Logo
Become a Client

Resource Regions: China

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

在《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 10｜AI 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.

智慧城市，正在从“系统建设”走向“治理重构”

过去十余年，中国智慧城市建设经历了从信息化、数字化到平台化的持续演进。但 IDC 指出，当前城市治理正站在一个新的分水岭上：技术已经从一个“工具”升级为城市治理的“核心参与者”和“规则塑造者”。生成式 AI、智能体 AI、边缘计算和数字孪生的融合，使城市第一次具备了“感知—分析—决策—执行”闭环自治的可能性，也对治理模式提出了更高要求。

为什么这份 FutureScape，对城市治理者具有现实参考意义？

在《IDC FutureScape：全球智慧城市2026年预测——中国启示》（Doc# CHC53821626，2025年12月）中，IDC 从中国省、市、区（县）多层级政府的实际出发，提出了未来五年将重塑城市治理方式的十个关键预测。


这些预测并非单纯的技术趋势，而是紧密围绕例如 “高效办成一件事”、“高效处置一件事” 等城市治理目标，揭示 AI 如何从后台工具，转变为城市运行体系中的主动参与者。

预测1｜智能体人工智能数据与工作流

到2027年，中国70%的城市将在各系统与数据中部署AI智能体，协同端到端工作流程并减轻工作量，同时应对滥用、越权及“流程债务”风险。
要点：全球（尤其美国）AI产业遵循的是“基础优先、生态驱动”的路径，其核心逻辑是通过持续加大算力投入、扩大模型规模来追求性能的极致突破（Performance Efficiency），这是一种“大力出奇迹”的思路。而中国在特定的产业环境和资源条件下，则走出了“应用牵引、产业赋能”的路径。由于在顶尖算力资源上可面临约束，中国企业和研究机构将创新重点放在了算法优化、模型压缩和工程化落地上，追求的是在既定算力下实现最高的“计算效率”（Computational Efficiency）。这种对“效率”的极致追求，使中国AI解决方案在特定场景下的成本优势非常显著，这为AI智能体在大范围内的快速推广和部署奠定了经济基础。

预测2｜低空经济与城市空中交通

到2030年，城市低空经济（如 eVTOL、无人机物流）每年将为中国 GDP 贡献 900 亿美元，并为 4 亿居民提供新型货物与交通服务。
要点：我国发展更强调国家宏观政策引导与区域发展实践的紧密结合。政府从顶层设计出发，不仅将低空经济明确为战略性新兴产业，还设立国家发改委低空经济发展司等专门机构统筹推进，并密集出台空域分类管理（如300米以下非管制空域划分）、基础设施投资（如超200亿元产业基金设立）等具体法规与扶持措施。这种“中央统筹、地方竞速”的格局，推动政策快速落地并转化为区域差异化实践。

预测3｜传感器与芯片支持的可持续性

到2026年，搭载计算优化芯片的高感知能力基础设施，将通过实时数据分析与自动化响应，使水资源和能源消耗量降低超20%。
要点：城市可持续发展正从宏观规划转向“传感器—芯片—边缘 AI”驱动的实时治理。

预测4｜世界模型与数字孪生

到2028年，中国所有大型城市将采用人工智能自动化数字孪生技术，用于模拟政策效果、优化资源配置、凝聚社区共识及应对危机场景。
要点：数字孪生技术是实现城市全域、全要素数字化映射与智能化治理的关键抓手。成为智慧城市、应急管理、工业互联网等大型项目中的核心模块，其价值正从“重展示”走向“重实效”，成为城市治理和产业升级中不可或缺的技术基座。

预测5｜智能算力下沉与边缘赋能

到2027年，中国大部分智慧城市部署项目将依托人工智能驱动的边缘计算进行本地数据处理，将延迟降低70%并大幅削减云服务成本。
要点：城市人口密集、基础设施复杂，对智能交通、公共安全等应用的实时响应能力要求极高，催生了迫切的降延迟需求，这也推动城市AI从“云优先”转向“云边协同、边缘优先”。

预测6｜政府数据资产化与价值释放

到2026年，中国70%的省市级政府将投入资源，基于未接触过的数据微调大语言模型，从数十年的受保护档案和孤立系统中挖掘价值。
要点：政府数据正在成为构建行业模型和治理智能的核心资产。

预测7｜民生事件智能感知与无感申办

到2029年，中国50%的地方政府将通过识别民生事件，触发并自动化数字服务流程，提升服务交付效率、普及率及用户体验。
要点：公共服务将从“被动申请”走向“事件触发、主动交付”。

预测8｜云服务生态与集成交付平台

到2030年，基于云的智慧城市服务将占中国所有新型城市科技部署项目的70%，这一趋势将通过采购与集成市场平台得以推动。
要点：城市 IT 建设正从项目制走向平台化、生态化。

