Logo
Become a Client

Resource Regions: China

近日，国家网信办、国家发展改革委、工业和信息化部联合印发《智能体规范应用与创新发展实施意见》（以下简称《实施意见》）。这是国家层面首次针对智能体这一人工智能产品形态，给出覆盖技术底座、标准协议、场景应用、安全治理和产业生态的系统性政策框架。这意味着企业级智能体从过去的小规模技术试点阶段，正式进入以治理、协同和规模化为核心的新竞争周期。

从IDC的视角看，《实施意见》把技术底座、安全治理、应用牵引和创新生态构建成了一张全局路线图。技术与标准构成发展基础，分类分级与权限管控划定行为边界，五大类典型场景提供规模化落地入口，开源与供需平台则负责连接研发与市场。

在IDC预测中，2026年和2027年将是是中国企业场景中的活跃智能体数量增速最快的两年，单年同比增长超过200%，并将在2031年达到3.5亿个活跃智能体，2026-2031年CAGR达135.3%（《中国智能体规模预测，2026-2031》）。而《实施意见》这样的智能体国家顶层政策，也将进一步加速智能体走向规模化的应用。

活跃智能体数量增长反映的是企业部署广度，也会直接放大运行、权限、审计和治理压力。一个企业内部只有几个智能体时，治理方法更接近单个项目的管理；当Agent数量进入快速增长周期，治理就会变成IT架构问题。身份、权限、审计、工具调用、异常回退和跨系统协同，都会从项目交付细节变成平台能力要求。

《实施意见》放在这个阶段变化中看，正是把这些问题推到了产业议程前台，也让企业级Agent从小规模试点建设进入更正式的IT治理和产业协同框架。对企业来说，Agent会更快进入正式IT治理体系；对技术供应商来说，产品竞争也会从功能构建，延伸到运行、治理、评测和生态分发能力。

场景牵引推动Agent规模化复制

《实施意见》明确提出，要围绕科学研究、产业发展、提振消费、民生福祉和社会治理五大方向，打造19个典型应用场景。政策并没有停留在技术倡导层面，而是把智能体放进具体的任务环境里，通过典型场景牵引技术验证、产品迭代和应用落地。

智能体与上一阶段生成式AI应用的差别，就在于它需要进入业务环节端到端的完成任务。生成式AI更多围绕内容生成、知识问答和辅助分析展开，智能体则需要调用工具、访问系统、执行动作，并对结果产生影响。只有进入真实业务场景，任务边界、数据条件、系统接口、权限控制和结果责任才会被定义出来，才能真正落地出好用可用的智能体。

当前智能体在企业业务中的渗透率依然较低，仅有18%（IDC Syndicated Survey 2026: China AI Agents Market）。智能体没有在企业业务中真正规模化应用起来，核心在于缺少清晰的切入场景和可复用的落地路径。政策在这个角度提供了场景牵引，通过典型应用场景帮助智能体走向业务落地，并进一步形成规模化应用。

开发平台将会从构建工具延伸为运行和治理底座

《实施意见》在夯实发展基础部分提出，要提升智能体任务理解、任务规划、工具使用、长期记忆等核心能力，推动智能体互认互通和群体协同，同时完善底层框架、功能组件以及研发、测试、部署、运维工具链。

这与IDC观察到的，智能体平台厂商产品迭代的趋势高度吻合。2025年头部平台的产品形态已经从单纯的开发工具演进为涵盖规划、开发、测试、发布、观测、优化、治理的完整系统，企业也越来越关注智能体深入业务后，智能体是否是否可观测可治理，以及如何确保智能体执行任务的稳定性安全性（具体见IDC即将发布的《中国智能体开发平台市场份额，2025》中的重大市场变化章节）；同时，智能体规模化进入企业之后，企业内部多种来源的智能体（应用内智能体、低无代码配置智能体、独立智能体、定制智能体）如何统一管理和协同也会成为企业下一个阶段的关键需求。

《实施意见》中关于工具链、互认互通、群体协同的部署，将把这些工程化能力进一步推向产品标配。这些要求会转化为智能体开发、测试、运行、观测和治理的一整套工程能力，并逐步沉淀为智能体开发平台的核心竞争力。

安全治理成为Agent进入业务流程的准入条件

《实施意见》用相当篇幅讨论产品准则、决策权限、行为管控、内生安全、供应链安全、应用衍生风险、分类分级治理与合规服务体系。安全合规既是政策关注的重点，也是企业实际落地中的关键门槛。IDC在2026年最新智能体调研中发现，62%的企业把数据权限与安全合规列为智能体跨系统执行的首要障碍；而在智能体平台引入目标上，58.7%的企业把治理与合规放在首位（IDC Syndicated Survey 2026）。

智能体只有安全可控，才能正在被企业放心的纳入业务流程中。因此智能体的权限治理、行为审计、决策追溯、安全护栏等能力需逐渐的沉淀为智能体或智能体平台的标准能力。在金融、医疗、政务、公共安全等高合规领域，这种能力更是智能体能否落地的前提条件。

标准化分发和生态将重塑智能体产业

《实施意见》在标准协议和创新生态部分提出，要建立智能体标准体系，加强智能体互联协议（AIP）等关键标准推广应用，探索建设智能体注册平台，提供数字身份管理、检索发现、能力声明等服务，并推动智能体软件商店和行业供需信息发布平台建设。

智能体标准体系的成熟会明显推进智能体，尤其是独立智能体的规模化进程。在IDC 2026年初的预测中，独立智能体是增长弹性最高的智能体形态之一，其爆发主要依赖标准协议和智能体生态的成熟（《中国智能体规模预测，2026-2031》）。AIP、注册平台、软件商店和供需平台逐步成型后，独立智能体的构建、分发和使用门槛都会随之下降，独立智能体尤其是像Xclaw这类智能体产品有机会更快进入企业规模化应用场景中。

行动建议

面向企业用户

  • 把安全治理能力列为智能体规模化前置条件。 企业应尽早建立场景分级、任务边界和权限管理机制。在金融、医疗、政务等高合规领域，应参考政策要求提前规划备案、检测、安全评估以及第三方权威评测，低风险场景也应建立合规自测和风险报告机制。
  • 建设智能体统一运营和协同体系。随着智能体的规模化应用，企业内部将同时存在多类智能体，因此企业在平台选型和架构规划中，需要提前考虑智能体注册、统一身份、统一权限、统一审计、统一成本管理和跨智能体协同能力。

面向技术供应商

  • 安全治理需成为产品基础能力。智能体安全治理相关的决策权限边界、行为管控、最小权限、全链路审计、异常检测和回滚机制等能力，会逐步成为企业采购时的核心指标。
  • 建立智能体全生命周期能力。智能体全生命周期涉及到的开发、测试、部署、运行、评测、优化和治理等均需建立起相应的平台级能力，为未来企业级智能体规模化运营提供支撑。
  • 构建异构智能体的统一管理能力。智能体规模化时代，企业智能体的来源多样，平台需要建立统一的智能体身份、权限、审计、成本和调度能力，帮助企业把分散的智能体管起来，建设企业级的智能体运行和治理入口。
  • 关注智能体标准协议和平台商店的建设。AIP、智能体注册平台、软件商店和供需平台会推动智能体的标准化分发。建议厂商提前规划产品路线，并参考政策要求开展第三方功能、性能、质量与合规评测。

