Logo
Become a Client

Persona: vendor

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.

过去二十多年，中国政府信息化从“信息化—电子政务—数字政府”持续演进，有效支撑了治理能力现代化。当前，在大模型等 AI 技术突破与数据要素制度逐步完善的背景下，数智政府正在成为新阶段与新目标。IDC 认为，数智政府并非在数字政府之上简单“叠加AI”，而是围绕数据驱动（数据要素）、智能决策（政务大模型）与人机协同（智能体），对治理链条进行系统重构。

IDC认为，每一次政府数字化的跃迁，都源于技术成熟、治理需求与制度环境三者的同频变化。

一是技术条件发生质变。大模型带来“内容生成与推理”叠加“行业知识整合”的能力范式，结合数据、云与智能算力的规模化供给，以及更自然的人机交互方式，使政务系统从“流程线上化”走向“理解政策与业务、辅助决策与执行”的新阶段。

二是治理需求结构性变化。财政约束趋紧要求降本增效与集约建设；公共服务需求持续增长且更个性化；城市治理与风险管理复杂度上升，仅依赖增人增系统的传统路径难以对冲复杂度的上升，必须通过数智化手段重构治理方式与服务范式。

三是制度环境为规模化建设“铺路”。《国家数据基础设施建设指引》、《可信数据空间发展行动计划》与《政务领域人工智能大模型部署应用指引》等政策文件持续明确方向：数智化是数字政府建设的主攻方向，且需在安全、合规、可控前提下推进。这为数智政府由试点探索走向规模化落地奠定了制度基础。

未来五年“数智政府”市场的机遇与重构

根据 IDC《中国数字政府市场预测，2025—2030》，未来五年中国数字政府市场将呈现“总量稳增、结构重构”的特征。到 2030 年，市场规模预计达到 1857 亿元人民币，2025—2030 年 CAGR 为 4.1%。数字政府建设模式也由一次性项目投资转向政企合作，注重长期运营、服务化和效果导向。主要体现在三层：

基础设施：从云到智。基础设施仍是最大支出项，但增长重心正向智算中心与异构算力迁移。当前政府行业大模型应用及基础架构渗透率仅 1.5%，智能算力将成为数智政府的“隐性生产力”，具备显著成长空间。

平台层：成为数智中枢。以政务大模型平台、智能体平台、数据中台为核心，形成可持续复用的智能服务能力。IDC 预测平台层将保持接近 9% 的较高复合增速，是长期战略价值最突出的细分领域。

应用层：从项目建设走向能力运营。政务服务、政务办公、社会治理等领域的应用形态由一体化建设转向持续运营与生态化建设。对供应商而言，竞争焦点将从“交付规模”转向“可复用能力+运营成效”。

IDC 数智政府百强榜：行业领先实践

基于市场规模、技术成熟度、实践效果与可复制性等多维评估，IDC 发布了 “2025年中国数智政府百强榜 ”，提炼可复制的领先实践与产业共识，集中体现五大趋势：

第一，政务服务从“数字窗口”升级为“智能体入口”。AI助手、数字人不再只是展示，而是承担咨询、引导、办理、评价等多角色协同，成为统一入口的雏形。典型实践包括“贵人智办”AI助手、爱山东济南分厅服务AI能力提升、扬州市智慧门户”三好”小助手项目等项目。

第二，政务办公进入“AI初审 + 人工决策”的常态。公文处理、审批、督办等场景，正在从“全人工”走向“机器先筛、人工把关”，效率提升来自流程与决策链条的重构。典型案例实践包括烟台市智慧公文大模型项目、智慧政务协同办公平台AI应用项目等。

第三，数据要素从“政府内部资产”走向“治理与产业共同资源”。公共数据授权运营、城市数据空间等实践，推动数据在安全可控前提下释放外部价值，形成“数据—场景—产业”的闭环。典型实践包括数字福建释放公共数据赋能产业发展，治理数字优化惠及民生福祉、全球数源中心数据流通利用基础设施先行先试项目、上海数据集团城市数据空间新范式等项目。

第四，数智化开始直接提升城市体验与民生幸福感。养老、社区、园区、新城治理等场景，越来越强调“体验指标”和“结果导向”，这将倒逼产品从功能堆砌转向可衡量的成效。典型实践包括”盛情康养”沈阳基本养老服务综合平台、福田率先落地政务大模型发布首个城市智能体、广东某市管委会以AI引领构建智慧新城等项目。

第五，基础设施走向高度集约与智能调度。多云纳管、一云多芯、统一算力平台正在成为“标配”，这对厂商的体系化能力提出更高要求：能不能管得住、调得动、算得稳、控得牢。典型实践包括湖南省级数字政府、甘肃数字政府、长三角枢纽芜湖集群算力公共服务平台、中原智算中心等项目。

数智政府是“十五五”治理现代化的新起点

IDC 认为，数智政府将成为未来一个五年乃至更长周期内中国政府数字化建设的主线，深刻影响公共服务供给方式、城市运行治理模式、数据要素价值释放路径以及数字技术的社会价值实现。在“十五五”全面展开之际，数智政府的规模化建设成效，将成为衡量治理现代化水平的重要维度，也将重塑政府数字化市场的竞争格局与产业机会。

相关研究报告

《IDC PeerScape: 中国数智政府领导者实践，2025》(Doc#CHC53833026，2026年1月)。

更多推荐：

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。

国务院新闻办公室于2026年1月19日上午10时举行了新闻发布会，国家统计局局长康义，国家统计局新闻发言人、总经济师、国民经济综合统计司司长付凌晖介绍了2025年国民经济运行情况。本文基于此次会议发布的数据给出分析。

核心观点

2025 年中国经济运行并非一次周期性下行，而是一次关键性的结构性切换。尽管 2024 年与 2025 年的 GDP 增速均保持在 5.0% 左右，但驱动增长的内在动能已发生显著变化：固定资产投资由正转负，制造业投资大幅放缓，通缩压力仍然存在；与此同时，信息服务业投资快速增长，高技术出口表现突出，消费延续结构性修复，人口与劳动力约束明显加剧。

IDC 认为，2025 年实际上完成了中国经济从“投资拉动型增长”向“结构再平衡、效率驱动型增长”的关键过渡。这一变化将深刻影响 2026 年的市场环境，使其呈现出总体温和增长、结构性高度分化的特征。

对 ICT 市场而言，这意味着一个明确转向：从以资本开支和规模扩张为核心，转向以可量化 ROI 为导向、以软件和 AI 为核心的价值创造模式。能够顺应这一结构性转变的厂商与企业将持续跑赢市场，而仍停留在传统扩张逻辑中的参与者将面临更大压力。

