Logo
Become a Client

Resource Regions: China

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

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

从应用到Agent，竞争格局与商业模式重塑

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

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

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

应用正在“退居后台”：Agent成为新的执行层

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

但Agent改变了这个前提。

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

这意味着一个关键变化：应用不再是工作的入口，Agent才是。

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

应用边界开始消失：竞争从产品走向生态

当Agent可以跨系统完成任务时，原本清晰的应用边界开始变得模糊。

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

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

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

如果无法进入这个链条，即使功能完整，也可能被绕过，逐渐边缘化。

定价体系被重写：从“使用权”到“结果价值”

相比产品形态的变化，更深远的影响正在商业模式层面显现。

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

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

这带来一个根本性问题：当“使用量”不再等于“价值”，软件应该如何收费？

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

但更关键的变化在于：

软件行业正在从“为工具付费”，转向“为结果付费”。

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

IDC观察：三条正在形成的主线

从当前市场演进来看，这一轮变化并不是单点突破，而是沿着几条清晰的主线展开。

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

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

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

谁会受益，谁面临风险？

在这一过程中，市场分化已经开始出现。

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

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

结语：这不是一次技术升级，而是一次价值重构

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

这不是一次简单的技术升级，而是一场围绕“执行权”和“价值权”的重构。

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

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

IDC更多相关研究

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

请点击此处与我们联系。

Lizzie Li

Lizzie Li - Associate Research Director

Analyst Profile
Lizzie Li is Associate Research Director of IDC China's Enterprise System and Software Research that focuses on research and analysis of the China Datacenter, Cloud Computing, and IT infrastructure markets. She also provides intelligence and consulting services in customized projects for…

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

市场总体规模：调用量增长16倍，但需理性看待基数效应

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

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

Token消耗快速增长，但不同场景之间差异巨大

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

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

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

竞争格局：公有云头部集中，私有化部署市场更为分散

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

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

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

企业落地大模型时，性能、合规与质量优先于成本

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

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

MaaS市场的竞争要素正在发生结构性的变化

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

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

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

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

展望：2026年预计20倍Token增长，但需注意情景依赖

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

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

对厂商与买方的建议

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

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

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

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

进一步交流

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

请点击此处与我们联系。

Yanxia Lu

Yanxia Lu - Research Director

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

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

AI 能力将重构市场份额 ，大模型为云厂夺回定价权

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

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

全栈能力成为竞争壁垒，市场向“算力+大模型”双强厂商收敛

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

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

行业分化加剧，高适配行业领跑

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

海外资源加速布局，出海成为增长第二曲线

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

AI红利花落谁家：三类厂商各显其能

在这一轮AI驱动的市场重构中，不同类型的云服务商正走出截然不同的增长路径。

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

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

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

从算力到模型：未来四阶段演进路径正在形成

展望未来，中国公有云市场的竞争将沿着清晰的阶段路径演进。

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

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

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

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

分析师结语：从“云厂商”到“AI服务商”的升级之战

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

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

请点击此处与我们联系。

中国PC市场进入调整与转型的交汇阶段

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

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

细分市场分化加剧，增长动能出现结构性转移

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

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

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

AI笔记本加速渗透，推动产品结构升级

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

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

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

高端细分市场表现稳健，成为对冲周期波动的重要支撑

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

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

市场展望：结构升级与供应链因素将持续影响行业走势

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

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

IDC观点

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

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

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

企业看到了智能体但不知道如何落地

2026年初，OpenClaw（龙虾）这类开源智能体产品很快成为市场焦点，端到端任务执行能力对企业很有吸引力。但智能体（智能体）要在企业里真正用起来，在什么场景落地成了主要的卡点。企业认知到了智能体的能力，但回到自己的业务流中，不清楚哪些环节可以交给智能体去做，哪些场景最值得优先投入。IDC 2026年智能体企业用户的调研数据显示，仍有60%的中国企业处于了解评估和试点智能体的阶段，仅有18%的企业把智能体纳入了核心业务流（IDC Syndicated Survey 2026: China AI Agents Market 2026），企业仍然难以跨越从Copilot助理向Agentic AI转型的阶段。为了解决这一问题，IDC提出了一个从业务约束出发的智能体落地框架——COMPASS模型。

业务卡点是关键：从企业业务的三层效率约束入手

到底应该如何选择智能体在业务中的落地场景呢？我们可以参考企业价值链流程，通过观察业务场景中的效率约束，来寻找切入点。一项业务从外部信息进入企业、到内部处理完成、再到能力沉淀放大，效率约束主要集中在三个层面。

第一层，信息输入的约束。企业每天接收大量外部输入，包括邮件、扫描件、图片、语音、聊天记录和表单。很多信息不能直接进入业务系统，要先经过识别、提取、转换和归类，才能变成后续流程可用的数据。

第二层，信息处理的约束。信息进入业务流之后，要在多个系统、多个角色之间流转、分析、协调。数据需要跨系统汇总，状态需要同步，异常需要及时发现，决策需要结合多方信息判断，责任需要在不同角色之间衔接。

第三层，信息资产化的约束。这是容易被管理者忽略的深层约束，企业高价值的业务经验和决策逻辑通常固化在少数员工手里。而人的并发处理能力也存在刚性上限，业务波峰时很难敏捷弹性的应对，也很难规模化增长。这一环节的关键在于让知识经验沉淀和复用，确保企业规模化扩张时不再出现效率瓶颈。

