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 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

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

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

2028年,15%的行为健康服务提供者将配备具备 AI Agent 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 4AI 推动支付方主导模式

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 5AI 驱动的智慧病房

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

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 7AI 就绪型医疗基础设施成熟度

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

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

2030年,50%的中国级医院将部署 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

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 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 7AI 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 9Agent 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 10AI 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 8AI 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 9AI 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?

《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1AI 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2AI 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9AI 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10AI 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.

制造业,正站在从自动化迈向自主化的门槛

制造业不确定性持续上升、产品复杂度与柔性需求并行增长的背景下,中国制造企业正面临一次关键抉择:是继续以点状自动化与局部优化应对变化,还是系统性迈向以数据、模型与智能体驱动的自主化运营。IDC 认为,这一选择将直接决定企业未来五年的运营韧性、创新效率与全球竞争力。

IDC 认为,中国制造业正在进入一个新的关键阶段:AI 不再只是提升局部效率的工具,而是推动生产系统向“自主化运营”演进的核心引擎。

为什么这份 FutureScape,对中国制造业尤为关键

《IDC FutureScape:全球制造业2026年预测——中国启示》(Doc# CHC52915025,2025年12月)中,IDC 指出,中国制造业未来五年的智能化升级,将不再以单点应用为主,而是围绕自动化平台开放化、AI 驱动的计划与控制、OT 数据智能整合、人机协同、工业安全以及混合云与智能体治理等关键能力展开。
这些能力的成熟度,将直接决定制造企业能否从“数字化工厂”跨越到“自主化工厂”,并在全球竞争中建立可持续优势。

IDC FutureScape 给出的十大关键预测:

预测1|软件定义工厂

受自主化运营的潜力驱动,到2029年,将有30%的中国工厂通过开放、虚拟化、软件定义的自动化平台,在中央统一配置和管理自动化控制系统。
要点:自动化控制正在从封闭专有系统走向开放、可编排的平台化形态。

预测2AI APS

到2026年,超过40%已部署 APS 的中国制造商将升级为 AI 赋能的 APS,从而开始实现自主化流程。
要点:生产计划与排程正从“人主导”迈向“持续自优化”。

预测3IT/OT 融合 Agent

到2027年,随着标准化水平提升以及面向特定数据类型的 AI 智能体(AI Agents)广泛应用,40%的 OT 数据将能够在应用与平台之间实现自主集成。
要点:智能体正在改变工业数据工程的效率边界。

预测4AI 后服务

为打通设计与服务之间的闭环,到2027年底,25%的中国头部 OEM 及售后服务企业将利用 AI 连接现场与工程数据,从而提升产品与服务质量。
要点:产品创新开始真正进入全生命周期闭环。

预测5|可预测工业数据安全

为应对数据模型安全风险,到2029年,60%的大型制造企业将采用 AI 驱动的 OT 网络防御系统,将威胁检测时间缩短60%。
要点:工业 AI 安全正从“被动防御”转向“预测与自主响应”。

预测6|人机技能互学

到2028年,未能建立人机技能闭环的中国企业,将面临比同行高出20%的停机和再培训成本,其生产效率也将明显低于已实施双向培训机制的企业。
要点:人机协同能力成为生产韧性的核心变量。

预测7|设计仿真 Agent

到2028年,65%的中国头部制造企业将在设计与仿真工具中结合 AI 智能体(AI Agents),以持续验证设计更改、配置与变体是否符合产品要求。
要点:仿真与工程决策正在加速智能化。

预测8AI 员工培训

到2028年,超过30%的中国头部制造企业将采用 AI 驱动的知识管理工具,对员工进行再培训和技能升级,并促进产业生态内的协作共享。
要点:知识数字化成为应对劳动力波动的关键手段。

预测9|复合式工业 AI

到2030年,70%的中国头部制造企业将借助 AI 智能体(AI Agents)构建数据模型并管理混合云工作负载,从而将质量成本降低2%。
要点:混合云与多智能体协同成为工业 AI 的主流架构。

