Logo
Become a Client

Resource Regions: China

当AI能够像安全研究员一样理解代码逻辑，安全工作不再仅是“发现和解决问题”，而是迈向持续治理与协作重构的新阶段。

一次产品发布，为何引发行业震荡？

2026年2月，Anthropic发布Claude Code Security。这款能够基于语义理解代码结构与逻辑关系的安全智能体，在真实环境中发现了超过500个此前未被识别的高危漏洞。消息公布后，资本市场迅速反应，多家传统安全厂商市值波动明显。市场的剧烈震荡折射出一个深层现实：运用智能体来进行安全运营已成为全球头部AI公司、安全公司共同发展的核心方向。

早在2025年，Google和OpenAI都已经发布了相关自主安全研究智能体工具，并在漏洞识别、漏洞验证、代码审计等诸多场景进行应用，代码安全智能体、漏洞管理智能体以正在经历从 “助手” 到 “协作者” ，从 “规则驱动” 向 “语义推理” 的范式跃迁。这些智能体可以捕捉传统安全工具难以捕捉的业务逻辑缺陷和访问控制失效等复杂漏洞，具备更强大的主动防御能力。

目前，中国已有多家技术服务提供商发布了安全运营智能体、代码安全智能体等相关能力，并开放供最终用户使用。国际数据公司（IDC）于2025年发布了中国安全智能体市场概览，2025：东风已至，未来可期》（Doc# CHC53614225，2025年6月），该报告全面展示了2025年中国安全智能体市场的产品技术发展情况以及市场竞争情况，详情请见下图：

从规则驱动到语义推理：安全能力的底层变化

过去十余年，代码安全体系主要依赖SAST、DAST、SCA等工具。这些工具通过规则匹配、特征识别与漏洞库对比完成扫描任务，在已知漏洞检测、依赖组件风险识别以及合规支持方面发挥了重要作用。然而，伴随应用架构的微服务化、业务逻辑的复杂化，以及AI生成代码的比例不断上升，传统基于规则的检测方式在某些场景中已经难以适配用户的安全检测需求，如其难以识别跨模块逻辑漏洞、难以理解权限链条与业务流程、难以处理语义层面的访问控制问题以及自动修复能力有限等。

代码安全智能体的出现，正是对这些短板的回应。基于大模型的语义理解能力，智能体可以跨文件分析上下文关系，模拟安全研究员的推理过程，识别复杂逻辑缺陷，并给出针对性修复建议。这种变化的意义在于，安全能力开始具备“理解”而非仅“匹配”的特征。安全流程也因此不再局限于漏洞扫描，而是向自动修复与流程嵌入延伸。

替代还是协作？行业结构正在重组

伴随技术突破而来的，是关于“替代”的讨论。安全智能体是否会取代传统工具？是否会削弱安全团队的价值？

从当前技术实践看，更合理的判断是能力重组，而非全面替代。

传统SAST、DAST、SCA工具在稳定性、规模化扫描、合规审计以及零日漏洞识别方面仍然不可或缺。尤其是在遗留系统和第三方组件治理场景中，规则工具具有成熟优势。

而智能体更擅长语义推理、复杂场景识别与自动化修复。它弥补了传统工具在上下文理解与闭环能力上的不足，却并未消除对人工判断与策略设计的需求。事实上，当前主流安全智能体产品均保留人工审批机制。这一设计本身表明，在风险决策、异常处理以及责任承担方面，人类依然是关键节点。未来，传统工具会快速嵌入智能体能力实现AI原生安全检测、自动化修复等问题，其安全流程从“检测-修复-审计”转向“预防-检测-修复-治理-审计”的全链路闭环。

企业安全运营模式正在发生转型

技术能力的变化，正在反向推动安全运营模式重构。

首先，安全工作加速左移。智能体能够嵌入CI/CD流程，在代码提交阶段进行实时分析与反馈，使安全从事后扫描转向前置控制。

第二，安全效率显著提升。代码审查、漏洞验证、修复建议生成等高重复性工作可实现自动化，安全团队得以将更多精力投入策略设计与复杂风险分析。

第三，安全能力逐步形成闭环。检测不再是终点，而是治理流程的一部分。风险识别、优先级排序、修复执行与复盘优化可以形成持续循环体系。

这一转型意味着，企业不应仅关注“是否使用智能体”，而应重新思考整体安全架构如何适应这一趋势。

企业应如何布局安全智能体？

面对这一变化，企业需要保持理性与节奏感，而非盲目替换现有体系。

首先，应从架构层面评估智能体的嵌入方式。将其作为增强模块接入现有安全能力体系，通过接口与流水线集成，实现能力协同，而非简单的工具叠加。

其次，可以从高频、低风险场景切入。例如代码审查自动化、依赖漏洞筛查、修复建议生成、安全报告生成等场景，既能体现效率优势，又能控制风险边界。在积累实践经验后，再逐步扩大应用范围。

再次，企业需要同步建立治理机制。明确智能体的决策边界、人工审批节点与异常回滚机制，确保自动化能力在可控范围内运行。

同时，未来企业的安全团队也将以“人+智能体”协同为主流运营模式。安全团队也应做好角色升级准备。未来的安全工程师将更多参与风险评估、模型调优与安全策略设计等复杂任务的处理上。

安全智能体不是终点，而是协作时代的起点。

IDC更多相关研究

IDC已于2026年启动AI安全技术系列研究，围绕AI原生安全架构、安全智能体成熟度评估、AI驱动DevSecOps实践路径及企业级AI治理框架展开深入分析。

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。

一个正在被低估的变化：云，已经不只是“算力池”

过去十多年，云计算的核心价值在于弹性、规模和成本效率。但 IDC 指出，随着生成式 AI 和智能体（Agentic AI）走向生产环境，云计算正在发生一次根本性转变——它不再只是承载应用的基础设施，而正在演进为 AI 运行、治理与协同的核心平台。

在中国市场，这一变化尤为明显。一方面，AI 应用对算力、数据、网络和安全提出了更复杂、更高频的需求；另一方面，数据安全、数字主权和成本压力，使企业无法简单依赖单一公有云模式。云计算，正在被迫“进化”。

在《IDC FutureScape：全球云计算2026年预测——中国启示》（Doc# ,2026年，1月）中，IDC 系统性地刻画了未来五年云计算将如何围绕 AI 重构自身形态与价值。

