Logo
Become a Client

Resource Regions: China

2026年，Agentic AI 已全面进入生产环境。然而，早期部署者正面临一个普遍且棘手的现象：活跃智能体数量平稳增长，而月度Token消耗与基础设施成本却出现数倍乃至数十倍的剧烈波动。单纯关注Agent数量已无法解释成本曲线的陡峭程度。本文基于IDC《Worldwide Agentic AI Adoption Guide》数据，从算力消耗结构、部署形态演进与行业渗透路径三个维度，给出2026-2030年的关键判断。

本文的核心结论：未来五年，企业智能体的竞争将从“数量战”转向“质量与路径之争”。真正的竞争优势将来自三大转向：从关注部署数量转向关注 Token 资源的实际承载效率；从套用全球模式转向拥抱“自定义配置+独立智能体”的中国特色路径；从一刀切部署转向结合行业基因的差异化布局。

IDC《全球智能体 AI 应用指南》呈现了全球智能体AI的最新应用机遇与发展趋势，覆盖六大行业领域、四大智能体部署类型，围绕四项核心指标提供多维度的预测数据。

一、Token消耗增速远超Agent数量：算力预算的考量维度迎来重构

从总体规模来看，中国在活跃智能体数量、动作执行次数、Token 消耗以及相关成本等核心指标上，整体占全球近10%的市场份额。中国企业在 Agentic AI 的应用节奏上与全球大盘保持同步，本土落地准备度正加速释放。但更值得技术决策者关注的，是增长背后的结构性分化：

1. 智能体急剧“变忙”，单体任务Token消耗呈爆发式增长

最新趋势表明，Token消耗与动作执行数的增速已远超Agent数量本身的增速。这意味着，规模化的内涵正从“数量堆砌”转向“单个Agent的任务链长度与执行频次”。随着长上下文、多步推理及复杂工具调用成为常态，单次任务所需的Token消耗量正呈爆发式增长。

2. 算力降本反向刺激了更庞大的复杂需求

另一个关键信号是：Token消耗的年均复合增速（CAGR >3500%）远超企业实际成本增速（CAGR ~260%），体现出大模型单位推理成本的快速下降。正是这种“算力降本”带来了正向的弹性需求——企业不再满足于单次问答，而是敢于让Agent执行长链条自动化任务，从而形成了“Token消耗指数级增长、成本相对平缓”的剪刀差效应。

二、自定义配置统治力不改，独立智能体开启结构性跃迁

规模增长只是表象，部署形态的结构性变化才是更值得关注的底层逻辑。

IDC将智能体分为四类：定制开发（Bespoke）、自定义配置（Custom-configured）、应用内嵌（In-application）以及独立智能体（Standalone）。对比中国与全球的数据，一个极为显著的“中外双轨”现象浮出水面。

1. 自定义配置智能体：中国的统治形态，全球正加速追赶

在中国市场，自定义配置智能体占据了绝对主导地位。这一特征反映了中国企业IT生态的本土基因：一方面，中国企业的业务流程个性化程度高，标准化SaaS内置的Agent难以完美贴合实际工作流；另一方面，基于低代码/零代码平台进行自定义配置，既保留了编排专属工作流的灵活性，又大幅降低了开发门槛，成为中国企业综合ROI最优的选择。

放眼全球，2026年应用内嵌智能体仍是主流形态，但到2030年，全球自定义配置智能体在数量、动作与Token消耗占比将全面反超。全球正沿着中国已走通的道路演进——从“开箱即用”的标准化交付，转向“深度配置”的灵活平台。

2. 独立智能体：从“配角”到“核心骨干”的跃迁

另一个极为亮眼的趋势是独立智能体的崛起。独立智能体不依附于单一应用运行，可通过标准协议穿梭于 API、数据库、ERP、CRM 及各类微服务之间，承担跨系统的复杂任务。

未来五年，独立智能体在中国的Token消耗与动作执行数占比均将升至超三成——这意味着，独立智能体将从今天的“小众探索”跃升为企业自动化的核心支柱。对技术供应商而言，这不仅是产品形态的补充，更是卡位机会：谁能率先提供稳定、安全、可观测的独立智能体框架，谁就有望在下一轮企业级采购中占据先机。

三、零售与服务业占据主力，行业基因决定Agent部署逻辑

在行业分布上，中国市场呈现出“大盘结构极其稳定”的特征：零售与服务业占据了近四成的绝对主力；制造与资源业约占两成，金融服务业约占一成半。三者构成了中国 Agentic AI 应用的稳健基本盘。

但在大盘稳定的表象下，底层场景与部署形态却呈现出鲜明的行业分化：

  1. 零售与服务业内部形成双轮驱动格局

“零售与服务业”独占中国近四成的 Agent 算力与成本消耗，主要驱动力来自两个方向：

  • 业务侧：消费零售的高频客户交互。在面向消费者的前端场景中，Agent 被大量用于智能客服、个性化推荐、社群运营等。这一类场景的特点是“高并发、高频次”，构成了智能体动作次数的庞大基数。
  • 技术侧：软件与信息服务的AI原生开发运维。在软件与信息服务领域，Agent 正在深度重构软件工程全生命周期。从代码生成、代码审查到 DevOps 排障，代码与系统架构处理天然具备“上下文超长、多步推理、工具调用频繁”的特征，单次任务Token消耗往往是普通对话的数十倍。
  • 行业基因决定Agent的“部署偏好”

将行业数据与部署形态交叉分析，还会发现不同行业的Agent部署偏好存在鲜明差异：

  • 零售与服务：极度依赖自定义配置智能体和独立智能体。企业需要快速迭代营销策略与开发工具，要求Agent具备极高的编排自由度与跨系统能力。
  • 公共领域、基础设施与能源：自定义配置仍是第一大形态，但应用内嵌智能体的应用显著高于零售等敏捷型行业。此类稳健合规型行业对数据安全与系统合规有着极高要求，更倾向于将智能体活动限制在既有ERP、办公套件或国产化核心业务软件内部，优先保障数据不出域。

总结与展望：给企业决策者的行动指引

回顾2025-2030年中国Agentic AI的落地轨迹，结论已清晰浮现：这不是智能体数量的军备竞赛，而是企业运营模式的底层重构。未来五年的赢家，不是部署Agent最多的企业，而是最早理解并驾驭“Token消耗、部署形态、行业基因”三者互动关系的决策者。

基于上述洞察，建议企业重点推进三项战略行动：

1. 从“按并发数”转向“按Token容量”规划

企业面临的不是Agent数量增多的线性挑战，而是单个Agent复杂化导致Token消耗量爆发式增长。基础设施规划不能仅按当前对话调用量预估预算，需建立针对长上下文、多轮工具调用的算力容量模型，引入智能路由与缓存机制，避免成本失控。

2. 采取“自定义配置 + 独立智能体”的主流组合架构

海外应用内嵌的模式并非中国企业自主搭建核心智能体体系的优先选项，全自研同样不是最经济的选择。建议重点构建统一的低代码Agent编排平台：针对多数业务流程，采用自定义配置模式敏捷搭建；针对通用型跨系统复杂流程，重点布局独立智能体，形成企业的“数字化劳动力网络”。

3. 按行业基因制定部署策略

零售与服务等敏捷行业追求效率最大化，应给予自定义配置智能体与独立智能体充分的编排自由度；公共领域、基础设施和能源等强合规行业，非核心通用场景可以自定义配置为主，兼顾效率与管控；核心敏感流程优先采用自有系统内的私有化部署方案，将 Agent 活动范围限定在已通过安全认证的自有软件边界内。

Agentic AI 并非短暂的技术热潮，而是长达数年的生产力范式转移。深刻理解落地规律的企业，将在 2026 – 2030 年的智能化浪潮中，精准锚定架构方向，真正将 AI 转化为可持续的竞争优势。