预测9｜应急规划与灾害韧性

到2028年，中国75%的大型区域及地方政府将采用人工智能兵棋推演模拟器，开展灾害与冲突场景的培训及规划工作，重塑城市韧性战略。
要点：韧性建设正从静态预案转向持续、可演练的智能模拟。

预测10｜人工智能基础设施可持续社区共建

到2027年，中国10%的大中型城市将通过要求人工智能数据中心提交资源消耗与环境影响报告，回应社会对该类设施的关切。
要点：AI 基础设施治理开始纳入城市可持续与公众监督框架。

这些判断，正在勾勒怎样的城市治理新图景？

IDC FutureScape 2026 传递出清晰信号——智慧城市的下一阶段不再是“多上系统”，而是“重构治理方式”，技术正从智能体驱动的流程、基于真实数据的政策模拟、边缘AI的实时响应以及以民生事件为中心的服务重组等维度，深度嵌入城市运行的“中枢神经”；未来领先城市将通过AI智能体、数字孪生和边缘计算，把技术能力转化为持续演进的治理机制，而未同步推进流程重构、数据治理与组织能力建设的城市，不仅难以释放AI的系统性价值，还可能放大流程债务与治理风险。

IDC中国分析师程鸿宇表示，中国智慧城市发展深度契合“数字中国”战略，技术投资导向明确，政企协同转型提速，已迈入“智能体原生”治理新阶段。技术投资核心聚焦三大方向：一是以自主可控城市大模型为核心，驱动AI深度渗透于政策模拟、应急研判、民生服务全流程；二是依托“东数西算”工程构建云边端协同算力网络，支撑城市运行数据实时分析与本地化落地；三是紧扣数据要素价值化主线，通过公共数据开放、数据券激励等机制，促成技术赋能与产城融合双向赋能。在上述技术体系的支撑与人工智能机遇的驱动下，国家与地方政府的数字化转型持续深化，智慧城市建设也同步聚焦发展成效提升与韧性体系构建，通过采购模式优化、运营机制创新及服务交付升级，将技术赋能优势切实转化为治理效能。

对城市领导者的一个核心提醒

IDC 并不认为“技术先行”本身能够解决城市问题。真正的挑战在于：是否以“人民城市”为中心，同步重塑流程、组织与能力，让 AI 成为可信、可控、可解释的治理伙伴。这将决定智慧城市是走向“智能治理”，还是停留在“数字叠加”。

IDC 2026年智慧城市研究计划：

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。

Hongyu Cheng - Senior Market Analyst - IDC

Hongyu Cheng serves as a senior research analyst for IDC China Government Insights team. He is responsible for the market research on digital government, smart cities, and others. Hongyu focuses on the practical implementation of advanced technology systems in those marketplaces. Additionally, he is involved in both regional and global consulting and business development within these sectors. Before joining IDC, Hongyu was a product manager at GienTech Technology, focusing on domestic digital transformation projects. He specialized in digital solutions, software architecture, and strategic consulting in related domains. Prior to that, Hongyu was primarily responsible for market analysis, merchant development, and strategic implementation at JD.com. Hongyu holds a Master's Degree in Computer Science from the University of Birmingham, United Kingdom, and a Bachelor's Degree in Software Engineering from the Waikato Institute of Technology, New Zealand.

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和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Agent（In-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Agent（Standalone 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Agent（Bespoke 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.

CIO 议程，正在被 AI 与风险重塑

在人工智能加速渗透业务核心、监管与主权要求持续收紧的背景下，中国企业的首席信息官（CIO）正站在一个高度复杂的决策交汇点：既要推动 AI 规模化创造业务价值，又要控制成本、治理风险并保障业务连续性。CIO 的角色，正在从技术管理者，演变为企业级 AI 转型、风险治理与组织协同的核心责任人。

为什么这份 FutureScape，对 CIO 具有决定性意义

在《IDC FutureScape：全球 CIO 议程2026年预测——中国启示》（Doc#CHC53183825，2025年12月）中，IDC 指出，未来五年 CIO 的核心议程将围绕 AI 规模化、数字主权、风险治理、数据债务修复与人机协同 展开。这些议题不再是“IT 选择题”，而是直接影响 CIO 职业风险、企业韧性以及长期竞争力的战略必答题。

IDC FutureScape 给出的十大关键预测

预测1｜数字主权

到2029年，中国企业的首席信息官（CIO）将把模块化、具备主权适配能力的云及数据本地化基础设施投资提升40%，以应对日益增长的主权合规要求，确保业务运营的可持续性。
要点：主权云与数据本地化从合规选项升级为业务生命线。

预测2｜变革型 AI 领导力

到2030年，中国500强（C500）企业中，60%的 CIO 岗位将由变革型领导者担任。这类领导者需能推动基于人工智能（AI）的新型商业模式在企业内统一落地，同时通过 IT 现代化改造满足 AI 驱动的业务需求。
要点：CIO 的核心竞争力正在从技术能力转向变革领导力。

