企业CIO行动指南2026

企业CIO行动指南（2026）企业AI：价值引领，入实向深电子书，赞助商：联想内容简介随着新一轮科技革命与产业变革的加速演进，以人工智能为核心的数字技术已成为各国培育新质生产力、抢占未来竞争制高点的战略抓手。中国明确将人工智能纳入重点发展领域，通过深入实施“人工智能+”行动，推动数智技术与实体经济深度融合，

这一宏

观政策导向为智能体赛道的崛起提供了坚实的发展土壤。科技产业正迎来一场以智能体为核心的范式重构。技术浪潮的背后，是企业对AI价值的期待从“工具赋能”向“生产力变革”的深刻转变，企业智能体成为承接技术爆发与价值期待的核心载体。联想委托IDC开展定制化研究，对国内620名政企机构IT和业务决策者展开调研。本文以该研究为基础，旨在洞悉中国范围内AI在千行百业中的发展进程，聚焦CIO群体及其它

IT领域核心决策参与者如何认知以企业智能体为代表的AI技术，以及对这些技术的需求，具体包含应用场景、落地挑战、价值期待、需求优先级等，以及应对未来行业环境变化的举措与相对应的策略规划。内容主要包含4个部分：企业AI趋势洞察研究发现分行业发现深度挖掘落地建议方案实现Page

企业AI趋势洞察5

研究发现Page

分行业发现16

深度挖掘Page

落地建议29

方案实现Page研究方法论32IDC电子书

执行概要

下页内容将对本次2026年调研中的核心发现与CIO观点进行总结。研究方法论

1CIO行动指南真正实现AI驱动增长：

将AI融入企业直接增值链，从

“工具赋能”

到

“价值链重构”2026年，企业智能体建设聚焦直接增值的核心业务链，让AI从“辅助工具”升级为“价值增长引擎”。目前已有72%的企业成功完成智能体在具体业务中的试点，并将其

投入正式使用。行业共识已从“是否做Al”转向“如何让AI创造实际营收与利润”，核

心任务在于以员工办公、客户服务/咨询、客户营销/销售等场景为基础，在提升主营业

务增长的同时，逐渐融入全业务核心流程，并对业务流程实现重构。同时，“企业超级

智能体”的孕育已初现雏形。（详见报告第2部分“应用现状”、“价值诉求”、“超

级智能体”页）lllCIO共识企业不再止步于简单应用智能体，顺应

AI

向企业

“数字劳动力”转型趋势，建立结果导向的价

值衡量标准，让

AI投入从“为技术付费”转向

“为价值付费”

，成为核心业务刚需支撑。只有当智能体能够与核心业务系统、数据资产和工作流无缝协同，成为企业运营可量化、可追溯

的的

“基础设施”，

才能真正释放其在效率提升、成本优化与创新驱动方面的巨大潜力。当AI能力进化至L3级智能体时真正触发“Al+”式架构升级，并涌现一批AI原生企业，其核心是

从“流程驱动”转变为由多智能体协同的“价值网络”驱动。2构建新型AI底座：采用私有化部署与混合AI架构，满足算力需求的同时确保安全可控在AI底座层面，私有云及本地部署的比例分别由26%与28%提升至32%与37%，混合部

署及端边侧部署与往年相比均进一步增多。随着智能体深入核心业务流程，企业需要构

建适配业务场景的混合架构，兼顾数据安全、部署灵活与业务适配性。在供应商的选择

方面，需要关注解决方案的综合性与完整性，尤其在运维方面。与此同时，异构算力管

理方面的潜在需求亦逐渐凸显。

（详见报告第2部分“AI算力发展格局”、“异构算力

现状”、“AI基础设施需求”页）lll混合式AI已成为行业公认的最优落地路径，契合企业推理算力需求爆发趋势，适配云

-边-端混

合部署，

以模算效能为核心平衡公有云弹性与私有云可控性。智能运维是释放算力价值的关键，依托

AI与智能体实现算力动态调度、故障自愈与能效优化，

结合软硬一体、算电协同思路，打造智能体规模化落地的高性价比算力底座。架构兼容性与可扩展性的优化十分重要，实际业务落地的过程中需要确保后续AI应用迭代、业务

规模扩张时，基础设施能灵活适配，避免重复建设，实现资源高效利用。3突破AI人才瓶颈：通过外部引进与内部培养相结合的方式，打造复合型AI人才梯队在企业内部构建并发展自身的AI