十大预测：AI 如何重新定义云计算的形态与边界（原文引用）

预测 1｜云基础架构现代化

到 2027 年，海量的计算和数据需求将强制超过 85% 的中国组织将传统云环境转型适配 AI 工作负载的新型平台。

这意味着，传统以 IaaS/PaaS 为中心的云架构已难以支撑 AI 应用规模化，云基础架构现代化将成为企业发展智能业务的前提条件。

预测 2｜代理式 AI 云运营

到 2027 年，80% 的中国 500 强企业将会部署代理式 AI 平台，为自动化 IT 云运营提供大规模、持续性的监控、分析、故障修复能力，最小化人工干预。

云运维正从“人驱动”走向“智能体驱动”，IT 团队的角色将随之发生转变。

预测 3｜专业的 AI 云服务提供商

到 2029 年，区别于 GPU 资源提供商，至少 30% 的高等级 GPU 将由 AI 云服务商的具备云特性、灵活计费、API、软件服务的资源覆盖。

企业将越来越倾向于选择“懂 AI 的云”，而不仅仅是提供算力的云。

预测 4｜边缘 AI 智能体

到 2028 年，具身智能将迎来爆发式增长，云服务提供商将通过在企业边缘环境部署 AI 基础设施和智能体支撑其中 60% 的业务场景。

AI 正从中心云走向边缘，云计算的服务边界被显著拉长。

预测 5｜基于私有云的企业级 AI 平台

到 2028 年，为了满足数据隐私需求以及降低公共大语言模型的数据泄露风险，60% 的中国组织将采用能够在数据治理方面提供更多控制能力的私有云平台方案。

私有云正在成为企业级 AI 的关键承载平台，而非“过渡选择”。

预测 6｜AI 成本治理

到 2028 年，没有把 AI 投入并入成本治理范围的企业 FinOps 团队将在 AI 相关项目方面面临 30% 的成本增长以及更低的总体回报。

AI 时代，成本治理能力将直接影响云与 AI 投资的可持续性。

预测 7｜异构云基础设施

到 2028 年，超过 80% 的中国组织将采用异构云基础设施，用于平衡混合的 CPU、GPU、存储技术以优化 AI 工作负载的性价比。

单一算力形态已无法满足 AI 需求，异构成为常态。

预测 8｜云端风险管理

到 2029 年，基于地缘政治的不确定性，50% 的实施数字化自治的中国组织将迁移敏感的工作负载到新的云平台以降低风险和提高自主能力。

云计算正在被纳入更宏观的风险与主权考量。

预测 9｜AI 辅助工作负载替代

到 2029 年，60% 的中国组织将采用云端的 AI 融合工具用于评估成本和性能指标，通过部署 25% 的 AI 智能体自动化工作负载的协同，以优化工作负载的替代。

AI 将参与云资源与工作负载的“自我优化”。

预测 10｜智能体 SaaS 平台

到 2029 年，50% 的中国企业应用将采用 SaaS 平台模式进行实时工作流中的预定义 APP 功能和 AI 智能体的协同，构建模块化和共享交互的解决方案。

SaaS 正在向“应用 + 智能体”的平台形态演进。

这些预测共同说明了什么？

IDC FutureScape 2026 反复传递出一个清晰信号：AI 已经成为云计算发展的第一驱动力。

云不再只是支撑 IT，而是直接决定 AI 能否落地、能否规模化、能否在合规和成本可控的前提下持续运行。忽视云基础架构演进的企业，将很难在 AI 投资上获得长期回报。

分析师观点

IDC 中国高级研究经理张犁认为，中国云计算市场正从“规模增长期”迈入“能力重构期”。FutureScape 2026 显示，云计算正在围绕 AI 重塑自身的架构、服务形态与商业模式——从基础架构现代化、代理式 AI 运维，到私有云与异构云并行发展。那些能够将云战略与 AI 战略深度融合的企业，更有可能在复杂环境中实现业务韧性与持续创新；而仍将云视为单一基础设施选项的组织，将面临更高的成本、风险与转型阻力。

一个面向管理层的综合建议

IDC 并不建议企业孤立地“上云”或“上 AI”。更重要的是，以 AI 为核心，重新审视云基础架构、云运营模式、成本治理与风险管理能力。
云计算，已经从“是否采用”的问题，转变为“是否足以支撑下一代智能业务”的问题。

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。

Lee Zhang - Senior Research Manager - IDC

Lee Zhang is a senior research manager for IDC Cloud Computing whose research theme focuses on cloud technology, namely hybrid cloud infrastructure, cloud-native infrastructure, big data infrastructure, microservice architecture, and deep learning (DL)/machine learning (ML) architecture, among others. Lee is also responsible for providing project consulting, market analysis for cloud service providers and end users, in collaboration with IDC local and regional consulting/research teams. Lee previously worked as a solution architect for Alibaba Cloud in the retail business, primarily focused on hybrid cloud solution design and delivery, and digital transformation project management. He assisted all types of clients, such as private enterprises, state enterprises, and government departments, designing digital transformation solutions with cloud technology such as hybrid cloud infrastructure including infrastructure as a service (IaaS)/platform as a service (PaaS)/desktop as a service (DaaS)/software as a service (SaaS), middle-stage infrastructure, big data platform, migration to cloud methodology, microservice architecture, and DL/ML, to name a few. Lee graduated from Beijing Institute of Technology with a master's degree in Business Administration (MBA). He obtained his bachelor's degree in Automation from the Huazhong University of Science and Technology.