COMPASS模型：企业智能体落地的七维度指南

基于这三层约束，我们可以进一步拆解出企业智能体落地的七个关键能力维度，即IDC提出的COMPASS模型。

1.      感知与理解（Perception）

外部输入格式各异，进入核心业务系统前往往要依赖人工识别文档类型、提取字段、比对票据，效率瓶颈集中在非标准信息怎样被理解提取、怎样转化为系统可用的结构化数据。

智能体借助多模态大模型能力可以直接读取手写单据、非标合同、会议录音和视频素材，提取关键实体，按要求输出JSON或其它结构化数据，让海量外部信息直接成为系统可用的结构化信息。

2.      分析与决策（Analysis）

企业数据和业务规则分散在不同系统中，人工做综合分析效率往往很低，关联节点越多越容易疏漏，依赖经验的判断也缺乏清晰的决策记录，组织很难做系统性复盘。

智能体可以通过工具调用从多个系统实时拉取数据，结合预设业务规则和历史模式，输出结构化分析结论和决策建议。低风险或标准场景可以直接调用执行，非标和高风险场景则带着完整分析升级给人工处理。

3.      流程编排（Orchestration）

单个系统内部流转通常比较顺畅，跨系统连通往往比较脆弱。过去依赖API解决跨系统流转，建立的是确定性规则，一旦出现条件分支、异常状态，或者需要根据实时反馈在ERP、CRM和财务系统之间切换判断，硬编码连接容易中断退回人工，构建这些自动化流程本身也要占用较多IT开发资源。

智能体在任务执行环节能够做到系统调用的动态规划，接收到像”给大客户安排加急发货”的指令后，会根据上下文自主决策，调用RPA或基于API接口依次调用ERP核对库存、向WMS确认排期、在CRM中更新状态；流程生成环节，智能体可以基于已有规则库和流程模板，自动组装出RPA或自动化流程并部署上线，构建和迭代周期都会明显缩短。

4.      监控与主动响应（Monitoring）

供应链延误、财务偏差、客户行为异常、系统运维故障，任何一环的响应滞后都可能带来连锁影响。人无法7×24小时保持稳定判断，传统做法依靠阈值报警、定时巡检和轮班值守，覆盖范围有限。

智能体可以在持续监测的基础上结合上下文做智能判断，一笔异常大额退货可以同时关联该客户的近期订单模式、产品批次的质量数据、物流环节的异常记录，在告警的同时给出初步的归因分析和处理建议。

5.      协调沟通（Collaboration）

跨部门协作中信息天然不对称，产品设计的背后逻辑、法务建议的依据、仓库的实时库存，散落在不同的人、系统和沟通记录里，需要时很难立刻拼出全貌。澄清、追踪、同步消耗的时间往往占据业务人员相当大的比例。

智能体可以作为跨部门协作的中枢，持续追踪任务各环节进展，在关键节点主动通知相关方，出现延误或阻塞时自动升级；需要多方对齐时，能够快速汇总散落在各系统和沟通记录中的上下文，生成结构化的决策议题。

6.      知识沉淀（Sedimentation）

企业大量执行能力和决策能力绑定在个体员工身上，关键人员离职、调岗或休假，流程质量和决策水平都会受到影响，新人入职要经过较长周期才能积累足够的隐性知识。

智能体的运行过程本身就可以是知识显性化的过程，任务执行路径、分析框架、决策规则和异常处理方式均可以便捷的结构化地记录下来，并随着运行时间持续积累，可以复用到新的业务场景、新的分支机构和新的团队，同时也能反过来优化智能体自身的响应策略，形成持续迭代的数据飞轮。

7.      规模弹性（Scalability）

人的产能是线性的，一个人一天处理100笔订单就是极限，高峰期临时加人未必能带来同比效率提升。《人月神话》里有一个经典观察，项目每增加一个人，沟通链路会延长，交接成本也会上升，整体效率的提升往往被初始化和协调的开销抵消。

智能体的处理能力则可以随算力弹性扩展，业务高峰期不需要临时招人培训，订单量翻倍时调度更多计算资源就能跟上，背后是运行沙箱、记忆存储、调度管理等基础能力模块在支撑智能体在生产环境中稳定可控的弹性伸缩。

这七个维度就是COMPASS（指南针）模型，由上面提到的Collaboration、Orchestration、Monitoring、Perception、Analysis、Sedimentation、Scalability七个首字母构成。COMPASS对应三层约束视角，Perception对应的是信息输入层，解决外部信息能否准确进入企业系统的问题；Analysis、Orchestration、Monitoring、Collaboration对应的是信息处理层，覆盖分析决策、跨系统流转推进、监控响应和跨角色协同；Sedimentation和Scalability对应的是信息资产化层，把个人经验转化为企业可复用的数字资产，同时支撑企业规模化增长。

分析师观点：

COMPASS模型可以作为企业落地智能体的诊断和指导工具，企业可以对照七个维度盘点自身业务流的关键瓶颈，识别出需要优先交给智能体的环节。从业务瓶颈倒推切入点，更贴近企业实际的业务需求，也能够减少企业因为智能体技术或产品高速迭代带来的选择困难。

