更高频的需求；另一方面，数据安全、数字主权和成本压力，使企业无法简单依赖单一公有云模式。云计算，正在被迫“进化”。

在《IDC FutureScape：全球云计算2026年预测——中国启示》（Doc# ,2026年，1月）中，IDC 系统性地刻画了未来五年云计算将如何围绕 AI 重构自身形态与价值。

十大预测：AI 如何重新定义云计算的形态与边界（原文引用）

预测 1｜云基础架构现代化

到 2027 年，海量的计算和数据需求将强制超过 85% 的中国组织将传统云环境转型适配 AI 工作负载的新型平台。

这意味着，传统以 IaaS/PaaS 为中心的云架构已难以支撑 AI 应用规模化，云基础架构现代化将成为企业发展智能业务的前提条件。

预测 2｜代理式 AI 云运营

到 2027 年，80% 的中国 500 强企业将会部署代理式 AI 平台，为自动化 IT 云运营提供大规模、持续性的监控、分析、故障修复能力，最小化人工干预。

云运维正从“人驱动”走向“智能体驱动”，IT 团队的角色将随之发生转变。

预测 3｜专业的 AI 云服务提供商

到 2029 年，区别于 GPU 资源提供商，至少 30% 的高等级 GPU 将由 AI 云服务商的具备云特性、灵活计费、API、软件服务的资源覆盖。

企业将越来越倾向于选择“懂 AI 的云”，而不仅仅是提供算力的云。

预测 4｜边缘 AI 智能体

到 2028 年，具身智能将迎来爆发式增长，云服务提供商将通过在企业边缘环境部署 AI 基础设施和智能体支撑其中 60% 的业务场景。

AI 正从中心云走向边缘，云计算的服务边界被显著拉长。

预测 5｜基于私有云的企业级 AI 平台

到 2028 年，为了满足数据隐私需求以及降低公共大语言模型的数据泄露风险，60% 的中国组织将采用能够在数据治理方面提供更多控制能力的私有云平台方案。

私有云正在成为企业级 AI 的关键承载平台，而非“过渡选择”。

预测 6｜AI 成本治理

到 2028 年，没有把 AI 投入并入成本治理范围的企业 FinOps 团队将在 AI 相关项目方面面临 30% 的成本增长以及更低的总体回报。

AI 时代，成本治理能力将直接影响云与 AI 投资的可持续性。

预测 7｜异构云基础设施

到 2028 年，超过 80% 的中国组织将采用异构云基础设施，用于平衡混合的 CPU、GPU、存储技术以优化 AI 工作负载的性价比。

单一算力形态已无法满足 AI 需求，异构成为常态。

预测 8｜云端风险管理

到 2029 年，基于地缘政治的不确定性，50% 的实施数字化自治的中国组织将迁移敏感的工作负载到新的云平台以降低风险和提高自主能力。

云计算正在被纳入更宏观的风险与主权考量。

预测 9｜AI 辅助工作负载替代

到 2029 年，60% 的中国组织将采用云端的 AI 融合工具用于评估成本和性能指标，通过部署 25% 的 AI 智能体自动化工作负载的协同，以优化工作负载的替代。

AI 将参与云资源与工作负载的“自我优化”。

预测 10｜智能体 SaaS 平台

到 2029 年，50% 的中国企业应用将采用 SaaS 平台模式进行实时工作流中的预定义 APP 功能和 AI 智能体的协同，构建模块化和共享交互的解决方案。

SaaS 正在向“应用 + 智能体”的平台形态演进。

这些预测共同说明了什么？

IDC FutureScape 2026 反复传递出一个清晰信号：AI 已经成为云计算发展的第一驱动力。

云不再只是支撑 IT，而是直接决定 AI 能否落地、能否规模化、能否在合规和成本可控的前提下持续运行。忽视云基础架构演进的企业，将很难在 AI 投资上获得长期回报。

分析师观点

IDC 中国高级研究经理张犁认为，中国云计算市场正从“规模增长期”迈入“能力重构期”。FutureScape 2026 显示，云计算正在围绕 AI 重塑自身的架构、服务形态与商业模式——从基础架构现代化、代理式 AI 运维，到私有云与异构云并行发展。那些能够将云战略与 AI 战略深度融合的企业，更有可能在复杂环境中实现业务韧性与持续创新；而仍将云视为单一基础设施选项的组织，将面临更高的成本、风险与转型阻力。