分析师观点

孙振亚，IDC中国分析师：《IDC中国研究经理孙振亚表示，《实施意见》的出台，标志着中国智能体产业从技术和市场自发探索，进入政策框架下的规模化扩张阶段。政策一方面通过分类分级、决策权限、行为管控和合规服务体系，为企业部署智能体提供可预期的合规路径；另一方面通过标准协议、注册平台、软件商店、第三方评测和供需对接机制，为智能体走向跨系统协作和产品化分发铺设了基础设施。

与IDC同行，抢占智能体规模化的战略先机

《实施意见》的发布，标志着企业级智能体正式进入治理驱动、生态协同的新阶段。但对企业来说，仍然存在诸如“如何在自己的行业与业务中，识别高价值的智能体场景”、“如何在平台选型、安全治理、标准化对接等关键决策上少走弯路”等现实挑战。

IDC长期追踪全球与中国智能体市场的发展脉动，拥有覆盖技术供应商、企业用户、投资机构的多维研究体系。已发布《中国Agent基础设施平台/执行平台技术评估，2026》、《中国智能体规模预测，2026—2031》、《IDC Market Glance：中国AI Agent市场概览，1Q26》等智能体报告，即将发布《Agent企业最佳实践与场景精选（ROI视角）》、《中国智能体开发平台市场份额，2025》、以及针对Xclaw产品进行评估的《企业级通用Agent助手评估》等一系列重磅报告，并可为企业提供定制化的场景评估、平台选型与治理成熟度诊断服务。

欢迎您联系IDC中国智能体研究团队，获取最新研究成果，或与分析师进行交流。让我们助您在智能体规模化的浪潮中，走得更稳、更快、更远。

请点击此处与我们联系。

Zhenya Sun

Zhenya Sun - Research Manager

Analyst Profile
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…

视角决定格局。​若仍将公有云安全视作单一的技术模块，便无法窥见其真正的战略全貌。

IDC 2025全球数据指明：公有云安全已跨越单纯的合规门槛，跃升为企业的数字生存底座。​ 它不再是隐匿于防火墙之后的附属插件，而是支撑AI规模化落地、护航业务出海、乃至抵御周期波动的核心底层资产。

三个信号值得认真对待：

  • 信号一：全球公有云安全支出超1100亿美元，增速超20%，是IT支出中最坚硬的赛道
  • 信号二：中国市场云安全收入增速普遍高于云基础设施本身增速，客户正在从为资源付费向为安全付费跨越
  • 信号三：随着AI业务场景的深化，云原生安全已成为大模型落地的隐性门槛，若缺乏深度集成的原生安全体系，企业很难安心地将高价值数据与应用托管其上

一、全球浪潮：安全正在重新定义云的价值

站在2026年的时间节点回看，公有云早已不再仅仅是企业的外挂资源，而是数字化生存的电力系统。

2025年，全球企业正在混合云和多云架构中疯狂奔跑，全球公有云安全市场连续多年保持每年20%以上增速，2025年支出飙升至1100亿美元。

在全球范围内，AWS、Microsoft Azure和Google Cloud等头部玩家正经历着前所未有的技术迭代。他们不再仅仅提供安全插件，而是通过硬件级隔离、身份边界重塑以及AI驱动的情报分析，将安全深度嵌入云原生底座。

与此同时，以Palo Alto Networks、CrowdStrike、Wiz和Zscaler为代表的安全巨头也在快速进化。他们正推动从单一工具向CNAPP云原生应用保护平台和代码到云（Code-to-Cloud）的统一平台转型，试图在多云环境中建立一道跨厂商、自动化的全栈防御屏障。

在这场技术长跑中，谁能率先解决复杂环境下的可见性真空，谁就将定义下一个十年的云安全标准。

二、中国实践：快速跟进与创新，但仍有差距

2025年，中国云计算市场规模持续扩大，云安全产品的营收增速普遍高于云基础设施本身的增速，显示出客户从买资源向买安全的意识跨越。

作为国内市场的领头羊，阿里云已将其安全产品线全面推向智能体时代，通过升级Agentic SOC，利用大模型实现了超过80%的安全事件自动响应。华为云演进为AI原生安全架构，通过其安全大模型实现对AI算力集群的实时监测。腾讯云充分发挥攻防领域的深厚沉淀，在内容风控、反欺诈、DDoS高防等领域形成了极高的市场占有率。

传统网安巨头正通过云地协同战略，在云安全管理平台C-SOC市场占据核心位置。深信服、奇安信等厂商通过与公有云厂商的深度技术绑定，成功实现了从卖防火墙硬件到卖云安全服务的转型。

但不可忽视的是，相比于全球安全厂商，中国安全厂商目前在公有云安全市场仍需发力。虽然在私有云和特定业务场景中展现了卓越的实战能力，但在全球化的SaaS安全标准、跨云的Agentless治理精度、以及安全左移的代码级闭环上，国内厂商仍有巨大的进阶空间。

三、商业启示：为什么公有云安全是好生意

海外巨头的成功路径为中国厂商提供了极具诱惑力的商业模板：

极致的用户粘性

安全业务之所以具备IT板块中最高的粘性，是因为它正逐渐从外部挂载的锁具演变为深度嵌入企业架构的神经系统。一旦部署，更换安全供应商不再是简单的卸载与重装，而是一场涉及底层策略重写、合规记录迁移以及全员操作习惯重塑的伤筋动骨式手术。

抵御周期的现金流

与传统网络安全硬件的订单式生存不同，Wiz和CrowdStrike的成功路径证明了SaaS化订阅模式在资本市场中的统治力。这种模式具有极强的抗周期属性，即便在经济下行期，企业可能会削减新员工入职或新业务线扩张，但绝不敢轻易关掉云端的安全防护。

掌握AI与全球化的通行证

在当前的全球技术格局下，拥有顶级的云安全能力已不再仅仅是为了防御黑客，它更是企业进军AI云和全球化市场的入场券。只有具备原生云安全能力的厂商，才能解决大模型在云端训练、推理过程中的数据投毒和提示词注入风险。中国厂商若能构建起符合国际主流标准的云安全体系，本质上就是为中国企业的全球化交付提供了一套合规标准化的底座。

四、IDC：不止于数据，更是决策指南

IDC已发布 《IDC中国半年度安全软件数据跟踪报告——公有云，2025H2》，其中包含公有云部署模式下的数据安全软件、终端安全软件、身份和访问控制软件、软件安全网关、安全分析和运营软件、漏洞管理软件等子市场的厂商数据跟踪。

上述商业逻辑的兑现，最终需要落地到真实的市场数据中加以验证。化繁为简，洞见未来。 本次报告透过公有云安全市场不同赛道中的厂商营收数据，为您剥离噪音、还原真相，助您在复杂的市场环境中精准锚定业务增长点与投资机遇。无论您是寻求赛道突围的企业，还是布局未来的投资者，皆能在此获取专属的行动指南。