从做什么到用什么：IDC MarketGlance解决选型问题

COMPASS模型回答的是智能体怎么切入的问题，但企业在落地时仍然会面临怎么在市场上找到合适的产品和供应商这一问题。当下市场中宣称具备智能体产品和服务能力的厂商数量已经相当可观，但能力层次和落地经验的差异很大，企业难以抉择。IDC通过大量深度的厂商调研和观察，为企业提供了中国智能体市场概览这一报告(包含中国智能体行业应用与开发平台市场概览和企业级智能体应用市场概览)，预先筛选出了覆盖不同行业和业务场景中，满足评估要求的可靠智能体产品及解决方案供应商，供企业参考选择。

配套工具与实践：从方法论走向落地（限时资料免费获取）

另外基于COMPASS模型，我们准备了两份配套的智能体落地指南材料，一份是面向人的，一份是面向智能体的skill。这个skill我们已经上传了Openclaw的官方skill商店clawhub中，可以直接把skill链接( https://clawhub.ai/seanlandtop/idc-enterprise-agent-compass )给智能体安装使用，让智能体可以基于IDC的COPASS模型帮助企业进行智能体落地指引。

限时资料免费下载：可扫描二维码下载详情:

案例征集：寻找可量化ROI的Agent实践

为了进一步沉淀实践经验，IDC计划于2026年4月启动Agent最佳实践案例（ROI视角）研究，面向已经在真实业务场景中部署Agent并取得可量化效果的企业与技术供应商开展案例征集，以期为更多企业提供可参考的落地路径。

与IDC进一步交流

如果您的企业正在评估或推进Agent在业务中的落地，或希望基于COMPASS模型进一步梳理业务切入点与优先级，IDC可以提供相应的研究支持与分析服务，包括基于行业与业务场景的落地路径分析，以及结合IDC MarketGlance的供应商方向参考。

同时，对于已经进入实践阶段的企业，IDC也可以围绕Agent应用效果与ROI进行评估与复盘，帮助企业更系统地推进从试点到规模化落地的过程。

如需进一步了解相关研究内容或开展交流，欢迎与IDC联系。请点击此处与我们联系。

Zhenya Sun - Research Manager - IDC

Zhenya Sun is a research manager for the IDC team focused on exploring the application of technology and industrial development of AI and AI agents. He is also responsible for providing clients with consulting services on technologies, products, and markets related to large language models (LLMs) and AI agents, as well as delivering speeches at industry conferences and internal seminars. Before joining IDC, Zhenya served as a project management officer (PMO), responsible for internal and external strategic consulting, AI application research and advisory services, AI project framework standardization, management system construction, and technical training on AI applications. Prior to that, he also led initiatives in product development process optimization and user market analysis. Zhenya holds a Master's Degree in Engineering Management with a specialization in Information Systems Engineering from the University of the Chinese Academy of Sciences.

2026年4月24日，中国大模型厂商DeepSeek正式推出DeepSeek-V4预览版，同步开源并上线官网、官方App及API服务，标志着百万级超长上下文能力进入普惠阶段。DeepSeek-V4以100万token超长上下文为标配，通过架构创新实现性能与效率双重突破，开源版本在Agent能力、世界知识、数学推理、代码生成四大核心维度实现跨越式提升。DeepSeek-V4也将逐渐实现以华为昇腾为代表的全栈本土化算力适配，这将重塑企业级AI应用部署格局，推动大模型从”参数竞赛”转向”价值落地”。

核心观点：百万上下文成标配，全球用户准备好了吗？

DeepSeek-V4 依托稀疏注意力、升级 MoE 架构等全链路技术创新，实现高效长文本处理，全系免费标配百万级上下文，并优化 Agent 能力，降低企业落地成本。市场层面，其极致低价推动长文本服务普惠化，拓宽多行业 AI 应用场景，同时促使全球大模型形成海外高端闭源与中国普惠开源两大竞争阵营。IDC 建议，企业分阶段落地应用、抢抓智能化红利，同时兼顾技术稳定性、算力适配、合规安全等各类潜在风险。

技术影响：技术革新赋能超长文本与高效 AI 能力

DeepSeek-V4 跳出参数堆叠的研发模式，依托全链路技术创新，实现百万级上下文高效处理，核心亮点突出。

其一，自研 DSA 稀疏注意力机制，借助 token 智能压缩破解长文本算力困境，大幅减少推理运算与缓存消耗，压缩算力成本，降低企业落地难度。

其二，全面升级 MoE 架构，搭载 384 专家融合内核，以少量激活专家兼顾模型能力与推理效率，搭配 mHC 技术稳定训练效果，避免模型遗忘，适配复杂任务迭代。

其三，为个人用户、开发者和企业用户全系标配百万 token 超长上下文，赋能多类AI任务。此外，该版本还适配优化多款主流 Agent 产品，显著提升代码编写、文档生成等任务表现，为个人、企业智能化开发与办公提供更强动力。

其四，全链路本土算力支持，DeepSeek-V4 摆脱部分对英伟达 CUDA 生态的依赖，全面适配本土芯片，实现从训练到部署的全链路安全可控。

市场影响：重塑行业规则，加速全球 AI 应用分化

DeepSeek-V4 的落地，恰逢全球 AI 产业从 “模型竞争” 向 “应用落地” 转型的关键期，其技术特性与定价策略，正从价格体系、应用生态、竞争格局三大维度，深刻影响全球 AI 市场走向。