预测3｜AI 业务价值指南

到2028年，中国500强企业中50%的 CIO 将肩负制定企业级 AI 价值指南的任务，其中需包含扩展的投资回报率（ROI）模型，以定义、衡量并展示 AI 在效率提升、业务增长及创新突破等方面的影响。
要点：董事会正在要求 CIO 量化 AI 的战略价值。

预测4｜AI 业务颠覆性影响

到2030年，中国500强企业中15%的组织将因对 AI 代理的管控与治理不足，引发高关注度的运营中断，进而面临诉讼、高额罚款及 CIO 被解雇的情况。
要点：AI 治理失败将演变为职业与企业双重风险。

预测5｜AI FinOps 实践

到2028年，中国500强企业的 AI 基础设施成本低估问题将上升25%，这将促使 CIO 扩大云成本管理（FinOps）团队的职责范围，以优化支出并提升业务价值。
要点：AI 算力正在重塑 IT 成本结构。

预测6｜统一 AI 平台战略

到2027年，35%的组织将因实施复杂性高、工具碎片化及生命周期整合不畅而未能达成 AI 目标，这将推动 CIO 加大对统一平台及工作流的投资。
要点：工具碎片化正在成为 AI 失败的隐性根源。

预测7｜数据债务修复

到2027年，未能启动数据债务修复的 CIO 将面临50%的 AI 失败率上升及成本增加——模型性能不佳将暴露数据孤岛、冗余或质量低下等问题。
要点：数据债务已成为 AI 战略的最大掣肘。

预测8｜Agentic 架构 / 生命周期管理

到2029年，仅25%的 CIO 能成功实施代理架构及生命周期管理方案，并降低 AI 代理的失控行为、安全合规失效及无序扩张风险。
要点：智能体规模化必须以治理先行为前提。

预测9｜CHRO 伙伴关系

到2029年，中国500强企业中主动与首席人力资源官（CHRO）协作的 CIO，将通过 AI 与人力工作的协同提升20%的生产力，且创造的 AI 驱动型岗位数量将超过同行。
要点：人机协同成为组织生产力的新引擎。

预测10｜量子战略

到2030年，中国500强企业的 CIO 将把高达15%的 IT 预算投入量子韧性系统，以防范量子攻击并保障业务连续性。
要点：量子安全正在进入 CIO 的现实议程。

这些预测对 CIO 意味着什么?

IDC FutureScape 2026 清晰表明，未来 CIO 的成败，不再取决于是否引入 AI，而取决于是否能在规模化、治理、成本与风险之间取得系统性平衡。
在中国市场，这种压力更为集中：监管节奏快、历史技术债重、组织复杂度高，任何一个环节失控，都可能迅速放大为业务与个人风险。

IDC 中国高级研究经理李鑫认为，中国 CIO 正在迈入一个“高风险、高责任、高价值”的新阶段。FutureScape 2026 显示，领先的 CIO 正将 AI 规模化、主权适配、统一平台、数据债务修复和人机协同纳入同一战略框架之中，通过提前治理和体系化投入，降低 AI 失控风险并释放长期业务价值；而仍以项目视角推进 AI 的组织，将在成本、合规与业务韧性上持续承压。

给 CIO 的近期行动建议

  • 启动主权合规与数据本地化的架构差距评估
  • 将 AI 治理优先级提升至与网络安全同一层级
  • 建立企业级 AI 价值指南与扩展 ROI 模型
  • 授权 FinOps 团队前置介入 AI 项目规划
  • 与 CHRO 联合规划人机协同与技能转型路线图

未来 12–24 个月需要关注的信号

量子安全从“规划”走向“强制合规”的时间窗口

Agentic AI相关监管与审计要求的明确化

统一 AI 平台在企业中的实际落地效果

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。

Finn Li - Senior Research Manager - IDC

Finn Li is the research manager in the CIO Agenda sector for IDC China where he will conduct research and analysis focusing mainly on China CIO Agenda. Finn will also make in-depth analysis of regional and global consulting and business development in related scale. Before joining IDC, Finn worked for international manufacturing enterprises, including financial equipment, pharmaceuticals device, and household electrical appliance industries. He was responsible for global PMO management, digital manufacturing transformation, corporate global expansion, IT management, and so forth. Finn has rich knowledge of and experience in CIO operations on strategy, planning, and execution. Finn majored in Master of Business Administration at the Beihang University in China and made extensive research on PMO portfolio/program/project management.