能力已成为下一阶段的核心战略重点。对于58%的企

业而言，组织自身的相关技术能力已成为企业智能体项目落地前的核心评估要素。

AI与

自动化的深度应用正剧烈重塑人才版图，

63%的企业计划在2026年招募“Al+行业”跨

界人才。市场对“技术-业务-合规”三栖顶层架构专家与高素质现场执行工程师需求激

增，AI人才竞争的焦点正从单一的通用技术能力逐步转向具备深厚行业知识与技术融合

能力的复合型专家。（详见报告第2部分“AI组织保障”页）lllAI落地的核心瓶颈是人才，人才竞争的焦点正从单一的通用技术能力逐步转向具备深厚行业知识

与技术融合能力的复合型专家。企业需要打破传统招聘边界，通过外部引才、灵活用工等多元模式，弥补内部人才短板。人才培养方面，构建“AI+人才发展”体系，打造人智共创组织，为员工定制个性化AI技能培训

方案，将AI协同能力纳入职业发展通道。企业AI：价值引领，入实向深2026年CIO价值路径(1/2)：构建AI价值驱动的业务变革引擎企业智能体的蓬勃发展正成为企业实现价值引领的重要驱动力，形成AI产业最鲜明的注脚。企业迫切需要一种能穿透组织壁垒、融入业务肌理的智能形态，将AI能力从成本中心转化为价值引擎。真正有价值的AI，应当是能自主理解、规划并执行复杂任务的“执行实体”，而非被动响应指令的辅助工具。企业AI趋势洞察研究发现分行业发现深度挖掘落地建议方案实现电子书，

CIO

Playbook赞助商：联想

3

IDC电子书

执行概要

研究方法论

2026年CIO价值路径(2/2)：

释放AI共创赋能的持续进化动能企业智能体的高效搭建需要打破与服务商之间的供需壁垒，立足企业核心业务场景与长期发展战略，从体系层面协同设计适配性解决方案。既兼顾AI与直接增值链的融合，也统筹迭代优化、合规治理等全流程需求，让解决方案不仅满足当下智能化转型痛点，更具备灵活迭代能力，真正让智能体成为激活企业价值增长的核心载体l仅依赖单一模型或通用能力已难以满足企业的真实需求，

AI解决方案和服务提供商必须提供更加丰富、灵活的模型选择，通过模型的组合、定制与动态调度，为企业构建真正贴合业务流程的智能体系统。l科技企业需要推动与上下游合作伙伴、同行企业的协同共创，共享AI技术经验、数据资源与应用场景，联合打造行业级AI解决方案，提升行业整体智能化水平，同时拓展新的商业模式与价值增长点。l

开放协作平台亦不失为有效方案，该模式可以对接全球创客、行业专家等外部资源，弥补内部创新短板，形成“内部创新+外部协同”的良好生态外向型共创：

借力“陪跑”伙伴联合共创，加速

AI落地进程继“闭门造车”式的“炼丹”之后，“仅依赖内部AI能力”的封闭式内卷亦逐步成为行业的过去时。

AI联合共创已成为企业AI落地主流，具体业务场景中的高度复杂性与多样化要求企业智能体具备较高的适配能力。52%的企业将“提供包括终端/基础设施/混合云及智能体开发交付运维的全栈式解决方案”作为选择供应商时的重要考量因素。

越来越多企业期待效果付费方式，即以业务成果为锚点的价值绑定模式，这种模式打破传统AI服务商项目制或订阅制的固定收费逻辑，实现风险共担、收益共享。科技企业亦纷纷转向外向型共创，充分整合外部资源。

（详见报告第2部分“服务商选择”页）l过去的“非Al

Ready”知识，通常以文档、报告、对话等非结构化形态散落在各处，

依赖人工查找、解读与传递，难以被AI系统直接、精准、高效地利用。而“AlReady”的知识，可被AI稳定使用并可审计：知识有清晰来源与版本、结构化/半结构化表达、可追溯引用、可持续运营，并具有明确权限的核心资产。l企业亟需构建安全、可靠、可信、透明、可解释、可持续的全过程全要素的AI治理链条，坚持发展和安全并重：

通过“治理左移”将风险控制前置至技术源头，通过“动态可控”确保对系统的实时监督与干预，通过持续强化数据安全与隐私保护守住核心资产底座。企业AI趋势洞察研究发现分行业发现深度挖掘落地建议方案实现AI治理前置：