价格体系重构——开源 + 极致性价比：DeepSeek-V4定价延续 “普惠全球” 路线，V4-Flash 输入缓存命中0.2 元 / 百万 Token、未命中 1 元、输出 2 元；V4-Pro 输入缓存命中 1 元、未命中 12 元、输出 24 元，推理成本仅为 GPT-5.5 的 1/8 至 1/50，让全球中小企业与个人用户都能用上顶级 AI 能力。

应用生态爆发——解锁全场景价值，渗透核心业务：百万上下文 + 低成本 + 强 Agent 能力的组合，为企业打开全新智能体应用空间；代码能力、推理能力、世界知识能力提升也将提升相关应用的模型生成效果。

竞争格局重塑——中国与全球大模型阵营分化：全球大模型市场逐渐分化为两大阵营：以 OpenAI、Google、Anthropic 为代表的 “闭源高端+ 海外算力” 阵营，聚焦极致性能与生态壁垒, 以 DeepSeek 为代表的 “开源普惠 + 中国算力” 阵营，主打高性价比与安全可控。这种分化将为全球企业提供更多选择，同时推动 AI 产业全球化竞争进入新阶段。

行动指南：把握技术红利，分阶段落地适配

面对 DeepSeek-V4 等基础大模型带来的技术变革与市场机遇，IDC 建议企业摒弃观望心态，按照评估、试点、落地、优化四阶段稳步推进，充分挖掘其商业价值。前期需结合业务痛点，聚焦长文本处理、代码开发、智能体应用等核心场景，盘点现有算力资源，结合自身规模选择部署模式，并测算 AI 使用成本与收益。其次开展小范围试点，按需选用适配的大模型版本，在核心业务场景短期测试，核验任务运行效果，对比原有方案排查问题并优化使用策略。最后持续跟进模型迭代升级，不断拓展应用边界，持续深化 AI 落地成效，全面赋能企业内部发展。

理性拥抱变革，平衡红利与风险

用户需警惕技术稳定性、本土算力适配等风险，避免盲目落地导致损失：百万上下文在极限场景下易出现信息遗漏、逻辑断裂，MoE 架构规模化部署易负载不均、引发服务中断，Agent 适配不成熟也会导致复杂任务失败。另外用户也需警惕算力适配风险，需重视从 CUDA 向本土生态的迁移成本和性能波动。

IDC中国研究经理程荫表示，DeepSeek-V4的发布，标志着中国大模型行业正式从”参数竞赛”（1.0时代）、”能力竞赛”（2.0时代）进入”价值竞赛”（3.0时代）——以高效架构、普惠成本、场景落地为核心，解决企业实际问题。企业需密切关注大模型技术迭代，结合自身业务场景，布局百万上下文、高效推理、开源可控的AI解决方案，抢占智能化转型先机，同时也需警惕安全合规、技术稳定性、本土算力适配等风险。

IDC更多相关研究：

IDC在大模型与生成式AI领域已形成系统性研究积累，涵盖技术演进路线、行业应用成熟度、供应商竞争力及投资风向标等多个维度。我们不仅发布公开报告，也为企业级用户和投资机构提供定制化研究。

如您对IDC的相关研究感兴趣或有进一步需求，欢迎与我们联系，IDC的分析师团队期待与您进一步沟通。

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.

中国智能手机市场正从规模驱动加速转向结构与利润驱动，高端化成为抵御成本压力的关键路径。

国际数据公司（IDC）最新手机季度跟踪报告显示，2026年第一季度，中国智能手机市场出货量约为6,904万台，同比下降3.3%，整体表现略高于预期，主要得益于华为与苹果的强势拉动。

其中，华为Mate 80系列供货明显改善，全新形态折叠屏产品Pura X出货量突破150万台，助力华为延续去年以来的增长势头，继续稳居中国智能手机市场第一。与此同时，苹果iPhone 17系列持续热销，但受限于供货不足，未能进一步推高出货规模。此外，部分消费者由于即将涨价选择提前购买更换手机，消费需求的前置也有利于今年第一季度的市场表现。但是面对今年严峻的存储等成本上升压力，其它品牌除陆续开始进行价格调整以外，也在减少低端产品出货量，保证自身利润。

2026年第一季度中国前五大智能手机厂商市场表现各不相同：

Huawei：从恢复增长走向结构性领先

随着Mate 80系列供应能力稳步提升，延续2025年的强劲势头，再次稳居2026年第一季度中国智能手机市场第一。在行业成本普遍高企的背景下，华为成为唯一在当季为消费者提供广泛促销优惠的厂商。HarmonyOS Next市场份额持续攀升，已突破18%。折叠屏领域，华为优势明显，全新形态“阔折叠”Pura X正引领折叠屏手机未来的发展方向。随着供应持续改善，产品逐步覆盖更多价格段，华为有望进一步巩固在中国市场的领先地位。