安全，正在从技术职能升级为企业核心能力

在过去，网络安全更多被视为 IT 部门的专业领域，目标是降低攻击成功率、满足合规要求。然而 IDC 指出，随着 Agentic AI 的普及、主权合规的强化以及量子与合成身份风险的逼近，安全与信任正在发生本质性转变——它们不再是“成本中心”，而是决定企业能否持续运营、获得市场准入并赢得客户信任的战略资产。

为什么这份 FutureScape，对管理层具有现实紧迫性

在《IDC FutureScape：全球安全和信任2026年预测——中国启示》（Doc# CHC52862025，2025年12月）中，IDC 明确指出：未来五年，企业将同时面对三重压力——威胁规模的指数级放大、监管与主权要求的制度化，以及攻击者对 AI 的系统性滥用。在这一环境下，仅依靠人力扩充或传统安全工具叠加，已无法应对复杂度的跃迁，企业必须重构安全架构与治理方式。

IDC FutureScape 给出的关键判断：安全正在被“重新定义”

预测1 |AI 智能体成为安全运营的第一响应者

IDC 预测，到2028年，中国大多数安全运营中心（SOC）中，AI 智能体将负责分诊 80% 的安全告警。这并不意味着“人被取代”，而是安全运营逻辑的重排——人类专家将从告警处理者，转向威胁狩猎、策略制定与验证者。

预测2 |合规正在反向塑造 AI 架构

到2027年，三分之一的政府将要求在敏感行业采用主权 AI，推动企业使用基于本地知识库的 RAG 架构。IDC 认为，主权 AI 不再只是监管应对方案，而正在成为 企业进入关键行业和关键市场的前置条件。

预测3 |安全风险正在被翻译成“财务语言”

到2029年，中国 30% 的企业将使用由自主智能体驱动的网络风险量化平台，把安全指标转化为 财务风险与业务敞口。这意味着，安全终于进入董事会的“同一语言体系”，直接影响预算、并购和投资决策。

预测4 |没有 AI 物料清单，就没有可信 AI

到2028年，中国 50% 部署 Agentic AI 的企业将要求具备 AI 物料清单（AI BoM），用于持续漏洞扫描、许可证管理和合规审计。IDC指出，AI BoM 将成为 “可信 AI” 的基础设施，类似今天的软件 SBOM。

预测5 |数字信任的最大威胁：合成身份

到2028年，中国 70% 的组织将遭遇利用合成身份发起的钓鱼攻击。这些攻击混合真实数据与 AI 生成信息，正在系统性削弱传统身份与访问管理的有效性。

预测6|告警开始“告诉你会亏多少钱”

到2029年上半年，检测与响应平台生成的 20% 告警，将直接给出潜在经济损失估算。安全决策正在从“是否危险”转向“是否值得立刻行动”。

预测7|量子威胁进入现实倒计时

到2028年，20% 的中国 C2000 企业将进行量子风险评估。IDC 强调，量子安全并非“等技术成熟再说”的问题，而是今天必须开始的架构准备工作。

预测8 |隐私决定 LLM 能否规模化

到2029年，中国 50% 的大型企业将采用私密云计算（PCC），保护云端 LLM 的数据隐私。这将成为 AI 从“能力验证”迈向“核心业务系统”的关键跳板。

预测9 |安全剧本进入“实时生成”时代

到2027年上半年，70% 的检测与响应剧本将在 SOC 告警生成时动态创建。安全响应开始具备“即时适配威胁”的能力，但也对治理和验证提出更高要求。

预测10 |终端成为信任的最后防线

到2029年，中国 20% 的企业 PC 用户将在本地处理器上运行深度伪造检测应用。IDC 认为，终端侧 AI 正在成为对抗 AI 威胁的关键阵地。

一个被反复验证的结论

IDC FutureScape 2026 反复传递出一个核心判断：未来企业的竞争力，不再取决于“是否遭遇攻击”，而取决于“是否具备可证明的韧性、合规与信任能力”。

在 AI 驱动的时代，信任不是口号，而是一套可审计、可量化、可持续运行的系统能力。

IDC中国高级研究经理赵卫京认为，安全与信任正在从被动防御机制，演变为企业战略的核心组成部分。FutureScape 2026 显示，领先企业正通过 AI 智能体、主权 AI 架构、风险量化和隐私计算，将安全能力转化为 业务决策优势与市场准入壁垒；而仍停留在工具堆叠和事后响应阶段的组织，将在合规、声誉和长期竞争中持续承压。

对企业未来发展的一个重要思考

安全不是“等出事再补救”的职能，而是必须前置设计的组织能力。谁能率先把 AI、合规、风险和信任统一到同一架构与治理框架中，谁就更有可能在不确定性时代保持主动。

一个面向未来的行动建议

IDC 认为，面对 AI 驱动的威胁升级、主权合规强化以及数字信任重构，企业不应再将安全与信任视为孤立的技术项目，而应将其纳入 企业级治理与架构设计的核心层。这意味着，在推进 AI 规模化应用的同时，企业需要同步建立可审计、可量化、可持续演进的安全与信任体系——将 AI 智能体治理、主权 AI 架构、风险量化能力、隐私保护机制和量子安全准备统一纳入同一战略框架之中。那些能够提前完成这一整合的组织，将更有能力在监管趋严、攻击复杂化和市场不确定性加剧的环境下，把“信任”转化为可验证的竞争优势，并支撑 AI 从探索走向真正的业务核心。