备注：本文中的 Token 消耗仅统计生产环境中企业级智能体执行业务动作时产生的 Token 及 API 调用消耗，不包含模型预训练、消费级个人设备上的智能体以及独立生成式 AI（如通用聊天机器人）所消耗的 Token。

IDC对四类智能体的定义如下：

定制开发智能体（Bespoke agents）：这类智能体依托专用的智能体 AI（Agentic AI）框架或平台实现，在 AI 智能体的设计、开发与部署全环节具备极高的灵活性与可定制性。纯代码级（Pro-code）智能体 AI 框架与平台最适配技术功底深厚的团队——这类团队需要对开发过程拥有极致掌控权，以此落地高度专业化的功能。

自定义配置智能体（Custom-configured agents）：企业可围绕主流业务运营自动化需求，自行设计、配置并部署这类 AI 智能体，无需具备深厚的编程能力。低代码工具能够简化、加速 AI 智能体的开发流程，但和所有低代码 / 无代码工具一样，存在相应的权衡取舍：由于深度复用预构建的框架与组件库，开发过程中会内置预设的前提假设与能力边界。

应用内嵌智能体（In-application agents）：应用内嵌智能体直接植入服务商的应用产品内部，用户无需跳出当前应用界面，即可借助它完成任务、获取问题解答，或是实现工作流自动化。

独立智能体（Standalone agents）：独立智能体是面向特定场景打造的成品化智能体，由智能体服务商独立部署运行，不依附于某一款单一应用（典型如深度研究智能体、会议纪要智能体、客户支持智能体）。

IDC《支出指南》致力于为IT厂商、行业用户和投资/金融机构在战略规划、产品研发、IT支出及投资规划等方面提供数据支撑。《支出指南》系列产品聚焦IT热门领域，从多个维度预测市场规模和增速，助力厂商发掘市场潜力；引导行业用户根据热点技术及应用场景进行IT规划；通过分析特定市场的发展前景，帮助投资和金融机构更好地做出决策。

IDC《支出指南》相关研究：

China Provincial Cloud Solutions Spending Guide

Worldwide AI and Generative AI Spending Guide

Worldwide ICT Spending Guide Enterprise and SMB by Industry

Worldwide Software and Public Cloud Services Spending Guide

进一步交流：

如您希望进一步了解IDC《全球智能体AI应用指南》细分数据，或需要针对贵公司目标市场进行定制化数据解读，欢迎联系IDC中国分析师团队。请点击此处与我们联系。

Wendy Zhang

Wendy Zhang - Research Analyst

Analyst Profile
Wendy Zhang is a research analyst in the Data and Analytics group at IDC China. She is responsible for business operations and spending guide in China Enterprise Team. She provides dynamic forecasts of future China and global ICT market development.…

腕戴产品增长逐渐放缓后，厂商对下一轮增量开始两种方向上的探索：向上，通过AI提升单品价值；向外，通过新形态拓展用户边界。——本文基于IDC最新发布的《全球可穿戴设备市场季度跟踪报告》聚焦2026年第二季度全球腕戴市场中智能手表端侧AI算力与无屏手环两大热点，进一步探讨AI能否创造新的换机价值，以及无屏形态能否拓展新的用户增量。

根据国际数据公司（IDC）最新发布的《全球可穿戴设备市场季度跟踪报告》，2026年第二季度全球腕戴设备市场出货量为4,801万台，同比下滑4.3%。腕戴设备市场包含智能手表和手环产品。其中，全球智能手表市场出货量3,708万台，同比下滑4.2%。手环市场出货量1,092万台，同比下滑4.7%。智能手表真的迎来端侧算力AI时代了吗？无屏手环市场是不是腕戴新风向？本文将为您一一解读。

智能手表迎来端侧算力AI时代？

过去智能手表的AI能力主要依赖手机协同与云端大模型，手表更多承担数据采集、语音入口和结果呈现。随着高通今年3月发布旗下首款集成NPU的可穿戴平台Snapdragon Wear Elite，AI芯片正逐步成为智能手表提升端侧AI能力的重要硬件基础。目前，头部厂商已开始布局不同层级的AI算力方案，从通用AI算力中枢到面向特定功能的轻量AI引擎，推动AI能力进一步向手表端侧下沉。

其中，具备通用AI算力中枢的芯片更有潜力承担整机系统级AI任务调度。相比依赖手机或云端，端侧AI不仅能够带来更低的响应延迟和更高的能效，也能够减少敏感数据上传，提升隐私性，并结合心率、睡眠、运动等多维传感器数据，实现更加持续的用户状态感知。同时，更强的端侧算力能够支持更复杂的AI模型，使手表从简单的指令识别和数据分析，进一步向上下文乃至环境理解、用户意图识别以及多维数据综合判断演进。

硬件能力已经开始为智能手表的AI升级铺路，但AI能否真正成为推动市场增长的新动力，最终仍取决于其能否从“功能增强”走向“高价值场景创造”。 当前AI在智能手表上的应用仍面临场景有限、交互方式和模型能力受限等挑战，未来只有形成足够高频、刚需且区别于手机的AI体验，才能真正转化为智能手表市场的新增量。

无屏产品成为新风向？

Whoop凭借订阅服务模式实现快速增长，引发市场关注。与此同时，无屏手环和智能戒指也成为近期可穿戴市场中快速发展的无屏设备形态，无感无干扰、轻量化和长续航逐渐成为部分用户的新需求。随着更多厂商进入，无屏手环能否从细分市场走向大众？

从目前来看，无屏手环仍具备进一步发展的潜力，有望成为腕戴市场的重要补充，尤其适合对无干扰佩戴、轻量化和长续航有进阶需求的用户。但这类产品的核心价值高度依赖软件算法、数据分析和持续服务，成本并不局限于硬件本身。无论采用一次性硬件销售还是付费订阅模式，短期内都难以取代传统手环，成为面向大众入门市场的主流产品。

与此同时，Whoop的订阅模式也并非无屏手环的必然商业模式，其适用性取决于厂商自身的产品基因、健康算法与数据积累、软件服务能力以及既有商业模式。 对于具备健康数据和软件服务优势的厂商，订阅模式能够通过持续服务创造长期收入；而对于以硬件销售或生态导流为核心的厂商，一次性硬件销售可能反而更符合其用户基础和商业模式。

2026年二季度全球腕戴市场Top 5厂商表现

华为

2026年二季度华为腕戴产品全球出货量持续领跑。华为持续迭代Watch Fit系列，Fit 5系列聚焦轻量时尚与进阶运动健康，成为二季度增长的重要支撑。同时，HUAWEI WATCH Ultimate Design星钻绽放款、儿童手表X1/X1 Pro等新品密集推出，覆盖多元细分市场，通过产品线扩张与人群细分进一步巩固腕戴市场竞争力。

小米

2026年二季度小米加速腕戴产品结构向上升级，手环端小米手环10 Pro成为产品线升级的重要助力；手表端Redmi Watch稳住大众市场基本盘，Xiaomi Watch S5系列出货持续攀升，全智能手表5则进一步补强高端市场，推动腕戴业务由规模覆盖向产品结构升级延伸。

Apple

2026年二季度Apple Watch进入更大范围的促销阶段，价格刺激成为成熟市场维持增长的重要手段。除中国市场在618年中大促中保持较好表现外，日本及拉美等市场也受益于零售及渠道促销实现增长，Apple Watch在成熟市场增长承压的同时，仍通过价格策略和区域市场拓展挖掘增量。

佳明

佳明2026年二季度推出Forerunner 70和170系列新品，进一步强化跑步等专业运动领域布局，同时向日常健康、户外及多运动场景拓展。通过新品迭代完善不同价位和人群覆盖，佳明在巩固专业运动优势的同时，持续拓展腕戴市场用户边界。