Apple：需求强劲但受制于供应

凭借iPhone 17 系列整体保持热销态势，在安卓旗舰频繁调价的市场环境下，该系列凭借加量不加价的定价策略更具市场吸引力，叠加一贯出色的二手保值能力，综合性价比进一步凸显。然而受核心 SoC 产能不足影响，iPhone 17 系列整体供应持续受限，出现发货周期延长、现货紧缺情况，直接制约其出货量与市场表现进一步冲高，未能完全释放销量潜力。

OPPO：高端化进入成果兑现阶段

稳居中国智能手机市场第三位，以372 美元的产品均价领跑安卓头部阵营，高端化成效显著。Reno 系列持续发力，稳固OPPO在 400–600 美元安卓中高端市场的领先优势。全新折叠旗舰 Find N6 凭借近乎无折痕的极致屏显体验，市场表现相较同类产品有显著领先优势，成为当季最畅销折叠屏新品。子品牌一加保持强劲增长，季度同比增幅接近 30%。随着 OPPO 完成品牌架构与产品分工的优化调整，投入资源将得到更高效整合，整体竞争力有望进一步提升，为后续市场突破与高端化布局注入更强动力。

Vivo：实现规模与高端双突破

本季度成为唯一实现出货量同比增长的安卓头部厂商，整体表现稳健亮眼。旗舰阵营持续发力，X300 系列保持热销势头；而X200s 作为 vivo 史上销量最高的 X 系列机型，奠定坚实基础；全新 X300s 全面升级为影像与性能双优的全能水桶机，助力 vivo 稳居 600 美元以上高端市场前三。与此同时，X300 Ultra 凭借手机与专业影像兼备的综合实力，进一步强化品牌影像标杆地位。依托行业首发的 2 亿像素潜望长焦技术，vivo 在高端 2 亿像素手机赛道持续领跑，产品力与高端化成果显著，整体市场竞争力持续提升。

Hono：多产品线协同稳健发展

稳居中国智能手机市场TOP5阵营。X70 系列自上市以来，长期占据安卓最畅销机型位置，成为拉动销量的核心主力。Win 系列凭借深度性能优化持续树立行业标杆，Power 系列以超长续航形成差异化竞争力，数字 500 系列则保持稳定市场表现。折叠屏方面，新一代 Magic V6 正式发布后，产品力与市场热度同步攀升，助力荣耀稳居中国折叠屏市场第二位。多系列协同发力，荣耀在主流价位段与高端市场持续巩固竞争力，整体发展态势平稳向好。

存储成本压力下，中国智能手机市场价格段变化情况如何？

受全球核心元器件与存储芯片成本持续上涨影响，手机厂商在内部严控成本的同时，被迫采取缩减低端机型出货、上调产品售价的策略以缓解压力。自 3 月下半月起，多家品牌陆续调整定价，进一步传导成本压力。2026 年第一季度，中国智能手机市场结构显著分化：200 美元以下入门级市场份额同比大幅收缩 13.9 个百分点；厂商资源全面向中高端倾斜，200–600 美元中端市场份额提升 3.8 个百分点，600 美元以上高端市场份额大幅扩大 10.1 个百分点。具备更高利润空间的高端产品线，已成为厂商抵御寒冬、实现稳健经营的核心支柱。

IDC中国研究经理郭天翔指出，总体来看，尽管2026年开年中国智能手机市场出现小幅回落，但预计仍将成为全年表现最佳季度。当前，存储成本大幅攀升叠加其他物料价格持续高位，给厂商带来了巨大压力。为应对成本压力，多家中国厂商已连续下调全年出货目标，尤其严格控制低端产品的出货节奏，从而将压力传导至整个产业链上下游，进一步加剧了市场的寒意。而海外品牌极有可能利用自身优势，趁势抢夺市场份额。面对行业深度调整与成本持续高企的双重挑战，稳健经营、提质增效、安全过冬，将成为 2026 年国内手机厂商最为核心的发展课题。唯有守住基本盘、修炼内功，才能在后续市场环境回暖时，快速提升产品竞争力，重新抢占行业优势地位。

如需进一步了解中国智能手机市场竞争格局、价格段变化趋势及重点厂商策略，或获取更详细的数据拆分与预测分析，欢迎与IDC中国团队联系。IDC可提供包括季度跟踪数据、专项市场研究以及定制化咨询服务，助力企业在复杂市场环境中制定更具前瞻性的业务决策。

请点击此处与我们联系。

从“能用”走向“可控”，企业关注点正在发生变化

2026年，生成式AI与大模型驱动的智能体（Agentic AI）正在从技术探索走向规模化落地。越来越多的企业开始将智能体嵌入客服、研发、运维甚至业务决策流程之中，推动生产效率与业务模式的深度重构。在这一过程中，企业关注的焦点正在从“能否用起来”，逐步转向“能否用得安全、用得可靠”。近日，Harness engineering（驾驭工程）理念在业界持续升温，其强调通过设计合理的约束、权限边界和行为控制机制，为智能体设定“安全护栏”，确保其在复杂业务环境下的行为可控、合规、可解释，防止因幻觉、目标偏移或恶意利用带来的安全与合规风险。这一理念的流行，进一步凸显了智能体安全治理的紧迫性和必要性。

IDC最新调研显示，安全与道德问题已成为企业在部署AI智能体时最为关注的风险因素。同时，约64%的企业已经在生产环境中发现未授权的智能体或自动化脚本运行在关键业务流程中 ，企业亟需一套智能体安全治理体系来帮助其AI系统的稳定安全运行。