AI-Ready成为企业知识治理新标准，筑牢安全合规的

AI应用底线随着企业智能体的规模化落地，AI知识治理、合规管控与数据安全已成为企业AI能力的核心组成部分。一方面，AI

Ready知识是企业AI规模化落地、安全合规应用并充分释放技术价值的核心知识底座与关键前提。。另一方面，全球AI监管政策持续收紧，相应法规的落地执行对企业AI合规提出更高要求。50%的企业已在2026年AI人才招聘计划中明确纳入AI合规治理专家，

凸显合规能力建设在

AI

战略中的核心地位。

（详见报告第2部分“面临的挑战”、

“AI组织保障”页）树立

“AI

养成系”思维：将

AI视为持续进化的“可成长的有机体”，越用越聪明企业AI支出在

IT支出中的占比达到28%（2025年同期是19%），

AI应用已进入“迭代决胜”的新阶段。企业AI需要随业务需求、市场变化不断成长，这使得企业内部逐渐形成“AI养成系”的理念。在包括智能体应用、模型平台、数据治理、安全合规在内的各个开发环节中，每个环节均有超过60%的企业倾向于选择“与服务商联合开发”的模式推进企业智能体落地。与此同时，服务商亦逐渐摒弃“同一套产品不断复用”的传统思维，开始适与企业共同成长的发展模式。

（详见报告第2部分“落地策略”页）l

AI能力的提升不是一次性采购方案就能完成的，而是持续迭代、动态优化的长期过程，

通过高频次反馈优化与轻量化试错，实现AI能力与业务发展同频。l企业内部需要避免AI应用“落地即停滞”，跟踪每一项应用的迭代进度、价值产出，形成“落地-反馈-优化-升级”的闭环，确保AI能力始终与企业发展、客户需求同频同步。l服务商从基础设施到智能体、从前期建设到后期运维的全栈能力是项目稳定落地和持续成功的关键保障。CIO行动指南

CIO共识电子书，

CIO

Playbook赞助商：联想

4

IDC电子书

企业AI：价值引领，入实向深6

执行概要

研究方法论

45企业CIO行动指南（2026）企业AI趋势洞察研究发现企业智能体的使用比例实现跨越式增长，从试点到全面应用均显示出明显的加速态势。这一提升不仅反映了企业对智能体技术的认可，也表明智能体正在成为企业数字化转型的重要推动力量。随着越来越多企业将智能体纳入核心战略，智能体的应用已成为推动业务创新和管理升级的关键引擎。在具体应用方面，企业智能体已开始部署于员工办公、客户服务、营销/销售等多个应用场景，通过与企业现有ERP、CRM、SCM等系统的API集成，实现数据流的自动采集、处理与反馈，提升了端到端流程的自动化与智能化水平。在不远的未来，智能体将不仅在前台业务环节如客户服务和营销销售中发挥着提升客户体验、优化业务流程的作用，还将逐步渗透到后台支持领域，如财

务、法务、人力资源和IT运维等，助力企业实现全流程的数字化升级，实现从“前台到后台”的迁移。数据显示，企业平均在3.5个应用场景中部署了智能体，这一数字预计将在2026年增长至6.7

，企业对智能体的应用在深度和广度两方面均持续扩展。与此同时，面向不同行业垂类场景，基于“行业领域大模型+行业知识库+行业流程know-how”的行业内领域智能体将实现繁荣，由局部核心价值场景向全场景加速扩张。这一过程将不仅提升企业效率，还有助于推动全链条数字化升级。其实现不仅依赖于智能体的可扩展架构、跨系统集成能力和数据治理机制，也对企业的安全合规、模型可解释性和持续优化能力提出更高要求。企业AI趋势洞察研究发现应用现状-企业智能体加速普及：逐渐从

“单点尝试”走向全场景规模化扩张价值诉求

-运营价值优先：企业采用智能体的

首要动因是驱动主营增长面临的挑战-AI落地挑战重心转移：从“技术

底座”转向“业务价值验证

&流程变革”超级智能体

-

“企业超级智能体”方兴未艾：

企业认知已起量，但认同与需求待提升落地策略

-企业优先引入陪跑伙伴搭建企业智

能体：推动AI共创实践服务商选择

-

一体化交付能力受企业青睐：企

业看重服务商全栈AI解决方案和全周期服务AI算力发展格局-AI算力私有化部署占比提升：

从“公有云优先”转向“混合更均衡”异构算力现状

-

多元异构算力加速普及：与算

力管理及运维平台的协同仍存显著鸿沟AI基础设施需求-“智能运维”需求刚性增强：

降低AI基础设施运维工作的强度与复杂性AI组织保障-“自上而下”+“外部合作”双轮

驱动AI落地：企业加速引进复合型人才分行业发现深度挖掘落地建议方案实现42%93%66%85%50%77%28%75%33%70%37%67%18%66%22%52%31%43%18%38%当前部署2026计划3