一、宏观背景：增速保持稳定，结构分化加剧

2024 年与 2025 年，中国经济均实现了约 5.0% 的 GDP 增长目标，但增长质量与结构已明显不同。

2024 年的经济增长在四季度明显回升，反映出政策支持、基础设施投资以及制造业阶段性复苏的拉动效应；而 2025 年则呈现出“前高后低”的增长节奏，季度 GDP 增速逐步回落，反映出企业投资信心与项目预期趋于谨慎，尤其是在大型资本性项目方面。

从产业结构看，2025 年第三产业占比继续提升，第二产业贡献趋于稳定，表明中国经济正进一步迈向以服务业和知识密集型产业为主导的发展阶段。这一趋势对技术需求结构具有深远影响。

二、2024–2025 年的六大关键结构性变化

IDC 从宏观与产业数据中识别出六项对未来市场具有决定性影响的变化。

1、固定资产投资由“正增长”转为“整体收缩”。2024 年固定资产投资同比增长 3.2%，而 2025 年则下降 3.8%，出现明确拐点。基础设施投资回落，制造业投资几乎停滞，房地产投资进一步下探。这既是周期性谨慎的结果，也是结构性调整的体现：地方财政约束趋紧，企业资本纪律增强，传统投资项目的回报率持续下降。

市场含义：以大规模资本开支为主要驱动的市场空间正在系统性收缩。依赖“重资产、重工程、重建设”的行业与技术领域，在 2026 年仍将面临持续压力。

2、制造业投资急剧放缓，但并未系统性下滑。制造业投资增速从 2024 年的 9.2% 大幅回落至 2025 年的 0.6%，反映出企业在需求不确定和利润承压背景下，对扩张计划进行重新评估。但与此同时，高技术制造业和装备制造业的工业增加值仍保持相对较快增长，显示制造业投资并非全面退潮，而是向高技术、高附加值领域高度集中。

市场含义：2026 年制造业相关 ICT 需求将呈现“客户数量减少、单客户深度提升”的特征，重点集中于具有明确效率与质量目标的先进制造企业。

3、信息服务业投资成为逆周期结构性亮点。与整体投资趋势形成鲜明对比的是，2025 年信息服务业投资同比增长超过 28%。这表明在资本整体趋紧的背景下，政府与企业仍在持续加大对数字基础能力的投入。这类投资并非追求规模扩张，而是围绕效率提升、韧性增强与长期竞争力构建展开。

市场含义：云服务、数据平台、AI 能力、软件基础设施将成为 2026 年最具确定性的增长板块之一。

4、消费温和修复，但升级特征显著。社会消费品零售总额增速从 2024 年的 3.5% 小幅提升至 2025 年的 3.7%。尽管整体恢复节奏仍然温和，但消费结构发生明显变化。通讯器材、文化办公用品、体育娱乐用品及智能家电等品类实现两位数增长，表明消费者并非简单扩大支出，而是向数字化、智能化和体验型消费升级。

市场含义：2026 年与消费相关的 ICT 机会将更多集中在零售数字化、全渠道运营、智能供应链以及 AI 驱动的客户运营领域。

5、出口保持韧性，增长质量持续改善。2025 年出口增速虽略低于 2024 年，但仍保持较高水平，高技术产品出口同比增长超过 13%。对“一带一路”国家出口以及民营企业出口占比持续提升。这表明中国外向型竞争力正在由规模优势向技术与价值优势转变。

市场含义：2026 年，企业“走出去”将继续成为 ICT 市场的重要增长来源，带动跨境云架构、数据合规、全球供应链系统与安全能力的需求。

6、人口下降明显加速，劳动力约束显性化。2025 年人口减少规模明显扩大，而城镇化率持续提升。劳动力供给约束已从长期趋势转变为现实挑战。这一变化强化了企业对自动化、数字化与智能决策的迫切需求。

市场含义：到 2026 年，“用技术替代人力、用智能提升效率”将从选择项转变为企业经营的核心议题。

三、对 2026 年 ICT 市场整体影响的基本判断

IDC 预计，2026 年中国 ICT 市场将进入一个总量温和增长、结构高度分化的新阶段。

从“扩张型建设”走向“价值型优化”。市场需求的核心将从“新系统建设”转向对既有数字资产的深度利用与价值释放。项目审批将更加关注成本节约、效率提升和回报周期。

从硬件导向转向软件与 AI 主导。硬件密集型项目面临更严格的预算约束，而软件、云服务、数据与 AI 应用将在企业 ICT 支出中占据更高比重。

从一次性交付转向持续价值交付。订阅制、按量付费和结果导向型（Outcome-based）模式将更受欢迎。企业将优先选择能够持续创造业务价值的技术伙伴。

四、战略建议

IDC 认为，2026 年不是高速反弹之年，而是结构清晰之年。中国 ICT 市场的赢家，将是那些真正理解并顺应新经济逻辑的参与者：效率优先于规模，智能优先于扩张，韧性优先于速度。这一转型也将为 2026 年之后更具可持续性的创新增长周期奠定基础。

对 ICT 厂商，从“技术能力叙事”转向“业务结果叙事”，突出可量化 ROI；加大对行业 AI、数据与场景化解决方案的投入；强化对企业出海和全球化运营的支持能力。

对行业用户，将 ICT 投资评估标准从功能完整性转向业务影响与效率改善；优先布局 AI 与数据平台，提升自动化与决策能力；将数字化转型与组织、人才和流程重构协同推进。