智能体带来的，不只是效率提升，还有攻击面的重构

与传统应用系统相比，智能体具备更强的自主性与动态性。它不仅可以基于自然语言输入生成决策，还能够调用外部工具、访问多种数据源，并在复杂环境中持续执行任务。这种能力使得智能体在提升效率的同时，也显著扩大了企业的攻击面。不可预测的用户输入、复杂的任务规划路径、多组件协同运行以及与外部系统的频繁交互，都可能成为潜在的攻击入口。

从实践来看，当前智能体面临的安全风险呈现出多维度特征。首先，智能体的开发与运行依赖大量第三方组件与工具链，软件供应链风险随之放大；其次，智能体自身仍存在幻觉、目标错位等问题，在特定场景下可能被恶意利用；此外，提示词注入（Prompt Injection）正在成为典型攻击手段，可诱导智能体执行非预期操作甚至泄露敏感信息。同时，随着智能体权限范围的扩大，访问控制的复杂性显著提升，而员工自行部署的“影子智能体”也在无形中增加了企业安全治理的难度。

智能体管理从“安全问题”走向“治理问题”

这些变化意味着，智能体安全正在演变为一个贯穿全生命周期的系统性治理议题。企业智能体安全和治理工作应和智能体应用部署工作同步开展，立足智能体全生命周期管理思想，开展智能体全流程检测与管控工作。用户的智能体安全体系建设需要从智能体思考、规划、编排、执行、反馈的全流程进行规划设计和执行，尽可能关注智能体全生命周期覆盖的所有核心组件，如大模型、知识库、RAG、Skill、思维链、MCP、API、第三方工具等，根据不同阶段所存在的安全风险对应检测和防护措施，搭配AI合规、AI道德、AI隐私等管控方向，构建符合企业需求的AI治理体系。

IDC在最新发布的《中国智能体威胁检测技术评估，2026》报告指出，当前市场上的智能体安全能力正在从单点检测向体系化治理演进，相关能力涵盖资产管理、漏洞检测、运行时监测、协议安全、数据安全以及安全态势管理等多个方向。该报告综合评估了国内主要厂商在相关领域的技术能力，报告入选厂商包括360数字安全集团、安恒信息、阿里巴巴、火山引擎、华为、君同未来、绿盟科技、领信数科、启明星辰集团、瑞数信息、新华三、亚信安全以及中国电信等 。截止到2026年4月，中国智能体威胁检测这一市场仍处于技术快速迭代的状态，技术服务提供商的产品服务能力仍处于快速补齐功能的阶段，技术的精细化、行业化水平仍存在不足。

随着企业应用的深入，构建“可信的AI智能体体系”将成为用户最为迫切的需求之一，解决该需求的核心在于提升系统的可解释性、公平性、透明性、准确性与可追溯性。

可见性成为基础能力，AIBOM成为核心技术方向

在这一过程中，“可见性”正在成为智能体安全的基础能力。企业需要清晰掌握自身智能体资产的构成、依赖关系及其运行状态，才能有效识别风险并制定应对策略。

IDC预测，到2028年，50%的部署Agentic AI的企业将要求具备人工智能物料清单（AIBOM），以实现对模型、数据、API及第三方组件的结构化管理与持续风险监测 。AIBOM的引入，将推动AI系统从“黑盒运行”走向“透明可控”。

协议与协作：智能体时代的新风险边界

与此同时，随着智能体之间协作能力的增强，通信协议层面的安全问题也日益凸显。以模型上下文协议（MCP）为代表的交互机制，使智能体能够在多系统之间传递信息并协同行动，但也带来了新的风险挑战。

如何实现对协议行为的持续监测、身份验证与权限控制，将成为保障智能体系统稳定运行的重要环节。MCP资产的发现与风险监测、MCP行为监测和异常检测以及MCP身份和权限的管控将成为重要的技术发展方向。

零信任进入智能体时代，身份与权限体系被重塑

在访问控制方面，传统基于边界的安全策略已难以适应智能体环境的复杂性。以“永不信任、持续验证”为核心的零信任理念，正在逐步延伸至智能体体系中。

无论是用户访问智能体，还是智能体调用外部服务、智能体之间的互相调用，都需要在动态环境中进行实时验证与策略调整，这对身份管理与权限管控、访问控制方向的技术提出了更高要求。从人的身份、智能体的身份入手、通过对资产、环境、行为等多方面的动态监控与检测，运用AI进行动态策略推荐与调整，将更高效地帮助用户处理复杂的身份、权限和访问控制问题。

AI检测防护技术加速整合，向一体化、平台化的AI安全治理方向演进

从体系化、工程化视角来看，统一化、一体化的AI安全治理平台将成为用户AI系统的综合治理平台。该系统将从AI系统的可见性出发，逐步向AI安全态势管理（AISPM），AI检测与响应（AIDR）方向迭代，最终融合道德、伦理等能力，构建一体化的AI安全治理体系。

2026年，平台化加速，大模型安全评估平台、大模型应用防火墙（大模型安全护栏）、智能体威胁检测、智能体身份与访问控制系统等主流生成式AI检测与防护产品将快速集成并平台化，以模块式架构，构建统一的AI安全管理平台，帮助用户一体化、平台化管理AI安全态势。