一个面向管理层的综合建议

IDC 并不建议企业孤立地“上云”或“上 AI”。更重要的是，以 AI 为核心，重新审视云基础架构、云运营模式、成本治理与风险管理能力。
云计算，已经从“是否采用”的问题，转变为“是否足以支撑下一代智能业务”的问题。

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。

Lee Zhang - Senior Research Manager - IDC

Lee Zhang is a senior research manager for IDC Cloud Computing whose research theme focuses on cloud technology, namely hybrid cloud infrastructure, cloud-native infrastructure, big data infrastructure, microservice architecture, and deep learning (DL)/machine learning (ML) architecture, among others. Lee is also responsible for providing project consulting, market analysis for cloud service providers and end users, in collaboration with IDC local and regional consulting/research teams. Lee previously worked as a solution architect for Alibaba Cloud in the retail business, primarily focused on hybrid cloud solution design and delivery, and digital transformation project management. He assisted all types of clients, such as private enterprises, state enterprises, and government departments, designing digital transformation solutions with cloud technology such as hybrid cloud infrastructure including infrastructure as a service (IaaS)/platform as a service (PaaS)/desktop as a service (DaaS)/software as a service (SaaS), middle-stage infrastructure, big data platform, migration to cloud methodology, microservice architecture, and DL/ML, to name a few. Lee graduated from Beijing Institute of Technology with a master's degree in Business Administration (MBA). He obtained his bachelor's degree in Automation from the Huazhong University of Science and Technology.

当前，中国工业行业正处于由“数字化”向“智能化”跨越的关键拐点，“人工智能+工业”融合发展已成为产业转型升级的核心引擎。向国内市场看，随着需求加速升级、政策持续加码、技术不断演进，工业 AI 正从概念探索迈向规模化应用的新阶段；向全球市场看，各地区及国家对工业场景 AI 采用的重视程度空前高涨，但由于产业基础、IT/OT 架构与合规环境差异，不同区域在落地阶段与机会窗口上呈现明显分化。IDC 认为，中国工业厂商可依托自身技术积累与产业链优势，以多元化路径有针对性地推进海外市场拓展，实现“场景能力—交付体系—生态伙伴”的渐进式出海。

国内市场

工业 AI 规模化落地与智能体爆发式增长的双向共振

工业 AI 的需求已从早期头部企业的探索性投入，转向全行业“提质降本增效”的刚需。根据 IDC 预测，到 2028 年，中国工业企业 AI 支出规模将接近 900 亿元人民币，年复合增长率达到 38%。

到 2030 年，全球活跃智能体数量将突破 22.16 亿个，年复合增长率达到 139%，其中工业领域的活跃智能体是最重要组成部分之一。IDC 认为，智能体数量的快速增长将与工业 AI 的规模化需求形成共振：一方面，工业企业对跨系统协同与流程闭环的诉求更强；另一方面，智能体作为“任务编排与流程执行载体”，有助于将 AI 从“点状能力”升级为“可运营的生产力”，从而加速规模化落地。

国家布局加码，“人工智能+”专项行动锚定工业 AI 规模化落地

2026 年 1 月，工业和信息化部等八部门联合印发《“人工智能 + 制造”专项行动实施意见》，明确提出到 2027 年推出 1000 个高水平工业智能体的目标，标志着工业智能体已从企业自发探索上升为国家层面的系统性布局；同期，国家发展改革委、国家能源局发布《关于推进“人工智能 +”能源高质量发展的实施意见》，与前者形成政策合力，共同推动人工智能技术与制造、能源等工业领域的深度融合应用。

工业智能体正在向“强专业属性/高专业适配度”技术路线演进

工业本身具有强行业差异与强流程约束，无论制造还是能源行业，每个环节的业务语义、数据形态与约束条件都不同，难以依赖消费级通用智能体“一招通用”。因此，针对工业生产中的设计研发、仿真测试、工艺改进、质量检查、设备运维、能耗管理等不同细分环节，专门适配的工业智能体正在快速增多，并呈现出“更强专业、更深嵌入、更可控可管”的演进趋势。