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。

Austin Zhao - Senior Research Manager - IDC

Austin Zhao, senior research manager of IDC China, focuses on research and analysis of the China network security market. He provides intelligence and consulting services to both local and multinational cybersecurity vendors. Austin has deep insights into the China network security market, including product and technology mapping, market scale and development trends, network security vendors, and the like. In addition, Austin is responsible for related fields of special research and analysis work. With his extensive background in the market, he has established and maintained good relationships with security manufacturers and customers. Austin has more than seven years of work experience in the field of network security. Prior to joining IDC, he worked for a global cybersecurity company, where he was responsible for providing consulting services on systems integrations and network security solutions. Austin graduated from Beijing University of Posts and Telecommunications and completed a bachelor 's degree in Computer Science and Technology.

一个正在迅速收紧的AI规模化窗口

在过去两年里，生成式AI和智能体的快速演进显著降低了技术门槛，但也让企业面临新的现实问题：为什么试点越来越多，真正规模化的却越来越少？
对中国企业而言，AI已不再是“是否尝试”的问题，而是能否在治理、数据和架构层面完成系统性升级，从而支撑持续部署与自动化扩展。

为什么这份FutureScape，对所有企业都至关重要

在《IDC FutureScape：全球 AI 和自动化2026年预测——中国启示》中，IDC指出，企业对AI的关注点正在发生根本变化——从模型能力，转向实施路径、治理能力和长期可控性。
报告显示，未来五年，AI的商业价值将不再由单一模型或工具决定，而是由评估与监测体系、复合AI架构、数据就绪度、主权控制能力以及AI工厂等“底层能力”共同决定。

读懂这十个判断，才能理解AI为何“难以规模化”

IDC FutureScape ：AI 和自动化 2026 预测并不是在描述技术趋势本身，而是在揭示一个更关键的问题：为什么大量企业拥有模型，却无法持续、安全、高效地使用它们？
以下十大预测，正是IDC对这一问题给出的系统性回答。

预测1｜评估与监测

到2027年底，采用人工智能评估和监控工具和流程的组织有信心部署人工智能应用的速度是不采用的组织的两倍。
要点：没有评估与监测，AI规模化将失去信心基础。

预测2｜复合AI

到2027年，对传统人工智能的可解释性和可靠性的重新关注将推动65%的中国组织采用复合人工智能，融合生成、规范、预测和代理技术。
要点：复合式AI使得生成式AI、传统AI、智能体等技术更好地协同。

预测3｜模型路由

到2029年，75%的顶级人工智能驱动的中国企业将使用先进的多工具架构来动态和无限制地管理不同模型之间的模型路由，协调复杂的流程。
要点：多模型时代，路由与编排能力成为核心。

预测4｜全栈式AI开发

到2026年，掌握提示词工程、RAG、小模型和微调技术将是85%的中国企业精英团队所需的技能，类似于云时代的全栈开发。
要点：AI工程能力正在重塑人才结构。

预测5｜AI治理

到2030年底，50%的中国1000强企业将每年至少投入200万美元用于统一的人工智能治理软件，并将安全、伦理和隐私作为创新的必要条件。
要点：治理正从“合规成本”转变为“创新前提”。

预测6｜数据就绪度

到2027年，那些不优先考虑高质量、AI就绪数据的中国企业将难以扩展生成式AI和智能体解决方案，导致生产力损失15%。
要点：数据问题将成为AI扩展的最大瓶颈。

预测7｜定价

到2028年底，纯按座位计费的模式将被淘汰。随着人工智能代理迅速用数字劳动力取代人工重复性工作，70%的供应商将被迫重构其价值主张，转向新型商业模式。
要点：数字劳动力正在重塑软件商业模式。

预测8｜主权AI

到2027年，80%的中国1000强企业将优先追求人工智能主权，通过非公开托管、开源技术和区域合作伙伴的组合，支持关键任务型人工智能应用。
要点：AI主权成为战略性基础能力。

预测9｜AI工厂

到2028年，60%的中国1000强企业将运营人工智能工厂作为核心基础设施，使人工智能部署速度提升至未部署者的五倍。
要点：AI正在走向“工业化生产”。

预测10｜原生AI企业

到2029年底，将出现至少100家主要依托人工智能构建的企业，这些企业员工团队规模虽少，却能创造超过10亿美元的收入。
要点：AI正在改变“规模与产出”的传统关系。

这些预测真正意味着什么？

IDC FutureScape 2026 清晰地表明，AI失败的根本原因，已不在算法能力，而在企业是否具备系统性支撑能力。当AI仍停留在点状部署、部门试点或工具层面时，其生产力潜力将被治理风险、数据质量和组织能力所抵消；而当AI被视为“数字劳动力体系”进行统一规划时，企业才能真正释放规模化价值。