预测10|工业模型管理

到2029年,40%的中国头部制造企业将依托超大规模云生态,构建、部署并扩展新一代 AI 解决方案,加速数字化转型进程。
要点:行业云与模型生态将重塑制造软件格局。

这些预测对制造企业意味着什么

IDC FutureScape 2026 清晰表明,中国制造业的竞争焦点正在发生结构性转移:
从单点自动化,转向系统级自主化;从经验驱动,转向数据与模型驱动;从局部优化,转向跨设计、生产与服务的全局协同。无法建立这些基础能力的企业,即便部署了 AI,也难以真正释放规模化价值。

IDC中国高级研究经理杜雁泽表示,中国制造业正在跨越“数字化到智能化”的关键拐点。FutureScape 2026 显示,领先企业正通过开放式自动化平台、AI 智能体和混合云架构,将 AI 深度嵌入生产控制、工程决策与知识传承之中,从而构建可持续、自主演进的运营体系;而仍停留在封闭系统与点状应用阶段的企业,将在效率、韧性和创新速度上持续承压。

给制造企业管理层的近期行动建议:

  • 评估现有自动化系统向开放、软件定义架构演进的可行性
  • 以 APS、质量与能耗等高价值场景为切入口推进 AI 自主化
  • 建立 OT 数据标准化与智能体协同的数据治理基础
  • 将 AI 安全与模型治理纳入工业网络安全战略
  • 投资人机技能闭环与 AI 知识平台,提升组织韧性

未来 12–24 个月需要重点关注的信号

  • 软件定义自动化在中国头部工厂的规模化进展
  • AI 智能体在工业数据工程与仿真中的成熟度
  • 工业 AI 安全从“合规导向”向“风险导向”的转变

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。

Yanze Du - Senior Research Manager - IDC

Yanze Du is a senior research manager for the Manufacturing Insights group in IDC China, and he is responsible for conducting research on and analysis of the China manufacturing industry and supply chain. He is also involved in regional and global consulting, and business development in related markets. Prior to joining IDC, Yanze had an in-depth working experience in the digital transformation field and had wide exposure to various businesses in the manufacturing industry including smart manufacturing and industry software. These experiences gave him a deep understanding of both the status quo and future trends of the market. Yanze graduated from Tianjin University with a bachelor's degree in Computer Science.

在技术突破、产业成熟与应用需求共同推动下,中国机器人与具身智能市场正加速进入规模化发展阶段。进入2026年,IDC重点关注清洁、教育陪伴、服务、人形及四足机器人等产品在应用边界拓展、智能能力提升和真实场景落地上的进展。与此同时,具身智能正成为新一代机器人智能系统的“通用底座”,随着具身智能机器人的研发、部署与商业化路径加速成型,中国凭借完善产业链、丰富场景和工程化迭代优势,正成为技术验证与商业模式创新的核心策源地。

未来机器人市场将从单机智能向系统级智能演进,从展示型创新向价值验证与规模复制转变,并由硬件销售逐步迈向服务化与长期运营。基于对中国机器人与具身智能行业的持续跟踪,IDC总结十大趋势洞察揭示行业发展的核心方向与关键变量,为厂商与行业生态提供战略参考。

洞察一:清洁机器人迈向全场景化发展,细分赛道加速分化

中国清洁机器人的应用边界正持续扩展,逐步正从室内核心生活区域的地面清洁、扫拖一体等基础功能,加速向室外庭院、露台、泳池、入户小径等多元家庭场景延伸,真正构建起 “全屋 + 庭院” 的全维度清洁服务生态。大模型助力、机械臂搭载、导航能力提升等多维度进步推动家庭清洁机器人产品不断精准匹配用户需求。随着应用复杂度提升,行业竞争格局加速分化,垂直赛道厂商凭借场景理解与专业能力持续深耕细分领域,头部综合型厂商则依托品牌、供应链与渠道优势推进品类横向扩展。IDC预测,2026年中国清洁机器人市场规模近34亿美元,同比增长18%。