当前，中国工业行业正处于由“数字化”向“智能化”跨越的关键拐点，“人工智能+工业”融合发展已成为产业转型升级的核心引擎。向国内市场看，随着需求加速升级、政策持续加码、技术不断演进，工业 AI 正从概念探索迈向规模化应用的新阶段；向全球市场看，各地区及国家对工业场景 AI 采用的重视程度空前高涨，但由于产业基础、IT/OT 架构与合规环境差异，不同区域在落地阶段与机会窗口上呈现明显分化。IDC 认为，中国工业厂商可依托自身技术积累与产业链优势，以多元化路径有针对性地推进海外市场拓展，实现“场景能力—交付体系—生态伙伴”的渐进式出海。

国内市场

工业 AI 规模化落地与智能体爆发式增长的双向共振

工业 AI 的需求已从早期头部企业的探索性投入，转向全行业“提质降本增效”的刚需。根据 IDC 预测，到 2028 年，中国工业企业 AI 支出规模将接近 900 亿元人民币，年复合增长率达到 38%。

到 2030 年，全球活跃智能体数量将突破 22.16 亿个，年复合增长率达到 139%，其中工业领域的活跃智能体是最重要组成部分之一。IDC 认为，智能体数量的快速增长将与工业 AI 的规模化需求形成共振：一方面，工业企业对跨系统协同与流程闭环的诉求更强；另一方面，智能体作为“任务编排与流程执行载体”，有助于将 AI 从“点状能力”升级为“可运营的生产力”，从而加速规模化落地。

国家布局加码，“人工智能+”专项行动锚定工业 AI 规模化落地

2026 年 1 月，工业和信息化部等八部门联合印发《“人工智能 + 制造”专项行动实施意见》，明确提出到 2027 年推出 1000 个高水平工业智能体的目标，标志着工业智能体已从企业自发探索上升为国家层面的系统性布局；同期，国家发展改革委、国家能源局发布《关于推进“人工智能 +”能源高质量发展的实施意见》，与前者形成政策合力，共同推动人工智能技术与制造、能源等工业领域的深度融合应用。

工业智能体正在向“强专业属性/高专业适配度”技术路线演进

工业本身具有强行业差异与强流程约束，无论制造还是能源行业，每个环节的业务语义、数据形态与约束条件都不同，难以依赖消费级通用智能体“一招通用”。因此，针对工业生产中的设计研发、仿真测试、工艺改进、质量检查、设备运维、能耗管理等不同细分环节，专门适配的工业智能体正在快速增多，并呈现出“更强专业、更深嵌入、更可控可管”的演进趋势。

全球市场

全球各区域工业企业需求多元，中国工业 AI 出海瞄准差异化缺口

根据 IDC 的预测，到 2028 年，全球工业企业 AI 支出规模将接近 2.2 万亿人民币，年复合增长率达到 63%。与中国市场对比可以看出，中国市场的 900 亿人民币工业 AI 支出占比仍有限，海外市场在需求体量、行业多样性与付费能力上，存在更大的市场空间。

同时，IDC 观察到，全球各区域工业 AI 需求呈现差异化：

  • 在欧洲、北美等发达市场，工业企业具备更成熟的数字化与工业软件体系，更偏好体系化、高端定制与长期服务续订，但整体成本高、交付周期长。中国工业 AI 厂商可从工业视觉、能耗优化、新能源场站运维等细分场景切入，以“轻量部署 + 快速见效 + 性价比”形成差异化补位；
  • 在东南亚等新兴市场，工业 AI 落地意愿强但适配性方案与本地化交付供给不足。中国厂商可输出成熟的场景化方案与一体化服务，重点强化本地生态伙伴、交付标准化与运维体系建设，以提升可复制性与持续收入能力。

IDC 也建议，出海不应仅理解为“卖产品/做项目”，更需要同步构建三层能力：合规与数据治理能力、本地交付与合作伙伴体系、以及行业场景的可复用产品化封装。

针对全球制造业、能源行业、供应链三大主题，IDC 全球工业研究在今年已启动一系列与工业智能化相关的研究议题，助力中国工业 AI 厂商进入国际工业企业视野，强化品牌可信度与市场触达效率。

IDC 2026年中国及全球工业研究计划：

更多推荐：

在全球工业 AI 政策护航、需求升级、技术迭代与出海进阶的发展背景下，IDC 同步启动工业 AI 领航者奖项征集，围绕行业先锋、出海先锋、创新先锋等多个维度展开评选，旨在发掘具有可复制价值的行业实践，推动工业智能化从“示范”走向“规模化”，并助力“中国方案”在全球工业智能价值分工中占据更重要的位置。


【奖项征集】2026 IDC中国工业AI领航者大奖征集启动 ！

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。

AI 时代的一个被低估事实：算力不是瓶颈，基础架构才是

在过去一年里，企业对 AI 的讨论几乎全部围绕模型、算力和应用展开。但 IDC 指出，一个正在被反复验证的现实是：真正限制 AI 规模化落地的，并不是模型能力，而是数字化基础架构的成熟度。

当 AI 从“试点探索”走向“生产级运行”，企业的操作系统、数据中心、网络、存储、边缘节点和运维体系，开始承载前所未有的复杂度和压力。数字化基础架构，已经从后台支撑，转变为 直接影响业务速度、成本结构、韧性与可持续性的核心能力。

在《IDC FutureScape：全球数字化基础架构2026年预测——中国启示》（Doc# ，2026年1月）中，IDC 描绘了未来五年企业基础架构将经历的一次系统性重构。

十大预测：数字化基础架构正在发生哪些“质变”？

预测 1｜智能体嵌入操作系统成为标配

到2029年，65%的新操作系统版本将搭载基础设施运维 AI 智能体与 MCP 服务器，大幅提升系统利用率、安全性与能耗效率。

操作系统正从“被动平台”演进为“主动运维中枢”，IT 团队将从日常维护中解放出来，转向更高价值的架构与业务协同工作。

预测 2｜人工处理逐步退出日常运维

到2030年，45%的日常 IT 运维任务将由智能体 AI 处理；若事件未在平均解决时间（MTTR）目标内完成处理，则采用通知 IT 人员的模式提供指导。

AIOps 正在改变运维范式，人类不再是第一响应者，而是“最终裁决者”。

预测 3｜数字孪生优化基础设施

到2028年，40%的数据中心将通过数字孪生（覆盖 IT 设备至设施全环节）实现优化，推动数字基础设施向可持续、高成本效益、强韧性的方向发生根本性转变。

数据中心运维从“事后响应”走向“事前模拟与预测”。

预测 4｜异构计算的应用

到2030年，75%的数据中心将在 CPU、GPU、QPU、NPU、LPU、APU 和 DPU 的混合架构上运行工作负载，从而在特定应用场景中实现显著更快、更节能的处理能力。

未来的数据中心，不再是“单一算力池”，而是高度专业化的计算调度系统。

预测 5｜液冷标准形成

到2030年，65%的新液冷部署项目将集成开放式行业标准，实现平台兼容性，并将部署、维护、改造及扩容成本降低三分之一。

液冷从“高端选项”走向“规模化基础设施能力”。

预测 6｜AI 加速容器化转型

到2028年，75%的新 AI 工作负载将实现容器化，从而显著提升模型与工作负载更新的速度、一致性与安全性。

容器成为 AI 推理时代的“默认交付形态”。

预测 7｜数据管道现代化

到2028年，65%的中国500强企业将实现数据存储基础设施的现代化，并优化数据流程，以便在可优化 GPU 集群的存储系统上，向 AI 模型提供高质量、经过整理的数据。