步步高

步步高以中国市场为核心，在儿童手表领域持续保持领先。2026年二季度推出旗舰Z12及Z9A等新品，进一步强化中高端市场布局；同时依托imoo品牌积极拓展东南亚、欧洲等海外市场，在巩固国内优势的同时加速全球化布局。

小结：市场下滑背后的结构性转折

2026 年第二季度乃至 2026 年下半年，腕戴设备市场增长依旧承压。过去几年拉动行业高速扩张的三重增长引擎 —— 新用户首购红利、产品迭代驱动的换机周期、价格下沉带来的市场扩容 —— 均已步入增速放缓阶段。当前行业正沿着两大方向寻求突破：其一，依托端侧 AI 算力加持，强化设备实时感知与主动决策能力，推动智能手表升级为个人健康管理的智能中枢。不过这套健康场景的商业化价值仍有待进一步验证，血糖等多元化体征监测功能落地，有望持续拉动用户实际使用需求。其二，行业在无感化交互与产品形态上持续创新，最大限度弱化穿戴设备的物理佩戴存在感，转而依靠持续输出的数据价值建立用户粘性。综合来看，下一阶段市场竞争的核心逻辑，将落脚于产品价值的全面重构。

IDC观点及未来展望

IDC认为，腕戴市场下一轮增长不会由单一硬件创新驱动，而将取决于厂商能否将硬件能力转化为真实的用户价值。AI芯片可以解决智能手表“能否具备更强AI能力”的问题，而高价值场景才能真正解决“用户是否愿意为AI换表”的问题。无屏手环则更可能作为传统腕戴的增量补充，满足细分用户对无干扰、轻量和长续航的需求。因此，厂商无需盲目复制AI手表、无屏手环或订阅模式，应根据自身优势选择增长方向：有硬件与生态优势的厂商应优先挖掘AI带来的换机价值；有健康数据与算法积累的厂商可进一步布局无屏设备和持续服务；而以硬件规模见长的厂商，则应谨慎引入需要长期运营的订阅模式。

延伸阅读与沟通：

进一步交流

本文数据与观点基于IDC《全球可穿戴设备市场季度跟踪报告》（2026Q2）。如需获取完整报告，或针对贵品牌的具体市场定位、产品策略进行定制化分析，欢迎扫描下方二维码与IDC联系。我们将根据您的业务场景，提供从市场数据、竞争格局到用户洞察的专属解决方案。请点击此处与我们联系。

Sophie Pan

Sophie Pan - Research Director, Client System Research

Analyst Profile
Sophie Pan is a research director for the Client Systems Research team at IDC China. She is responsible for emerging technology device research, including wearable devices and smart home devices. Sophie has a deep understanding of the landscape and ecosystem…

本文作者：IDC中国研究总监王军民、研究经理程荫、研究经理孙振亚　

2026年9月3日，OpenAI发布新一代旗舰大模型GPT-6 Astra，并同步公开系统卡与安全评估结果。官方将其定义为目前智能水平与对齐能力最高的模型，最大突破是原生强化的计算机操作（Computer Use）智能体能力，可自主操作桌面与网页软件，完成填写表单、维护CRM、数据分析绘图、网站开发、工程设计与软件故障排查，独立走完多步骤业务流程。与此同时，其网络安全能力首次达到OpenAI Preparedness Framework的最高级–Critical（关键级）。

IDC核心观点

在IDC看来，GPT-6 Astra让当前模型的计算机操作（Computer Use）能力首次跨过了“可用”与“不可用”的分界线，这意味着智能体的任务执行无需等待系统接口改造或软件开放，Agent可以通过直接的Computer use能力执行相关任务，为大量因系统封闭而长期无法自动化的长尾场景提供了新的解法。

但硬币的另一面同样不容忽视，Astra在网络攻击、漏洞挖掘等安全基准上的表现同步触及OpenAI定义的Critical阈值，能力越强，被恶意利用时的破坏力也越大。对于计划推进智能体试点的企业而言，这既是一个机会窗口，也是一次对治理体系的压力测试。

以下，IDC从执行能力、成本结构、安全能力三个维度，拆解此次升级对企业落地的真实影响。

核心判断一：Computer Use准确率突破90%实用线，接口不再是智能体落地的首要瓶颈

技术层面，此次变化主要体现在定位准确率提升，单任务耗时和Token消耗下降。界面元素定位准确率从前代GPT-5.6 Sol的76.9%升至92.7%，真实软件任务、终端任务与业务自动化基准的得分均有提升，特定专业任务的耗时和输出Token消耗也有所下降。模型的上下文窗口达到105万Token，最大输出达到12.8万Token，推理档位扩展至五档。Codex通过跨上下文窗口保留笔记，减少反复压缩摘要，早期窗口中的内容仍可检索；接近百万Token长度时，多目标检索准确率仍达96.3%。这套机制可以缓解我们在先前实测中经常遇到的任务因上下文压缩而无法接续执行的问题。

这一变化为以往难以接入自动化系统的场景提供了一条不依赖接口改造的可选路径，当前智能体落地案例中，企业若要让智能体执行某个业务环节，通常需要先定义流程，再对接API、封装工具或搭建MCP服务并交由智能体处理，接口缺失系统通常需要多次调试才能构建GUI操作路径。随着模型Computer use定位准确率超过九成，单任务成本和耗时同时下降，智能体可以像人一样操作软件，处理难以预先定义的动态场景。

这将大大降低企业落地智能体的门槛，长尾场景可以直接用Computer use执行操作而无需任何复杂配置，部分稳定且高频的业务流则可以保留接口调用或MCP服务，或直接基于Computer use过程沉淀为可复用的Skill。

但需要注意的时，虽然模型定位准确率已具备较高的可用度，但Agent的任务级完成效果仍然依赖意图理解、任务规划、上下文处理、工具调用、任务执行等各个环节的表现，在长链路多步骤复杂任务场景下，仍需要Harness层的工程优化来充分发挥模型的能力，这也是当前应用层厂商的差异化竞争的空间。

核心判断二：旗舰模型单价随能力上涨，企业Token成本治理已从“建议”变为“必须”

模型定价层面，能力提升的同时单价也在上调。Astra的API价格为输入每百万Token 10美元、输出50美元、缓存输入1美元，前代GPT-5.6 Sol的标准价为输入5美元、输出30美元，按标准价对比分别为前代的2倍与1.67倍（按当前Sol促销价计算两者均为2.5倍）。

OpenAI公布的评测显示，Astra完成特定场景专业任务时，相比其他旗舰模型的耗时与输出Token消耗有所降低，例如在OSWorld 2.0离线评测的延迟模拟中，单任务耗时比Sol下降约47%；Agents’ Last Exam中，输出Token消耗比Opus 5减少约65%。长链路任务的综合成本因此可能下降，但短链路任务与高频调用则随着Token单价的提升可能会变的更贵；企业的实际支出更多取决于推理档位选择、缓存复用与路由策略，以及智能体场景的工程优化与Skill建设水平。旗舰模型单价随能力代际上移已在形成趋势，Token成本治理也因此成为企业的必要能力。

核心判断三：网络安全能力：攻与防双线同时抬高能力证据方面充分确凿：

  • Astra在ExploitBench公开基准取得满分；
  • 但因公开基准存在污染风险，OpenAI以”Daybreak Blue”权限配置另行加测，结果在内部20个新披露高危漏洞测试中，Astra执行率更高；
  • 评估过程中自主挖出2个零日漏洞，还把他们形成利用链；
  • 专家实测确认：Astra利用零日漏洞，仅打开一个HTML文件即可触发沙箱逃逸并执行主机命令，且可由普通权限一路提权至root。

