Artificial Intelligence and DaaS January 12, 2026 1 min

IDC预测,2030年22亿AI Agent将作为“新数字劳动力”席卷全球

2024年,我们在谈论Agent时,很多企业还在探索一个问题:什么是Agent,以及它能为业务带来什么价值。而经过2025至今,这个问题的答案正在变得清晰——Agent正在从功能型助手走向可规模化的数字劳动力,并将在未来五年进入加速扩张期。

对企业来说,这意味着生产力的组织方式正在发生变化,越来越多的任务,将不再单纯依赖人去点、填、跟、完成,而是由一批可调用、可协作、可复用、可交付结果的Agent来智能化处理。

未来5年全球活跃Agent数据将呈现爆发式增长

未来五年,全球Agent生态将经历一场指数级的扩张。根据IDC最新的预测模型,能够在三个关键维度上看到极具张力的增长趋势。如下图所示:

  • 活跃Agent数量的激增

IDC预计,活跃Agent的数量将从2025年的约2860万,快速攀升至2030年的22.16亿。这意味着五年后,能够帮助企业执行任务的数字劳动力数量将是今天的近80倍,年复合增长率139%,换言之,平均每年活跃Agent数量都将以超过一倍的速度增长。

  • 任务执行量的爆炸式增长

与数量相比,Agent真正干活的频率增长得更快,年执行任务数将从2025年的440亿次暴涨至2030年的415万亿次,年复合增长率高达524%。这意味着,企业将越来越习惯把工作外包给Agent,从偶尔试用到深度依赖,Agent将无处不在地嵌入进企业的业务流中。

  • Token消耗量的数量级跃迁

随着Agent处理的任务越来越复杂,所需推理深度与调用链路不断加长,底层Token消耗也将呈现数量级的跃迁。

预计年度Token消耗将从2025年的0.0005 PetaTokens暴增至2030年的152,667 PetaTokens,年复合增长率高达3418%。

这三组数字反映的并不只是Agent数量的增长,更是任务复杂度与推理深度的指数级提升

在Agent数量已经高速增长的前提下,任务量与Token消耗增长得更快,这意味着:

  • 单个Agent承担的任务将更重
  • 决策与调用链路会更长、更复杂
  • 对实时性、稳定性与成本控制的要求显著提高
  • 对底层算力、模型编排和系统工程能力提出前所未有的挑战

因此,企业在规划Agent战略时,不仅要考虑能不能用,更要提前把可持续运行的成本模型可扩展的技术与算力基础设施纳入整体架构设计。

哪一种Agent会是未来企业的主力军?

为了更清晰地看懂市场结构,IDC以企业获取Agent的来源与交付方式为主线,将全球企业侧Agent分为四类:应用内Agent、低代码/无代码配置型Agent、独立Agent、定制化开发Agent。它们的增长节奏不同,也对应企业采用AI的不同路径。

应用内AgentIn-application Agents

应用内Agent指嵌入在现有SaaS或软件产品里的Agent,比如IM、CRM、ERP里的内置的Agent功能。

这类 Agent 的优势在于,使用门槛低,集成路径短;数据内生,易于满足安全与合规要求;开箱即用,部署成本相对可控。

在产业发展早期,它是中小企业拥抱AI的首选,也是目前全球企业使用Agent的最主要的方式之一。但需要看到的是,多数业务应用本身具有一定封闭性,其产品边界,也往往会成为应用内 Agent 能力外延的边界。随着企业需求从单点提效走向端到端协同,封闭性可能会成为它进一步发展的瓶颈。

独立AgentStandalone Agents

独立Agent是不依附于某个主应用、能够跨系统与跨生态执行特定复杂任务的独立Agent产品。

随着企业对Agent的期待从简单的内容输出逐步升级为把事办成,以及企业自建Agent难以应对复杂场景,独立Agent的需求将快速上升。它能够像人类员工一样在企业业务流程与系统中检索、判断、协作、使用工具并提交结果,从而解决复杂问题。