客户营销/销售1

员工办公2

客户服务/咨询财务/审计/结算经营决策/企业运营供应链和采购法务/合规HR/人力资源IT

运维研发创新应用现状企业智能体加速普及：

逐渐从“单点尝试”走向全场景规模化扩张企业智能体采纳率

企业智能体的应用场景8%24%20%48%72%已正式使用智能体（已部署+全面应用）2024：7%电子书，

CIO

Playbook赞助商：联想6

还没有任何应用

有了初步的测试或项目试点(PoC)

已部署在生产环境正式使用

公司各业务线全面应用智能体IDC电子书

执行概要

研究方法论

当前智能体部署优先级当前，企业在推动智能体落地时，最核心的目标是通过智能体技术实现主营业务的持续增长和市场份额的扩大。从全公司层面来看，企业专注于通过智能体在数据采集、流程自动化、智能决策支持、预测性分析等方面的能力提升，实现对主营业务增长的赋能，普遍将“驱动主营增长”作为智能体应用的首要诉求。在其它方面，企业亦不断探索和拓展新的场景，使智能体逐步成为企业降本增效、创新变革和提升韧性的核心工具。通过机器学习、数据挖掘和实时数据处理等技术手段，企业不仅能够缩短对市场变化的响应时间，还能提升业务连续性和系统的抗风险能力，实现更高水平的运营韧性和敏捷性。值得注意的是，不同企业角色在智能体应用价值上的侧重有所差异。CEO等高层管理者更关注智能体在推动业务模式创新方面的潜力，希望借助智能体实现企业战略转型和新兴业务的孵化。技术负责人则更看重智能体在降本增效和业务增长方面的实际作用，强调技术落地对企业运营效率和业绩提升的直接贡献。业务决策人则更加重视智能体带来的业务韧性，包括提升企业应对市场变化和风险的能力，确保企业在复杂环境下保持稳定发展。企业AI趋势洞察研究发现应用现状-企业智能体加速普及：逐渐从

“单点尝试”走向全场景规模化扩张价值诉求

-运营价值优先：企业采用智能体的

首要动因是驱动主营增长面临的挑战-AI落地挑战重心转移：从“技术

底座”转向“业务价值验证

&流程变革”超级智能体

-

“企业超级智能体”方兴未艾：

企业认知已起量，但认同与需求待提升落地策略

-企业优先引入陪跑伙伴搭建企业智

能体：推动AI共创实践服务商选择

-

一体化交付能力受企业青睐：企

业看重服务商全栈AI解决方案和全周期服务AI算力发展格局-AI算力私有化部署占比提升：

从“公有云优先”转向“混合更均衡”异构算力现状

-

多元异构算力加速普及：与算

力管理及运维平台的协同仍存显著鸿沟AI基础设施需求-“智能运维”需求刚性增强：

降低AI基础设施运维工作的强度与复杂性AI组织保障-“自上而下”+“外部合作”双轮

驱动AI落地：企业加速引进复合型人才分行业发现深度挖掘落地建议方案实现67%59%57%55%55%52%31%20%驱动主营增长降本提效创新业务模式建立韧性发展能力打造新增长引擎提升客户体验推动行业变革提升ESG运营价值战略价值行业和社会价值价值诉求运营价值优先：企业采用智能体的首要动因是驱动主营增长企业智能体的价值期待电子书，

CIO

Playbook赞助商：联想7

IDC电子书

执行概要

研究方法论

随着智能体技术的发展，企业面临的挑战焦点正由算力和数据等技术底座问题逐步转向“效果、ROI与业务流程变革”。算力和数据等底层问题不再是主要瓶颈，企业能够

更容易地获取和部署大模型。相比2024年探索期聚焦于算力供给、数据治理和模型稳定性，企业在2026年初的核心挑战已转向业务价值验证与流程重构。企业更关注智能体能否无缝嵌入现有业务流程，推动业务模式创新，并产出可量化、可验证的投资回报（ROI）。在这一阶段，智能体应用的衡量标准不再仅限于技术可行性，而是进一步涵盖业务流程优化、工作效率提升，以及对主营业务增长的直接贡献。企业在智能体落地过程中将更加注重业务价值的实现和流程的深度变革。随着智能体技术的不断成熟，企业不再满足于仅仅将智能体作为技术创新的象征，而是更加关注其在实际业务场景中的应用效果和价值创造能力。企业希望通过智能体的深度嵌入，实现业务流程的全面优化和重塑，从而提升运营效率、增强客户体验、推动产品和服务创新，并最终实现主营