防护层面表现出色，Astra较前代GPT-5.6 Sol更稳健。网络攻击类越狱请求拒绝率由59%升至91.5%；蜜罐测试中，前代56%样本触碰周边设施，Astra为0次；面对auto-review拒绝，Astra从未尝试绕过。

市场影响及IDC观点

GPT-6 Astra进一步提高了计算机操作的准确性和执行效率，增强了智能体处理复杂任务的能力，也为智能体进入更多接口受限的长尾场景创造了条件。

对企业落地的影响：

  • 接口限制得到缓解。当前企业智能体执行业务任务的主要障碍集中在数据、权限、场景建设和系统接口等方面。借助Computer Use，企业可让智能体直接操作软件处理业务，无需等待系统改造全部完成
  • 数据、权限和ROI仍是企业自己的功课。 模型执行能力增强后，数据治理、权限管理与ROI评估仍需持续推进。模型能力增强后，企业仍需提升数据就绪度、完善权限体系，并持续验证评估应用效果。IDC判断，应用范围将先在集成要求较低、效果容易验证的环节扩大。
  • 混合架构是未来十二个月的主流选择。IDC预计，未来十二个月，国内企业在智能体任务执行中更可能采用混合架构：Computer Use覆盖接口缺失的长尾环节，稳定、高频流程继续依托API或MCP服务。GUI路径能否大规模用于生产环境，仍取决于其执行稳定性和可控性。

对国内厂商格局的影响：

  • 基座模型厂商：需要同步提升工具调用、长流程规划和环境交互能力，持续增强模型执行复杂任务的能力。
  • 中小模型团队：机会更多集中在行业智能体应用和专业垂直模型，行业经验与具体业务场景的积累和适配将更加重要。
  • 应用层厂商：具备智能体编排、Harness工程、系统集成与行业理解能力，并能持续帮助企业建设积累可复用Skill的厂商，更容易进入企业实际项目。

规模化部署的关键条件：

  • 智能体身份与权限： 企业应为智能体建立专属身份，按任务需要配置访问和操作权限，明确授权边界与责任归属，并落实最小权限控制和全程操作留痕。
  • 运行环境： 企业需在国产操作系统、旧有客户端和云桌面等实际环境中验证模型适配性，并将云桌面或虚拟机的资源开销计入成本，评估其对规模化部署的影响。

IDC行动建议

基于以上判断，IDC建议企业在推进智能体试点时优先落实以下五项工作：

  • 重新梳理业务流程，优先选择标准化、高重复、电脑端操作类场景，尤其是那些长期因缺接口而无法自动化的环节，并区分AI自主执行与辅助的边界。
  • 把验收标准换成任务级指标：一次通过率、人工介入比例、单任务耗时与成本，试点阶段先把基线立起来；成本测算以完整业务任务而非Token单价为口径，同时管好上下文预算与缓存复用。
  • 打通内部系统接口、规整数据与知识，落实最小权限授予与全程操作留痕审计；严控资金与重大决策权限，防范自主操作引发的数据篡改与误操作，并为安全检查的误拦截预设处置流程。
  • 建立人机协同的组织制度，推动员工从事务执行转为任务监督与校验，配套权责规范、人工复核与异常告警机制。
  • 构建AI原生的主动安全防御体系，不仅要建设“识别威胁”的AI，更要建设能“击败威胁”的AI。

进一步交流

如您对本次GPT-6 Astra发布的企业级影响、智能体落地策略或相关技术评估有进一步兴趣，欢迎与IDC中国研究团队联系。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…

2026年7月，世界人工智能大会（WAIC 2026）在上海闭幕。从论坛议题到展区演示都可以清晰地看到，企业对AI的关注点，已不再仅仅满足于大模型技术本身，而是开始严格评估AI能否在实际业务中帮企业降本增效、快速回收投资成本。

在这一趋势下，国内市场竞争日趋激烈；与此同时，海外新兴市场在政策红利与数字化转型驱动下，正释放出不少新的AI预算。对于寻找新增长点的中国技术厂商而言，AI出海正当时。但面对全球不同国家在算力储备、技术成熟度及行业诉求上的差异，企业常面临三个现实问题：该去哪片市场？带什么产品去？主攻哪些行业与场景？

本文基于国际数据公司（IDC）最新发布的2026年V2版《全球人工智能和生成式人工智能支出指南》（IDC Worldwide AI and Generative AI Spending Guide），用量化数据为中国企业的全球布局提供参考。

本文核心结论：

中国企业AI出海，需要从“卖硬件”切换到“卖能力”——依托国内成熟的场景经验，将方案转化为软件与平台服务，重点卡位金融、零售及软件信息服务三大行业，在算力运维、智能客服与风控三个高确定性场景中率先落地。

一、全球AI预算流向正在分化：三大新兴市场进入预算释放窗口期

全球AI投资正迎来爆发式增长。IDC数据显示，全球人工智能IT总投资预计将从2025年的6,954亿美元增至2030年的3.12万亿美元，其中生成式AI的投资占比逐年提升，到2030年将接近AI总投资的六成。从区域分布来看，美国以超六成的份额位居全球第一，西欧第二，中国以9.0%的份额位居第三。

然而，不同区域的增长节奏存在显著“时间差”。拉美是全球AI投资增长最快的区域，生成式AI增速高达60.8%；中东和非洲在国家级数字化愿景推动下增长平稳；亚太（不含中日）企业应用生成式AI改善运营的需求正集中释放。这三个区域目前的生成式AI增速均超过50%，正处于技术落地和预算释放的窗口期。

相比之下，欧美成熟市场虽然绝对规模更大，但竞争格局已相对固化，中国厂商切入成本高、差异化空间小。而上述三大新兴市场恰好处于“算力到位了、但不知道怎么用起来”的阶段——这正是中国厂商最擅长填补的空隙。

IDC建议： 

将海外市场的第一落点选在拉美、中东非及亚太，利用这些区域高于50%的生成式AI增速所对应的预算增量窗口，优先抢占新兴市场的认知份额和客户资源，避开欧美市场的正面消耗战。

二、海外AI预算正从硬件向软件迁移：AI平台与Agent工具链是下一波增长主力

解构 AI 硬件、软件与服务三大技术板块可以发现，海外市场与国内市场在产品形态偏好上差异明显。2026年中国AI支出中硬件占比高达74.3%，呈强基础设施驱动特征。但到了海外，情况截然不同——拉美地区AI硬件仅占18.0%，软件则占比高达60.9%；中东非软件与服务合计占比达67.9%。这意味着，把国内“卖服务器、卖算力卡”的模式直接搬到海外，将遭遇严重的水土不服。

更值得关注的是软件内部的增长结构。虽然AI嵌入型应用目前仍是存量最大的类别，但AI平台爆发力更强（全球CAGR 59.5%），即将在拉美、中东非等新兴市场跃居软件细分市场首位。其中，基础模型是企业构建AI能力的核心底座，而智能体构建、部署与编排工具的增速领跑所有子市场（全球CAGR 74.5%），说明海外企业在大模型选型的同时，正同步探索“怎么把模型用起来、管起来、串联起来”。

IDC建议：

  • 将国内已验证的软件平台、Agent编排工具及行业套件进行标准化封装，替代单一的硬件销售，向海外输出“开箱即用”的整体方案。   
  • 重点布局Agent开发平台、多模型路由与编排等中间件能力，这类产品目前在海外市场供给不足，是中国厂商差异化切入的最佳窗口。      在中东和非洲等对服务依赖度高的区域，可与当地系统集成商建立合作，借助其渠道和交付能力来落地项目。

三、锚定三大行业、两条主线：金融/零售/信息服务是海外AI预算的最大蓄水池

明确区域与技术形态后，出海企业需要锁定预算最集中的行业和场景，才能实现精准落地。

从行业分布看，软件信息服务企业是全球最大的AI预算来源，占比32.2%；银行业在拉美、西欧、中东非及亚太的AI支出排名中均名列前茅；零售业全球占比11.6%。三大行业构成了海外AI预算的最大蓄水池。