IDC观点：智能体安全将成为AI落地的关键分水岭

总体来看，智能体安全正在从一个技术细分领域，演变为企业AI战略中的核心组成部分。未来几年，随着智能体规模化应用的加速推进，安全与治理能力将直接影响企业释放AI价值的效率与边界。

如何在创新与风险之间取得平衡，将成为企业在AI时代必须持续面对的重要课题。

IDC中国网络安全领域研究经理王一汀表示： “IDC预计，到2031年，中国企业将拥有3. 5亿个活跃的智能体。各类智能体在帮助企业提质增效的同时，也带来了巨大的安全暴露面，智能体安全已成为企业用好智能体的关键。其中，智能体威胁检测作为企业安全风险管控的核心，将帮助企业实现智能体资产梳理、漏洞检测、风险评估等关键工作，并协助形成威胁响应闭环。当前，中国智能体安全市场和相关技术仍处于起步阶段，产品形态、检测机制和标准体系仍需完善。随着企业智能体应用规模的持续扩张，企业对智能体安全检测与防护的需求将加速释放，市场有望迎来快速发展期。”

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实践路径以及企业级AI治理框架等方向展开持续跟踪与分析。对于希望进一步了解相关研究、评估自身AI安全能力或探讨落地路径的企业，欢迎与IDC分析师团队进行深入沟通，以获得更具针对性的洞察与建议。

请点击此处与我们联系。

Sophia Wang - Research Manager - IDC

Sophia Wang is a Research Manager in IDC China. She is responsible for the analysis and research of China's cybersecurity market. Her primary focus is on China's cybersecurity appliance and services market and operational technology (OT) security market. Additionally, she provides related research and consulting services for regional and global IT customers and supports their business development. Prior to joining IDC, Sophia worked in several consulting companies. She was independently responsible for consulting projects in fast-moving consumer goods (FMCG), internet, and other industries. Through market analysis and benchmarking analysis, she helped many clients solve problems in the different stages of their development. Sophia graduated from the University of Southern California with a master's degree in econometrics. She also majored in human resource management and journalism for her bachelor's degree.

近日，2026 北京亦庄人形机器人半程马拉松落幕。从赛事规模、技术复杂度与产业参与度来看，较 2025 年大幅提升，再次展示行业迈向商业导入的能力与进展。IDC 预测，2030 年全球人形机器人出货量将突破 51 万台，年复合增长率近 95%。伴随本体技术升级、应用价值挖掘、产业生态共建及商业模式持续完善，未来行业竞争将聚焦应用能力与商业价值交付。

本届赛事吸引超百支企业、高校等多元主体队伍同台竞技，在核心技术与产品性能上实现多项突破。荣耀等厂商为代表的参赛主体表现突出，部分机器人奔跑速度已超越人类水平，核心运动性能显著提升，为产业落地注入强劲动能。

荣耀夺冠进一步体现出产业参与主体持续扩展，越来越多厂商开始从战略层面重视人形机器人的长期发展。在具身智能演进过程中，算力、算法与模型仍将构成核心底座。同时，消费终端厂商的入局，有望在端侧算力与视觉模型等关键环节形成差异化优势，叠加其庞大的用户基础与生态能力，将加速技术迭代与应用落地进程。

自主导航升级，从单项能力展示走向系统级能力验证

本届赛事对机器人的要求已超越基础运动能力，38% 的参赛队伍采用全自主导航模式，且自主导航机器人凭借赛事加权规则夺得冠军。贴近真实应用场景的综合考验，标志着人形机器人竞争核心转向复杂环境持续稳定运行，打通算法与本体之间的深度融合，更要求其实现感知到执行全链路高效协同，兼具高水准系统稳定性与规模化部署的工程化能力。

  • 多模态融合让机器人具备复杂环境的自主感知。机器人依托多传感器融合（卫星、激光雷达、视觉、IMU等）与实时建图技术（结合预加载赛道地图），实现对复杂物理环境的自主感知，在坡道、急弯、不平整路面及动态障碍等场景中保持稳定运行，显著提升对多样化真实环境的适应能力。
  • 强化学习与运控突破赋予机器人高拟人动态运动能力。当下，通过在仿真环境中大量开展化强化学习训练，并结合高质量人类运动数据的采集与应用，持续优化运控算法，同时在现实环境中进行持续适配与调优，机器人在运动过程中的实时感知、平衡稳定、姿态优化及拟人化表现均取得显著提升，实现了长距离赛道中的自主导航、动态避障与路径优化。
  • 热插拔换电与液冷散热是关键突破，保障机器人长时连续运行。热插拔实现机器人高效电池更换与补能；同时通过轻量化设计、能耗优化、智能功率分配及液冷散热系统的多维升级，全面提升机器人整体续航表现，二者结合为机器人长时间运行的连续性、稳定性提供双重支撑。
  • 软硬一体的系统协同与工程化能力获突破，成赛事亮点与后续攻坚重点。面向实际物理环境与作业任务需求，机器人需持续学习适配新环境、新任务，实现感知、决策、执行模块的全链路高效协同；同时推动算法模型与不同构型的硬件本体深度融合与精准适配，打通实时交互链路，在复杂任务中保障响应速度、控制精度与系统稳定性，从而加速向高可靠性、可维护性及规模化部署的工程化落地演进。