IDC中国研究经理程荫表示， AI与自动化的下一阶段，将由评估与治理前置、复合AI协同、多模型编排以及AI工厂化部署共同驱动。领先企业正在将AI从“创新项目”转变为“可运营的基础能力”，通过统一平台、AI就绪数据和主权控制，实现安全、可复制和可持续的自动化扩展。相反，忽视治理、数据和架构协同的组织，即便掌握先进模型，也将面临生产力损失、成本上升和创新节奏放缓的长期风险。

不同角色，应该如何解读这些变化？

  • 董事会 / CEO：AI已成为长期生产力与竞争力的结构性变量
  • CIO / CTO：从技术交付者转向AI平台与治理的核心协调者
  • 数据与AI负责人：数据就绪度与模型协同能力决定成败
  • 业务负责人：数字劳动力将重塑流程、岗位与绩效衡量方式

如果现在只能做几件事，IDC建议从这里开始

  • 建立AI评估与监测机制，覆盖开发到生产全流程
  • 规划复合AI与多模型协同架构，避免技术碎片化
  • 投资AI就绪数据与治理能力，而非单点模型
  • 探索AI工厂化部署路径，加速规模化落地
  • 为数字劳动力时代重构技能体系与组织能力

接下来12–24个月，需要重点关注的信号

  • 企业级AI治理平台的成熟与普及
  • 多模型路由与AI编排能力的落地效果
  • AI工厂在企业与政府中的实践进展

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。

Anne Cheng - Research Manager - IDC

Anne Cheng is a research manager in IDC China whose research focuses on the AI and big data markets. She collaborates with IDC's regional and global consulting teams and is involved in the business development of related markets. Prior to joining IDC, Anne had nearly four years of working experience in the IT/ecommerce and consulting industries, serving as consultant and business analyst. Her experiences made her familiar with industry data/customers and helped her gain deep insights into the business application scenarios. Anne holds a master's degree in Statistics from the University of Missouri Columbia.

在费率持续压缩、监管要求不断提高、客户期望快速变化的背景下，资管与财富管理行业正站在一个关键转折点上。对机构管理层而言，未来三到五年的竞争力，将不再取决于规模本身，而取决于是否能够利用AI、区块链与平台化能力，重塑核心业务流程与价值创造方式。

为什么这份FutureScape，对金融机构尤为重要

在《IDC FutureScape：全球资管及财富管理2026年预测——中国启示》（Doc#CHC53819126,2025年12月）中，IDC明确指出：分布式账本、AI智能体、云原生与API生态的融合，正在系统性地改变金融价值链。
报告显示，从跨境支付、合规管理到财富管理服务、资本市场流程与资产管理模式，技术不再只是效率工具，而正在成为决定业务模式、成本结构和客户覆盖能力的核心变量。

看懂这十个判断，才能理解金融行业的下一轮分化

IDC FutureScape 资管及财富管理 2026，并不是在描绘一个遥远的未来，而是在回答一个现实问题：哪些金融机构能够借助技术实现结构性跃迁，哪些将被迫在同质化竞争中承受持续的利润压力？

预测1｜稳定币汇款（Stablecoin remittances transactional cost）– （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50%以上，每笔交易的成本将从约6.5%降至3.0%以下。
要点：跨境支付成本结构将被重写，金融包容性和交易效率同步提升。

预测2｜合规自动化（Cost-savings compliance automation）

到2027年，50%的合规报告将通过监管科技（Reg-Tech）解决方案实现自动化，合规成本将降低30%以上。
要点：持续合规与实时监管正在成为新常态。

预测3｜零售财富管理团队优化（Retail wealth head count reduction）

到2028年，财富管理服务将利用AI助手减少30%的日常事务，从而使后台行政管理人员数量减少15%。
要点：AI正在重塑组织结构，而不仅是流程效率。

预测4｜零售财富管理智能化（Retail wealth investment intelligence）

到2027年，AI驱动的财富管理应用将成为70%零售投资者获取信息和建议的主要来源。
要点：投资咨询正在从“人对人”转向“系统主导、人类把关”。

预测5｜交易管理智能体（Agentic AI deal management）

到2029年，45%的标准一级和二级市场流程将通过专用的智能体AI应用实现自动化。
要点：资本市场流程将进入“自动执行 + 人类监督”的新阶段。

预测6｜代币化资产跨越式增长（Tokenized market growth）– （注：全球预测）

到2030年，代币化资产市场规模将超过10万亿美元，释放新的流动性，并从根本上改变机构发行、交易和结算资产的方式。
要点：资产形态与流动性机制正在被重新定义。

预测7｜生物识别防范证券欺诈（Biometric authentication securities fraud）

到2030年，生物识别认证和区块链溯源将大幅消除与身份相关的证券欺诈事件，使此类事件减少50%。
要点：信任基础设施将成为金融创新的前提条件。

预测8｜投资基金智能体（AI running investment funds）

到2030年，全球30%的管理资产将由高度自治、AI驱动的基金管理，人类主要负责治理和风险管理的监督。
要点：资产管理正在步入AI驱动，人类监督的新阶段。

预测9｜非核心业务白标化（Outsourced noncore services）

到2029年，至少20%的财富管理公司将把非核心服务外包或白标给金融科技合作伙伴，打造API驱动的价值链并提升效率。
要点：平台化与生态协作将成为重要竞争手段。

预测10｜AI驱动股权私募（Private equity AI analytics）

到2028年，30%的大型私募股权公司将利用AI分析工具持续监控投资组合公司，实现更早的问题发现并提升整体投资回报。
要点：投后管理正在从周期性回顾走向持续智能监控。