全球市场

全球各区域工业企业需求多元，中国工业 AI 出海瞄准差异化缺口

根据 IDC 的预测，到 2028 年，全球工业企业 AI 支出规模将接近 2.2 万亿人民币，年复合增长率达到 63%。与中国市场对比可以看出，中国市场的 900 亿人民币工业 AI 支出占比仍有限，海外市场在需求体量、行业多样性与付费能力上，存在更大的市场空间。

同时，IDC 观察到，全球各区域工业 AI 需求呈现差异化：

  • 在欧洲、北美等发达市场，工业企业具备更成熟的数字化与工业软件体系，更偏好体系化、高端定制与长期服务续订，但整体成本高、交付周期长。中国工业 AI 厂商可从工业视觉、能耗优化、新能源场站运维等细分场景切入，以“轻量部署 + 快速见效 + 性价比”形成差异化补位；
  • 在东南亚等新兴市场，工业 AI 落地意愿强但适配性方案与本地化交付供给不足。中国厂商可输出成熟的场景化方案与一体化服务，重点强化本地生态伙伴、交付标准化与运维体系建设，以提升可复制性与持续收入能力。

IDC 也建议，出海不应仅理解为“卖产品/做项目”，更需要同步构建三层能力：合规与数据治理能力、本地交付与合作伙伴体系、以及行业场景的可复用产品化封装。

针对全球制造业、能源行业、供应链三大主题，IDC 全球工业研究在今年已启动一系列与工业智能化相关的研究议题，助力中国工业 AI 厂商进入国际工业企业视野，强化品牌可信度与市场触达效率。

IDC 2026年中国及全球工业研究计划：

更多推荐：

在全球工业 AI 政策护航、需求升级、技术迭代与出海进阶的发展背景下，IDC 同步启动工业 AI 领航者奖项征集，围绕行业先锋、出海先锋、创新先锋等多个维度展开评选，旨在发掘具有可复制价值的行业实践，推动工业智能化从“示范”走向“规模化”，并助力“中国方案”在全球工业智能价值分工中占据更重要的位置。


【奖项征集】2026 IDC中国工业AI领航者大奖征集启动 ！

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。

AI 时代的一个被低估事实：算力不是瓶颈，基础架构才是

在过去一年里，企业对 AI 的讨论几乎全部围绕模型、算力和应用展开。但 IDC 指出，一个正在被反复验证的现实是：真正限制 AI 规模化落地的，并不是模型能力，而是数字化基础架构的成熟度。

当 AI 从“试点探索”走向“生产级运行”，企业的操作系统、数据中心、网络、存储、边缘节点和运维体系，开始承载前所未有的复杂度和压力。数字化基础架构，已经从后台支撑，转变为 直接影响业务速度、成本结构、韧性与可持续性的核心能力。

在《IDC FutureScape：全球数字化基础架构2026年预测——中国启示》（Doc# ，2026年1月）中，IDC 描绘了未来五年企业基础架构将经历的一次系统性重构。

十大预测：数字化基础架构正在发生哪些“质变”？

预测 1｜智能体嵌入操作系统成为标配

到2029年，65%的新操作系统版本将搭载基础设施运维 AI 智能体与 MCP 服务器，大幅提升系统利用率、安全性与能耗效率。

操作系统正从“被动平台”演进为“主动运维中枢”，IT 团队将从日常维护中解放出来，转向更高价值的架构与业务协同工作。

预测 2｜人工处理逐步退出日常运维

到2030年，45%的日常 IT 运维任务将由智能体 AI 处理；若事件未在平均解决时间（MTTR）目标内完成处理，则采用通知 IT 人员的模式提供指导。

AIOps 正在改变运维范式，人类不再是第一响应者，而是“最终裁决者”。

预测 3｜数字孪生优化基础设施

到2028年，40%的数据中心将通过数字孪生（覆盖 IT 设备至设施全环节）实现优化，推动数字基础设施向可持续、高成本效益、强韧性的方向发生根本性转变。

数据中心运维从“事后响应”走向“事前模拟与预测”。

预测 4｜异构计算的应用

到2030年，75%的数据中心将在 CPU、GPU、QPU、NPU、LPU、APU 和 DPU 的混合架构上运行工作负载，从而在特定应用场景中实现显著更快、更节能的处理能力。