没有高质量数据管道，再多算力也无法转化为业务价值。

预测 8｜推理向边缘侧迁移

到2027年，随着 AI 的重心从训练转向推理，80%的企业将部署分布式边缘基础设施，以提升 AI 应用的延迟表现与响应速度。

AI 正在从“云中心”走向“业务现场”。

预测 9｜网络互联驱动基础设施发展

到2027年，75%的企业将部署面向互联的网络，以支持先进 AI 推理与分布式应用，提升安全性、敏捷性与风险管控能力。

网络从“连接工具”升级为“算力与数据流动的关键底座”。

预测 10｜私有数字基础设施的复兴

到2026年，60%的企业将主动对私有 IT 基础设施进行再投资，以提升混合云一致性，优化数据隐私、业务韧性、性能与成本。

私有基础设施并未消失，而是在 AI 时代被重新定义。

这些预测共同说明了什么？

IDC FutureScape 2026 反复强调：AI 的竞争，最终会回到基础架构。

模型可以快速迭代，但基础架构一旦落后，企业的 AI 战略将很难持续。真正的领先者，将是在自动化、异构计算、数据流动和治理能力上，提前完成布局的组织。

分析师观点

IDC 中国研究副总裁周震刚认为，中国企业正从“云优先”迈向“AI 优先”的新阶段。FutureScape 2026 显示，数字化基础架构正在从成本中心转变为战略资产——它直接决定 AI 能否规模化落地、业务是否具备韧性，以及企业能否在不确定环境中持续增长。忽视基础架构现代化的企业，将在 AI 投资回报率、系统稳定性和长期成本控制上承受更大压力。

一个面向管理层的综合建议

IDC 并不建议企业孤立地升级某一层基础设施。更重要的是，以“AI 可持续运行”为目标，对操作系统、算力架构、数据管道、网络与运维体系进行系统性重构。


基础架构不是“是否够用”的问题，而是“是否能持续支撑下一代 AI 应用”的问题。

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。

Thomas Zhou - Vice President - IDC

Thomas Zhou is the vice president of Enterprise Research for IDC China. He leads the enterprise research team in covering market analyses, tracking of data, forecasting, and consulting for enterprise computing, storage, networking, infrastructure software, cloud, and datacenter. He is also responsible for IDC data tracking of software, services, and the public cloud services market in China. Thomas speaks frequently at IDC, industry, and user events and is always quoted in leading business and technology publications. Thomas joined IDC in 2006. He provides in-depth market analysis, research, and consulting on all aspects of the enterprise infrastructure to IT vendors and investors. During his tenure at IDC China, Thomas has led IDC's primary research focused on emerging trends in enterprise systems and datacenters. This research continues to make IDC a thought leader in enterprise infrastructure‒powered digital transformation. Thomas's recent topics covered software-defined infrastructure, hyperconvergence, virtualization, and cloud computing infrastructure. Prior to joining IDC, Thomas worked for 10 years as a senior project manager and business consultant for several leading IT companies in China. Thomas holds a master's degree in Computer Engineering from the University of Science and Technology of China.

过去一年，生成式AI迅速从“前沿技术”演变为企业讨论中的常规议题。从董事会到业务一线，关注点已经不再是“要不要用AI”，而是企业在不同发展阶段，应该如何选择落地路径、如何判断投入节奏，以及如何尽量降低不必要的试错成本。

从市场实践来看，企业的AI探索并不存在统一范式：有的企业从具体应用场景切入，有的优先推动流程自动化，也有企业选择先夯实数据和平台基础。这些选择背后，往往与行业属性、组织能力、数字化成熟度和管理目标密切相关，并不存在绝对正确的先后顺序。

在这一过程中，企业级应用、企业级服务以及数据库与数据管理，往往以不同形式、不同权重出现在企业的AI实践中。IDC开展相关研究，并非试图将这些因素“硬性绑定”为成功前提，而是希望更真实地反映市场的复杂性，帮助企业理解不同路径下可能面临的机会与约束。

从“加AI功能”到“用AI做事”：企业级应用的重构正在发生

AI Agent正在改变企业应用的基本形态

在很多企业中，生成式AI最初的落地方式是“功能叠加”：写文案、生成报表、自动摘要。这类能力提升了效率，但并没有改变应用的本质。

IDC的研究发现，真正具有颠覆意义的变化来自AI Agent（智能体）的引入。企业级应用正在经历从“被动工具”到“主动参与业务执行”的转变：

  • 应用不再只是被人操作，而是能够理解目标、拆解任务并自动执行
  • 用户界面逐渐从复杂菜单，转向自然语言和流程驱动
  • 应用之间开始通过Agent进行协同，而非人工串联

IDC将这一变化总结为企业级应用的“Agentic演进路径”，并指出未来几年内，Agent将从辅助角色逐步走向主导角色。

哪些业务场景最先受益？

从企业实际落地情况来看，生成式AI和智能体的应用并未集中在单一部门，而是优先出现在高频交互、高度标准化或知识密集型的业务与技术场景中，包括：

  • 客户服务与智能联络中心：AI被广泛用于自动应答、坐席辅助、工单分流与服务质量监控，在不完全替代人工的前提下，提高响应效率和服务一致性。
  • 办公自动化与知识管理：会议纪要、文档整理、企业知识问答等场景逐步由AI承担基础工作，降低员工获取信息和跨部门协作的成本。
  • 内容生成与市场营销：从内容和素材生成，延伸至客户洞察、活动优化和线索管理，营销决策开始更多依赖数据与模型驱动。
  • 职能流程自动化：在财务、供应链、HR、采购、法务等职能领域，AI被用于规则明确、重复性高的流程自动化、合规检查和风险识别。
  • 研发与IT运维：代码生成、测试、故障定位和运维自动化成为AI落地的重要方向，直接影响研发效率、系统稳定性和运维成本。