业务的持续增长。企业AI趋势洞察研究发现应用现状-企业智能体加速普及：逐渐从

“单点尝试”走向全场景规模化扩张价值诉求

-运营价值优先：企业采用智能体的

首要动因是驱动主营增长面临的挑战-AI落地挑战重心转移：从“技术

底座”转向“业务价值验证

&流程变革”超级智能体

-

“企业超级智能体”方兴未艾：

企业认知已起量，但认同与需求待提升落地策略

-企业优先引入陪跑伙伴搭建企业智

能体：推动AI共创实践服务商选择

-

一体化交付能力受企业青睐：企

业看重服务商全栈AI解决方案和全周期服务AI算力发展格局-AI算力私有化部署占比提升：

从“公有云优先”转向“混合更均衡”异构算力现状

-

多元异构算力加速普及：与算

力管理及运维平台的协同仍存显著鸿沟AI基础设施需求-“智能运维”需求刚性增强：

降低AI基础设施运维工作的强度与复杂性AI组织保障-“自上而下”+“外部合作”双轮

驱动AI落地：企业加速引进复合型人才分行业发现深度挖掘落地建议方案实现面临的挑战AI落地挑战重心转移：从“技术底座”转向

“业务价值验证

&

流程变革”vs

当前排序1

应用效果不达预期2

缺少成熟的流程和方法论3

ROI投资回报不明确4

缺乏专业人才储备5

数据安全&隐私保护企业智能体落地主要挑战TOP52024排序缺乏所需的IT支持/资源，如算力、存储等缺乏高质量的训练数据应用效果不达预期数据安全&隐私保护缺乏专业人才储备电子书，

CIO

Playbook赞助商：联想8

IDC电子书

执行概要

由#3提升至#1

研究方法论

42532026年分别下降至第6、第7由#7提升至#3由#8提升至#21企业超级智能体已经开始在市场上引起关注

，但整体认同度和实际需求仍处于较低水平。数据显示

，目前企业对企业超级智能体的认知度达到61%，说明多数企业已经

了解或听说过这一概念。然而，真正认可其价值的企业比例仅为30%，明确表达出实际需求的企业更是只有13%。这一数据反映出企业超级智能体在企业中的普及和应用还处于早期探索阶段，距离大规模落地尚有较大距离。造成这一现象的主要原因在于企业对企业超级智能体与实际业务间的关联度存在疑虑。许多企业认为企业超级智能体与自身业务场景的契合度不高，难以直接带来业务增量或流程优化。此外，企业超级智能体的引入往往需要对现有IT架构进行较大幅度的重构，这不仅涉及技术层面的复杂调整，还会带来难以估算的成本和资源投入。法律责任与权限安全也是企业在考虑部署企业超级智能体时的重要顾虑。企业超级智能体具备更强的自主决策和执行能力，这使得企业在数据安全、合规性、权限管理等方面面临新的挑战。企业担心在实际应用过程中，企业超级智能体可能引发法律责任归属不清、数据泄露、权限滥用等风险，因此表现出较为保守的态度。虽然企业超级智能体的认知度正在逐步提升，但企业在价值认同和实际需求方面仍持观望态度。未来，随着技术成熟度的提升与业务场景的进一步明确，以及相关法律和安全机制的完善，企业超级智能体有望获得更多企业的认可和实际应用。企业AI趋势洞察研究发现分行业发现深度挖掘落地建议方案实现32%不知道

，首次听说该概念知道但不认同知道且基本认同（有一定潜力但需进一步验证）知道且完全认同（能为企业带来显著价值）“

”39%61%认知度30%认同度13%17%应用现状-企业智能体加速普及：

逐渐从

“单点尝试”走向全场景规模化扩张价值诉求

-运营价值优先：企业采用智能体的首要动因是驱动主营增长面临的挑战-AI落地挑战重心转移：从“技术底座”转向“业务价值验证

&流程变革”超级智能体-“企业超级智能体”方兴未艾：

企业认知已起量

，但认同与需求待提升落地策略

-企业优先引入陪跑伙伴搭建企业智能体：推动AI共创实践服务商选择

-

一体化交付能力受企业青睐：企业看重服务商全栈AI解决方案和全周期服务AI算力发展格局-AI算力私有化部署占比提升：从“公有云优先”转向“混合更均衡”异构算力现状

-

多元异构算力加速普及：与算力管理及运维平台的协同仍存显著鸿沟AI基础设施需求-“智能运维”需求刚性增强：降低AI基础设施运维工作的强度与复杂性AI组织保障-“自上而下”+“外部合作”双轮驱动AI落地：企业加速引进复合型人才超级智能体“企业超级智能体”方兴未艾：企业认知已起量，