从具体场景来看，AI算力基础设施在中美等市场常年占据第一大支出份额，说明算力资源的管理与调度始终是资金投入的主体；同时，智能客服与外勤支持已全球广泛落地，威胁检测与欺诈分析在金融与电信大客户中投入尤为显著。算力底座与业务提效这两个方向，构成了当前AI支出的两条并行主线。

IDC建议：

  • 面向算力密集型客户，提供AI算力基础设施的运维与管理服务，配合当地云厂商或数据中心运营商，输出算力调度和优化能力。       
  • 将国内成熟的智能客服、外勤支持、销售辅助等应用进行本地化适配后，快速投放拉美、东南亚等需求旺盛的市场。       
  • 针对海外金融与电信行业大客户，重点切入威胁检测、反欺诈等风控场景——这类需求刚性高、客单价高，是中国厂商打开头部客户的最佳突破口。

总结与展望: 三个时间差，一条出海路

IDC数据清晰地指向一个结论：中国企业AI出海，最大的机会不在“卖算力”，而在“卖能力”。

中国市场的硬件主导逻辑（74%的支出在硬件），到了拉美、中东非和亚太，需要切换为软件与服务优先的打法。这三个区域正在经历中国三四年前走过的阶段——算力到位了，但不知道怎么用起来、用出效果。而中国厂商恰好拥有从算力管理到场景落地的完整工程经验，这是当前海外市场最稀缺、也最愿意付费的能力。

三条出海路径值得优先考虑：

  1. 区域上，主攻拉美、中东非及亚太三个高增速市场，避开欧美成熟市场的正面竞争；
  2. 产品上，将国内已验证的软件平台、Agent编排工具及行业套件标准化输出，替代单一硬件销售；
  3. 场景上，重点卡位算力基础设施运维管理，以及金融与零售领域的智能客服、风控等高预算环节。

IDC《全球人工智能和生成式人工智能支出指南》（2026V2）为上述判断提供了完整的区域、行业和场景维度的数据支撑。对于计划出海的AI厂商而言，当下的窗口期明确而短暂——行动与否，取决于能否从“硬件思维”切换为“软件与服务思维”。

IDC《支出指南》致力于为IT厂商、行业用户和投资/金融机构在战略规划、产品研发、IT支出及投资规划等方面提供数据支撑。《支出指南》系列产品聚焦IT热门领域，从多个维度预测市场规模和增速，助力厂商发掘市场潜力；引导行业用户根据热点技术及应用场景进行IT规划；通过分析特定市场的发展前景，帮助投资和金融机构更好地做出决策。

IDC《支出指南》相关研究：

China Provincial Cloud Solutions Spending Guide

Worldwide AI and Generative AI Spending Guide

Worldwide ICT Spending Guide Enterprise and SMB by Industry

Worldwide Software and Public Cloud Services Spending Guide

进一步交流：

如您希望进一步了解中国省级及云解决方案支出、全球AI及生成式AI支出、企业级ICT支出等行业细分数据，或需要针对贵公司目标市场进行定制化数据解读，欢迎联系IDC中国分析师团队。请点击此处与我们联系。

Wendy Zhang

Wendy Zhang - Research Analyst

Analyst Profile
Wendy Zhang is a research analyst in the Data and Analytics group at IDC China. She is responsible for business operations and spending guide in China Enterprise Team. She provides dynamic forecasts of future China and global ICT market development.…

占据主场
直连决策层
共赢未来胜局

获取更多详细信息 探索更多活动形式

独家定制活动

独家赞助，全场聚焦。

与IDC专家合作设计并交付的定制活动，为您带来高质量的销售线索。

  • 20k+

    参与用户

  • 300+

    年均活动场次

  • 71%

    高级技术决策者

  • 1,000+

    全球分析师

为何选择独家赞助

无竞品，唯有您的声音。

  • 分析师权威加持

    IDC曾五次荣获IIAR（分析师关系行业组织）年度最佳分析师机构，我们将以专业声誉塑造您的议题并赋予其权威性。

  • 优质受众群体

    通过仅限受邀者参与的闭门形式，精准触达CIO（首席信息官）、CISO（首席信息安全官）及符合您目标客户画像（ICP）的决策者。

  • 可量化的销售成果

    IDC活动团队提供一站式服务，活动结束后将交付一份符合数据合规要求的合格联系人名单。

独家赞助，灵活选择。

合作形式

定制圆桌

最受欢迎的合作形式

最长3小时 · 同行交流
早餐会、午餐会或晚宴——分析师主持的闭门座谈会。

供应商专场

线下活动

大型会议 / 平行论坛
会议规模较大，议程包括IDC主题演讲、独家赞助专场及客户案例研讨。

网络研讨会

线上会议

12个月内可回放 · 获取高质量线索
分析师主持的直播或录播会议，配有实时投票和问答环节，方便分布在不同地区的观众参与。

虚拟圆桌

线上会议

最长90分钟 · 定向邀约
小组在线讨论，含介绍环节及三个主持讨论主题。

合作流程

从启动到跟进，全程无忧。

  • 1.

    活动前

    与分析师进行内容策划，围绕您的目标受众构建议题，并针对您的理想客户名单进行定向招募。

  • 2.

    活动中

    由IDC分析师按既定议程主持与引导，包含引导式社交环节及现场销售线索收集。

  • 3.

    活动后

    交付一份合格的、符合数据合规要求的联系人名单、讨论摘要以及成果回顾简报。

与会嘉宾构成

行业领袖之声

独家定制活动

  • “我们持续与IDC紧密合作，因为这些活动能为我们带来实实在在的价值和商业成果——围绕客户的AI愿景，展开与客户及潜在客户有意义的对话。”

    Huzmah Ahmed，英国、爱尔兰及中东地区高级营销经理 —— Insight

  • “感谢IDC分享了上周高管圆桌会议的总结。关于活动、参会者、内容和整体讨论的反馈都非常出色。相信这次合作将带来显著的投资回报。”

    市场营销负责人，澳新地区 —— UiPath

加入他们，开启合作：:

联系我们

与IDC共同打造专属活动。

请告知您的需求，IDC活动团队的成员将尽快联系您，为您设计定制化活动方案。

锁定合作机会

很多人聊保险业的生成式 AI，第一反应都是 “省人力、提效率、降成本”，把它当成存量周期里的运营优化工具。但 IDC 的核心判断是：这是对技术价值的严重低估。生成式 AI 真正重塑的，从来不是单点运营效率，而是保险业整条价值链的价值边界 —— 它正在推动行业从被动赔付的“风险兜底者”，向主动干预风险的“价值创造者”跃迁。

2026 年作为规模化落地的关键拐点，最终比拼的不是大模型的技术能力，而是找对场景、走对节奏的判断力。本文我们就从市场逻辑、价值穿透、落地误区与建议三个维度，拆解这场正在发生的产业范式变革。

  1. 存量周期下，生成式 AI 是保险业少数能算清 ROI 的技术投入

很多人觉得当下保险业数字化投入在全面收缩，但 IDC 看到的真相是：预算不是在降，而是在精准分化。

2025 年中国保险业站在深度转型的关键路口，利率持续下行、赔付支出高企、人力成本上涨的三重压力并未消解，行业经营逻辑已从规模扩张转向精细化运营。这一阶段最鲜明的特征是：数字化投入全面 “有保有压”—— 能降本控险、满足监管要求的项目投入保持稳定，无法量化收益的项目被严格管控，行业从“被动收缩” 转向“主动取舍”，投入产出比成为筛选 IT 项目的核心标准。