IDC之所以持续追踪这些细分场景，是因为企业在做AI投资决策时，往往需要回答一个现实问题：哪些应用场景已经具备规模化条件，哪些仍处在早期探索阶段。这类研究的价值，在于帮助企业避免“平均用力”，而是将有限资源投入到最有可能产生业务回报的方向。

没有服务能力，AI很难真正跑起来

一个在客户中反复出现的共识是：AI Agent的成败，不仅仅是模型本身，很大程度还取决于项目实施过程中对于数据治理，安全合规，流程重塑，平台整合等环节的设计和把控，以及后期的运营和维护。

企业在推进过程中普遍会遇到：

  • 业务流程是否适合被Agent接管
  • 多个Agent如何协同、治理和监控
  • 如何持续评估ROI，而不是一次性交付

这也是为什么企业级服务在AI时代的重要性被显著放大。IDC在软件与服务研究中，将AI咨询、Agent设计与开发、系统集成、运维与持续优化视为一个完整闭环，而非单一项目 。

对企业而言，这类研究的价值并不仅在于“推荐某一家供应商”，而在于帮助管理层理解能力建设的先后顺序：哪些能力需要长期内生，哪些可以借助生态伙伴补齐，从而避免“试点成功、规模失败”的常见陷阱。

AI走得多远，取决于数据和数据库走得多稳

数据库正在从“后台系统”走向“AI基础设施”

如果说企业级应用决定了AI“做什么”，那么数据库和数据管理决定的则是AI“能不能做、做得好不好”。

在生成式AI快速演进的同时，中国数据库市场也正在经历深刻变化：一方面，AI对数据实时性、多模态和向量能力提出更高要求；另一方面，国产化进程推动本土数据库厂商在功能和市场份额上持续提升 。

AI for Data：让数据库更智能

IDC在数据库研究中发现，AI正在反向赋能数据库自身：

  • 自动调优与容量预测
  • 基于AI的异常检测和安全防护
  • 更智能的运维和资源调度

这些能力直接降低了数据库复杂度，使企业能够用更少的人力支撑更复杂的业务和AI负载。

Data for AI：让AI真正可用

更关键的是，数据库正在成为AI应用的“能力上限”：

  • 向量引擎和多模数据管理决定了Agent是否具备“长期记忆”和上下文理解能力
  • 数据治理和权限体系决定了AI是否可信、可控
  • 实时数据能力决定了AI是否能够参与业务决策，而不仅是事后分析

IDC在数据库管理系统市场的研究中强调：未来企业AI竞争的本质，是数据架构和数据能力的竞争。

为什么IDC要持续开展这些研究？

IDC之所以持续在企业级应用、企业级服务以及数据库与数据管理领域投入研究，一方面，这些领域是企业AI价值真正发生的位置：应用决定AI是否进入业务流程，服务决定AI能否规模化运行，数据库管理和数据治理决定AI是否长期可持续。任何一环缺失，AI都很难从“亮点项目”走向“稳定能力”。

从企业决策者视角看，这些研究真正解决了什么问题？

通过持续的市场数据、趋势判断和实践洞察，IDC希望帮助客户：

  • 看清AI技术和应用的成熟节奏
  • 了解行业发展的最新趋势和最佳案例
  • 对于热点领域和技术的评估和参考实践

在生成式AI引领的新一轮技术升级中，真正具备长期优势的企业，往往不是最早“尝鲜”的企业，而是那些能够构建高质量数据资产、完善AI治理体系、深度重塑业务流程并持续融合行业Know-how，实现数据驱动的敏捷创新与可持续落地的企业。这正是IDC持续开展相关研究的出发点，也是客户能够从这些研究中获得的长期价值。

IDC 2026年软件和服务领域研究计划：

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。

Lizzie Li - Associate Research Director - IDC

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 local and multinational corporation (MNCs) IT vendors. Lizzie’s research domain covers Datacenters, Cloud Computing, Virtualization, and her duties include providing consulting proposals to IT vendors on sales, marketing, and research fields. Lizzie Li has seven years of experience in the IT industry, including Internet datacenters, cloud computing services, mobile telecommunication systems, and enterprise markets. Prior to joining IDC, Lizzie Li worked for 21vianet, Nokia Siemens Networks, and Huawei, and was responsible for sales analysis, project management, and technical support. Lizzie graduated from Huazhong University of Science and Technology with a Master’s degree in Pattern Recognition and Intelligent Systems.

过去三年，边缘计算云服务一直是云计算市场中最具确定性的增长引擎之一。2021—2024 年，中国边缘公有云服务市场保持了接近 38% 的年均复合增长率，在内容分发、实时交互、数据合规与用户体验提升等场景中，边缘云的价值已被行业客户广泛验证。

但进入 2024 年之后，市场环境正在发生明显变化。随着企业 IT 预算与资源快速向 AI 相关投入倾斜，边缘计算云服务的增长节奏出现波动：一方面，边缘 AI 场景在短期内尚未形成清晰、可复制的商业闭环；另一方面，部分传统需求增速放缓，使得市场在 2024 年下半年一度出现明显回落。

在这样的背景下，一个更具根本性的问题摆在行业客户和服务商面前：在 AI 成为核心业务能力的时代，边缘云究竟应该扮演什么角色？它是否仍然只是成本优化与资源下沉的工具，还是正在演变为承载新一代 AI 应用、Agent 形态与分布式网络能力的关键基础设施？本文将围绕这一问题，对 AI 时代边缘云的价值演进路径进行分析。

经典边缘云服务价值完成了从“成本优化”到“业务创新”的跃迁

不同时代背景、不同发展阶段、不同应用场景，为了满足企业自身业务发展诉求和回应资本诉求，行业客户对IT架构建设诉求可能存在巨大差异。

中国边缘计算云服务市场过去三年高速增长的背后，是不同影响因素交织形成的一轮分布式IT架构建设浪潮。其最初驱动力，是中国互联网行业各品类头部客户在用户规模见顶后对IT架构效率的机制追求，与边缘计算节点在运营成本、业务合规、用户体验等多维度原生优势的一次精准匹配。

行业客户广泛认可基础产品商业价值后，供需双方开始赋予边缘计算节点更丰富的内涵，随之而来的，是多样化的云服务产品下沉，以及据此完成的IT架构变革与业务创新。

AI时代边缘云服务价值实现顺序可能完全相反

2024年开始，部分服务商开始尝试复制经典边缘云过去三年的增长路径，希望从基础产品开始，完成边缘云市场的增长驱动力转换，但结果却是，传统增长需求增速放缓，但新边缘AI基础产品的商业价值并未获得广泛认可。回顾过去一年的市场变化，我们认为，AI时代边缘计算云服务的演进路径可能存在差异，价值演进逻辑甚至完全相反。