具体而言，可以为不同角色的参与者提供以下支持——

云厂商：帮助您精准识别自身安全产品的市场位次，明确自身赛道定位与竞争位置。

安全厂商：帮助您应找准生态位，重点锚定高增长赛道，避免无效内卷；同时积极融入头部云厂商生态，通过技术集成与联运合作，借助云市场流量触达客户。

企业客户：为您提供了客观的供应商评价维度，帮助 CIO 识别哪些厂商在特定公有云安全领域具备长期投入和领先地位。

投资机构：报告是评估公有云安全景气度的核心参考，能够清晰展现公有云安全市场的天花板及各子市场的集中度，利用数据降低因信息不对称导致的投资偏差。

结语

公有云安全已经完成了从附加品到必需品的身份蜕变。在客户从买资源向买安全的意识跨越中，IDC 将持续通过系统性的研究，助力每一位参与者：看清坐标、捕捉先机、定义未来。

欢迎广大云厂商和安全厂商关注IDC公有云安全系列研究，如需进一步沟通或获取深度数据与战略洞察，请与IDC联系。

请点击此处与我们联系。

Joe Zhao

Joe Zhao - Senior Research Manager

Analyst Profile
Joe Zhao is a senior research manager of Enterprise Research for IDC China. He focuses on research and analysis of the China security market. Joe has more than 12 years of domestic and international work experience in ICT. Prior to…

2026年CHIMA大会上，一个变化已经非常明确：医疗行业的讨论重心，正在从大模型快速转向智能体。过去两年，行业关注的是模型参数、多模态能力、医学问答准确率，本质上是在验证“模型是否足够强”；而今年，几乎所有厂商都开始展示智慧诊疗、智慧服务、智慧运营等智能体矩阵，并强调与HIS、EMR、医保等核心系统的融合能力。

IDC认为，当前医疗AI最大的鸿沟已经不是模型能力，而是医院现有体系“接不住”智能体。行业竞争正从技术竞赛，转向流程、组织与承接能力的落地竞赛。

本文基于CHIMA 2026观察，IDC指出：技术供给已超前于医院承接能力；未来医疗AI的竞争，谁能够率先帮助医院构建Agent-ready的能力体系。

CHIMA释放新信号：医疗AI全面从“模型竞赛”转向“落地竞赛”

此次展会中，互联网平台、AI创业公司、基础设施厂商、安全厂商大量涌入医疗市场，行业从模型的参数比拼迅速转向Agent开发。许多厂商甚至已经不再强调自研医疗大模型，而是直接基于通用模型构建医疗智能体。会场中，各类智慧医院、AI中枢、全场景智能体方案层出不穷。

这意味着，医疗AI已经进入新的阶段。行业竞争正在从技术能力竞赛，转向围绕业务闭环、流程协同与组织能力的落地竞赛。

智能体落地，厂商与医院之间存在巨大的“数字鸿沟”

相对于展会上技术厂商层出不穷的智能体产品，医院关注的问题却依旧十分现实。纵观大会论坛与议题，医院讨论最多的仍然是数据治理、系统集成、算力不足、网络安全、医保合规等基础问题。相比厂商描绘的“全面智能化”，医院更关心的是系统是否稳定、数据是否打通、流程是否真正可落地。

同时，伴随着医疗大模型走向落地应用，医院用户逐步发现发现，即使模型已经足够强，AI依然很难真正进入核心业务流程。因此，目前医院实际引入的智能体，依然主要集中在病历生成、预问诊、报告解读等非核心场景。

这种明显的供给的错位揭示了当前医疗AI行业最大的矛盾：技术供给正在快速超前，但医院真实需求与承接能力并没有同步成熟。

问题根源：技术供给超前，但医院接不住智能体

过去医院信息化建设的核心目标，是实现业务电子化与线上化，因此形成了以HIS为中心的大量烟囱式系统。这种架构适合传统软件，却不适合智能体的部署及管饭应用。智能体需要实时数据流、跨系统协同、动态推理以及持续决策能力，但当前医院普遍存在数据孤岛、接口割裂、标准不统一的问题。因此，当前智能体落地的主要问题并不在于AI“做不到”，而在于医院体系“接不住”。

跨越鸿沟，构建“Agent-ready的能力”

医疗AI下一阶段的核心问题，已经不再是“还能做出多少Agent”，而是“如何让医院真正接得住Agent”。尤其对于技术厂商而言，下一阶段不应只是推出更多智能体，而是帮助医院构建能够承接智能体持续运行的Agent-ready能力体系。对此，IDC认为应该关注一下几点：

首先，厂商需要从“卖单点AI应用”转向“建设AI基础能力”。厂商需要熟悉医院的基础架构，拓展从底层基础设施到上层应用的全栈技术能力，将重点放在数据治理、统一接口、智能中台与安全体系建设上，帮助医院建立能够支撑多智能体运行的底座能力。

其次，短期聚焦高ROI场景，形成可量化的价值。在预算收紧的背景下，医院对AI的投入将更为审慎。厂商应主动协助医院识别那些流程相对独立、数据标准较高且业务痛点明确的场景，如病历生成、医保审核、医疗质控或患者预问诊，采取点状化的切入方式，率先形成可量化价值，从而推动医院主动升级Agent能力。

与此同时，立足长期发展，重构软件让智能体真正融入医院工作流。当前大部分智能体仍停留在单点工具阶段，但未来医院真正需要的，将是能够跨系统、跨科室协同运行的智能体网络，需要将智能体与软件深度交融。因此，厂商需要率先从软件设计底层进行变更，并加一验证，才更有可能成为下一阶段医疗AI市场的核心玩家。

最后，主动成为医疗用户的同行者。一方面，建立“临床+信息中心+厂商”的联合共创机制，主动帮助医院洞察痛点，个性化定制智能体，解决医院的实际问题；另一方面，构建多元化的合作模式，主动解决医院信息化预算短缺的问题，形成更可持续化的付费模式。

未来医疗AI的竞争，谁能够真正帮助医院完成智能化转型

因此，CHIMA 2026最重要的意义，并不是“智能体全面爆发”，而是行业开始意识到：医疗AI的核心挑战，已经从模型问题，转向流程问题、组织问题与体系问题。这也意味着，未来行业竞争的焦点，将不再是谁拥有更多Agent或更大的模型，而是谁能够真正帮助医院完成智能化转型。

本文与IDC研究报告
本文基于CHIMA 2026的一线观察，回答一个问题：为什么医院现在需要认真对待医疗大模型与智能体的落地？
而关于“谁家的技术更强、如何评估、如何选型”的系统性答案，请参见IDC已发布的《中国医疗大模型技术评估，2026》（Doc# CHC53377725，2026年4月）报行。旨在帮助医院读者理解报告的背景、建立思考框架、明确自身准备工作的方向：

  • 主要医疗大模型厂商的技术能力深度对比
  • 分场景（病历、医保、质控、患者服务）的能力评估
  • 可解释性、幻觉控制、系统集成等关键维度的实测分析
  • 医院选型建议与ROI参考框架

IDC更多相关研究：

这一跨越是一场从底层到上层应用的整体变革，当前市场正处在从智能体的点状式应用到全面智能体化的转折期。作为行业的观察者，在迎接医疗智能体的全面到来之际，IDC也将研究也将聚焦智能体话题：