从市场基本面看，国际数据公司（IDC）近日发布的《中国保险业IT解决方案市场份额，2025》报告显示，2025 年中国保险行业 IT 解决方案市场规模达 100.6 亿元，降幅已明显收窄，正式进入企稳分化与存量竞争新阶段。市场呈现“一超 + 长尾”格局：一方面头部集中度持续提升，龙头厂商的客户、产品与服务壁垒不断加厚；另一方面长尾市场体量依然庞大，垂直细分场景与技术创新应用仍存在大量生存空间。

在这样的周期下，生成式 AI 成为少数既能契合监管 “防风险、促合规、降成本、提质量”主线，又能量化产出价值的技术方向。当保费增速放缓、人力规模收缩，通过 AI 提升人均产能、优化运营成本、创新服务模式，已经成为险企穿越周期的核心战略，而非可选项。

2、7.5 倍增速绝非概念泡沫，生成式 AI 已从“试点品”变为 “硬刚需”

市场上至今还有声音认为生成式 AI 仍是噱头、投入多产出少，但 IDC 报告显示：2025 年中国保险业 IT 投资规模达 517.3 亿元，其中硬件板块增幅显著，核心驱动力来自自主创新与 AI 基础设施建设。长期来看，2030 年中国保险行业 IT 投资规模将达 805.5 亿元，年复合增长率为 9.3%。

而生成式 AI 领域的增长远超整体大盘：投资规模从 2025 年 24.22 亿元升至 2030 年 180.05 亿元，五年增长近 7.5 倍，年复合增长率超 49%。这意味着生成式 AI 已彻底走出概念验证阶段，正式进入规模化投资周期，是当前保险科技领域最具确定性的增长引擎。

3、AI 穿透全价值链，改写的是每个环节的价值定义

很多人对 AI 在保险业的价值认知还停留在 “客服机器人”“自动核保省工时”，但 IDC 认为，生成式 AI 的改造是深入骨髓的 —— 它正在改写定价、核保、理赔、服务、风控的每一个底层逻辑，从辅助工具进化为核心生产系统，在每个环节都在拓展行业的价值边界。2026 年将是保险行业生成式 AI 从“试点” 走向 “规模化”的关键之年，保险 IT 系统内置 AI 能力将成为行业标配。

产品定价：从静态精算走向个体实时风控

传统定价依赖历史数据与静态模型，本质是群体层面的风险均摊，难以反映个体风险动态变化。生成式 AI 正在把定价变成随个体行为实时波动的变量：车险 UBI 模式通过车联网数据实现驾驶行为定价，健康险通过可穿戴设备将保费与健康管理挂钩。未来的核心竞争力将是基于客户实时行为与外部风险信号的动态定价能力，推动行业从 “群体定价” 向 “个体定价” 演进。

核保理赔：智能决策重构效率与信任双重底座

生成式AI对于核保理赔的真正改变是把依赖人工经验的风险判断，变成了标准化、可追溯的智能决策。智能核保系统自动解析病历、体检报告，将数小时人工核保压缩至分钟级；图像识别自动定损车辆，OCR 快速提取医疗票据，大模型辅助责任判定。这不仅大幅缩短理赔周期、降低查勘成本，更从根源上压缩了人为操作空间与欺诈风险，重构了投保人与理赔端的信任机制 。

客服营销：对话式 AI 把渠道系统变成产能放大器

IDC预测，到 2026 年险企与投保人超 60% 的交互将通过数字自助服务实时完成。智能客服已升级为具备多轮对话、意图识别、情感分析能力的对话式 AI，大幅提升服务体验与响应效率。营销端的改变在于重塑作业模式：生成式 AI 基于客户画像生成个性化保障方案，智能问数让业务人员通过自然语言即可查询业务数据。渠道 IT 系统的价值从 “支持运转” 变为 “产能放大器”。

风险减量：推动行业从被动赔付转向主动价值创造

传统保险业的价值终点是出险赔付，本质是“风险兜底者”。但生成式 AI 正在把行业的价值边界往前移。农业领域用气象大数据与卫星遥感指导防灾减损，财险领域用物联网监控安全生产，健康险领域用平台引导健康管理。大模型在其中扮演核心角色 —— 海量数据实时分析、风险模型动态迭代、预警信号精准推送，均依赖生成式 AI 的能力支撑，推动行业从“事后赔付” 向 “事前预防”延伸，真正成为“价值创造者”。

4、转型的真正瓶颈不是技术，而是三个被高估的难题

生成式 AI 的规模化落地并非坦途，数据治理、组织能力、合规风控是公认的三大挑战。但在 IDC 看来，挑战并非都是长期壁垒，其中有短期可突破的关口，有被过度放大的伪命题，更有被忽视的增量机会。

第一，数据治理：“先治理后落地” 是最大的转型伪命题。数据治理不是 AI 落地的前置条件，而是与 AI 场景落地相互驱动的长期工程。IDC建议，短期优先补齐数据质量、数据血缘、元数据管理能力，优先保障核心场景 AI 输出的一致性和可信度，用小切口场景快速验证价值；中长期通过战略合作推进数据架构重构。而IFRS17 全面实施与生成式 AI 场景落地，本身就是倒逼数据治理加速的强大动力。

  • 组织转型：组织重构与“ROI闭环”才是真挑战。技术与组织的错位是主要矛盾——多数银行在组织重构、流程再设计建设方面明显滞后于技术演进速度。真正的组织挑战是如何建立组织信任、设计人机分工模式、培养全员人机协作能力。IDC 判断，到 2029 年 40% 的保险从业者需要掌握人机协作技能。此外，存量竞争下，生成式 AI 是少数能清晰量化 ROI 的技术方向，险企需要把 AI 当作“直接绑定业务成果的能力”，而不仅仅是工具的使用。
  • 合规风控：监管不是绊脚石，是差异化壁垒与全新赛道。很多人把强监管当成 AI 落地的最大阻碍。但我们认为，合规正是筛选玩家的竞争壁垒，甚至是全新的增量赛道。IDC建议，短期从数据、模型、流程、人才四个层面推进负责任 AI（RAI）建设，把合规要求嵌入 AI 全流程，筑牢落地底线；中长期全面改革治理、风险与合规框架，适配 AI 规模化应用的管理需求。

IDC总结与展望

生成式AI之于保险业，不是工具升级，是价值重塑。2026年是规模化落地的分水岭——技术能力已不是门槛，真正的较量在于：谁能率先找准场景、跑通ROI闭环、完成组织适配。

IDC判断，未来三年行业将呈现明显分化：头部险企通过AI重构定价、核保、风控全链路，把“风险经营”变为核心竞争力；观望者将困在降本增效的浅层，错失价值跃迁的窗口期。这场转型，比的不是算力与模型，而是价值边界拓展的速度与决心。

IDC更多相关研究：

进一步交流

如您希望深入了解保险业生成式AI的落地路径、场景优先级、ROI测算框架或组织转型实践，欢迎随时与我们联系。IDC金融研究团队可提供定制化数据研判、厂商对标与策略建议，助力您在关键拐点精准布局。期待与您深度对话。请点击此处联系我们。

Siri Si

Siri Si - Research Manager

Analyst Profile
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…

随着生成式 AI 快速普及，国内云计算市场已经不再单纯比拼算力规模。结合国际数据公司（IDC）最新市场数据以及近日发布的《中国主流云服务商数智化转型能力评估》报告观察，企业上云的关注点正在发生变化：除基础资源之外，大家越来越看重数据处理、AI 落地、行业生态、服务交付以及整体投入产出水平。

多云、混合云已成为不少企业的现实选择，但很多组织在实际选型中仍面临不少困惑：评估维度不好把握，算力投入后业务价值难以显现，行业落地路径不清晰，各家云厂商能力差异较难甄别。如何结合自身实际，客观对比云平台能力，平衡技术、生态、安全与成本，是当下政企数字化、智能化转型过程中值得关注的现实问题。