洞察二:教育陪伴机器人向全龄段长期陪伴型家庭智能终端演进

在大模型、多模态感知与自然交互能力加持下,中国教育与陪伴机器人正从单一学习辅助工具,升级为覆盖儿童学习引导、成人情绪价值与养老陪护的全龄段家庭智能终端。产品形态更加重视长期陪伴、情境理解与内容服务深度,应用价值由“功能使用”向“关系与服务持续性”延伸。随着家庭教育精细化、情感陪伴需求与老龄化趋势叠加,商业模式亦由一次性硬件销售,加速向内容订阅与服务化运营演进,推动该赛道具备更强的持续变现与规模化潜力。IDC预测,中国教育陪伴机器人市场规模超10亿美元,同比增长89%。

洞察三:服务机器人向智能化与人文价值升级

商用服务机器人已在餐饮、酒店、医疗、零售等多个行业场景中实现规模化落地,全面提供配送、清洁、引导、辅助操作等服务任务,逐步融入用户日常运营体系。在持续积累的应用实践中,中国厂商通过多模态感知、大模型、具身智能等技术的融合,强化机器人在跨场景、多任务执行中的稳定性与通用性,推动其由单一功能设备向综合智能服务平台演进。随着应用深化,商用服务机器人的价值边界进一步拓展,在提升运营效率的同时,通过降低人工强度、提升安全性与服务体验,释放更具长期意义的社会价值。IDC预测,2026年中国商用服务机器人市场规模将近4亿美元,同比增长15%。

洞察四:人形机器人应用场景快速扩张,技术突破加速商业化落地

中国人形机器人市场快速扩张,应用场景由导览、文娱、教育延伸至工业制造、物流仓储、零售服务等生产服务型场景。多行业落地需求推动厂商在本体结构、执行系统、小脑运动控制及大脑决策与认知能力上的技术积累。从落地工程化角度看,轮式人形机器人可用于高效移动与辅助任务,同时上半身的精细操作能力也将进一步提升,整体系统效率与场景适应能力显著增强。依托系统集成、硬件自主设计与多场景经验,中国厂商正形成差异化技术路线,加速人形机器人与多形态协同的商业化落地。IDC 预测,到 2026 年,中国人形机器人应用场景将提升至当前的3倍以上,市场规模将近13亿美元,同比增长翻倍以上。

洞察五:四足机器人“双轮驱动”发展,消费情绪价值与行业实用价值并行

四足机器人市场呈现出消费级与行业级应用并发的发展特征。在消费市场,四足机器人以陪伴、互动与情绪价值为核心,融合大模型的能力,强调拟态表现、智能交互与内容体验,逐步进入家庭与个人娱乐场景;在行业应用市场,四足机器人更侧重实用与可靠性,在巡检、安防、应急、能源等复杂环境中发挥稳定移动与负载能力优势。消费端推动产品形态与体验创新,行业端验证规模化价值,两者协同加速四足机器人从展示型产品向可持续应用演进。IDC 预测,到 2026 年,中国四足机器人市场规模将超7亿美元,同比增长翻倍。

洞察六:灵巧手成为精细作业与多场景协同的核心利器

灵巧手正迈向高精度装配、物流分拣及服务型场景应用。通过高自由度控制、触觉感知及视觉+大模型算法融合,灵巧手具备自主抓取调整与多机器人协同操作能力。产业需求吸引更多厂商入局灵巧手研发制造,推动模块化设计、智能控制与系统集成快速迭代,使其成为人形、四足等多形态机器人跨平台协作的核心操作工具,有效提升复杂任务的精细性与可靠性。IDC预测,到2026年,中国灵巧手市场规模将突破3亿美元,实现150%以上增长。