在当前时间节点下，主要行业客户的核心诉求，是探索扩大AI应用场景，客户迫切需要在更短的时间内探索出可以大规模商业化落地的应用场景。这一阶段，客户普遍对于初期运营的成本关注度有限，因而在本轮AI浪潮中，除了离线专属单点机柜满足了客户在私有化环境中的AI尝鲜诉求，在更广泛的边缘计算云服务体系中，最先受益的反而是基于边缘云“分布式”架构的更高阶创新方案，诸如大模型网关、AI搜索配套服务等。

例如基于边缘计算节点的AI搜索，2025下半年开始已经获得市场认可，“分布式”的边缘计算节点帮助模型克服了通用搜索引擎仅能返回摘要和元数据的局限性，并在大规模内容返回、抓取速度、动态内容解析、反爬对抗等维度展示出独特商业价值。

同时，以C端硬件形态和开源项目形态的AI Agent个人助理正在引起市场的广泛兴趣，甚至有望成为对话式AI、AI Coding之后的下一个顶流热点。在这一场景下，不考虑既有互联网内容与广告生态对上述应用场景的限制，“分布式”的边缘结算节点能够在用户响应时间、敏感数据保护、与庞大的互联网生态对接等方面同样提供了差异化价值。

IDC对于边缘计算服务/边缘云服务商的建议：

  1. 避免将注意力局限在边缘推理算力提供。虽然在边缘计算节点部署异构算力裸机是实现边缘云商业化变现的最快路径，但如上述推论所示，在各种类型的AI应用大规模铺开后，或者AI场景经过市场洗礼其商业价值被广泛验证后，行业客户才会将注意力转移至长期运营所需的更合理、经济的产品与服务。尤其是没有内部业务兜底的中小服务商，应当避免在获得明确的商业需求前，在边缘大规模部署异构算力。
  2. 保持对AI应用新场景的敏感，尤其是可落地的Agent形态应用。建立AI应用流程的全局视角，注并拆解其中边缘计算节点可承担的负载与业务流程，关与边缘云分布式体系带来的原生价值相匹配。
  3. 关注与多媒体场景相关的AI应用。图片、音视频等多媒体内容需要消耗更多的网络与算力资源，因而在大规模商业化推广后，边缘云“分布式”的生产体系、更靠近用户的网络环境优势将被进一步放大。
  4. 坚持既有优秀实践。更先进的大模型与多模态模型确实会改变我们的工作、生活与娱乐方式，进而对IT架构带来深远影响，包括后端软硬件架构和资源比例，但边缘云产品服务在既有场景中的价值逻辑依然长期成立，甚至在用户将预算向AI场景倾斜后，其优势有被进一步放大的趋势。

IDC 相关研究

围绕 AI 时代边缘云与边缘 AI 的发展趋势、技术能力与市场格局，IDC 将持续开展系统性研究，包括但不限于：

  • 《IDC Market Glance：中国边缘 AI 基础设施和平台，2026Q1》（即将发布）
    —— 从市场结构与关键能力维度，解析边缘 AI 产业链与主要参与者。
  • 《IDC Tech Assessment：中国边缘云智能服务技术能力评估，2026》（即将发布）
    —— 评估主流边缘云服务商在 AI 服务、分布式架构与应用支撑能力方面的技术成熟度。
  • 《IDC China Semiannual Edge Cloud Tracker，2025H1》
    —— 持续跟踪中国边缘公有云市场规模、竞争格局及行业应用变化。

如需进一步了解 AI 时代边缘云与边缘 AI 相关研究内容，或咨询 IDC 在云计算、AI 基础设施及数字化转型领域的其他研究成果，请点击此处，欢迎与我们保持联系。

Eric Wei - Research Manager - IDC

Eric Wei is primarily served as the role of Research Manager in Enterprise Research sector for IDC China, and he is responsible for conducting analysis and research for the China Industry Cloud Solution market and China Cloud Market Ecosystem, especially in Industrial Cloud Solution area. He is also involved in regional and global consulting and business development in related markets. Prior to joining IDC, Eric has over 3 years of working experiences in China Academy of Information and Communications Technology (CAICT). His research area there included next generation technology and its market tendency, Industrial Internet and Intelligent manufacturing. Eric holds Bachelor of Mechanical Engineering and Automation and Master of Instrument Science and Technology form Tsinghua University.

过去二十多年，中国政府信息化从“信息化—电子政务—数字政府”持续演进，有效支撑了治理能力现代化。当前，在大模型等 AI 技术突破与数据要素制度逐步完善的背景下，数智政府正在成为新阶段与新目标。IDC 认为，数智政府并非在数字政府之上简单“叠加AI”，而是围绕数据驱动（数据要素）、智能决策（政务大模型）与人机协同（智能体），对治理链条进行系统重构。

IDC认为，每一次政府数字化的跃迁，都源于技术成熟、治理需求与制度环境三者的同频变化。

一是技术条件发生质变。大模型带来“内容生成与推理”叠加“行业知识整合”的能力范式，结合数据、云与智能算力的规模化供给，以及更自然的人机交互方式，使政务系统从“流程线上化”走向“理解政策与业务、辅助决策与执行”的新阶段。

二是治理需求结构性变化。财政约束趋紧要求降本增效与集约建设；公共服务需求持续增长且更个性化；城市治理与风险管理复杂度上升，仅依赖增人增系统的传统路径难以对冲复杂度的上升，必须通过数智化手段重构治理方式与服务范式。

三是制度环境为规模化建设“铺路”。《国家数据基础设施建设指引》、《可信数据空间发展行动计划》与《政务领域人工智能大模型部署应用指引》等政策文件持续明确方向：数智化是数字政府建设的主攻方向，且需在安全、合规、可控前提下推进。这为数智政府由试点探索走向规模化落地奠定了制度基础。

未来五年“数智政府”市场的机遇与重构

根据 IDC《中国数字政府市场预测，2025—2030》，未来五年中国数字政府市场将呈现“总量稳增、结构重构”的特征。到 2030 年，市场规模预计达到 1857 亿元人民币，2025—2030 年 CAGR 为 4.1%。数字政府建设模式也由一次性项目投资转向政企合作，注重长期运营、服务化和效果导向。主要体现在三层：