医疗AI正从模型能力竞争进入落地能力竞争的新阶段。IDC将持续跟踪智能体在医疗场景中的演进路径、组织适配与价值评估。如需了解报告更多信息，或就医疗AI落地策略、智能体成熟度评估、医院数字化转型路径等进行深度交流，欢迎与IDC联系。

请点击此处与我们联系。

2025年中国企业级MaaS市场经历了从试点到规模化应用的关键转折。无论是Token调用量还是实际营收，各个统计口径都呈现出倍数级的增长，同时Token消耗的快速攀升正在重新定义企业使用人工智能的方式。然而，在这一轮高速增长的背后，市场仍然面临性能、安全合规、回答质量等多重实际约束。IDC认为，MaaS厂商的竞争焦点正在从过去单纯的价格比拼，转向“价格、性能与工具链支持”的综合能力竞争。

市场总体规模：调用量增长16倍，但需理性看待基数效应

2024年，中国企业级MaaS市场按调用量统计的规模仅为114万亿Tokens，而到2025年，这一数字跃升至1944万亿Tokens，同比增长约16倍。在营收口径下，2025年中国公有云MaaS市场的规模达到30.7亿元人民币。与此同时，面向传统政企客户的大模型私有化部署市场也保持活跃，尤其在政务、金融、能源等领域形成了独立的采购与交付体系。

IDC预计2026年全年Token消耗量约为40,000万亿次，较2025年进一步增长约20倍。这一加速增长的主要驱动因素，是多模态大模型的逐步成熟以及Agent类应用的规模化落地。换句话说，市场正在从“文本生成”向“多模态理解与自动执行”扩展，每一次交互所消耗的Token量级也相应大幅提升。

Token消耗快速增长，但不同场景之间差异巨大

Token消耗的整体走势非常明确：2025年1月全市场日均消耗约为1.6万亿Tokens，到2025年12月底，这一数字已经攀升至9.6万亿Tokens。随着多模态大模型的进一步成熟，日均Token消耗的增长曲线将会变得更为陡峭。

不过，不同应用场景之间的Token消耗量级存在巨大差异，这一点往往被笼统的市场总量数字所掩盖。例如，一家投资机构在合同摘要场景中，一次处理几十个合同文档，单次消耗的Tokens可达200万。一家教育机构在其在线培训场景中，高峰使用期日均消耗高达2000亿Tokens。而使用多模态产品生成一个视频，也会消耗上千万Tokens。这些差异意味着，企业在评估MaaS服务时，不能只看单位Token的报价，还必须结合自身场景的实际消耗特征来判断总成本。

从应用场景的分布来看，当前公有云上MaaS的主要应用群体集中在泛互联网行业（游戏、娱乐、教育）、智能办公赛道、智能硬件赛道（智能汽车、手机、智能眼镜）以及大消费赛道。主要的应用场景包括角色扮演、短剧生成、市场营销、搜索、数据处理、数据分析和文档处理。而在传统政企的私有化部署项目中，应用场景相对收敛，主要集中在智能办公、数据处理与分析、市场营销等几个方向。

竞争格局：公有云头部集中，私有化部署市场更为分散

在公有云MaaS市场，按调用量计算，2025年火山引擎占据了接近一半的份额，其次是阿里云、百度智能云、硅基流动以及移动云。其他值得关注的厂商还包括腾讯云、商汤科技、华为云、天翼云等。

如果按营收口径来看，火山引擎仍然占据40%以上的市场份额，阿里云、百度智能云、智谱以及移动云位列前五。不同厂商在单位Token定价、折扣策略以及高价值场景的占比上存在显著差异。例如，某些厂商可能在低单价、高调用量的场景中占优，而另一些厂商则在高单价、专业场景中获得了更高的营收贡献。

在私有化部署市场上，格局则完全不同。传统政企客户出于数据安全、合规可控等考虑，仍然将私有化部署作为第一选择，也因此培育了众多的大模型平台私有化厂商。2025年IDC追踪到的头部厂商包括百度智能云、商汤科技、电信AI、中关村科金、创新奇智、星环科技以及中国电子云。相比公有云市场，私有化部署市场的集中度更低，这与政企采购的区域性、行业性特征有直接关系。

企业落地大模型时，性能、合规与质量优先于成本

高速增长的数字背后，企业在大模型落地过程中仍然面临一系列现实挑战。根据IDC的调研数据，影响大模型落地的Top5因素依次是：模型性能、安全合规要求、回答质量、在AI平台可用性以及成本效益。其中，性能指的是企业部署上线后的稳定性、并发数和可靠性；安全合规既要求模型在中国市场可以合规使用，也要求模型生成的内容本身合规；回答质量则直接决定了模型能否被大规模上线应用。

值得注意的是，成本效益在当前阶段排在第五位，并非企业最优先考虑的障碍。这一结果在一定程度上说明，企业当前更关注“模型是否能用、是否安全、是否稳定”，在这些前提条件满足之后，才会进入精细化的成本比较。然而，原文也明确提示了一种中长期风险：随着大模型应用场景的持续渗透，以及算力紧缺状况的延续，大模型的投资预算终将成为关键挑战。换句话说，成本问题目前还没有爆发，但它迟早会来。

MaaS市场的竞争要素正在发生结构性的变化

随着Token经济的兴起和市场参与者的迅速增加，MaaS市场的竞争规则也在发生变化。IDC认为，未来制胜的核心要素将集中在三个方面：价格与成本优化、性能、以及工具链与应用开发的支持。

在价格与成本方面，企业Token的日均消耗正在快速增长，尤其是各类Agent类产品的出现，进一步放大了Token的使用规模。随着规模化智能的到来，厂商需要关注的不是单纯降低单位Token的价格，而是帮助用户降低整体成本，同时确保输出的是高质量、有效用的Tokens。

在性能方面，大量行业场景对并发数和吞吐量有很高要求，与此同时算力紧缺的现状短期内难以根本缓解。能够通过底层算力优化来提升模型训练和推理效率的厂商，将在用户选型中获得明显的优势。

在工具链与应用开发支持方面，过去两年的MaaS市场中，买方选型的首要因素几乎都是价格，而且由于大模型迭代速度太快，买方通常选择直接调用大模型API，而不进行二次调优。但未来，企业将有更多垂直场景落地，这些场景离不开智能体的开发。因此，MaaS平台在工具链（如调试、评测、智能体编排）上的完备性，在用户选型中的重要性将不断提高。

展望：2026年预计20倍Token增长，但需注意情景依赖

基于现有数据和趋势，IDC对MaaS市场给出了明确的预测：2026年中国MaaS市场的Token消耗量将达到约40,000万亿次，按营收规模计算将达到约186亿元人民币。2024年至2030年的年复合增长率约为1154.9%，但这一数字是基于高增长情景得出的。

需要特别提示的是，如此高的复合增长率高度依赖于一系列前提条件：多模态模型的持续成熟、Agent类应用的大规模落地、算力供给不出现严重瓶颈，以及合规政策保持稳定。上述任何一个条件发生变化，实际增速都可能显著低于高增长情景。对于行业参与者和企业买方而言，在看到巨大市场机遇的同时，也有必要对风险保持清醒的认知。