洞察七:产业生态竞争格局重塑,中国品牌加速全球化

在消费与服务机器人市场,中国厂商凭借成本优势、工程化能力和场景适配速度构建竞争壁垒,推动市场格局持续优化。随着应用需求向系统化、全流程解决方案演进,厂商在核心模块研发、系统集成与智能化能力上持续突破,并通过丰富的落地经验加速产品迭代与服务优化,实现对多行业、多场景需求的快速响应。同时,中国厂商积极布局海外市场,通过本地化生产、本土化渠道布局和多元化服务体系加快全球化扩张,提升国际市场份额。IDC预测,到 2026 年,中国服务和消费机器人厂商在全球市场出货量占比将超过85%,成为全球增长的重要推动力。

洞察八:中国引领全球具身智能机器人增长主导市场加速扩张

政产学研协同推动具身智能机器人发展,助力制造业与服务业智能化升级。国家及地方政府打造产业平台,整合资源并促进协同;产业界凭借成熟零部件、整机集成与系统工程能力持续扩大规模;科研机构与企业联合突破数据、模型、多模态感知、新材料与新能源等技术,并加速场景落地,实现从实验室示范到商业化的完整生态。RaaS、订阅、本体+模型联合计费及运维数据服务等多元商业模式延长价值回收周期,提升客户体验与粘性,推动市场快速增长。IDC预测,到 2026 年,中国具身智能机器人用户支出规模超110亿美元,持续近120%的高速增长。

洞察九:功能价值驱动具身智能应用,人形机器人与多形态协同提升系统效率

中国具身智能机器人正从以演示试点阶段迈入以效率提升、成本优化和流程改进为核心的价值验证阶段。市场关注点转向机器人在真实业务中的稳定性、可复制性与 ROI。为兼顾效率、可靠性与成本,行业加速采用“人形 + 轮式 + 多足 + 机械臂”等多形态机器人协同作业体系,明确任务分工,并通过统一调度与认知体系提升整体系统效能和场景适配能力,同时降低部署风险与运营成本。IDC 预测,到 2026 年,约60% 的中大型具身智能机器人应用项目将采用两种及以上机器人形态协同作业。

洞察十:局部任务闭环成为具身智能机器人通用能力演进的现实路径

中国具身智能机器人落地实践逐步形成以具体场景为切入、围绕岗位职责拆解子任务的实施路径。优先跑通单一场景闭环可降低系统复杂度,提高部署成功率,并沉淀可复用工程模板。在此基础上,各种形态的家用及服务机器人将不断积累现实数据并优化升级具身智能大模型能力,通过迁移学习与策略复用,将感知、决策与控制经验扩展至相邻场景,突破单一功能与场景的局限。实现从局部智能向泛化能力的演进。IDC预测,到 2026 年,中国具身智能机器人在相似场景间的任务复用率将约 40%。

IDC认为,中国机器人与具身智能市场已进入关键拐点期。技术不再是稀缺资源,差距在于厂商能否将感知、决策、控制、系统集成与场景理解整合为稳定、可复制、可扩展的整体解决方案。未来两到三年,行业竞争特征为:

  • 硬件参数差异缩小,软硬系统能力成为分水岭。本体结构、算力与传感器将逐步标准化,厂商核心竞争力将集中在运动控制、模型算法、任务编排与跨场景迁移等能力上。
  • 场景理解与工程化经验价值持续提升。具备真实部署数据、行业经验和交付模板的厂商,在商业化落地中将获得显著优势。
  • 生态协同取代单打独斗。具身智能机器人的发展需要算法、硬件、系统集成、行业客户与服务商的协同,开放生态和合作能力将成为重要竞争要素。

基于此,IDC建议以应用场景价值为核心稳步推进具身智能机器人落地。机器人与具身智能厂商应优先聚焦具备闭环价值的具体场景和岗位任务,强化系统集成与工程化交付能力,将算法与技术优势转化为可复制、可规模化的解决方案,并提前布局服务化与长期运营模式;行业用户应以效率提升、成本优化和风险降低为核心评估标准,从单点试点逐步向系统化部署演进,深化与厂商的长期协同;产业生态与投资方则应重点关注具备真实落地与持续交付能力的厂商,支持关键基础模块和通用软件平台建设。

进入2026年,IDC中国机器人与具身智能研究团队持续跟进技术、市场、应用进展,如需进一步了解报告内容或机器人市场,请与IDC 中国研究经理李君兰(邮箱:lyli@idc.com)、高级分析师赵思泉(邮箱:czhao@idc.com)、研究总监潘雪菲(邮箱:span@idc.com)联系。

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

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).