重新审视云选型：5个打破惯性思维的现实发现

  1. 云选型评估从单一资源对比，升级为全栈综合能力评估

企业的云支出不再只投向 IaaS 基础设施，数据平台、AI 赋能、行业方案、运维服务的占比持续提升。企业采购云服务，本质是采购一套完整数字化底座，而非单纯的服务器、存储资源。本次评估报告从基础设施、数据中台、AI 智能化赋能、垂直行业落地、生态资源、安全与信任、综合服务能力、成本性价比八大维度建立评估框架，帮助企业跳出 “只比硬件参数、只看标价” 的误区，完整识别厂商在产品、交付、生态、服务层面的真实实力。

  1. 各家云厂商各有所长，并不存在普适的 “最优选择”

通过对各云厂开展逐项打分评估，可以清晰看到各家的能力分化：

阿里云：综合能力均衡，国内基础设施底座规模领先，数据中台、AI 工具链、安全合规体系完善，在政务、互联网、通用企业服务领域沉淀深厚，适配绝大多数国内企业通用数字化建设需求。

腾讯云：场景特色优势突出，深耕互联网、游戏、金融科技、音视频 AI 等领域，C 端数字化能力向 B 端赋能转化能力强，生态资源丰富、场景落地灵活。

华为云：底层软硬件自研体系完整，全栈本土化能力突出，在央企、政务、制造行业项目实践积累丰富，混合云架构能力较强。

天翼云：依托国资背景，具备高安全、高可信、全栈本土化的核心优势，在大型政企、能源、国家级赛事等关键场景落地成果突出，智算与高性能算力服务能力增长迅速。

移动云：运营商体系算力资源充沛，全国属地化服务网点覆盖广，国资安全合规属性突出，政务、央国企项目增长较快，算力网络与5G+云计算能力是核心竞争力。

火山引擎：依托内部大规模业务淬炼，AI 算力、大数据、模型工程化能力突出，AI 原生场景、互联网创新业务适配度高。

AWS：全球基础设施布局完善、产品矩阵成熟，海外生态与全球化部署能力优势显著，适合有出海、多地域布局需求的企业。

微软云：依托办公协同生态与原生 AI 技术积淀，在智能化办公、企业知识管理、跨国协同场景适配度高，AI 底层技术扎实。

IDC洞察：并非一款云能够适配全部行业场景。海外厂商强于全球部署、标准化产品；国内厂商强于本土交付与适配、行业生态。企业选型需要匹配自身业务地域、行业属性与合规要求，而非简单选择综合得分最高厂商。

  1. AI 落地瓶颈不在于算力有无，而在于端到端配套与场景化能力

很多企业在 AI 转型中盲目采购智算资源，但算力利用率偏低，模型难以落地业务流程。头部云厂商之间的差距，不只体现在 GPU 规模，更多体现在数据治理工具链、行业预训练资产、项目交付实施能力。报告中多行业标杆案例印证，能够把算力、数据、行业知识、实施服务打通的云平台，才能真正把 AI 能力转化为业务收益。

  1. 多云混合架构成为主流，综合服务与生态资源决定落地成败

多数大中型企业已经采用多云策略，兼顾本土合规与全球业务诉求。此时厂商的行业生态资源、迁移工具、运维支持、培训体系、问题响应效率，会直接影响多云架构运行效果。部分项目效果不及预期，并非产品本身能力不足，而是缺少持续交付与生态伙伴的有效支撑。

  1. 成本评估不仅关注公开报价，也要关注全生命周期综合性价比

云成本陷阱集中在流量、存储、运维人力、迁移改造成本、长期订阅支出等隐性环节。建议企业以全生命周期视角测算总体拥有成本。评估体系中把长期综合性价比独立作为核心维度，结合厂商案例真实实施情况，帮助企业识别显性与隐性成本，规避后期预算超支风险。

行动建议

  1. 建立多维度选型评估清单，避免单一指标决策

企业在云选型立项阶段，建议 IT、业务、安全、财务多方共同参与，参考报告八大评估维度建立打分表，将 AI 工具链、行业案例、交付服务、安全合规、长期运维成本纳入评估，不把算力规格、产品数量作为唯一评判标准。

  1. AI 项目优先验证场景落地能力，不要优先比拼硬件规模

开展 AI 相关云采购前，可优先做 POC 验证，重点考察数据接入、模型适配、业务系统对接、运维监控整套工具链能力，优先参考同行业真实案例，重点关注算力实际利用率，而非单纯追求更大规模算力资源。

  1. 规划多云 / 混合云架构，重视迁移与运维服务保障

如果计划采用多云架构，建议提前评估跨云迁移工具、数据流转方案、统一运维能力；将厂商实施交付、技术培训、故障响应 SLA 作为重点考量，同时梳理自身数据分级分类，明确公有云与本地部署的业务边界。

  1. 构建云成本治理机制，做全周期成本管控

建立云资源标签管理、成本告警、定期资源优化审计机制，开展 FinOps 相关实践，综合核算迁移、人力、流量、存储等全部投入，客观评估 TCO，规避只看初始报价带来的后续风险。

  1. 借鉴行业生态资源，借力合作伙伴加速落地

优先选择具备丰富行业生态资源的云厂商，充分调用厂商生态合作伙伴的行业经验，减少从零开发的成本压力；选型阶段即了解其集成、咨询、实施伙伴资源，判断是否匹配自身业务需求。

IDC分析师观点及展望

云计算正在从基础资源供给，逐步走向 “云 + 数据 + AI + 行业方案” 一体化服务。大模型会更深融入业务流程，企业的关注点也将从 “能用云” 转向 “用好云、产生业务价值”。

云厂商焦点也将从基础设施规模竞争，转向数据工具链、AI 工程化、行业落地、综合服务能力。混合多云、智算底座、本土适配、全生命周期成本优化，会持续成为企业云建设的关键词。企业需要持续跟踪厂商能力迭代，定期复盘云底座运行效果，让云平台更好支撑业务创新与智能化转型。

IDC《中国数智化转型报告》相关研究：

IDC《中国数智化转型报告》帮助技术买家和技术提供商更好地了解政府相关政策以及业务和技术发展趋势，深入了解数字转型支出增长和数字业务，以及人工智能生态系统的变化，掌握数字业务和AI转型的用例和路线图，并了解跨行业或同行的最佳实践。
《中国主流云服务商数智化转型能力评估》

《中国数字化转型市场预测，2026—2030》

《中国数字化转型市场份额，2025》

《中国AI驱动的业务创新之厂商实践-2026》

进一步交流

云选型并没有绝对标准答案，但选型判断一旦出现偏差，带来的影响不只是预算的额外消耗，业务运行受阻、AI 项目推进不及预期、后期迁移改造成本抬升等问题，都有可能在 1‑2 年后逐步显现出来。如需获取完整报告、定制化厂商对比分析，或针对您所在行业的具体落地方案，欢迎留下您的联系方式，我们的分析师团队将为您提供一对一的深度解读与选型建议。点击此处联系我们。

Nicholas Guo

Nicholas Guo - Senior Research Manager

Analyst Profile
Nicholas Guo is a senior research manager in IDC China, responsible for research and analysis of the entire China ICT market. His primary focus is on the overall China ICT market trends covering enterprise-level hardware, software, and services, and ICT…

近日，2026世界机器人大会在北京举行。本届大会以“人机共生，产需共融”为主题，吸引300余家企业参展，展出超过2000件展品，150余件新品集中发布。值得关注的是，大会首次设立采购日，49家央企以创新联合体形式集中亮相，并围绕12个应用场景展示产业需求，机器人产业的应用导向进一步增强。