未来的数据中心，不再是“单一算力池”，而是高度专业化的计算调度系统。

预测 5｜液冷标准形成

到2030年，65%的新液冷部署项目将集成开放式行业标准，实现平台兼容性，并将部署、维护、改造及扩容成本降低三分之一。

液冷从“高端选项”走向“规模化基础设施能力”。

预测 6｜AI 加速容器化转型

到2028年，75%的新 AI 工作负载将实现容器化，从而显著提升模型与工作负载更新的速度、一致性与安全性。

容器成为 AI 推理时代的“默认交付形态”。

预测 7｜数据管道现代化

到2028年，65%的中国500强企业将实现数据存储基础设施的现代化，并优化数据流程，以便在可优化 GPU 集群的存储系统上，向 AI 模型提供高质量、经过整理的数据。

没有高质量数据管道，再多算力也无法转化为业务价值。

预测 8｜推理向边缘侧迁移

到2027年，随着 AI 的重心从训练转向推理，80%的企业将部署分布式边缘基础设施，以提升 AI 应用的延迟表现与响应速度。

AI 正在从“云中心”走向“业务现场”。

预测 9｜网络互联驱动基础设施发展

到2027年，75%的企业将部署面向互联的网络，以支持先进 AI 推理与分布式应用，提升安全性、敏捷性与风险管控能力。

网络从“连接工具”升级为“算力与数据流动的关键底座”。

预测 10｜私有数字基础设施的复兴

到2026年，60%的企业将主动对私有 IT 基础设施进行再投资，以提升混合云一致性，优化数据隐私、业务韧性、性能与成本。

私有基础设施并未消失，而是在 AI 时代被重新定义。

这些预测共同说明了什么？

IDC FutureScape 2026 反复强调：AI 的竞争，最终会回到基础架构。

模型可以快速迭代，但基础架构一旦落后，企业的 AI 战略将很难持续。真正的领先者，将是在自动化、异构计算、数据流动和治理能力上，提前完成布局的组织。

分析师观点

IDC 中国研究副总裁周震刚认为，中国企业正从“云优先”迈向“AI 优先”的新阶段。FutureScape 2026 显示，数字化基础架构正在从成本中心转变为战略资产——它直接决定 AI 能否规模化落地、业务是否具备韧性，以及企业能否在不确定环境中持续增长。忽视基础架构现代化的企业，将在 AI 投资回报率、系统稳定性和长期成本控制上承受更大压力。

一个面向管理层的综合建议

IDC 并不建议企业孤立地升级某一层基础设施。更重要的是，以“AI 可持续运行”为目标，对操作系统、算力架构、数据管道、网络与运维体系进行系统性重构。


基础架构不是“是否够用”的问题，而是“是否能持续支撑下一代 AI 应用”的问题。

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.

过去一年，生成式AI迅速从“前沿技术”演变为企业讨论中的常规议题。从董事会到业务一线，关注点已经不再是“要不要用AI”，而是企业在不同发展阶段，应该如何选择落地路径、如何判断投入节奏，以及如何尽量降低不必要的试错成本。

从市场实践来看，企业的AI探索并不存在统一范式：有的企业从具体应用场景切入，有的优先推动流程自动化，也有企业选择先夯实数据和平台基础。这些选择背后，往往与行业属性、组织能力、数字化成熟度和管理目标密切相关，并不存在绝对正确的先后顺序。

在这一过程中，企业级应用、企业级服务以及数据库与数据管理，往往以不同形式、不同权重出现在企业的AI实践中。IDC开展相关研究，并非试图将这些因素“硬性绑定”为成功前提，而是希望更真实地反映市场的复杂性，帮助企业理解不同路径下可能面临的机会与约束。

从“加AI功能”到“用AI做事”：企业级应用的重构正在发生

AI Agent正在改变企业应用的基本形态

在很多企业中，生成式AI最初的落地方式是“功能叠加”：写文案、生成报表、自动摘要。这类能力提升了效率，但并没有改变应用的本质。

IDC的研究发现，真正具有颠覆意义的变化来自AI Agent（智能体）的引入。企业级应用正在经历从“被动工具”到“主动参与业务执行”的转变：

  • 应用不再只是被人操作，而是能够理解目标、拆解任务并自动执行
  • 用户界面逐渐从复杂菜单，转向自然语言和流程驱动
  • 应用之间开始通过Agent进行协同，而非人工串联