银行与支付的变化已不再只是效率问题

在过去很长一段时间里,银行与支付行业的数字化更多围绕系统升级、流程自动化和成本优化展开。但 IDC 预测指出,当前这轮技术变革的本质,并不是“把流程做得更快”,而是“让系统开始具备参与决策与持续学习的能力”。

随着自主型 AI(Agentic AI)、生成式 AI、以及新型身份验证方式与合规机制的成熟,银行与支付行业的AI应用正从“工具增强”走向“业务伙伴”,从“人工主导流程”迈向“人机协同的闭环流程”。这意味着,这些技术开始直接影响信贷质量、支付成本、客户体验以及组织结构本身。

为什么这份 FutureScape,对金融管理层尤为关键

《IDC FutureScape:全球银行及支付2026年预测——中国启示》(Doc#CHC52908325,2025年12月)中,IDC 明确指出:未来五年,银行与支付行业将同时面临三重压力——息差持续收窄、监管与合规要求不断强化,以及客户对实时、低摩擦金融体验的期望显著提升。在这一背景下,AI 不再只是后台降本工具,而是开始深入介入 信贷管理、财富管理、支付清算、身份验证、合规治理以及业务创新本身。这些变化,正在共同推动金融体系从“数字化”迈向真正的“智能化”。

十大预测:银行与支付将如何被重塑

预测 1|生成式 AI / 自主型 AI 在对公贷款中的应用

到2027年,有20%的提供对公信贷业务的银行将应用自主型 AI(Agentic AI),以优化贷款审批流程并提升贷款资产组合质量。

对公信贷正在从依赖人工经验和静态规则,转向以数据和模型为核心的自主决策体系。在中国,这一趋势与“缓解小微企业融资难、融资贵”的长期政策目标高度一致,但其规模化落地仍取决于数据治理、模型透明度以及人机协同的治理框架。

预测 2|零售财富管理团队优化

到2028年,财富管理服务将通过应用 AI 助手减少30%的日常事务性工作,从而使行政管理人员数量减少约15%。

AI 助手正在承担大量低价值、重复性的事务性工作,使财富顾问能够将精力重新投入到客户洞察、资产配置与关系经营中。财富管理的竞争重点,也将随之从“流程效率”转向“信任与服务质量”。

预测 3|支付数据的深度应用

到2029年,全球将有45%的银行实现跨支付体系的支付数据整合,以支持高级分析和人工智能应用。

支付数据不再只是交易记录,而正在成为支持风控、客户洞察和产品创新的核心资产。统一支付平台和支付中台,将成为金融机构释放数据价值的关键基础。

预测 4|稳定币汇款(注:全球预测)