IDC相关研究

• 中国智能经济演进趋势与数智化商机5大洞察, Jan 2026, Doc# CHC53833826

• IDC FutureScape: 全球AI驱动的业务战略2026年预测：中国启示,  Dec 2025, Doc # CHC53834026

• IDC FutureScape: 全球CEO议程2026年预测（中文版），Jan 2026, Doc# CHC53833926

• IDC FutureScape: 2025年全球I行业预测（中文版），Jan 2026，Doc# CHC53858725

• 2026中国两会政府工作报告对AI大转型和ICT市场的影响, 即将发布

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。

Lianfeng Wu - Vice President - IDC

Analyst Profile
Mr. Wu Lianfeng, the Vice President and Chief Research Analyst of IDC China, has more than 25 years of experience working in the IT industry. Since joining IDC in 2000, Mr. Wu has extensive research and consulting experience in the areas of overall ICT market, vertical industry market, Internet and new media, smart connected devices, software and service outsourcing, digital transformation, digital economy, and emerging technology, among others. In recent years, Mr. Wu has been leading IDC China's digital transformation research and event. In 2017, he started to build the CXO circle excellence club, the vision of which is to help industry CXOs transform from good to excellent. Mr. Wu holds monthly offline activities and publishes daily articles that focus on digital transformation: business trends, technology trends, industry trends, organizations, and people role trends. Mr. Wu also worked with IDC global analysts to lead China's annual ICT direction forum and Top 10 Predictions (IDC FutureScapes) forum, providing industry forecasts of the latest development directions and business opportunities. At the same time, Mr. Wu works with a team of analysts to explore and discover new research topics and build thought leadership in the ICT market. Recent research areas he has delved in include Future of Work (FoW), Future Industry, Smart City, and DevOps, among others. Mr. Wu is also a guest speaker in all kinds of top ICT summit, CIO summit, and industry digital transformation summit. He gives nearly 50 speeches every year, which greatly promotes the application and development of digital technology in the industry. Prior to joining IDC, Mr. Wu worked with China Academe Launch-vehicle Technology (CALT), China Hewlett-Packard Co. Ltd., Jardine Pacific (JOS) Information Technology Co. Ltd., accumulating 9 years of working experience in the field of IT and telecommunications. Mr. Wu holds an MBA from the University of International Business and Economics in Beijing, a Master's degree in Engineering from China Academy of Launch Vehicle Technology, and a bachelor's degree in Engineering from the University of Electronic Science and Technology.

一、比亚迪超越特斯拉：全球新能源车市场的关键拐点

比亚迪在2025年全球纯电动（BEV）车销量上超越特斯拉，标志着全球新能源汽车格局的关键转折，反映出不同市场策略以及各价格区间电动车普及阶段的差异。

比亚迪全球销量的强劲增长主要贡献于其入门级电动车型，如海豚、Atto 3等车型对销量扩张贡献显著。这一表现不仅证明了比亚迪产品的竞争力，也预示着电动化转型在经济型乘用车全球市场的加速。

IDC数据显示，2025年全球纯电动汽车销量将超过1210万辆，保持两位数的同比增长。

经济型电动车价格区间对这一增长贡献巨大，继2020年前高端市场电动化加速、2021-2023年中端市场跟进之后，如今入门级市场因电池成本下降和充电基础设施完善，成为新的增长核心。

IDC基于过往市场追踪发现，创新技术通常优先占领高端市场，后向大众市场下沉，全球汽车市场电动化的发展符合这一演进规律。

二、不同的增长路径，决定增长周期起点不同

比亚迪：全场景绿色能源生态的代表。

  • 比亚迪的业务布局并不局限于乘用车，而是覆盖了公共交通、商用车、轨道交通及储能系统，构建起完整的绿色能源生态体系。
  • 在乘用车领域，比亚迪通过高性价比车型快速打开新兴市场与大众市场；在成熟市场，则逐步引入更高端的产品线。

特斯拉：以技术为核心叙事的科技公司路径。

  • 就品牌叙事而言，特斯拉聚焦于吸引科技敏感型高端消费者，始终将自身定位为一家以技术驱动的科技公司，其相关的AI研究也延伸至机器人和能源管理等领域。
  • IDC认为，入门级市场的增长逻辑与市场发展的早期阶段有所不同，成本效率、渠道覆盖、运营能力的重要性有所增强。

三、销量上的超越是否意味着经销商模式“回归”？

2025年的海外市场中，比亚迪在欧洲的增长最为显著，得益于经销与服务网络的快速扩张，以及产品的竞争力、生产的本地化、技术的差异化。

针对欧洲市场，比亚迪与当地成熟汽车零售商合作，提供销售与服务。相比之下，坚持直销（DTC）模式的特斯拉在销量上被比亚迪超越。

这导致许多人直观上认为经销商模式重新占据上风，然而事实并非如此。

对于高端市场，DTC模式不仅被蔚来、理想采用，也被极氪、魏牌等传统车企孵化的高端电动车品牌采纳。

高端电动车用户重视透明度、无缝全渠道体验及购后互动。数字化与智能化使原先购车、维保等零散的线下触点通过线上连结为整体，为DTC模式奠定了良好的基础。

经济型电动车厂商亦逐渐采用“传统及直营混合”或类agency模式。尤其对于进入新市场时，这种模式可使厂商对定价策略与品牌的一致性具备更大的主动。

如比亚迪在英国即采用混合agency模式，价格由总部统一制定，库存由欧洲中心分配，本地零售伙伴作为代理负责销售、交付、售后支持。

IDC认为，DTC与agency模式依然是市场发展的重要趋势，不仅高端市场如此，经济型电动车市场亦在向这一模式靠拢。

四、DTC与agency模式的长期逻辑依然成立

电动化是汽车行业可持续发展的重要基石，但其在市场端的普及受限于包括电池技术在内的诸多因素。

电池衰减存在高度的不确定性，诸如充电习惯、环境温度、使用强度之类的因素均可能对电池健康形成直接影响，导致价值损耗难以预测。这不仅使消费者对长期持有成本产生焦虑，也使机构预测对整批车辆的残值预测形成较大障碍。

尽管租赁模式在海外常被视为应对电动车贬值的有效方案，但其自身亦存在固有风险。这一模式本质上仅实现了风险的转移，如果实际电池衰减快于预测，租赁车辆残值依然会大幅下滑，造成资产减值，压缩利润空间。

DTC与agency模式通过对价值链的重构使数据得以集中，为包含电池衰减在内的多种风险提供了变革性的解决方案。该模式下：

  • 经销商转型为服务伙伴。
  • 主机厂能在车辆全生命周期内获取使用数据，包括行驶里程、电池健康、充电模式和车辆状况。

这种数据赋能将彻底革新残值预测与风险管理。

并且，在进一步与租赁模式相融合的情形下：

  • 通过保留车辆所有权，在租期结束后对电池进行再利用或翻新，构建循环经济，抵消电池衰减成本并降低环境影响。
  • 可以支持从传感器升级到算法迭代的高频技术更新，快速迭代自动驾驶服务场景，提升自动驾驶车队在商业上的可行性。

五、IDC 视角下的关键启示

电动车制造商应与掌握地区优势的经销商充分合作，实施“Hub & Spoke”混合策略：

  • 以Hub作为品牌旗舰和数据采集点，在高曝光市场确保品牌一致性。
  • 在Spoke网点专注于交付和服务，经销商的核心竞争力转向本地化服务。

该模式下真正的投资回报并不来源于毛利的提升，而在于数据所有权。这些数据可以使高利润服务得到精准投放，将收入模式从一次性销售转变为持续性收益。

直销依赖于与车辆的数字连接，主机厂需要能够保障无缝、安全升级的合作伙伴，以确保客户的长期粘性和车辆的长期可用。科技公司需适应直销模式下需求的波动性，发展：

  • 碎片化、按需定制的生产流程。
  • 与OTA升级适配。
  • 端到端网络安全协议。

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。

Bull Wang - Research Manager - IDC

As a research manager for client systems research in IDC China, Bull Wang has his research focused on topics of autonomous vehicle, connected vehicle, new energy vehicle, next-generation mobility service, and other automotive-relevant topics. Bull is responsible for conducting research and analysis for China and the global market, providing services for tech buyers, tech vendors, and tech watchers. Prior to joining IDC, Bull had experience in conducting market research projects, such as brand health tracking, campaign evaluation, car clinic, and consumer portrait. His other experiences include social media monitoring for acquainting public opinion on brand and product. Bull has long served the leading OEMs in automotive industry. Bull graduated from China Foreign Affair University, majoring in diplomacy, and obtained a Law bachelor's degree.