人形机器人商业化跑出“中国速度”， 2030 年全球出货量将超 51 万台

总体来看，人形机器人正向“感知—学习—决策—执行”闭环的具身智能体系演进，工程化能力成为产品商业应用落地的核心，赛事验证能力也将加速向真实场景迁移。

回顾2025年，以中国厂商引领的全球人形机器人市场迎来爆发，出货量超1.8万台。其中，以技术验证、展示交互为主的文娱表演、教育科研及导览导购等场景应用出货量占比超过85%，工业制造、仓储物流场景也已开展一批试点探索。

IDC预测，到2030年全球人形机器人出货量将超过51万台，随着本体升级、应用价值提升、生态共建推进及商业模式持续完善，行业将逐步进入规模化应用阶段，实现近95%的年复合增长率。

本体升级：中国厂商领跑硬件规模化突破

  • 市场格局： 2025 年中国厂商人形机器人出货量预计占全球 95%，在硬件制造与规模化领域形成绝对主导优势；同时，多家中国头部厂商预计将在 2026 年实现万台级产能，进一步强化规模化供给能力，并有望持续巩固这一先发优势。
  • 本体升级：聚焦本体结构优化、关节与能源系统升级、量产能力提升及运控算法优化，为后续商业化落地筑牢硬件基础。此外，作为精细操作核心载体的灵巧手，也将迎来快速发展。
  • 品类增长：轮式与全尺寸双足人形机器人是增速最快品类。其中，轮式人形机器人于2025年应用起步，凭借更高的稳定性与可靠性可快速适配并运行于室内及半结构化环境，预计到 2030 年实现年复合增长率约120%的快速发展；全尺寸双足人形机器人依托全方位的灵活性实现更广泛场景落地，年复合增长率预计超 95%。

应用价值：从技术验证向生产力工具跃迁

  • 工业加速：联合工业龙头企业开展场景探索，完成节拍、作业成功率及连续作业稳定性验证后，加速工厂环境落地推广，预计2026 年以出货增速超 200% 居首。IDC 调研显示，未来3年，用户计划进一步在码垛、搬运、拾取、上下料场景应用机器人的比例均超 80%，这些场景可作为重点突破方向。
  • 服务深入：向个性化服务延伸，通过优化用户满意度与客户粘性，拓展在导览导购、餐饮等商业服务市场的应用空间。

生态共建：数据、模型与场景的协同创新

  • 数据规模：融合仿真数据、互联网视频数据及各类数采中心的实操数据，推动虚实数据融合与规模扩张，为核心算法与具身智能的通用能力提升提供关键支撑。当下，中国已汇集上万小时、近千TB数据集，并牵头立项全球首项《人形机器人数据集》国际标准。
  • 模型迭代：加速机器人运动模型的升级以提升运控能力，推动世界模型与VLA模型的深度融合以增强智能泛化性，从而强化人形机器人的具身智能通用能力。全球头部人形机器人及AI模型厂商正持续加速底座模型的迭代升级。
  • 场景共创：面向真实产业应用场景，推动应用开发与解决方案的生态共建，打通从技术验证到规模化应用的关键链路，加速人形机器人技术的产业化落地。

商业模式：RaaS（机器人即服务）加速推广

  • 租赁、订阅等RaaS模式通过降低用户的使用门槛，显著加快市场对人形机器人的认知与推广速度。IDC最新调研显示，用户对RaaS模式的接受率较上一年翻倍。随着服务体系、计费模式及运维体系完善，RaaS普及将进一步提速。

IDC认为，2026北京亦庄人形机器人半程马拉松已成为观察人形机器人技术成熟度与产业进展的重要窗口。赛事不仅验证了关键技术能力，也加速了产业生态构建与商业化进程。未来2–3年，人形机器人行业将进入关键发展阶段，厂商竞争将从技术展示转向实际应用能力与商业价值交付。具备系统级能力与工程化落地能力的厂商，将在新一轮市场竞争中占据主导地位。

本文核心内容引自IDC相关报告：

IDC《Worldwide Annual Humanoid Robotics Tracker》（即将发布）

IDC《具身智能与人形机器人：中国工业落地新机遇》（Doc# CHC53325326，2026年2月）等。

了解更多：

人形机器人正处于从“技术可行”迈向“商业可行”的关键窗口期，领先企业已经开始加速布局并锁定核心场景。对于仍在观望的企业而言，留给试错与判断的时间正在快速减少。

基于长期跟踪与一线调研，IDC已形成覆盖市场规模预测、重点行业机会、应用优先级排序及厂商竞争格局的完整研究框架，可为企业提供从战略判断到落地路径的系统性支持，帮助快速识别可规模化复制的商业机会。

如果您正在：

  • 评估是否进入人形机器人赛道
  • 寻找优先落地的高价值应用场景
  • 分析重点厂商能力与合作机会
  • 制定未来2–3年的业务布局与投资策略

欢迎与IDC研究团队直接联系，获取最新研究数据与定制化洞察支持。我们也可根据您的业务需求，提供一对一交流与专项分析，帮助您在关键窗口期做出更快、更准的决策。

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).