这些预测，对金融机构真正意味着什么？

IDC FutureScape 2026 传递的核心信息十分清晰：未来的竞争，不再是谁更早采用某项技术，而是谁能够将技术系统性地嵌入业务核心。在资管与财富管理领域，技术已经从“辅助系统”升级为“业务中枢”，决定着成本结构、合规能力、客户体验与规模扩展的上限。

分析师观点

IDC 中国研究总监高飞认为，AI、区块链和API生态的融合，正在推动金融行业从“以流程为中心”转向“以智能编排为中心”。资管及财富管理FutureScape（2026）  显示，能够率先实现合规自动化、流程智能体化与资产数字化的机构，将在费率压缩和监管趋严的环境下保持更强的盈利韧性。

不同角色，应该如何解读这些变化？

  • 董事会 / CEO：技术已成为长期价值与风险管理的重要变量
  • CIO / CTO：从系统建设者转向业务智能与生态协同的关键推动者
  • 合规与风控负责人：自动化与可解释性将成为合规能力的核心
  • 财富管理与投资负责人：AI正在改变客户服务和投资决策的基本方式

如果现在只能做几件事，IDC建议从这里开始

  • 优先布局合规自动化与AI助手等高ROI场景
  • 明确哪些流程适合智能体化、哪些需要人工把关
  • 在代币化与数字资产领域选择低风险、合规场景概念验证
  • 构建API与生态合作能力，提升平台化水平
  • 系统培养AI、数据与业务复合型人才

接下来12–24个月，值得持续关注的信号

  • 稳定币与代币化资产相关监管的进展，尤其是对于资产真实性、估值、投资者保护和跨境资本流动等方面的风险评估和准备。
  • AI智能体在交易与投后管理中的实际落地效果
  • 金融科技合作生态与白标化服务的成熟度

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。

Eric Gao - Research Director - IDC

Eric Gao, or Gao Fei if go by his Chinese name, is a research director for IDC Financial Insights China practice, his work covers research and consulting engagement in the area of Fintech and innovation, with a strategic view from both end user and tech provider’s perspective on how technology has been transforming the financial services industry （FSI） in China and making an impact beyond. BACKGROUND Mr. Gao has over 15 years of cross-industry and cross-border professional experience in US and China. For twelve years, he worked as consultant with Deloitte US practice serving FSI clients that included major financial institutions and regulatory agency (FDIC). He had in-depth knowledge of strategic planning, risk management, US banking system (especially in relation to resolution and receivership) and data analytics. Before joining IDC, Mr. Gao worked as independent advisor in China on a variety of Fintech start-up engagements such as SME enterprise service, inclusive finance. EDUCATION/INDUSTRY ACHIEVEMENTS EMBA – Jointed Program by Tsinghua University and INSEAD （2017）； MA of Economics, Georgetown University, US （2004）; Consultant (on contract term) at The World Bank Group assisting poverty research in developing countries when I began to develop interest in sustainable finance and impact investing; Also volunteering for intangible heritage perseveration and commercialization initiatives; Follow Eric LinkedIn: www.linkedin.com/in/ericfgao , or WeChat (Flying_Hi)

数据不再仅仅是人工智能的输入，而是企业智能的基石。

一个正在到来的“数据重构”拐点

随着AI Agent从概念走向实际部署，数据正在经历一场根本性的角色转变。对中国企业而言，问题已不再是“是否拥有数据”，而是：现有的数据架构、治理方式和组织能力，是否足以支撑Agent的实时决策、自主行动与持续智能。

为什么这份FutureScape，对数据负责人尤为关键

在《IDC FutureScape：全球数据与分析2026年预测——中国启示》（Doc#53780325，2025年12月）中，IDC清晰指出：数据不再只是AI的输入，而是企业智能的基石。
报告预测，从2026年开始，中国企业的数据平台将从集中式、以供给为中心的模式，转向联合治理、实时访问和持续可观测的新范式。这一变化，直接决定了AI Agent能否从PoC顺利走向生产环境，以及企业是否能够在合规、信任与效率之间取得平衡。

读懂这十个预测，才能理解“AI in Data”的真正含义

IDC FutureScape 数据与分析 2026 并不是一份技术路线图，而是一张企业未来三到五年数据能力演进的风险地图。以下十个预测，刻画了Agent时代对数据平台、治理、架构与组织提出的真实要求。