当前，具身智能机器人已成为物理 AI 的核心落地形态，推动机器人产业由传统自动化系统向具备感知、学习、决策与行动闭环的智能体演进。产业价值重心不再仅依赖单一算法或硬件性能，而是依托模型、数据、算力、控制与本体的系统级协同能力。整体来看，具身智能机器人技术栈不再沿线性路径演进，而是逐步形成“以模型为中心、软件定义体系、硬件随之重构”的全栈式变革路径。

基于对全球机器人与具身智能产业的持续跟踪，IDC 系统总结了当前具身智能机器人的十大关键技术趋势。这些趋势构成了机器人产业能力跃迁的技术底座，也为厂商、开发者及行业用户把握未来三年的技术方向与竞争格局提供重要参考。

模型为中心——机器人认知与能力泛化的核心驱动

世界模型与具身智能大模型协同驱动认知升级

世界模型构建对环境、自身状态及物理规律的内部表征，为机器人提供预测、规划与连续决策能力，使其从被动响应向主动规划演进。结合仿真与 Sim-to-Real 训练，世界模型降低现实训练风险与成本，是复杂任务工程化与通用人形机器人落地的重要支撑。

虚实融合数据体系成为持续进化核心基础

具身智能机器人对跨场景泛化能力的需求，使训练数据从单一实采向虚实融合体系演进。仿真合成数据成为规模化训练主体，视频学习正在成为潜在扩展路径，遥操作实采数据作为高质量补充，通过闭环训练、仿真微调与在线反馈，支撑机器人在低成本条件下实现能力扩展与持续进化。

快慢系统与技能库协同，提高复杂任务工程化效率
行业普遍采用“快思考 + 慢思考”双系统架构，高层慢系统负责任务规划与世界理解，底层快系统保障高频控制与物理交互实时性。结合模块化技能库与场景专项训练，机器人可实现多任务、多步骤操作的能力复用与稳定落地。

情感理解与个性化智能基座逐步实用化

机器人在家庭、服务和医疗场景中对情感理解、个性化交互和自主决策的需求显著提升。通过情感感知、个性化用户建模、认知决策、情感表达与持续学习，机器人实现端到端闭环的感知、理解与行为生成。大模型和长期学习支撑其从单任务执行向多场景、多任务能力演进，提高陪伴、教育及健康监测价值。

软件定义体系——机器人工程化与系统化的关键支撑

具身智能机器人开发平台走向集成化与开源生态

随着技术栈复杂度提升，具身智能机器人开发平台正形成“软硬件 + 数据 + 模型 + 工具链”的一体化生态。集成化平台通过统一接口、标准化数据与开源生态，降低开发门槛，加速算法、模型与应用在不同机器人本体和场景中的迁移与复用。

机器人操作系统向高可靠分布式架构演进，支撑大规模与高并发应用

随着系统复杂性提升，传统操作系统难以满足多自由度、多传感器、多执行器的实时协作需求。硬实时分布式操作系统通过微内核、模块化服务、任务隔离与分布式调度，保障多节点协同的确定性与可靠性，为高自由度控制、复杂场景适应及自主决策提供底层支撑，加速通用机器人系统开发与产业落地。

IT–OT 融合通信体系成为机器人实时控制关键底座

具身智能机器人对低时延、高确定性通信需求持续增长，推动 IT 与 OT 通信体系加速融合。内部 OT 网络通过 EtherCAT/CAN-FD 与时间敏感网络（TSN）融合，实现高确定性控制；外部 IT 网络借助 Wi‑Fi 7、5G/6G 提供低时延、高可靠通信。分布式控制架构下，统一协议与时间同步保障多机器人协作、云边同步及高自由度运动控制，为大规模部署和系统级协同提供关键支撑。

硬件随之重构——高复杂任务的机器人物理体系升级

端侧算力持续跃升，环境复杂度与系统规模成为核心驱动

随着机器人向具身智能化发展，多模态感知、语义理解、运动控制与实时规划的计算需求大幅增加。算力需求与信息处理复杂度、电机数量及运动控制耦合度高度相关，从家用机器人的十T级跃升至商用服务、四足及人形机器人的百T至千T级，环境复杂度与系统规模成为算力演进的主要驱动因素。

多模态感知全面升级，构建内外协同统一感知体系

机器人感知能力由单一视觉向3D视觉、触觉、力觉、惯性及内部状态感知等多模态融合发展，实现对环境与自身状态的统一理解。多源感知提升空间认知、操作精度与动态稳定性，为复杂非结构化环境下的自主决策与安全执行提供基础支撑。

安全性体系从局部防护走向系统级冗余，实现全链路稳健运行

随着应用场景拓展，安全性和稳定性成为具身智能机器人大规模落地的核心要求。行业正推动从单点防护向系统化设计转型，通过感知冗余、约束控制、运行时监控和长尾风险验证构建可信赖系统，确保机器人在动态复杂环境中可安全降级、即时干预并长期稳定运行。

IDC中国研究经理李君兰表示，当前，具身智能机器人正处于技术高度复杂且潜力巨大的交汇点：一方面，大模型、世界模型、多模态感知等 AI 能力持续突破；另一方面，机器人在真实环境中面临的物理约束、实时控制及安全可靠性远比数字世界复杂。IDC 认为，产业正沿着“模型为中心、软件定义体系、硬件随之重构”的路径演进，标志着机器人产业迈入全栈竞合的新阶段。

IDC 建议产业参与者采取六大行动方向：

  • 提前布局世界模型与具身智能大模型的协同能力，
  • 构建虚实融合的数据生产与训练体系，
  • 升级端侧算力与分布式操作系统架构，
  • 应从单一产品思维转向平台与生态思维，
  • 将安全能力内生为系统级基础模块，
  • 结合自身定位选择差异化的技术或应用突破路径。

报告信息：

本文核心观点来源于 IDC 报告《具身智能机器人技术趋势与品牌推荐，2025》（Doc# CHC53183725，2025年12月），报告不仅系统梳理了具身智能机器人十大技术趋势，也对奥比中光、地瓜机器人、NVIDIA、擎朗智能、微亿智造、银河通用、智元机器人等典型厂商进行了深入分析与品牌推荐，为产业参与者提供战略参考与厂商选择指南。欲了解更多详情或进行深度交流，请联系IDC中国机器人与具身智能领域研究经理李君兰（邮箱：lyli@idc.com）

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。

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).