对厂商与买方的建议

基于上述分析和IDC的调研数据，我们可以对MaaS厂商和企业买方分别提出几点建议。

对于MaaS厂商而言，在价格竞争的同时，应当优先解决高并发场景下的性能稳定性和合规推理能力。工具链能力（调试、评测、智能体编排）正在成为差异化竞争的关键，不可忽视。此外，可以考虑在垂直场景（如合同处理、视频生成、教育陪练）中建立深度优化能力，而不是在所有场景中采取同质化的竞争策略。

对于企业买方而言，在当前阶段应当优先验证模型的回答质量、安全合规性和并发稳定性，成本可以放在次优级的位置上。在选择MaaS厂商时，建议关注其工具链的成熟度，而不仅仅是API的单次调用价格。从长远来看，建议尽早建立Token成本的评估机制，避免业务规模扩张后出现成本失控的局面。

进一步交流

MaaS市场的爆发才刚刚开始，IDC将持续追踪这一市场的格局变化与技术演进。如需获取完整报告、订阅后续研究，或针对特定厂商与行业进行定制化分析，欢迎与IDC中国人工智能研究团队联系。

关于数据：本文所有数据和图表均来自IDC《中国AI软件市场半年度追踪，2025H2》。调用量口径统计企业通过公有云MaaS平台调用大模型API产生的Token数量；营收口径统计企业实际支付的公有云MaaS服务费用（不含私有化部署）；私有化部署市场统计面向政企客户的大模型平台软件及相关授权收入。

请点击此处与我们联系。

Yanxia Lu

Yanxia Lu - Research Director

Analyst Profile
  Yanxia Lu is a research director, focusing on big data and artificial intelligence (AI). Her responsibilities include big data information management platform, and big data analytics and applications. She is also involved in research on AI technology and enterprise…

Salesforce在今年的开发者大会TDX上，正式发布了名为Headless 360的新举措，旨在使得Salesforce平台上的所有功能，均可通过API（应用程序接口）、MCP（模型上下文协议）服务器或CLI（命令行界面）命令的形式对外暴露，从而支持编程智能体或面向特定客户需求的自定义智能体进行调用。

Salesforce的这一动作，并不仅仅是一次产品能力开放，更反映出企业软件正在发生一个根本性变化：应用的核心对象，正在从“人”转向“AI”。当越来越多系统开始以开放接口、连接器以及Agent相关协议而非UI作为主要交互方式时，企业软件的竞争逻辑、产品形态与商业模式，也正在被重新定义。

从应用到Agent，竞争格局与商业模式重塑

企业软件市场正经历一场深刻变革。AI Agent不仅是技术升级，更是市场竞争、商业模式和生态体系的全面重置。IDC最新调研显示，2026年全球72%的企业已将AI Agent投入生产，51.6%已将Agent嵌入核心业务流程。Agent正成为企业软件的“新入口”，未来三年内，Agent接口将超过一半，传统接口将迅速降低接近至零。

传统软件厂商以功能和UI为核心竞争力，如今则被“结果导向、自动执行”的Agent所取代。Agent能够跨系统自动编排任务，推动业务流程从“人操作”转向“意图驱动、自动完成”。IDC预测，到2027年，Agent自动化将增强40%以上的企业应用能力，重塑三分之一的业务流程和工作流。

IDC的核心判断是：Agent并不是一次功能升级，而是在重构企业应用的形态。

应用正在“退居后台”：Agent成为新的执行层

在传统模式下，企业应用的价值建立在“界面+流程”之上。用户进入系统、触发操作、完成任务，软件围绕“人如何使用系统”来设计。

但Agent改变了这个前提。

它可以基于上下文理解需求、跨系统调用能力，并直接完成任务。在越来越多场景中，用户不再需要进入某一个具体系统，任务已经在后台被执行。

这意味着一个关键变化：应用不再是工作的入口，Agent才是。

一旦入口发生变化，应用的角色也随之改变——从“交互界面”转向“能力提供者”，从前台走向后台。

应用边界开始消失：竞争从产品走向生态

当Agent可以跨系统完成任务时，原本清晰的应用边界开始变得模糊。

同一个业务流程，可能同时调用CRM、ERP和供应链系统；而对用户来说，这一切被封装在一次“请求”之中。应用不再以单独系统的形式被感知，而是作为能力被调用。

关键影响在于：竞争逻辑正在发生改变——除了“谁的功能更强”，还需要考虑“谁更容易被调用和整合”。

这也是为什么当前市场中，开放接口、连接器以及Agent相关协议（如MCP、A2A）迅速升温。厂商不仅仅是构建产品，而需要争夺“进入Agent调用链”的位置。

如果无法进入这个链条，即使功能完整，也可能被绕过，逐渐边缘化。

定价体系被重写：从“使用权”到“结果价值”

相比产品形态的变化，更深远的影响正在商业模式层面显现。

过去几十年，企业软件的定价建立在“使用权”之上——按用户数、按模块、按许可收费。但在Agent模式下，这种逻辑开始失效。

一个Agent可以替代多个用户执行任务，自动化程度越高，企业获得的价值越大，但座席数量反而可能下降。

这带来一个根本性问题：当“使用量”不再等于“价值”，软件应该如何收费？

目前市场已经出现一些过渡模式，例如在座席基础上叠加Agent调用量或自动化流程计费，形成混合定价结构。

但更关键的变化在于：

软件行业正在从“为工具付费”，转向“为结果付费”。

而谁能够定义“结果”，并将其转化为可计量、可收费的单位，谁就有机会在这一轮变革中掌握价值分配权。Agent定价需简化，避免复杂结构成为创新和试点的障碍。

IDC观察：三条正在形成的主线

从当前市场演进来看，这一轮变化并不是单点突破，而是沿着几条清晰的主线展开。

首先，企业软件正在从“工具导向”走向“结果导向”。软件不再只是支持人完成工作，而是直接交付结果。

其次，集成逻辑正在从系统层上移到Agent层。过去复杂的系统集成，正在被Agent编排所替代。

更重要的是，竞争的核心正在从功能能力转向价值捕获能力。厂商之间的差距，不再只体现在“能做什么”，而在于“如何从结果中获得收入”。

谁会受益，谁面临风险？

在这一过程中，市场分化已经开始出现。

具备平台能力和生态控制力的厂商，更容易成为Agent的调度中心，从而掌握流量与价值入口。而那些依赖单点功能、定价僵化或生态封闭的厂商，则面临利润下滑和客户流失，被边缘化的风险——即使产品本身依然存在，Agent会绕过其产品，其不再处于用户路径之中。

换句话说，未来的竞争不只是“有没有Agent”，而是“是否在Agent体系中占据关键位置”。

结语：这不是一次技术升级，而是一次价值重构

Agent的快速普及，表面上看是AI能力在企业软件中的延伸，但其更深层的影响在于，它正在改变应用的形态、重塑竞争边界，并重新定义价值的获取方式。

这不是一次简单的技术升级，而是一场围绕“执行权”和“价值权”的重构。

对于软件厂商而言，真正的挑战不在于是否引入Agent，而在于——在一个由Agent主导的体系中，自己的产品究竟处于什么位置。Agent不仅是自动化工具，更是业务流程、行业应用和迁移的“新软件”，厂商可通过Agent快速扩展市场份额和收入。