IDC将这一变化总结为企业级应用的“Agentic演进路径”，并指出未来几年内，Agent将从辅助角色逐步走向主导角色。

哪些业务场景最先受益？

从企业实际落地情况来看，生成式AI和智能体的应用并未集中在单一部门，而是优先出现在高频交互、高度标准化或知识密集型的业务与技术场景中，包括：

  • 客户服务与智能联络中心：AI被广泛用于自动应答、坐席辅助、工单分流与服务质量监控，在不完全替代人工的前提下，提高响应效率和服务一致性。
  • 办公自动化与知识管理：会议纪要、文档整理、企业知识问答等场景逐步由AI承担基础工作，降低员工获取信息和跨部门协作的成本。
  • 内容生成与市场营销：从内容和素材生成，延伸至客户洞察、活动优化和线索管理，营销决策开始更多依赖数据与模型驱动。
  • 职能流程自动化：在财务、供应链、HR、采购、法务等职能领域，AI被用于规则明确、重复性高的流程自动化、合规检查和风险识别。
  • 研发与IT运维：代码生成、测试、故障定位和运维自动化成为AI落地的重要方向，直接影响研发效率、系统稳定性和运维成本。

IDC之所以持续追踪这些细分场景，是因为企业在做AI投资决策时，往往需要回答一个现实问题：哪些应用场景已经具备规模化条件，哪些仍处在早期探索阶段。这类研究的价值，在于帮助企业避免“平均用力”，而是将有限资源投入到最有可能产生业务回报的方向。

没有服务能力，AI很难真正跑起来

一个在客户中反复出现的共识是：AI Agent的成败，不仅仅是模型本身，很大程度还取决于项目实施过程中对于数据治理，安全合规，流程重塑，平台整合等环节的设计和把控，以及后期的运营和维护。

企业在推进过程中普遍会遇到：

  • 业务流程是否适合被Agent接管
  • 多个Agent如何协同、治理和监控
  • 如何持续评估ROI，而不是一次性交付

这也是为什么企业级服务在AI时代的重要性被显著放大。IDC在软件与服务研究中，将AI咨询、Agent设计与开发、系统集成、运维与持续优化视为一个完整闭环，而非单一项目 。

对企业而言，这类研究的价值并不仅在于“推荐某一家供应商”，而在于帮助管理层理解能力建设的先后顺序：哪些能力需要长期内生，哪些可以借助生态伙伴补齐，从而避免“试点成功、规模失败”的常见陷阱。

AI走得多远，取决于数据和数据库走得多稳

数据库正在从“后台系统”走向“AI基础设施”

如果说企业级应用决定了AI“做什么”，那么数据库和数据管理决定的则是AI“能不能做、做得好不好”。

在生成式AI快速演进的同时，中国数据库市场也正在经历深刻变化：一方面，AI对数据实时性、多模态和向量能力提出更高要求；另一方面，国产化进程推动本土数据库厂商在功能和市场份额上持续提升 。

AI for Data：让数据库更智能

IDC在数据库研究中发现，AI正在反向赋能数据库自身：

  • 自动调优与容量预测
  • 基于AI的异常检测和安全防护
  • 更智能的运维和资源调度

这些能力直接降低了数据库复杂度，使企业能够用更少的人力支撑更复杂的业务和AI负载。

Data for AI：让AI真正可用

更关键的是，数据库正在成为AI应用的“能力上限”：

  • 向量引擎和多模数据管理决定了Agent是否具备“长期记忆”和上下文理解能力
  • 数据治理和权限体系决定了AI是否可信、可控
  • 实时数据能力决定了AI是否能够参与业务决策，而不仅是事后分析

IDC在数据库管理系统市场的研究中强调：未来企业AI竞争的本质，是数据架构和数据能力的竞争。

为什么IDC要持续开展这些研究？

IDC之所以持续在企业级应用、企业级服务以及数据库与数据管理领域投入研究，一方面，这些领域是企业AI价值真正发生的位置：应用决定AI是否进入业务流程，服务决定AI能否规模化运行，数据库管理和数据治理决定AI是否长期可持续。任何一环缺失，AI都很难从“亮点项目”走向“稳定能力”。