AI 正改变医疗服务方式与价值逻辑

长期以来，数字化已成为中国医疗健康行业持续演进的方向。从信息系统建设、影像辅助诊断到线上医疗服务，技术在不断改善效率与覆盖面，其中AI 技术的引入也给行业发展带来了更多的机遇。但 IDC 指出，真正的分水岭并不在于“是否引入 AI”，而在于 AI 是否开始改变医疗服务方式与价值逻辑。

随着大模型逐步进入医疗场景，行业正在发生一场更深层次的变化：医疗不再只是围绕单次诊疗展开，而是开始围绕 人群、流程与长期健康结果 进行重构；AI也不再只是作为辅助工具，而是逐步成为能够“协同工作、参与决策”的智能体。这一转变，标志着医疗AI正从“工具增强”走向“智能体协作”，从“以治疗为中心”迈向“以预测和预防为导向”。

为什么这份 FutureScape，对医疗决策者具有现实参考意义？

在《IDC FutureScape：全球医疗健康行业2026年预测——中国启示》（2025年12月）中，IDC 明确指出：未来五年，中国医疗健康行业将面临三重结构性变化——人口健康压力持续上升、医疗服务向价值导向转型，以及公众对可信 AI 的期望显著提高。

这三重变化相互叠加，使得医疗 AI 的成败不再取决于算法性能本身，而取决于 治理能力、信任机制与系统性整合水平。在这一背景下，FutureScape 提供的并非单点趋势，而是一张描绘未来医疗运行逻辑的路线图。

十大预测：智能体协作如何重塑医疗健康体系

预测 1｜人口健康管理策略升级

到2027年，40%的医疗机构将采用先进的风险分层工具来应对人群健康问题，重点关注慢性病负担和老龄化人口。

这一预测反映出医疗体系正在从“以患者为单位”的诊疗模式，转向“以人群为对象”的风险管理模式。风险分层将成为分级诊疗、资源配置和医保支付的重要基础能力，也为预防性医疗提供数据支撑。

预测 2｜基于 Agentic AI 的患者交互

到2028年，45%的医疗机构将优先基于对数字公平、文化一致与信任的考虑，推动基于 Agentic AI 的医患交互方式，从而实现个性化且富有同理心的交互。

IDC 强调，医疗交互的价值不只在效率，更在信任。Agentic AI 能够结合临床数据与社会健康决定因素，提供更具情境感知与同理心的沟通方式。

预测 3｜沉浸式行为治疗平台

到2028年，15%的行为健康服务提供者将配备具备 AI Agent 的 XR 平台，实现沉浸式引导治疗的自动化，减少30%的面对面就诊次数。

在行为健康资源长期短缺的背景下，XR 与 AI Agent 的结合为扩大服务覆盖、降低就诊门槛提供了新的可能性，同时也推动治疗方式从“诊室中心”走向“持续陪伴”。

预测 4｜AI 推动支付方主导模式

到2028年，“payvider”模式将在中国医疗保健领域实现20%的渗透率，将医疗服务与保险相结合，并加速基于价值的医疗和数字健康的发展，以改善患者预后。

支付方与服务方的融合，将推动医疗激励机制从“按项目付费”转向“按结果付费”，也对数据共享、跨机构协同提出更高要求。

预测 5｜AI 驱动的智慧病房

到2029年，20%的新建医院或重大改造项目将配备由人工智能驱动的智慧病房，其可根据患者病情严重程度及临床背景动态调整监测参数、工作流程、查房安排及病房环境。

智慧病房代表着护理流程的智能化重构，通过持续监测与动态调整，提升患者安全性并缓解护理人员压力。

预测 6｜自主化医疗设备

到2029年，50%的新型医院医疗设备将采用 AI Agent、先进传感器和边缘计算技术，实现自我优化、故障预测，并将运行时间提升50%。

医疗设备正从“被动资产”转向“主动系统”，这不仅提升运行效率，也对设备安全、运维和合规提出更高要求。

预测 7｜AI 就绪型医疗基础设施成熟度

到2029年，40%的医疗机构将因社会、文化和政治层面对数据滥用或可解释性缺失的负面反应，推迟部署人工智能就绪的医疗基础设施。

这一预测提醒行业：技术成熟并不等于社会接受。可解释性、伦理与公众信任，将直接影响 AI 投资节奏。

预测 8｜预防性医疗

到2030年，多模态人工智能将在症状出现前预测45%的慢性病和罕见病，通过更广泛的健康数据（包括可穿戴设备和多组学数据）使预防性医疗成为现实。

医疗价值链正在前移，疾病预测与早期干预将成为核心能力。

预测 9｜医疗 Agent 崛起

到2030年，50%的中国等级医院将部署 AI Agent，以提供实时决策支持和自主工作流程，准确率超过80%，同时将异常情况上报至临床工作人员。

医疗 Agent 的核心价值在于重构临床工作流，让医生将精力集中于高复杂度决策。

预测 10｜量子医学

到2030年，15%的顶级医疗机构将采用量子平台，实现诊断、模拟及数字孪生技术的100倍加速，以精准驱动复杂医疗护理。

尽管仍处早期阶段，量子计算已开始在复杂疾病建模与精准诊疗中展现潜力。

这些预测共同指向什么？

IDC FutureScape 2026 反复传递出一个重要信号：医疗健康的未来，并不是“更多 AI”，而是“更系统、更可信、更以人为中心的智能协作体系”。
技术只有在治理、信任和组织能力同步演进的前提下，才能真正释放价值。

IDC 中国高级分析师林红表示，中国医疗健康行业正站在从“数字医疗”迈向“智能体医疗”的关键节点。能够在政策的指引下将信息系统、大模型技术、基础设施与医院业务统一规划的机构，将更有能力在提升诊疗质量的同时改善患者体验。

一个面向未来的行动性判断

IDC 并不建议医疗机构“追逐所有新技术”。相反，更重要的是 优先投资那些能够同时提升医疗质量、增强信任的 AI 能力——包括可信医疗智能体、人机协同决策机制，以及真正 AI 就绪的医疗基础设施。只有将这些能力视为医疗体系的长期资产，而非短期项目，医疗 AI 才能走向可持续的规模化应用。

进一步推荐

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。

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.