与此同时，企业用户也需要重新评估自身的应用架构、自动化路径以及供应商选择策略，为Agent驱动流程、数据准备和跨应用编排做好组织准备，以确保在这一轮变革中持续获得业务价值与竞争优势。

IDC更多相关研究

如果您希望进一步了解Agent在企业软件中的落地路径、市场演进趋势或对自身业务的具体影响，欢迎与IDC分析师团队联系。IDC将基于持续的市场跟踪与研究，提供更具针对性的洞察与建议，支持企业与厂商在这一轮变革中做出更有前瞻性的决策。

请点击此处与我们联系。

Lizzie Li

Lizzie Li - Associate Research Director

Analyst Profile
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…

2025年中国企业级MaaS市场经历了从试点到规模化应用的关键转折。无论是Token调用量还是实际营收，各个统计口径都呈现出倍数级的增长，同时Token消耗的快速攀升正在重新定义企业使用人工智能的方式。然而，在这一轮高速增长的背后，市场仍然面临性能、安全合规、回答质量等多重实际约束。IDC认为，MaaS厂商的竞争焦点正在从过去单纯的价格比拼，转向“价格、性能与工具链支持”的综合能力竞争。

市场总体规模：调用量增长16倍，但需理性看待基数效应

2024年，中国企业级MaaS市场按调用量统计的规模仅为114万亿Tokens，而到2025年，这一数字跃升至1944万亿Tokens，同比增长约16倍。在营收口径下，2025年中国公有云MaaS市场的规模达到30.7亿元人民币。与此同时，面向传统政企客户的大模型私有化部署市场也保持活跃，尤其在政务、金融、能源等领域形成了独立的采购与交付体系。

IDC预计2026年全年Token消耗量约为40,000万亿次，较2025年进一步增长约20倍。这一加速增长的主要驱动因素，是多模态大模型的逐步成熟以及Agent类应用的规模化落地。换句话说，市场正在从“文本生成”向“多模态理解与自动执行”扩展，每一次交互所消耗的Token量级也相应大幅提升。

Token消耗快速增长，但不同场景之间差异巨大

Token消耗的整体走势非常明确：2025年1月全市场日均消耗约为1.6万亿Tokens，到2025年12月底，这一数字已经攀升至9.6万亿Tokens。随着多模态大模型的进一步成熟，日均Token消耗的增长曲线将会变得更为陡峭。

不过，不同应用场景之间的Token消耗量级存在巨大差异，这一点往往被笼统的市场总量数字所掩盖。例如，一家投资机构在合同摘要场景中，一次处理几十个合同文档，单次消耗的Tokens可达200万。一家教育机构在其在线培训场景中，高峰使用期日均消耗高达2000亿Tokens。而使用多模态产品生成一个视频，也会消耗上千万Tokens。这些差异意味着，企业在评估MaaS服务时，不能只看单位Token的报价，还必须结合自身场景的实际消耗特征来判断总成本。

从应用场景的分布来看，当前公有云上MaaS的主要应用群体集中在泛互联网行业（游戏、娱乐、教育）、智能办公赛道、智能硬件赛道（智能汽车、手机、智能眼镜）以及大消费赛道。主要的应用场景包括角色扮演、短剧生成、市场营销、搜索、数据处理、数据分析和文档处理。而在传统政企的私有化部署项目中，应用场景相对收敛，主要集中在智能办公、数据处理与分析、市场营销等几个方向。

竞争格局：公有云头部集中，私有化部署市场更为分散

在公有云MaaS市场，按调用量计算，2025年火山引擎占据了接近一半的份额，其次是阿里云、百度智能云、硅基流动以及移动云。其他值得关注的厂商还包括腾讯云、商汤科技、华为云、天翼云等。

如果按营收口径来看，火山引擎仍然占据40%以上的市场份额，阿里云、百度智能云、智谱以及移动云位列前五。不同厂商在单位Token定价、折扣策略以及高价值场景的占比上存在显著差异。例如，某些厂商可能在低单价、高调用量的场景中占优，而另一些厂商则在高单价、专业场景中获得了更高的营收贡献。

在私有化部署市场上，格局则完全不同。传统政企客户出于数据安全、合规可控等考虑，仍然将私有化部署作为第一选择，也因此培育了众多的大模型平台私有化厂商。2025年IDC追踪到的头部厂商包括百度智能云、商汤科技、电信AI、中关村科金、创新奇智、星环科技以及中国电子云。相比公有云市场，私有化部署市场的集中度更低，这与政企采购的区域性、行业性特征有直接关系。

企业落地大模型时，性能、合规与质量优先于成本

高速增长的数字背后，企业在大模型落地过程中仍然面临一系列现实挑战。根据IDC的调研数据，影响大模型落地的Top5因素依次是：模型性能、安全合规要求、回答质量、在AI平台可用性以及成本效益。其中，性能指的是企业部署上线后的稳定性、并发数和可靠性；安全合规既要求模型在中国市场可以合规使用，也要求模型生成的内容本身合规；回答质量则直接决定了模型能否被大规模上线应用。

值得注意的是，成本效益在当前阶段排在第五位，并非企业最优先考虑的障碍。这一结果在一定程度上说明，企业当前更关注“模型是否能用、是否安全、是否稳定”，在这些前提条件满足之后，才会进入精细化的成本比较。然而，原文也明确提示了一种中长期风险：随着大模型应用场景的持续渗透，以及算力紧缺状况的延续，大模型的投资预算终将成为关键挑战。换句话说，成本问题目前还没有爆发，但它迟早会来。

MaaS市场的竞争要素正在发生结构性的变化

随着Token经济的兴起和市场参与者的迅速增加，MaaS市场的竞争规则也在发生变化。IDC认为，未来制胜的核心要素将集中在三个方面：价格与成本优化、性能、以及工具链与应用开发的支持。

在价格与成本方面，企业Token的日均消耗正在快速增长，尤其是各类Agent类产品的出现，进一步放大了Token的使用规模。随着规模化智能的到来，厂商需要关注的不是单纯降低单位Token的价格，而是帮助用户降低整体成本，同时确保输出的是高质量、有效用的Tokens。

在性能方面，大量行业场景对并发数和吞吐量有很高要求，与此同时算力紧缺的现状短期内难以根本缓解。能够通过底层算力优化来提升模型训练和推理效率的厂商，将在用户选型中获得明显的优势。

在工具链与应用开发支持方面，过去两年的MaaS市场中，买方选型的首要因素几乎都是价格，而且由于大模型迭代速度太快，买方通常选择直接调用大模型API，而不进行二次调优。但未来，企业将有更多垂直场景落地，这些场景离不开智能体的开发。因此，MaaS平台在工具链（如调试、评测、智能体编排）上的完备性，在用户选型中的重要性将不断提高。