预测1｜数据和AI联合治理

到2027年，80%的AI Agent将需要访问实时、与上下文相关的数据，这将让中国500强企业的大部分CIO/CTO将数据平台从单向的数据供给转向联合治理。
要点：Agent时代需要去中心化访问，而非集中式“数据上缴”。

预测2｜融合工作负载

到2028年，60%的企业数据平台将搭建HTAP架构来统一事务处理和分析工作负载，从而为AI Agent提供支持，实现实时数据访问和持续智能。
要点：实时决策正在倒逼事务与分析的融合。

预测3｜数据协作

到2029年，60%的企业将通过私有数据交换、可信数据空间、数据联邦的方式进行数据协作，应用于生成式AI和Agent在内的各种用例。
要点：安全、受控的数据协作将成为AI规模化的前提。

预测4｜合成数据

到2027年，不断完善的数据和隐私保护规则将使得30%的企业依靠合成数据来支持AI，以防止敏感和机密数据泄露。
要点：合规压力正在推动数据形态的转变。

预测5｜数据重拾

到2028年，超过40%的归档数据将被重新识别为“战略性数据”，因为AI将揭示其潜在的商业价值。
要点：冷数据正在被重新定义为潜在资本。

预测6｜数据可观测

到2027年，实现端到端数据价值链的可观测，包括数据和应用程序工作流程的透明，将使AI应用从PoC到生产的成功率提高50%。
要点：没有可观测性，就没有可复制的AI成功。

预测7｜自动数据访问

到2029年，Agent的增长将使得50%的CIO去重新组织并自动化身份认证和数据访问及授权管理，以减少信息滥用和泄露，将其作为零信任架构的一部分。
要点：Agent数量增长，迫使身份与访问管理自动化。

预测8｜实时数据

到2026年，中国500强企业中将有40%采用流式数据技术和物化视图来满足Agent中实时数据处理需求。
要点：事件驱动成为Agent响应世界的基础。

预测9｜Data Agent

到2028年，60%的中国500强企业将部署企业级Data Agent，实现动态数据处理、数据管理、数据治理以及追踪。
要点：数据管理开始“自主化”。

预测10｜Agentic Insight

到2026年，50%的中国500强企业将部署数据分析Agent来自动化日常任务，使人们能够参与创新和高级分析，并更快进行战略决策。
要点：分析Agent将把洞察嵌入业务流程本身。

这些预测在提醒企业什么？

IDC FutureScape 数据与分析 2026 反复强调一个核心事实：Agent的成功，不取决于模型能力，而取决于数据是否“随时可用、始终可信、持续可控”。如果数据仍然是批处理、割裂治理、低可见性的资产，那么Agent只能停留在演示层；只有完成数据架构、治理和访问方式的系统性重构，AI才能真正走向生产。

不同角色，如何理解这些变化？

  • CIO / CTO：数据平台职责从“存储与供给”转向“联合访问与治理协调”
  • CISO：身份、访问与数据安全必须自动化，才能支撑Agent规模化
  • 数据负责人：数据产品化、可观测性和实时能力成为核心指标
  • 业务负责人：数据不再只是支持分析，而是直接驱动决策与行动


IDC 中国高级分析师李浩然认为，Agent 的规模化部署正在迫使企业重新定义“数据”的角色：数据不再只是被动供给 AI 的原材料，而是必须以实时性、上下文相关性、可治理性和可观测性为前提，主动支撑智能体的持续决策与行动能力。FutureScape 2026 显示，真正限制 Agent 从 PoC 走向生产的，并非模型成熟度，而是企业是否完成了从集中式数据供给，到联合治理、事件驱动和自动化数据访问的体系性转型。那些能够将数据架构、治理、安全与业务流程协同重构的组织，将更有可能把 Agent 转化为可复制、可扩展的企业级能力；而忽视这一转型的企业，即便引入先进模型，也难以释放 AI 的长期商业价值。

IDC建议：

  • 评估现有数据平台是否支持联合访问与实时数据
  • 在关键用例中试点HTAP或事件驱动架构
  • 将数据治理、隐私与安全嵌入Agent设计之初
  • 建立端到端数据价值链的可观测能力
  • 为Data Agent和分析Agent规划清晰的治理与KPI

接下来12–24个月，值得持续关注的信号

  • 数据可信空间与私有数据交换的落地速度
  • 合成数据相关政策与技术成熟度
  • Data Agent从工具走向平台的演进路径

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。

Leo Li - Senior Market Analyst - IDC

Leo Li is a senior market analyst on artificial intelligence (AI) and big data for IDC China. He conducts research and analysis on AI and big data for the China and worldwide markets. He is also involved in regional and global consulting and business development in related markets. Prior to joining IDC, Leo has in-depth working experiences in AI and a wide range exposure on various businesses in AI. Leo holds a master’s degree in economics from Boston University.