从生成式 AI 到智能体，真正的变化是什么？

过去两年，生成式 AI 在企业中的普及速度远超预期。但 IDC 指出，生成式 AI并不是终点。当 AI 只能生成内容时，它仍然是工具；而当 AI能够 感知环境、调用工具、执行任务并持续反馈结果，它才真正开始参与企业运行。

智能体正是在这一背景下出现。它不再局限于单点问答或流程辅助，而是以数字劳动力、流程协调者和决策顾问的形式深度嵌入业务流程。企业竞争的分水岭，也随之从是否部署 AI，转向“是否具备规模化、安全化、可治理地运行智能体的能力”。

在《IDC FutureScape：全球 Agentic AI 2026 年预测——中国启示》（Doc#CHC54084526，2026年1月）中，IDC 系统刻画了未来五年中国企业在智能体发展过程中将面临的十个关键转折点。

十大预测：智能体如何重塑企业的运行方式

预测 1｜数据就绪度

到2027年，如果企业没有优先构建高质量的AI就绪数据，在扩展AI解决方案时将面临幻觉频发、错误率高的问题，导致生产力下降15%。

数据质量不再只是IT部门的KPI，而是企业的生存红线。如果投喂给智能体的数据是脏的、乱的、没有经过治理的，那么企业得到的将不是效率提升，而是需要耗费更多人力去修正错误的负生产力。

预测 2｜定价

到2028年，传统的按席位收费模式将被淘汰。随着智能体作为数字劳动力接管大量重复性工作，70%的软件供应商将不得不重构其商业模式，转向按业务结果、交易量或自动化成果计费的新模式。

在智能体时代，传统的按席位收费模式将越来越难以匹配价值创造的实际形态。当一个智能体在典型场景下一天可以完成过去多个人工岗位累计才能完成的工作量时，按人头收费的定价逻辑将难以为继。

预测 3｜智能体项目失败

到2028年，69%的企业自建智能体项目将因未能实现投资回报率目标（ROI）而被放弃，因为企业难以充分认识到项目实施的实际成本和价值。

企业往往会受市场热度裹挟而仓促启动智能体项目。然而，由于未能对潜在应用场景进行深度研判，开发团队被迫仓促推进的项目，往往陷入落地即闲置的窘境。在此背景下，选择能够打通数据、应用、治理全链路，且深度契合业务场景的合作伙伴，无疑是更具可行性的路径。

预测 4｜客户体验智能体编排

到 2027 年，45% 的企业将管理跨多个渠道、应用程序和供应商的多智能体（Multi-Agent），从而实现更无缝、上下文更丰富的体验。

这里的编排并非指的是单纯的工作流配置编排，而是指构建支持多智能体动态协作的系统架构。未来的竞争不在于拥有一个超级智能体，而在于编排能力。企业建立智能体系统架构应避免过于刚性的流程，拥抱灵活的协同框架，让智能体与智能体、人类与智能体能够无缝协同工作。

预测 5｜智能体服务体验

到2029年，30%的中国500强企业将运用AI客户服务智能体，主动且个性化地联系客户，在客户尚未意识到问题时就解决问题。

服务模式将发生根本性逆转，从被动响应投诉升级为主动解决问题。这种预判式的服务能力，将在存量市场中建立起全新的差异化体验。

预测 6｜人工监督作为战略职能

到2027年，50%的AI驱动型企业应用部署将设立新的专业职位，负责监督智能体，作为合规核心，确保自主工作流中的结果可追溯。

智能体的自主性不等于无人值守。随着智能体权力的扩大，人类的角色必须从操作者转变为监督者，以确保在合规与伦理的安全边界内释放AI的能力与价值。

预测 7｜AI 卓越中心

到2027年，那些建立了成熟AI或智能体卓越中心（CoE）的企业，其创新、速度和服务质量将比竞争对手高出20%。

零散的烟囱式试点难以支撑AI的真正落地和组织的规模化创新，建立AI CoE卓越中心是弥合技术与业务鸿沟、实现跨职能规模化治理的关键组织保障。

预测 8｜岗位角色转型

到2026年，中国500强企业中40%的岗位将涉及与智能体的深度协作，重新定义传统的初级、中级和高级岗位。

人才的定义正在被改写。未来的核心竞争力不再单纯是个人执行力，而是智能体的管理协同能力，即构建、指挥、评估和优化数字劳动力工作的能力。

预测 9｜Agent 战略顾问

到2031年，60%的中国500强CEO将利用智能体进行战略决策，这一趋势由市场波动性、创新速度要求，以及董事会层面对更快决策和智能驱动决策的多重需求推动。

智能体正在从业务一线的手脚进化为董事会的外脑。通过实时处理海量数据并进行情景模拟，它能为高层决策提供人类难以企及的数据广度与速度支撑。

预测 10｜AI 对业务的颠覆性影响

到2030年，多达20%的中国500强企业将因智能体管控不力引发的高关注度事件，面临诉讼、巨额罚款，甚至导致CIO被问责。

随着智能体掌握更多自主权，缺乏透明框架和审计机制的企业将面临巨大的法律与声誉风险。

这些预测共同揭示的本质变化

IDC FutureScape 2026 反复强调一个核心结论：

智能体改变的不是某个流程，而是企业如何运行、如何决策、如何承担责任。当智能体能够自主执行任务、协调流程并影响结果，企业必须重新思考数据、架构、治理、组织和领导力的边界。

IDC 中国研究经理 孙振亚表示，中国企业正在从生成式AI 阶段迈入智能体阶段的关键窗口期，但这个过程并非是简单的技术升级，而是一项系统化的工程。FutureScape 2026 显示，智能体的规模化落地必须要有AI 就绪的数据底座、多智能体的编排平台以及完善的治理机制。对于缺乏这些关键要素的企业而言，智能体带来的可能不是机遇，而是效率与合规层面的重大风险源。

一个面向企业领导层的扩展性建议

IDC 认为，智能体并不是一项可以逐步叠加的技术能力，而是一种会持续放大组织既有优势与短板的系统性力量。当智能体开始承担决策、执行与协调角色，企业原有的数据质量、流程设计、治理成熟度以及组织协同能力，都会被迅速放大并体现在结果层面。

因此，企业不应将智能体视为单一技术投资，而应将其纳入企业运行模式的长期演进路径来规划。这意味着：

  • 在技术层面，必须优先夯实 AI 就绪数据、智能体编排与可观测性能力，而非堆叠模型或工具；
  • 在治理层面，需将人工监督、责任边界和可追溯性制度化，而不是事后补救；
  • 在组织层面，需同步重构岗位角色、能力模型与决策流程，使人机协作成为默认工作方式；
  • 在管理层面，高管团队需要形成对智能体的共同认知，平衡效率和安全，把如何有效治理也纳入战略考量，而非单纯追求速度。