展望：2026年预计20倍Token增长，但需注意情景依赖

基于现有数据和趋势，IDC对MaaS市场给出了明确的预测：2026年中国MaaS市场的Token消耗量将达到约40,000万亿次，按营收规模计算将达到约186亿元人民币。2024年至2030年的年复合增长率约为1154.9%，但这一数字是基于高增长情景得出的。

需要特别提示的是，如此高的复合增长率高度依赖于一系列前提条件：多模态模型的持续成熟、Agent类应用的大规模落地、算力供给不出现严重瓶颈，以及合规政策保持稳定。上述任何一个条件发生变化，实际增速都可能显著低于高增长情景。对于行业参与者和企业买方而言，在看到巨大市场机遇的同时，也有必要对风险保持清醒的认知。

对厂商与买方的建议

基于上述分析和IDC的调研数据，我们可以对MaaS厂商和企业买方分别提出几点建议。

对于MaaS厂商而言，在价格竞争的同时，应当优先解决高并发场景下的性能稳定性和合规推理能力。工具链能力（调试、评测、智能体编排）正在成为差异化竞争的关键，不可忽视。此外，可以考虑在垂直场景（如合同处理、视频生成、教育陪练）中建立深度优化能力，而不是在所有场景中采取同质化的竞争策略。

对于企业买方而言，在当前阶段应当优先验证模型的回答质量、安全合规性和并发稳定性，成本可以放在次优级的位置上。在选择MaaS厂商时，建议关注其工具链的成熟度，而不仅仅是API的单次调用价格。从长远来看，建议尽早建立Token成本的评估机制，避免业务规模扩张后出现成本失控的局面。

关于数据：本文所有数据和图表均来自IDC《中国AI软件市场半年度追踪，2025H2》。调用量口径统计企业通过公有云MaaS平台调用大模型API产生的Token数量；营收口径统计企业实际支付的公有云MaaS服务费用（不含私有化部署）；私有化部署市场统计面向政企客户的大模型平台软件及相关授权收入。

进一步交流

MaaS市场的爆发才刚刚开始，IDC将持续追踪这一市场的格局变化与技术演进。如需获取完整报告、订阅后续研究，或针对特定厂商与行业进行定制化分析，欢迎与IDC中国人工智能研究团队联系。

请点击此处与我们联系。

Yanxia Lu

Yanxia Lu - Research Director

Analyst Profile
  Yanxia Lu is a research director, focusing on big data and artificial intelligence (AI). Her responsibilities include big data information management platform, and big data analytics and applications. She is also involved in research on AI technology and enterprise…

中国公有云市场正在经历一场由AI驱动的结构性转折。IDC最新发布的《中国公有云服务市场跟踪报告，2025 下半年》数据显示，2025年下半年公有云IaaS市场人民币同比增速恢复至20.0%，整体公有云市场(IaaS+PaaS+SaaS)半年总值首次突破2000亿元。这一增长并非简单的市场回暖，其背后是AI需求对云计算产业底层逻辑的重塑：市场认可度的提升正在从“资源规模”转向“全栈AI能力”，市场份额正加速向“算力+大模型”双强厂商收敛，出海成为增长第二曲线，而行业间的需求分化也将进一步拉大。IDC认为，未来三到五年，公有云市场的竞争将不再是价格战与规模战，而是算力、模型、行业方案、生态与全球化能力的综合较量。谁能在这一轮AI红利中真正从“云厂商”升级为“AI服务商”，谁就将主导下一轮市场格局。

AI 能力将重构市场份额 ，大模型为云厂夺回定价权

在传统IaaS市场中，云主机租赁长期占据主导，价格战也因此成为竞争的主旋律。然而，随着生成式AI和大模型需求的爆发，客户在选择云服务商时的核心依据正在发生根本性变化。算力、大模型、芯片与平台的全栈能力，正取代过去的资源规模与价格优势，成为新的竞争焦点。相应地，定价逻辑也在从资源计费转向价值付费。

这一转变最直接的体现，是市场增长动力从存量博弈转向增量创新。传统IaaS价格战逐步退潮，取而代之的是智算需求驱动的新一轮扩张。大模型产品的定价模式正向按Token计费倾斜，云基础设施产品，尤其是高性能算力的需求大幅提升。在这一新竞争环境中，云服务商是否具备AI原生能力与高效的算力调度能力，将直接决定其能否占据有利位置。

全栈能力成为竞争壁垒，市场向“算力+大模型”双强厂商收敛

智算集群、液冷数据中心、自研芯片、大模型训练等领域均属于高投入赛道，只有具备完整闭环能力的厂商，才能实现算力规模化变现并穿越投入周期。根据IDC MarketScape评估，阿里云、百度智能云等具备全栈能力的云厂商，其市场份额正持续提升。这些厂商凭借硬件芯片、异构算力兼容、集群调度、MaaS平台及行业生态等综合优势，已在政企、互联网等多个行业中积累起丰富的落地案例。

相比之下，单纯依赖资源出租的厂商，由于缺乏技术与生态支撑，增速已开始放缓。未来市场将进一步向具备全栈AI能力、生态协同能力和行业深度适配能力的头部厂商集中。

行业分化加剧，高适配行业领跑

不同行业在公有云需求上的差异正在拉大。自动驾驶、电商、游戏、互联网金融、协同办公等与AI结合度高且资本红利充足的领域，公有云需求保持高速增长。IDC预测，2025年泛科技行业的AI公有云渗透率将持续提升，行业间的市场增速差距将进一步扩大。而政务、制造、传统金融等行业，则受合规要求和系统改造周期等因素限制，上云节奏相对缓慢。这些行业客户在选型时，更加关注模型的训练与推理性能、行业精调落地情况、数据主权与合规、成本治理等多维度能力，这也在推动云服务商加快行业化与场景化产品的布局。

海外资源加速布局，出海成为增长第二曲线

海外背景的云厂商，如AWS和微软Azure，在云算力出海领域依然保持强劲竞争力，持续服务于中资企业的全球化部署与跨境AI业务。与此同时，阿里云、腾讯云、华为云以及运营商阵营也在积极瞄准中资企业出海需求，在跨境电商、游戏发行、AI应用出海等领域加速落子。根据IDC跟踪数据显示，中过企业出海用云市场规模五年复合增长率超过30%，远高于国内市场增速。出海正成为中国云厂商寻找增长“第二曲线”的重要方向。

AI红利花落谁家：三类厂商各显其能

在这一轮AI驱动的市场重构中，不同类型的云服务商正走出截然不同的增长路径。

以阿里云和百度智能云为代表的全栈型厂商，凭借“模型+芯片+平台+公有云基础设施”形成的产品线闭环，构建起公有云竞争的护城河。其公有云IaaS同比增速已从2024年的个位数增长提升至2025年的25%以上，市场份额持续提升，并在大模型平台、MaaS、行业精调等领域不断加码。

以腾讯云和火山引擎为代表的场景驱动型厂商，则更加聚焦AI的商业化落地，推动将AI真正“用起来”。腾讯云在2025年首次实现规模化盈利，而火山引擎则凭借高性价比的智算方案与灵活计费模式，在2025年再次实现超100%的同比增速，市场份额快速提升。