但认同与需求待提升3%11%14%明确需求48%暂无需求可能有需求

，但没有具体规划有需求

，并计划1-2年内上线已经在开发和部署中38%【企业超级智能体】的认知度

对【企业超级智能体】的需求企业超级智能体定义：以智能体形态独立存在及嵌入服务对象全旅程触点的企业统一门户，是企业的总代表（企业双胞胎），通过调度企业内部领域智能体网络、企业知识库等为服务对象提供全旅程服务，具备感知与交互、认知与决策、自主与演进功能，贯穿这三大功能的基座的是数据安全和隐私保护。电子书，

CIO

Playbook赞助商：联想9

IDC电子书

执行概要

研究方法论

企业在智能体项目的落地策略上呈现出以“联合开发”为主的鲜明特征，其本质在于技术伙伴全程参与，以“陪跑”的方式与企业共同识别需求、解决问题、持续优化，确保项目顺

利落地，并通过在业务流程、

AI能力和创新应用上的深度协同，

基于知识共享和能力互补“共创”最契合实际场景的智能体解决方案。智能体的落地通常涉及智能体应用、模型平台、

智能体平台、数据和知识平台、安全合规与治理五大核心环节，

每环节中“联合开发”模式的占比均超过60%，并有36%的企业在这五大环节中全部采用联合开发模式。完全自研的策略主要集中在智能体应用（31%）以及安全合规与治理（30%）两个环节。企业在这两个环节存在“自主掌控核心技术和业务流程”的倾向，目的在于实现智能体应用

的高度定制化和安全合规性。通过自研，企业能够根据处于不断变化中的业务特点和管理要求，打造差异化的智能体应用场景，并强化数据安全、合规治理等关键能力，从而提升智

能体项目的可控性和可持续发展能力。在模型平台、智能体平台以及数据和知识平台等技术底座环节，

一部分企业倾向于直接采购成熟的行业解决方案。外采行业方案不仅能够快速满足企业在技术架构、数据管理和知识

整合等方面的实际需求，还能显著降低开发成本和技术门槛，提升项目落地的灵活性和效率。行业解决方案的高占比，反映出企业对外部专业能力和成熟产品的高度认可，也体现了

智能体落地过程中对高效、可靠技术支撑的强烈需求。智能助手、文案撰写、信息查询等应用包含基础模型、模型部署、模型评估、推理服务等包含提示词工程、RAG、智能体构建/调试、多智能体协同、智能体部署、智能体运营等包含数据采集和回流、数据清洗、数据标注、知识导入、知识解析和向量化、知识库建立等包含数据/知识与隐私安全、模型安全、智能体安全、云安全等63%62%60%62%63%自研联合开发

直接外采智能体应用模型平台智能体平台数据和知识平台安全合规及治理6%31%26%30%7%31%7%14%8%30%2%五环节全部直接外采（整体解决方案）36%五环节全部联合开发7%五环节全部自研五个环节企业AI趋势洞察研究发现应用现状-企业智能体加速普及：逐渐从