那些能够在规模化之前就完成这些准备的企业，更有可能把智能体转化为持续生产力；反之，智能体的能力越强，潜在风险也会被放大得越快。

行动指南：企业推进智能体的现实起点

结合 FutureScape 2026 的十大预测，IDC 建议企业在未来 12–24 个月内，优先从以下几个方面入手，逐步构建可持续的智能体能力：

第一，先解决基础数据问题
在引入或扩展智能体之前，对关键业务场景开展 AI 就绪数据评估，重点关注数据的完整性、语义一致性、上下文关联能力以及可追溯性。没有高质量数据，智能体带来的将更多是返工与人工干预，而非自动化红利。

第二，从高价值、低歧义的流程切入
优先选择目标清晰、结果可衡量、决策歧义较小的流程作为智能体的落地点，例如客户服务分流、内部运营协调或标准化审批支持，而非一开始就覆盖高度复杂或高风险场景。

第三，把治理与监督嵌入设计之初
在智能体架构设计阶段即明确人工介入点、升级路径与审计机制，确保所有自主决策都具备可解释性与回溯能力，而不是等到智能体进入关键流程后再补治理。

第四，建立跨职能的智能体管理机制
将 IT、数据、业务、合规与人力资源纳入同一治理框架，避免智能体成为某个部门的工具。在多智能体(Multi-Agent)场景下，统一编排、权限与责任归属尤为关键。

第五，为岗位与能力转型预留空间
提前识别哪些岗位将与 智能体深度协作，哪些能力需要被重塑，并通过培训、试点和角色演进，帮助员工适应新的工作方式。智能体的成功，很大程度上取决于组织是否准备好与智能体共事。

通过以上路径，企业可以在控制风险的前提下，逐步释放智能体的规模化价值，避免陷入技术领先但组织滞后的常见陷阱。

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.

一个正在发生的变化：软件不再只是“人写的”

在过去二十年里，软件工程的核心始终围绕“人如何写代码、交付系统”展开。即便进入 DevOps 时代，自动化更多也只是加快了既有流程。但 IDC 指出，随着 Agentic AI 的成熟，软件开发正在发生一次结构性转变：开发不再完全由人主导执行，而是由人类开发者与自主 AI 智能体协作完成。

在《IDC FutureScape：全球开发者和 DevOps 2026 年预测——中国启示》（Doc# CHC54059126

，2026年1月）中，IDC 明确提出：未来五年，Agentic AI 将深度嵌入从开发、测试到运维和安全的整个生命周期，迫使 DevOps 从“工具链升级”走向“运行模式重构”。

IDC 的核心洞察：DevOps 的问题，已经不只是效率

在中国市场，许多企业仍将 DevOps 视为提升交付速度、降低沟通成本的方法。但 IDC 认为，这种理解正在失效。
当 AI 智能体开始自动生成代码、执行测试、修复缺陷并参与决策，真正的挑战不再是“怎么用工具”，而是：

  • 谁来管理和监督智能体？
  • 如何保证 Agent 的行为可解释、可审计？
  • 人类开发者的角色将如何转型？
  • 企业是否具备规模化运行智能体的治理与平台能力？

这些问题，正是 FutureScape 2026 十大预测试图回答的核心。

十大预测：Agentic AI 将如何重塑开发者与 DevOps 生态

预测 1｜智能体开发采用

到 2028 年，面对智能体部署量增长 10 倍的局面，50% 的中国 1000 强企业将采用智能体开发生命周期，以实现企业级智能体 AI 的有效规模化落地。

这意味着，传统 SDLC 已不足以支撑智能体开发，企业必须引入专门面向 Agent 的开发与治理方法论。

预测 2｜多智能体编排

到 2029 年，多智能体编排的风险与复杂性将促使企业强化战略布局、扩充卓越中心（COE）资源，并将 AI 治理与监控工具的支出增加 30%。

当单一 Agent 变成 Agent 集群，治理与可见性将成为规模化落地的前提。

预测 3｜自主式智能体 AI 工作单元

到 2030 年，80% 的开发者将与自主 AI 智能体展开协作，推动人类开发者向规划、设计与编排角色转型，并重塑开发者工具生态系统。

开发者将不再只是“写代码的人”，而是“引导和监督智能体的人”。

预测 4｜氛围编程采用

到 2027 年，随着企业级能力的成熟，35% 的专业开发者将采用氛围编程开发平台构建生产级应用。

自然语言正在成为新的开发接口，但前提是企业级治理与质量控制能力同步成熟。

预测 5｜嵌入 DevOps 的智能体应用

到 2030 年，65% 的企业将把 AI 智能体嵌入 DevOps 和 DevSecOps 流水线，用于执行开发与安全工作流。

Agent 将成为流水线中的“常驻成员”，而非外部插件。

预测 6｜前沿模型采用

到 2027 年，在开发者偏好的驱动下，70% 的 AI 用例将仅由少数几个前沿模型提供支持。

模型选择正在从“多而杂”走向“少而精”。

预测 7｜智能体 AI 项目失败

到 2028 年，70% 的“自建型”智能体 AI 项目将因未能达成投资回报率目标而被放弃。

低估治理、运维和组织成本，是失败的主要原因。

预测 8｜AI 质量保障扩展

到 2028 年，AI 质量保障将推动智能体测试和跨应用生命周期管理的采用率至少提升 30%。

没有质量保障的 Agentic DevOps，无法进入生产核心。

预测 9｜AI 加速应用开发

到 2029 年，通过使用智能体 AI 软件开发工具，企业的应用开发与现代化迭代速度将提升 400%。

速度跃迁的前提，是平台化与治理并行。

预测 10｜开发者模型微调

到 2027 年，微调将取代检索增强生成（RAG）成为大语言模型改造的主流模式，这将推动开发者对开源权重模型的使用率提升 80%。

模型工程正在走向更深度的定制化。

分析师观点

IDC 中国研究经理王彦翔认为，开发者和 DevOps 正站在从“自动化时代”迈向“智能体时代”的关键门槛。FutureScape 2026 显示，真正拉开差距的，不是是否引入 AI 编码工具，而是企业是否具备平台工程、治理能力和开发者角色转型的整体规划。那些仅在局部场景试点智能体的组织，将很难释放规模化价值；而将 Agentic AI 作为企业级能力来建设的组织，更有可能在速度、质量和创新能力上形成长期优势。

一个面向技术与业务领导者的综合建议

IDC 并不建议企业急于“全面智能体化”。更重要的是，以 DevOps 为核心，系统性重构开发流程、平台能力与治理机制：建立智能体开发生命周期（ADLC）、强化多智能体编排与监控、同步推进开发者技能转型，并将 AI 治理嵌入每一个交付环节。