基础设施：从云到智。基础设施仍是最大支出项，但增长重心正向智算中心与异构算力迁移。当前政府行业大模型应用及基础架构渗透率仅 1.5%，智能算力将成为数智政府的“隐性生产力”，具备显著成长空间。

平台层：成为数智中枢。以政务大模型平台、智能体平台、数据中台为核心，形成可持续复用的智能服务能力。IDC 预测平台层将保持接近 9% 的较高复合增速，是长期战略价值最突出的细分领域。

应用层：从项目建设走向能力运营。政务服务、政务办公、社会治理等领域的应用形态由一体化建设转向持续运营与生态化建设。对供应商而言，竞争焦点将从“交付规模”转向“可复用能力+运营成效”。

IDC 数智政府百强榜：行业领先实践

基于市场规模、技术成熟度、实践效果与可复制性等多维评估，IDC 发布了 “2025年中国数智政府百强榜 ”，提炼可复制的领先实践与产业共识，集中体现五大趋势：

第一，政务服务从“数字窗口”升级为“智能体入口”。AI助手、数字人不再只是展示，而是承担咨询、引导、办理、评价等多角色协同，成为统一入口的雏形。典型实践包括“贵人智办”AI助手、爱山东济南分厅服务AI能力提升、扬州市智慧门户”三好”小助手项目等项目。

第二，政务办公进入“AI初审 + 人工决策”的常态。公文处理、审批、督办等场景，正在从“全人工”走向“机器先筛、人工把关”，效率提升来自流程与决策链条的重构。典型案例实践包括烟台市智慧公文大模型项目、智慧政务协同办公平台AI应用项目等。

第三，数据要素从“政府内部资产”走向“治理与产业共同资源”。公共数据授权运营、城市数据空间等实践，推动数据在安全可控前提下释放外部价值，形成“数据—场景—产业”的闭环。典型实践包括数字福建释放公共数据赋能产业发展，治理数字优化惠及民生福祉、全球数源中心数据流通利用基础设施先行先试项目、上海数据集团城市数据空间新范式等项目。

第四，数智化开始直接提升城市体验与民生幸福感。养老、社区、园区、新城治理等场景，越来越强调“体验指标”和“结果导向”，这将倒逼产品从功能堆砌转向可衡量的成效。典型实践包括”盛情康养”沈阳基本养老服务综合平台、福田率先落地政务大模型发布首个城市智能体、广东某市管委会以AI引领构建智慧新城等项目。

第五，基础设施走向高度集约与智能调度。多云纳管、一云多芯、统一算力平台正在成为“标配”，这对厂商的体系化能力提出更高要求：能不能管得住、调得动、算得稳、控得牢。典型实践包括湖南省级数字政府、甘肃数字政府、长三角枢纽芜湖集群算力公共服务平台、中原智算中心等项目。

数智政府是“十五五”治理现代化的新起点

IDC 认为，数智政府将成为未来一个五年乃至更长周期内中国政府数字化建设的主线，深刻影响公共服务供给方式、城市运行治理模式、数据要素价值释放路径以及数字技术的社会价值实现。在“十五五”全面展开之际，数智政府的规模化建设成效，将成为衡量治理现代化水平的重要维度，也将重塑政府数字化市场的竞争格局与产业机会。

相关研究报告

《IDC PeerScape: 中国数智政府领导者实践，2025》(Doc#CHC53833026，2026年1月)。

更多推荐：

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。

国务院新闻办公室于2026年1月19日上午10时举行了新闻发布会，国家统计局局长康义，国家统计局新闻发言人、总经济师、国民经济综合统计司司长付凌晖介绍了2025年国民经济运行情况。本文基于此次会议发布的数据给出分析。

核心观点

2025 年中国经济运行并非一次周期性下行，而是一次关键性的结构性切换。尽管 2024 年与 2025 年的 GDP 增速均保持在 5.0% 左右，但驱动增长的内在动能已发生显著变化：固定资产投资由正转负，制造业投资大幅放缓，通缩压力仍然存在；与此同时，信息服务业投资快速增长，高技术出口表现突出，消费延续结构性修复，人口与劳动力约束明显加剧。

IDC 认为，2025 年实际上完成了中国经济从“投资拉动型增长”向“结构再平衡、效率驱动型增长”的关键过渡。这一变化将深刻影响 2026 年的市场环境，使其呈现出总体温和增长、结构性高度分化的特征。

对 ICT 市场而言，这意味着一个明确转向：从以资本开支和规模扩张为核心，转向以可量化 ROI 为导向、以软件和 AI 为核心的价值创造模式。能够顺应这一结构性转变的厂商与企业将持续跑赢市场，而仍停留在传统扩张逻辑中的参与者将面临更大压力。

一、宏观背景：增速保持稳定，结构分化加剧

2024 年与 2025 年，中国经济均实现了约 5.0% 的 GDP 增长目标，但增长质量与结构已明显不同。

2024 年的经济增长在四季度明显回升，反映出政策支持、基础设施投资以及制造业阶段性复苏的拉动效应；而 2025 年则呈现出“前高后低”的增长节奏，季度 GDP 增速逐步回落，反映出企业投资信心与项目预期趋于谨慎，尤其是在大型资本性项目方面。

从产业结构看，2025 年第三产业占比继续提升，第二产业贡献趋于稳定，表明中国经济正进一步迈向以服务业和知识密集型产业为主导的发展阶段。这一趋势对技术需求结构具有深远影响。

二、2024–2025 年的六大关键结构性变化

IDC 从宏观与产业数据中识别出六项对未来市场具有决定性影响的变化。

1、固定资产投资由“正增长”转为“整体收缩”。2024 年固定资产投资同比增长 3.2%，而 2025 年则下降 3.8%，出现明确拐点。基础设施投资回落，制造业投资几乎停滞，房地产投资进一步下探。这既是周期性谨慎的结果，也是结构性调整的体现：地方财政约束趋紧，企业资本纪律增强，传统投资项目的回报率持续下降。