“单点尝试”走向全场景规模化扩张价值诉求

-运营价值优先：企业采用智能体的

首要动因是驱动主营增长面临的挑战-AI落地挑战重心转移：从“技术

底座”转向“业务价值验证

&流程变革”超级智能体

-

“企业超级智能体”方兴未艾：

企业认知已起量，但认同与需求待提升落地策略

-企业优先引入陪跑伙伴搭建企业智

能体：推动AI共创实践服务商选择

-

一体化交付能力受企业青睐：企

业看重服务商全栈AI解决方案和全周期服务AI算力发展格局-AI算力私有化部署占比提升：

从“公有云优先”转向“混合更均衡”异构算力现状

-

多元异构算力加速普及：与算

力管理及运维平台的协同仍存显著鸿沟AI基础设施需求-“智能运维”需求刚性增强：

降低AI基础设施运维工作的强度与复杂性AI组织保障-“自上而下”+“外部合作”双轮

驱动AI落地：企业加速引进复合型人才分行业发现深度挖掘落地建议方案实现落地策略企业优先引入陪跑伙伴搭建企业智能体：

推动AI共创实践当前企业智能体各环节的落地策略电子书，

CIO

Playbook赞助商：联想10

IDC电子书

执行概要

研究方法论

全周期服务即从咨询、方案设计、开发部署到持续运维的全流程陪跑服务，能够帮助企业在早期阶段系统性识别和规避技术、业务、合规等各类风险，提升项目成功率。该模式强调与

企业业务团队的持续协同，推动AI能力与实际场景的深度结合，实现定制化、场景化的智能体应用。同时在项目的成熟期通过全流程开发与协同优化，企业可实现数据、算力和智能的

高效流转，提升系统弹性、可扩展性和业务响应速度，为智能体在复杂场景下的规模化部署和持续演进提供坚实基础。其中需求较为显著的节点包括：42%的企业要求供应商能够提供弹性、可扩展的AI算力资源，支持模型训练、推理和大规模分布式部署；38%的企业对智能体全生命周期的运维能力存

在需求，包括自动化监控、故障自愈、版本管理和持续优化，降低企业运维负担；

34%强调数据的采集、治理、分析和价值挖掘能力；28%需要服务商提供端到端的安全防护和合规保

障，涵盖数据安全、模型安全、访问控制及合规审计，满足行业监管要求。企业选择智能体解决方案和服务提供商时的考虑因素：

全周期服务

6%

14%

15%

15%

42%

34%

28%

38%智能体运维服务（升级、部署、监控）52%看重：包括终端/基础设施/混合云及智能体开发交付运维

的全栈式解决方

案53%看重：智能体解决方案

和服务提供商提

供多种模型选择

（模型集市）企业在智能体落地过程中，往往面临多样化的业务需求和复杂的应用场景，希望服务商不

仅能提供丰富的模型库，支持不同类型、不同规模的智能体应用，还能通过全栈式能力实

现模型与业务流程的无缝集成。这不仅能够满足企业对通用模型和行业专用模型的多元化

需求，还能帮助企业灵活应对业务变化，快速迭代和优化智能体能力。企业AI趋势洞察研究发现应用现状-企业智能体加速普及：逐渐从

“单点尝试”走向全场景规模化扩张价值诉求

-运营价值优先：企业采用智能体的

首要动因是驱动主营增长面临的挑战-AI落地挑战重心转移：从“技术

底座”转向“业务价值验证

&流程变革”超级智能体

-

“企业超级智能体”方兴未艾：

企业认知已起量，但认同与需求待提升落地策略

-企业优先引入陪跑伙伴搭建企业智

能体：推动AI共创实践服务商选择

-

一体化交付能力受企业青睐：企

业看重服务商全栈AI解决方案和全周期服务AI算力发展格局-AI算力私有化部署占比提升：

从“公有云优先”转向“混合更均衡”异构算力现状

-

多元异构算力加速普及：与算

力管理及运维平台的协同仍存显著鸿沟AI基础设施需求-“智能运维”需求刚性增强：

降低AI基础设施运维工作的强度与复杂性AI组织保障-“自上而下”+“外部合作”双轮

驱动AI落地：企业加速引进复合型人才分行业发现深度挖掘落地建议方案实现服务商选择一体化交付能力受企业青睐：企业看重服务商全栈AI解决方案和全周期服务【智能体解决方案和服务提供商】的选择标准电子书，

CIO

Playbook赞助商：联想11

IDC电子书

执行概要

智能体运营服务（数据和知识的运营）

研究方法论

智能体定制开发服务安全和合规服务智能体设计服务智能体咨询服务AI算力设备AI算力服务近年来，企业在AI算力部署方面的策略发生了显著变化。企业总AI算力中公有云的占比出现了明显下降，减少了14个百分点；与此同时，私有云、本地部署以及端边侧算力的占比则持续提升，整体比例从54%增长至69%。这一趋势反映出企业在AI算力资源配置上更加多元和均衡，逐步从以公有云为主的集中式模式，向混合部署和分布式架构转型。驱动企业调整算力部署结构的核心因素主要包括数据安全、算力自主和低时延场景适配。首先，随着数据合规和隐私保护要求的不断提升，企业越来越重视对核心数据的安全管控，倾向于将敏感数据和关键业务算力部署在私有云或本地环境，以降低数据泄露和合规风险。其次，算力自主成为企业提升技术掌控力和业务灵活性的关键，私有云和本地算力能够帮助企业实现对算力资源的自主调度和优化，满足定制化需求。最后，随着智能体应用向生产、制造、物联网等低时延场景延伸，端边侧算力的部署优势愈发突出，能够实现实时响应和本地处理，提升业务效率和用户体验。在行业层面，这一变化也呈现出高度一致的趋势。各行业企业普遍采用“更均衡的混合部署”策略，将公有云、私有云、本地和端边侧算力资源进行灵活组合，以适应不同业务场景和技术需求。这种混合部署模式不仅提升了企业的算力利用率和业务韧性，也为智能体应用的规模化落地和创新发展提供了坚实的技术基础。企业AI趋势洞察研究发现应用现状-企业智能体加速普及：逐渐从