只有这样，Agentic AI 才能成为持续创新的引擎，而不是新的技术债务来源。

行动指南：企业可以从哪里开始？

  • 从 高价值、低风险的开发或运维场景 切入，验证 Agent 的实际收益
  • 建立 跨职能的 AI / Agent 卓越中心（COE），统一治理与平台策略
  • 投资 平台工程与 AI 质量保障，而不仅是开发工具
  • 提前规划 开发者角色与能力转型，为人机协作做好准备

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。

Bryan Wang - Senior Market Analyst - IDC

Bryan Wang is a senior market analyst for Cloud Computing in the Emerging Technology sector for IDC China. He focuses on research and analysis of China's cloud computing market, including infrastructure as a service (IaaS), platform as a service (PaaS), and software as a service (SAAS). Bryan is also responsible for providing market analysis and research in relevant fields together with IDC's regional and global research teams. Before joining IDC, Bryan worked as a cloud computing solution architect for well-known manufacturers and systems integrators. He was mainly responsible for presales consulting, project design, industry insight, project management, and other work. He has rich experience and a profound understanding of the cloud computing field. Bryan graduated with a B.A. in Inorganic Nonmetallic Materials Engineering from Central South University.

企业连接，正在从“基础设施”演进为战略能力

在 AI 工作负载快速增长、业务连续性要求不断提高的背景下，企业连接已不再只是网络团队的技术议题，而正在成为影响 业务韧性、运营效率与创新速度 的核心能力。
IDC 认为，企业正在进入一个全新的连接阶段：连接不再只是“管道”，而是由 AI 驱动编排、可感知并持续演进的数字底座。

为什么这份 FutureScape，对企业连接战略具有参考价值?

在《IDC FutureScape：全球企业连接2026年预测——中国启示》（Doc#CHC52329725，2025年12月）中，IDC 指出，随着 AI、Agentic AI 与边缘计算深度融入企业运营，连接能力正在被重新定义。
企业对连接的期望，已从“稳定可用”升级为 敏捷、自治、安全、面向 AI 的能力体系。这一转变，使网络与连接成为 AI 规模化落地不可或缺的前提条件。

IDC FutureScape 给出的十大关键预测：

预测1｜AI 重塑云通信

到2027年，50%的企业将部署由 Agentic 人工智能（AI）驱动的云通信 API，从而以更高水平的个性化和自动化重塑通信与协作的使用方式。
要点：个性化和智能化化重塑通信与协作。

预测2｜AI 赋能的数字全连接底座（LEO 卫星）

到2029年，50%的企业将采用低轨道（LEO）卫星连接来补充地面网络，将关键的卫星直连消费者（D2C）、直连终端（D2D）以及高速宽带纳入统一的数字全连接底座。
要点：连接韧性开始向“天地一体”扩展。

预测3｜一体化蜂窝物联网

到2027年，60%的企业将利用蜂窝物联网应用、多 SIM 卡与嵌入式SIM卡（eSIM）方案，以及窄带物联网（NB-IoT）和 5G，构建面向关键业务场景的泛在连接网络。
要点：蜂窝物联网连接正在成为业务规模化的基础。

预测4｜无线广域网（WLAN）加速扩张

到2027年，80%的企业将全网集成 AI 驱动的无线广域网（wireless WAN），以提供可扩展、安全且具备高弹性的园区和分支机构连接。
要点：AI 正在重塑无线广域网的运维与自治能力。

预测5｜超大规模与网络平台（Cloud WAN）

到2028年，50%的“云优先”企业将为其 AI 工作负载采用云广域网（cloud WAN），强化云服务提供商在网络中的角色。
要点：网络能力正加速平台化、云化。

预测6｜边缘侧推理部署

到2028年，50%的企业将把推理类用例部署在边缘侧，以驱动新增收入、改善客户体验和 / 或优化内部流程。
要点：AI 推理开始向连接边缘迁移。

预测7｜零信任网络架构

到2027年，仍有30%的企业在安全访问服务边缘（SASE）的实施上保持碎片化策略，在其 SD-WAN 部署向零信任网络演进的过程中逐步调整。
要点：零信任是方向，但路径并不一致。

预测8｜虚拟 AI 网络工程师

到2027年，Agentic AI 将在不显著扩张人力规模的前提下，使网络团队的有效人效实现近乎翻番。
要点：网络团队正在被“数字员工”增强。

预测9｜AI 重塑专业服务

到2027年，AI / 生成式 AI 以及 Agentic AI 将全面融入咨询与集成服务，使服务交付能力提升25%，并将设计与配置时间缩短60%。
要点：网络专业服务进入 AI 驱动时代。

预测10｜AI 保障数据合规与可信（ESG 连接）

到2029年，围绕 ESG 强制性要求的提升，将导致仅有40%的企业会主动投资用于遥测数据采集的网络连接。
要点：连接与 ESG 的关系更加务实与现实。

这些预测对企业意味着什么？

IDC FutureScape 2026 表明，企业连接正在经历一次角色升级：从支撑 IT 运行的基础设施，转向 支撑 AI、业务连续性与组织敏捷性的战略平台。企业若仍以传统网络视角规划连接，将难以支撑 AI 推理、边缘自治与实时决策的需求。

IDC中国助理研究总监崔凯表示，未来五年，领先企业将把连接视为“AI 原生能力”的组成部分，通过 AI 驱动的云通信、无线 WAN、边缘推理与多网络融合，构建可持续演进的数字连接底座。FutureScape 2026 显示，只有将连接、AI 与安全统一规划的企业，才能在复杂环境中保持韧性与创新速度。

给企业管理层的近期行动建议

  • 将 AI 工作负载需求系统性映射到连接与网络规划中
  • 评估无线 WAN、Cloud WAN 与卫星连接的组合策略
  • 在网络运维中引入 Agentic AI 与 AIOps
  • 将边缘推理与数据主权纳入连接架构设计
  • 与服务提供商建立长期、平台化合作关系

未来 12–24 个月值得关注的信号

  • AI 驱动连接在园区与分支机构的规模化落地
  • 边缘推理对带宽与时延需求的重塑
  • 网络团队角色从“运维者”向“平台工程师”转变

进一步推荐

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。

Kai Cui - Associate Research Director - IDC

Kai Cui is an associate research director for IDC China's Telecommunications and Internet of Things (IoT) Group. His research covers telecommunications, enterprise communication, and IoT industries. He is responsible for tracking and analyzing relevant areas as well as providing research and consulting services based on customized requests. Kai has more than 15 years of experience in the communications and telecom industry. Prior to joining IDC, Kai worked at Polycom, Huawei, and other communication enterprises, where he engaged in technical support, project management, and solution planning. He has an in-depth knowledge of deployment and application of communications solutions in vertical industries. Kai graduated from the Beijing Union University in 2001, with a bachelor's degree in Computer Science.