到2030年,基于稳定币的汇款将使平均手续费降低逾50%,单笔交易成本将从约6.5%降至3.0%以下。

跨境支付的成本结构正在被重写。尽管中国更多通过数字人民币和多边央行数字货币路径推进,但“更快、更低成本”的跨境结算范式已经不可逆转。

预测 5|动态身份认证

到2027年,50%的金融机构将在高风险交互场景中,用持续的、具备情境感知能力的身份验证机制取代传统的静态验证方式。

身份验证正在从“一次性校验”转向“持续信任评估”。行为生物识别、设备状态和交易上下文,将共同决定认证强度与用户体验。

预测 6|对智能体的合规培训

到2027年,80%的金融服务机构将要求对智能体进行合规培训,并将其作为与身份与访问管理(IAM)体系挂钩的正式管控措施,包括合规声明、情景化测试及权限撤销等。

当智能体开始参与业务决策,合规对象不再只是“人”,而是“人 + 智能体”。合规培训、审计证据和权限治理,将成为智能体规模化应用的前提条件。

预测 7|基于自主型 AI 的零售信贷催收

到2026年,40%的金融机构将部署自主型 AI,以提高零售信贷回收的效率、成功率和客户体验。

催收流程正从被动、规则驱动,转向持续学习、自主决策。自主型 AI 能根据客户行为动态调整沟通方式,在提升回收率的同时降低客户摩擦。

预测 8|司库管理现代化

到2029年,35%的银行将需要升级其司库管理平台,以整合央行数字货币和多币种结算功能。

多币种、CBDC 与数字资产并存的结算环境,对传统司库系统提出了根本性挑战。司库管理正从后台支持职能,转向关键的金融基础设施能力。

预测 9|零售财富管理智能化

到2027年,人工智能驱动的财富管理应用将成为70%零售投资者获取信息与建议的主要渠道。

投资建议正在被“民主化”。AI 将承担大部分常规指导,而人类顾问将专注于复杂规划与情绪管理,形成“AI 为主、人类为辅”的新模式。

预测 10AI 驱动的业务流程自动化

到2027年,人工智能投资中用于创新研发的比例将从目前的仅25%上升至至少45%,这些资金将主要用于开发新产品与服务。

金融机构的 AI 投资重心,正在从“内部效率”转向“业务创新”。真正的竞争优势,将来自于 AI 能否催生新的产品形态和服务模式。

这些预测共同指向什么?

IDC FutureScape 2026 反复强调一个核心信号:银行与支付的未来,不只是更高效的流程,而是更自主、更合规、更以客户为中心的运行体系。

当智能体开始参与信贷、支付、合规与服务决策,技术、业务、监管与人才必须同步演进。那些仅将 AI 视为自动化工具的机构,难以充分释放其长期价值;而能够将 AI 嵌入业务流程并建立相应治理机制的组织,更有可能在效率、风险控制与客户体验之间取得平衡。

IDC 中国研究经理思二勋表示,银行与支付行业正进入一个由 自主型 AI(Agentic AI)驱动的深度重构阶段。FutureScape 2026 显示,AI 的角色正在从“辅助工具”转变为“参与决策和执行的主体”,这对金融机构的业务架构、治理体系和组织能力提出了根本性要求。在中国市场,这一转变尤为复杂:一方面,金融机构面临提升效率、服务小微企业、降低跨境支付成本的现实压力;另一方面,强监管环境决定了任何自主化能力的扩展,必须以可解释性、可审计性和合规嵌入为前提。能够率先将自主型 AI、动态身份验证、智能体合规治理与核心业务流程进行系统性整合的机构,将更有可能在风险可控的前提下实现规模化创新;而仅在局部场景试点 AI、却缺乏整体治理与人才协同规划的组织,其转型成效将受到明显限制。

一个面向未来的综合建议

IDC 并不建议金融机构简单“堆叠 AI 技术”。更重要的是,优先构建那些能够长期支撑业务自主运营、合规治理和信任建立的能力——包括可解释的自主型 AI、动态身份验证机制、智能体合规治理体系,以及面向多币种与数字资产的金融基础设施。


只有将这些能力视为 长期战略资产,而非阶段性项目,银行与支付机构才能在新一轮竞争中建立可持续优势。

IDC 2026年中国金融行业研究计划:

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。

Siri Si - Research Manager - IDC

Siri Si is a Research Manager for IDC Financial Insights. His core research scope includes the latest development models and trends in the financial industry, and the development and application status of various technologies in the financial technology field, focusing on blockchain, privacy-preserving computing, and big data. He also provides customized consulting solutions and reports to financial institutions. Prior to joining IDC, Siri worked at People's Daily Online Venture Capital Co. Ltd., under People's Daily Online Blockchain Research Institute. He has gained in-depth research and consulting experience in blockchain, big data, artificial intelligence, and other digital technologies and markets, as well as profound insights in the field of digital finance. Siri graduated from Xi’an University of Technology.