尤其在MCP、A2A等生态标准逐步成熟后,Agent的工具接入与Agent之间的协作门槛将显著降低,使独立Agent更容易沉淀为可复用、可迁移的能力资产;而随着RaaS和结算方式的演进,Agent商业模式逐步跑通,也会推动其规模化落地应用。

低代码/无代码配置型Agent(Custom‑configured Agents)

低代码/无代码配置型Agent是由企业员工基于低代码/无代码平台自行配置、组装出来的Agent,无需具备复杂编码能力,只要深刻理解业务流程,即可快速搭建。

这是目前企业快速构建Agent能力的主流方式。未来,随着底层模型与工具链的进一步演进,低代码/无代码搭建Agent也会变得更加简单、可视化和智能化。这将极大地释放企业人员的创造力,让不懂代码的一线员工也能轻松组装出可落地的数字劳动力。

IDC预测,到2030年,全球通过低代码/无代码配置出来的Agent,将成为全球部署数量最多的Agent类型。

定制化开发AgentBespoke Agents

定制化开发Agent是为特定行业或高度复杂需求,从零开发的专用Agent。

在全球范围内,这类 Agent 的绝对数量虽然是四种分类中最少的,但往往承载着高价值、高敏感度的核心业务,对安全、合规与可解释性要求极高的场景,以及需要深度行业知识与复杂约束建模的决策任务。

未来这类Agent的增长更多体现在价值密度而不是数量,它们会成为大型企业和关键行业在Agent时代构建差异化能力的重要手段。

谁来扛起“主力军”的大旗?

整体来看:

  • 当前,应用内Agent仍然是全球企业采用规模最大的一类形态;
  • 在中长期,低代码/无代码配置型Agent有望成为企业侧部署数量最多的类型,为企业提供广泛分布的长尾能力补位;
  • 随着生态标准与商业模式的成熟,独立Agent将逐步成长为承担复杂任务、跨系统协同的主流形态之一;
  • 定制化开发Agent虽然数量有限,但将在高价值、高安全、高门槛的关键场景中长期存在,并持续加深行业壁垒。

IDC中国高级研究经理孙振亚表示,对企业而言,真正的挑战并不在于有没有Agent,而在于能否把Agent演进为一套可用、可治理、可规模化、可持续优化的数字劳动力体系。

给技术供应商与企业用户的建议

IDC认为,Agent的爆发并非短期热潮,而是全球劳动力结构数字化转型的开端。站在2026年的起点,面对未来22亿“数字员工”的涌现,企业与供应商不应再局限于单点能力的打磨,而应着眼于构建可持续运行的Agent生态系统。为此,IDC提出以下四点战略建议:

1.为编排而设计

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。企业不应只关注单一Agent的能力,而要从顶层设计上支持多Agent协作。系统架构应避免过于刚性的流程,拥抱灵活的协同框架,让Agent与Agent、人类与Agent能够无缝协同工作。

2.拥抱模块化与互操作性

开放性是Agent生态的生命线。供应商应积极采用开放API以及MCP等生态标准,通过模块化与标准化接口来降低集成门槛。只有构建起互操作的生态,Agent才能跨越应用孤岛,释放对业务的杠杆效应。

3.为规模与可持续性进行工程化

面对Token消耗的指数级增长,成本与能耗将成为关键制约因素。企业需要在算力资源、模型选择和搭配上做前瞻规划。Agent治理团队需要建立新的体系来监控和优化Agent的运行成本,确保在实现业务价值的同时,维持可持续的投入产出比(ROI)。

4.重塑定价与交付模式

在Agent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Agent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。

因此,建议技术供应商尽快探索和转向按执行、按结果或按价值计费。这种模式不仅更能体现Agent的实际贡献,也能激励供应商不断提升Agent的效率和解决问题的能力。

如需进一步了解与此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.

Subscribe to our blog

Stay ahead in a rapidly evolving market. Get timely insights, trusted research, and actionable guidance to help you make smarter technology and business decisions — whether you’re driving innovation, evaluating solutions, or shaping strategy.

Subscribe now