从企业决策者视角看，这些研究真正解决了什么问题？

通过持续的市场数据、趋势判断和实践洞察，IDC希望帮助客户：

  • 看清AI技术和应用的成熟节奏
  • 了解行业发展的最新趋势和最佳案例
  • 对于热点领域和技术的评估和参考实践

在生成式AI引领的新一轮技术升级中，真正具备长期优势的企业，往往不是最早“尝鲜”的企业，而是那些能够构建高质量数据资产、完善AI治理体系、深度重塑业务流程并持续融合行业Know-how，实现数据驱动的敏捷创新与可持续落地的企业。这正是IDC持续开展相关研究的出发点，也是客户能够从这些研究中获得的长期价值。

IDC 2026年软件和服务领域研究计划：

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。

Lizzie Li - Associate Research Director - IDC

Lizzie Li is Associate Research Director of IDC China's Enterprise System and Software Research that focuses on research and analysis of the China Datacenter, Cloud Computing, and IT infrastructure markets. She also provides intelligence and consulting services in customized projects for local and multinational corporation (MNCs) IT vendors. Lizzie’s research domain covers Datacenters, Cloud Computing, Virtualization, and her duties include providing consulting proposals to IT vendors on sales, marketing, and research fields. Lizzie Li has seven years of experience in the IT industry, including Internet datacenters, cloud computing services, mobile telecommunication systems, and enterprise markets. Prior to joining IDC, Lizzie Li worked for 21vianet, Nokia Siemens Networks, and Huawei, and was responsible for sales analysis, project management, and technical support. Lizzie graduated from Huazhong University of Science and Technology with a Master’s degree in Pattern Recognition and Intelligent Systems.

过去三年，边缘计算云服务一直是云计算市场中最具确定性的增长引擎之一。2021—2024 年，中国边缘公有云服务市场保持了接近 38% 的年均复合增长率，在内容分发、实时交互、数据合规与用户体验提升等场景中，边缘云的价值已被行业客户广泛验证。

但进入 2024 年之后，市场环境正在发生明显变化。随着企业 IT 预算与资源快速向 AI 相关投入倾斜，边缘计算云服务的增长节奏出现波动：一方面，边缘 AI 场景在短期内尚未形成清晰、可复制的商业闭环；另一方面，部分传统需求增速放缓，使得市场在 2024 年下半年一度出现明显回落。

在这样的背景下，一个更具根本性的问题摆在行业客户和服务商面前：在 AI 成为核心业务能力的时代，边缘云究竟应该扮演什么角色？它是否仍然只是成本优化与资源下沉的工具，还是正在演变为承载新一代 AI 应用、Agent 形态与分布式网络能力的关键基础设施？本文将围绕这一问题，对 AI 时代边缘云的价值演进路径进行分析。

经典边缘云服务价值完成了从“成本优化”到“业务创新”的跃迁

不同时代背景、不同发展阶段、不同应用场景，为了满足企业自身业务发展诉求和回应资本诉求，行业客户对IT架构建设诉求可能存在巨大差异。

中国边缘计算云服务市场过去三年高速增长的背后，是不同影响因素交织形成的一轮分布式IT架构建设浪潮。其最初驱动力，是中国互联网行业各品类头部客户在用户规模见顶后对IT架构效率的机制追求，与边缘计算节点在运营成本、业务合规、用户体验等多维度原生优势的一次精准匹配。

行业客户广泛认可基础产品商业价值后，供需双方开始赋予边缘计算节点更丰富的内涵，随之而来的，是多样化的云服务产品下沉，以及据此完成的IT架构变革与业务创新。

AI时代边缘云服务价值实现顺序可能完全相反

2024年开始，部分服务商开始尝试复制经典边缘云过去三年的增长路径，希望从基础产品开始，完成边缘云市场的增长驱动力转换，但结果却是，传统增长需求增速放缓，但新边缘AI基础产品的商业价值并未获得广泛认可。回顾过去一年的市场变化，我们认为，AI时代边缘计算云服务的演进路径可能存在差异，价值演进逻辑甚至完全相反。