需求侧变化正在与产业规模增长形成共振。据工信部数据，2026年1—5月中国机器人规上企业营收突破900亿元，同比增长26.9%；国际数据公司（IDC）数据显示，2025年全球人形机器人出货量约1.8万台，同比暴增近800%。但另一组数据同样值得注意：IDC调研显示，在已开展具身智能机器人试点应用的企业中，大多处于POC阶段，从技术验证到规模部署之间，横亘着稳定性、成本、ROI和运维能力的多重考验。

从本届大会的现场展示来看，机器人正在从单一动作展示转向完整任务执行，从实验室验证走向真实业务场景。Physical AI正在进入从技术能力竞争向产业化能力竞争转变的关键阶段，而本届大会的四个趋势，勾勒出了这条转折路线的清晰轮廓：

  • 从模型竞赛走向真实世界学习，数据成为Physical AI新壁垒
  • 从Demo能力走向规模交付，机器人竞争进入商业化深水区
  • 从单一场景突破走向分层落地，工业制造率先成为规模化主战场
  • 从整机竞争走向生态竞争，产业链加速形成系统化能力

趋势一

数据驱动：从“模型竞赛”走向“真实世界学习”

过去一年，具身智能大模型、VLA模型和世界模型快速发展，推动机器人从感知、理解向复杂任务决策与执行演进。但进入2026年，行业竞争正从“谁的模型更强”进一步转向“谁能让机器人真正干活，并在真实场景中持续学习和进化”。IDC认为，模型是Physical AI的能力基础，而真实世界数据和持续学习能力将成为下一阶段的重要竞争壁垒。

2026世界机器人大会上，世界模型、VLA、仿真平台、机器人训练场及数据采集等技术持续受到关注，虚实结合正成为数据获取的重要路径。通过仿真生成大规模数据并结合真实场景数据，可以降低真实机器人试错成本；机器人运行数据持续回流训练体系，则可形成“感知—训练—执行—反馈”的数据飞轮，推动机器人持续进化。

当前，中国已有14个以上省市布局或建设40余家机器人训练场，成熟训练场数据年产量可达到数百万条，Physical AI的数据基础设施正在加速形成。与此同时，灵巧手、力传感器等硬件能力持续提升，也为机器人获取更加丰富的操作数据提供了基础。

未来，具身智能将进一步形成模型、数据、仿真与机器人本体协同演进的技术体系，企业竞争也将从单纯比较模型能力，转向数据获取、工程化处理和持续学习能力的比拼。

趋势二

交付决胜：从“Demo能力”走向“规模交付”

随着机器人逐步进入真实业务环境，产业竞争的评价标准正在发生变化。本届大会上，多家厂商从单一动作展示转向拆垛、分拣、搬运、配送、清洁、巡检等完整任务验证，机器人正在从展示单项能力转向验证完整任务流程。

机器人产业竞争的分水岭正在从技术Demo能力转向稳定交付能力。

  • 任务能力从单点执行向连续作业升级。机器人需要具备自主感知、任务规划、连续执行及异常恢复能力。
  • 应用部署从POC向规模复制升级。汽车、3C电子、物流仓储等成为重点验证方向，用户对稳定性、部署效率、维护成本及ROI提出更高要求。
  • 评价标准从技术指标向商业指标升级。任务成功率、连续运行时间、单位任务成本和投资回报周期将逐步成为采购决策的重要依据。

IDC用户调研结果显示，已有超过20%的用户从市场关注进入试点探索阶段，但从POC到规模化部署进程正在加速。未来2—3年，稳定运行、快速部署、持续运维和商业ROI将成为机器人规模化落地的关键能力。

趋势三

场景分层：从“单一场景突破”走向“分层落地”

Physical AI不会在所有场景同步实现规模化落地。随着技术成熟度、环境复杂度和商业ROI差异显现，机器人应用正在形成更加清晰的分层路径。当前，具身智能机器人正呈现“服务探索、工业扩张、家庭蓄势”的发展格局。

  • 商用服务进入深入探索阶段。餐饮酒店、零售等场景具有明确的任务需求，但环境复杂程度高于工业场景，对自主导航、环境理解和异常处理能力提出更高要求，具身智能化加速。
  • 工业制造将加速规模化。汽车、3C电子、物流仓储等场景结构化程度较高，任务边界相对清晰，同时存在较强的降本增效需求，是当前技术成熟度与商业价值匹配度较高的应用方向。IDC数据显示，2025年中国工业具身智能机器人市场规模约57.4亿元，其中工业机器人和人形机器人分别贡献约36.2亿元和21.2亿元。
  • 家庭消费市场具备长期潜力。家庭环境高度非结构化，任务类型复杂且长尾，对机器人的泛化能力、安全性、交互能力和成本提出更高要求，其潜在应用场景广泛，长期市场空间更为可观。

未来，机器人应用将沿着高结构化—中结构化—低结构化路径逐步向复杂环境渗透。不同机器人形态也将围绕自身能力优势，与具体场景形成更加明确的匹配关系，推动Physical AI从场景验证走向规模化应用。

趋势四

生态协同：从“整机竞争”走向“系统能力竞争”

随着Physical AI进入产业化阶段，机器人产业链正从单一本体向算力、模型、数据、核心零部件及行业应用全面延伸。本届大会上，国内外产业链企业深度参与，49家央企以创新联合体形式集中亮相，产业竞争正从单一技术供给走向产业链协同与场景共创。

随着Physical AI正在推动机器人产业从整机竞争走向系统能力竞争，企业竞争边界将进一步扩展至软硬件协同与产业生态。

  • 产业链协同持续深化。芯片、传感器、减速器、伺服系统、灵巧手等核心部件与机器人本体加速协同，供应链能力持续提升。
  • 模型与本体加速融合。大模型企业、机器人厂商及科研机构围绕VLA、世界模型、运动控制等开展合作，推动AI能力进一步进入真实机器人和实际应用。
  • 产业支撑体系加速完善。中国各地方已落地数十个具身智能相关创新中心，覆盖技术攻关、中试验证、数据训练及场景落地等环节，产业协同基础持续增强。
  • 国际合作持续深化。大会吸引30家国际支持机构参与，覆盖科研、工程、产业及投资等领域，推动全球机器人技术交流、产业协同与创新成果共享。

未来，企业竞争将从单一产品能力进一步转向软硬件协同、数据闭环、产业链整合和行业交付能力。具备完整生态组织能力的企业，将更有机会推动机器人从单点应用走向规模化商业部署。

IDC未来展望

WRC 2026释放出的信号越来越明确：具身智能机器人产业正在从技术展示走向产业价值验证。

未来机器人企业的核心竞争力，将不只是技术先进性，更在于能否把技术转化为稳定、可复制、具备商业价值的产品与解决方案。

Physical AI正在进入产业化深水区，机器人行业的下一阶段竞争，也将更加聚焦真实需求与实际价值。

IDC相关研究

IDC长期追踪机器人与Physical AI产业发展，形成从市场追踪、技术评估到用户洞察的持续性研究体系，并在工业制造、商用服务、特种作业及家庭消费等场景方向均有深入研究布局。如需了解更多IDC在机器人领域的研究内容或获取定制化数据分析，欢迎与IDC中国分析师团队联系。

进一步沟通

机器人产业正站在从技术验证迈向规模应用的关键节点。若您关注Physical AI落地路径、具身智能场景价值评估或产业链竞争格局，欢迎与IDC中国分析师团队深入交流。我们将结合WRC 2026现场一手观察与持续研究积累，为您提供定制化洞察与数据支撑。请点击此处进行联系。

Lily Li

Lily Li - Research Manager

Analyst Profile
Lily is the Research Manager for China Robotics and Embodied Intelligence, specializing in market research on embodied intelligent robots. She has long focused on the development trends of China’s embodied intelligence robotics industry, systematically studying the evolution of robot hardware,…