以中国电信天翼云、移动云和华为云为代表的算力运营型厂商，依靠自建与跨平台调度能力的结合，灵活适配第三方方案，为政企、金融等高安全性行业的AI应用提供保障。凭借多年积累的机房资源、属地化服务和央企背景，这些厂商的企业级服务优势逐步显现，市场排名稳居前五。

从算力到模型：未来四阶段演进路径正在形成

展望未来，中国公有云市场的竞争将沿着清晰的阶段路径演进。

在2026年的第一阶段，算力投入依然是AI发展的核心方向。智算集群、自研芯片、数据中心建设推动资本开支持续攀升。IDC预测，到2027年，超过85%的中国组织将把传统云环境转型为适配AI工作负载的新型平台。

到2027年前的第二阶段，商业化将迎来突破。云服务商的营收模式将从单纯算力出租，转向“Token+算力”的双营收结构，收费模式从资源侧向场景侧迁移，云厂商的盈利格局将随之重塑。大模型驱动的AI云服务市场格局正在形成，MaaS、行业精调和Agent平台等新型商业模式加速落地。

进入2028年的第三阶段，竞争焦点将从算力底座转向大模型应用场景的的训练、微调和推理优化。“云上模型好用度”将成为企业客户选择云服务商的决定性因素。企业买家将优先评估多模态模型覆盖能力、推理准确性、行业适配能力以及生态工具链的完备性。

而纵观未来五年，行业分化将成为长期特征。泛科技行业将持续领跑，传统行业则在政策引导与国产化适配推动下逐步而坚定的推进上云进程。市场将向具备全球化能力、行业方案能力和生态协同能力的综合AI服务商集中，头部厂商将通过全栈能力与行业深耕构建起长期壁垒。

分析师结语：从“云厂商”到“AI服务商”的升级之战

2025年下半年中国公有云市场重回高增长，其本质是AI产业爆发所带来的公有云基础设施红利。IDC中国研究经理崔婷婷表示，IaaS增速重回20%以上，标志着中国公有云行业已从存量博弈转向增量创新。未来三到五年，AI能力的竞争将进入白热化阶段，市场不再是简单的价格与规模比拼，而是算力、模型、行业方案、生态与全球化能力的综合较量。云计算，尤其是公有云服务，作为AI竞争的核心载体，其资源铺设广度、能力韧性、安全性、营收增长与利润转换率的动态提升，也将直接反映出AI阵营的发展状态，成为AI竞争态势的晴雨表。在这场升级之战中，谁能更快将AI能力转化为客户可感知的业务价值，谁就有望在下一轮格局洗牌中占据先机，真正完成从“云厂商”到“AI服务商”的跃迁。

如需进一步了解IDC相关研究，或就中国公有云市场发展趋势进行深入交流，欢迎与IDC联系，获取更多洞察与数据支持。

请点击此处与我们联系。

中国PC市场进入调整与转型的交汇阶段

2026年第一季度，中国PC市场整体呈现出“弱增长”与“强分化”并存的特征。根据IDC最新数据，一季度中国PC市场整体销量达到819万台，同比增长0.8%。这一增幅虽实现由负转正，但从结构上看，市场仍处于深度调整阶段，需求恢复动力不足，行业正在从传统的周期性波动转向由结构性因素主导的发展阶段。

与以往由换机周期或宏观需求驱动的增长不同，本轮市场变化更多受到政策环境、供应链成本以及技术演进等多重因素影响。在此背景下，“是否增长”已不再是核心问题，增长来自何种结构、由何种动力驱动，成为判断市场走势的关键。

细分市场分化加剧，增长动能出现结构性转移

从细分市场表现来看，一季度中国PC市场呈现出明显的分化态势。消费市场同比下滑13.6%，在核心元器件价格上涨、补贴政策收紧以及终端需求疲软等多重压力下，整体恢复仍面临较大挑战。与此同时，中小企业市场同比下降9.6%，企业在宏观不确定性背景下趋于谨慎，IT预算收紧、设备更新周期延长，进一步抑制了采购需求。

相比之下，大客户市场实现38.8%的同比增长，在国产化替代持续推进以及政府、教育、大型企业采购需求释放的带动下，成为支撑整体市场的核心力量。

这一结构变化表明，中国PC市场正逐步从以消费驱动为主，转向由政企与结构性需求主导的发展模式，市场内部的增长动能正在发生明显转移。

AI笔记本加速渗透，推动产品结构升级

在本轮市场调整过程中，AI正逐步从技术概念走向实际应用，并成为推动PC市场结构升级的重要因素。随着端侧AI应用场景的不断丰富，具备本地算力能力的AI笔记本需求快速提升，带动整体产品形态和配置标准发生变化。

IDC数据显示，2026年1至2月，不含Apple在内的高算力AI笔记本销量占比已达到33.0%。与此同时，用户对高性能配置的需求显著提升，32GB内存搭配1TB固态硬盘的组合已成为主流配置，占比达到68.5%。

这一趋势反映出，用户对PC的需求正从“满足基础使用”转向“支持复杂应用与智能化体验”。在AI应用驱动下，PC正在从传统生产力工具演进为具备智能处理能力的终端设备，带动整个行业向高性能与智能化方向升级。

高端细分市场表现稳健，成为对冲周期波动的重要支撑

尽管整体市场承压，高端细分市场依然展现出较强韧性。以高性能游戏PC为代表，该领域在一季度保持稳健运行。尽管元器件价格上涨推动终端价格上行，但相关用户群体对性能更为敏感，对价格波动的承受能力较强，厂商也能够通过产品溢价与供应链管理对冲成本压力。

从市场竞争格局来看，头部厂商凭借产品矩阵、供应链能力以及品牌优势，持续巩固市场地位，同时部分厂商通过深耕细分领域实现稳定增长。这一趋势与AI PC的发展路径形成一定呼应，即通过提升性能与差异化能力，推动产品向中高端升级，从而在整体需求波动中保持相对稳定的发展节奏。

市场展望：结构升级与供应链因素将持续影响行业走势

展望2026年，中国PC市场仍将受到多重因素影响。上半年，元器件价格预计维持高位，供应链压力依然存在，叠加需求恢复节奏较为缓慢，市场整体仍将处于调整阶段。下半年，随着成本压力逐步缓解以及政策环境的进一步明朗，市场有望迎来温和改善。

从更长期来看，行业将持续向中高端与智能化方向演进，中低端市场空间逐步收缩，厂商竞争焦点将转向产品能力、技术整合以及供应链韧性。市场集中度有望进一步提升，头部厂商优势更加明显，而中小厂商则需要通过细分市场与差异化策略寻找发展空间。

IDC观点

总体而言，当前中国PC市场并非简单意义上的“复苏”或“下行”，而是处于结构重塑的关键阶段。AI技术的持续渗透、硬件配置的升级以及需求结构的变化，正在共同推动行业进入新的发展周期。

在这一过程中，厂商需要更加关注增长质量与结构变化，通过产品创新与能力升级，构建面向未来的竞争优势。

如需进一步了解IDC相关研究，或就中国PC市场发展趋势进行深入交流，欢迎与IDC联系，获取更多洞察与数据支持。请点击此处与我们联系。

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.