市场含义：以大规模资本开支为主要驱动的市场空间正在系统性收缩。依赖“重资产、重工程、重建设”的行业与技术领域，在 2026 年仍将面临持续压力。

2、制造业投资急剧放缓，但并未系统性下滑。制造业投资增速从 2024 年的 9.2% 大幅回落至 2025 年的 0.6%，反映出企业在需求不确定和利润承压背景下，对扩张计划进行重新评估。但与此同时，高技术制造业和装备制造业的工业增加值仍保持相对较快增长，显示制造业投资并非全面退潮，而是向高技术、高附加值领域高度集中。

市场含义：2026 年制造业相关 ICT 需求将呈现“客户数量减少、单客户深度提升”的特征，重点集中于具有明确效率与质量目标的先进制造企业。

3、信息服务业投资成为逆周期结构性亮点。与整体投资趋势形成鲜明对比的是，2025 年信息服务业投资同比增长超过 28%。这表明在资本整体趋紧的背景下，政府与企业仍在持续加大对数字基础能力的投入。这类投资并非追求规模扩张，而是围绕效率提升、韧性增强与长期竞争力构建展开。

市场含义：云服务、数据平台、AI 能力、软件基础设施将成为 2026 年最具确定性的增长板块之一。

4、消费温和修复，但升级特征显著。社会消费品零售总额增速从 2024 年的 3.5% 小幅提升至 2025 年的 3.7%。尽管整体恢复节奏仍然温和，但消费结构发生明显变化。通讯器材、文化办公用品、体育娱乐用品及智能家电等品类实现两位数增长，表明消费者并非简单扩大支出，而是向数字化、智能化和体验型消费升级。

市场含义：2026 年与消费相关的 ICT 机会将更多集中在零售数字化、全渠道运营、智能供应链以及 AI 驱动的客户运营领域。

5、出口保持韧性，增长质量持续改善。2025 年出口增速虽略低于 2024 年，但仍保持较高水平，高技术产品出口同比增长超过 13%。对“一带一路”国家出口以及民营企业出口占比持续提升。这表明中国外向型竞争力正在由规模优势向技术与价值优势转变。

市场含义：2026 年，企业“走出去”将继续成为 ICT 市场的重要增长来源，带动跨境云架构、数据合规、全球供应链系统与安全能力的需求。

6、人口下降明显加速，劳动力约束显性化。2025 年人口减少规模明显扩大，而城镇化率持续提升。劳动力供给约束已从长期趋势转变为现实挑战。这一变化强化了企业对自动化、数字化与智能决策的迫切需求。

市场含义：到 2026 年，“用技术替代人力、用智能提升效率”将从选择项转变为企业经营的核心议题。

三、对 2026 年 ICT 市场整体影响的基本判断

IDC 预计，2026 年中国 ICT 市场将进入一个总量温和增长、结构高度分化的新阶段。

从“扩张型建设”走向“价值型优化”。市场需求的核心将从“新系统建设”转向对既有数字资产的深度利用与价值释放。项目审批将更加关注成本节约、效率提升和回报周期。

从硬件导向转向软件与 AI 主导。硬件密集型项目面临更严格的预算约束，而软件、云服务、数据与 AI 应用将在企业 ICT 支出中占据更高比重。

从一次性交付转向持续价值交付。订阅制、按量付费和结果导向型（Outcome-based）模式将更受欢迎。企业将优先选择能够持续创造业务价值的技术伙伴。

四、战略建议

IDC 认为，2026 年不是高速反弹之年，而是结构清晰之年。中国 ICT 市场的赢家，将是那些真正理解并顺应新经济逻辑的参与者：效率优先于规模，智能优先于扩张，韧性优先于速度。这一转型也将为 2026 年之后更具可持续性的创新增长周期奠定基础。

对 ICT 厂商，从“技术能力叙事”转向“业务结果叙事”，突出可量化 ROI；加大对行业 AI、数据与场景化解决方案的投入；强化对企业出海和全球化运营的支持能力。

对行业用户，将 ICT 投资评估标准从功能完整性转向业务影响与效率改善；优先布局 AI 与数据平台，提升自动化与决策能力；将数字化转型与组织、人才和流程重构协同推进。

IDC相关研究

• 中国智能经济演进趋势与数智化商机5大洞察, Jan 2026, Doc# CHC53833826

• IDC FutureScape: 全球AI驱动的业务战略2026年预测：中国启示,  Dec 2025, Doc # CHC53834026

• IDC FutureScape: 全球CEO议程2026年预测（中文版），Jan 2026, Doc# CHC53833926

• IDC FutureScape: 2025年全球I行业预测（中文版），Jan 2026，Doc# CHC53858725

• 2026中国两会政府工作报告对AI大转型和ICT市场的影响, 即将发布

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。

Lianfeng Wu - Vice President - IDC

Analyst Profile
Mr. Wu Lianfeng, the Vice President and Chief Research Analyst of IDC China, has more than 25 years of experience working in the IT industry. Since joining IDC in 2000, Mr. Wu has extensive research and consulting experience in the areas of overall ICT market, vertical industry market, Internet and new media, smart connected devices, software and service outsourcing, digital transformation, digital economy, and emerging technology, among others. In recent years, Mr. Wu has been leading IDC China's digital transformation research and event. In 2017, he started to build the CXO circle excellence club, the vision of which is to help industry CXOs transform from good to excellent. Mr. Wu holds monthly offline activities and publishes daily articles that focus on digital transformation: business trends, technology trends, industry trends, organizations, and people role trends. Mr. Wu also worked with IDC global analysts to lead China's annual ICT direction forum and Top 10 Predictions (IDC FutureScapes) forum, providing industry forecasts of the latest development directions and business opportunities. At the same time, Mr. Wu works with a team of analysts to explore and discover new research topics and build thought leadership in the ICT market. Recent research areas he has delved in include Future of Work (FoW), Future Industry, Smart City, and DevOps, among others. Mr. Wu is also a guest speaker in all kinds of top ICT summit, CIO summit, and industry digital transformation summit. He gives nearly 50 speeches every year, which greatly promotes the application and development of digital technology in the industry. Prior to joining IDC, Mr. Wu worked with China Academe Launch-vehicle Technology (CALT), China Hewlett-Packard Co. Ltd., Jardine Pacific (JOS) Information Technology Co. Ltd., accumulating 9 years of working experience in the field of IT and telecommunications. Mr. Wu holds an MBA from the University of International Business and Economics in Beijing, a Master's degree in Engineering from China Academy of Launch Vehicle Technology, and a bachelor's degree in Engineering from the University of Electronic Science and Technology.