在当前时间节点下，主要行业客户的核心诉求，是探索扩大AI应用场景，客户迫切需要在更短的时间内探索出可以大规模商业化落地的应用场景。这一阶段，客户普遍对于初期运营的成本关注度有限，因而在本轮AI浪潮中，除了离线专属单点机柜满足了客户在私有化环境中的AI尝鲜诉求，在更广泛的边缘计算云服务体系中，最先受益的反而是基于边缘云“分布式”架构的更高阶创新方案，诸如大模型网关、AI搜索配套服务等。

例如基于边缘计算节点的AI搜索，2025下半年开始已经获得市场认可，“分布式”的边缘计算节点帮助模型克服了通用搜索引擎仅能返回摘要和元数据的局限性，并在大规模内容返回、抓取速度、动态内容解析、反爬对抗等维度展示出独特商业价值。

同时，以C端硬件形态和开源项目形态的AI Agent个人助理正在引起市场的广泛兴趣，甚至有望成为对话式AI、AI Coding之后的下一个顶流热点。在这一场景下，不考虑既有互联网内容与广告生态对上述应用场景的限制，“分布式”的边缘结算节点能够在用户响应时间、敏感数据保护、与庞大的互联网生态对接等方面同样提供了差异化价值。

IDC对于边缘计算服务/边缘云服务商的建议：

  1. 避免将注意力局限在边缘推理算力提供。虽然在边缘计算节点部署异构算力裸机是实现边缘云商业化变现的最快路径，但如上述推论所示，在各种类型的AI应用大规模铺开后，或者AI场景经过市场洗礼其商业价值被广泛验证后，行业客户才会将注意力转移至长期运营所需的更合理、经济的产品与服务。尤其是没有内部业务兜底的中小服务商，应当避免在获得明确的商业需求前，在边缘大规模部署异构算力。
  2. 保持对AI应用新场景的敏感，尤其是可落地的Agent形态应用。建立AI应用流程的全局视角，注并拆解其中边缘计算节点可承担的负载与业务流程，关与边缘云分布式体系带来的原生价值相匹配。
  3. 关注与多媒体场景相关的AI应用。图片、音视频等多媒体内容需要消耗更多的网络与算力资源，因而在大规模商业化推广后，边缘云“分布式”的生产体系、更靠近用户的网络环境优势将被进一步放大。
  4. 坚持既有优秀实践。更先进的大模型与多模态模型确实会改变我们的工作、生活与娱乐方式，进而对IT架构带来深远影响，包括后端软硬件架构和资源比例，但边缘云产品服务在既有场景中的价值逻辑依然长期成立，甚至在用户将预算向AI场景倾斜后，其优势有被进一步放大的趋势。

IDC 相关研究

围绕 AI 时代边缘云与边缘 AI 的发展趋势、技术能力与市场格局，IDC 将持续开展系统性研究，包括但不限于：

  • 《IDC Market Glance：中国边缘 AI 基础设施和平台，2026Q1》（即将发布）
    —— 从市场结构与关键能力维度，解析边缘 AI 产业链与主要参与者。
  • 《IDC Tech Assessment：中国边缘云智能服务技术能力评估，2026》（即将发布）
    —— 评估主流边缘云服务商在 AI 服务、分布式架构与应用支撑能力方面的技术成熟度。
  • 《IDC China Semiannual Edge Cloud Tracker，2025H1》
    —— 持续跟踪中国边缘公有云市场规模、竞争格局及行业应用变化。

如需进一步了解 AI 时代边缘云与边缘 AI 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，请点击此处，欢迎与我们保持联系。

Eric Wei - Research Manager - IDC

Eric Wei is primarily served as the role of Research Manager in Enterprise Research sector for IDC China, and he is responsible for conducting analysis and research for the China Industry Cloud Solution market and China Cloud Market Ecosystem, especially in Industrial Cloud Solution area. He is also involved in regional and global consulting and business development in related markets. Prior to joining IDC, Eric has over 3 years of working experiences in China Academy of Information and Communications Technology (CAICT). His research area there included next generation technology and its market tendency, Industrial Internet and Intelligent manufacturing. Eric holds Bachelor of Mechanical Engineering and Automation and Master of Instrument Science and Technology form Tsinghua University.