“单点尝试”走向全场景规模化扩张价值诉求

-运营价值优先：企业采用智能体的

首要动因是驱动主营增长面临的挑战-AI落地挑战重心转移：从“技术

底座”转向“业务价值验证

&流程变革”超级智能体

-

“企业超级智能体”方兴未艾：

企业认知已起量，但认同与需求待提升落地策略

-企业优先引入陪跑伙伴搭建企业智

能体：推动AI共创实践服务商选择

-

一体化交付能力受企业青睐：企

业看重服务商全栈AI解决方案和全周期服务AI算力发展格局-AI算力私有化部署占比提升：

从“公有云优先”转向“混合更均衡”异构算力现状

-

多元异构算力加速普及：与算

力管理及运维平台的协同仍存显著鸿沟AI基础设施需求-“智能运维”需求刚性增强：

降低AI基础设施运维工作的强度与复杂性AI组织保障-“自上而下”+“外部合作”双轮

驱动AI落地：企业加速引进复合型人才分行业发现深度挖掘落地建议方案实现AI算力发展格局AI算力私有化部署占比提升：从“公有云优先”转向“混合更均衡”46%26%28%当前-14pts+6pts+9pts32%32%37%2026规划【公司总AI算力资源消耗量】比例分配54%

->

68%主要部署在本地/混合云/端边侧

私有云本地私有云或托管私有云

本地（含端侧）包含服务器、AI一体机等本地部署+AIPC等端边侧部署电子书，

CIO

Playbook赞助商：联想12

IDC电子书

执行概要

公有云laaS、Paas或SaaS

研究方法论

企业在算力基础设施建设方面呈现出明显的“异构算力普及与平台采用存在鸿沟”的现象。数据显示，异构算力的普及率已经高达85%，这意味着绝大多数企业已经引入了多种类型的算力资源，包括CPU、GPU、FPGA、ASIC等，以满足不同智能体应用和复杂业务场景的需求。异构算力的广泛应用为企业提升AI处理能力、优化资源配置和支持多样化创新提供了坚实的技术基础。然而，与算力资源的高普及率形成鲜明对比的是，算力管理调度与运维平台的采纳率却仅为32%。这表明，虽然企业已经拥有丰富的异构算力资源，但在算力的统一管理、智能调度和高效运维方面，仍然存在较大短板。更值得关注的是，仍有54%的企业表示“暂不考虑”采用相关管理调度平台，反映出企业在算力管理理念、技术投入和运维体系建设方面的滞后。这种管理与平台应用的鸿沟，可能成为企业智能体规模化部署的关键瓶颈。缺乏高效的算力管理和调度平台，企业难以实现异构算力资源的统一监控、智能分配和自动化运维，导致算力利用率低下、资源浪费严重，甚至影响智能体应用的稳定性和扩展性。随着智能体应用场景不断拓展和算力需求持续增长，算力管理的低效问题将进一步放大，制约企业智能体项目的落地速度和业务创新能力。因此，企业亟需提升对算力管理调度平台的重视，加快相关平台的引入和建设，推动算力资源的智能化管理和高效运维。只有实现异构算力的统一管理和智能调度，企业才能真正释放算力资源的最大价值，支撑智能体应用的规模化发展和持续创新。10.40%4.70%87.50%

44.70%77.90%16.70%19.50%12.30%单一品牌的GPU单一品牌的CPU不同品牌的GPU不同品牌的CPUCPU+GPU混合GPU+FPGA混合GPU+ASIC混合GPU+HPC混合85%异构算力95%>=2类2.5类平均使用企业AI趋势洞察研究发现应用现状-企业智能体加速普及：逐渐从

“单点尝试”走向全场景规模化扩张价值诉求

-运营价值优先：企业采用智能体的

首要动因是驱动主营增长面临的挑战-AI落地挑战重心转移：从“技术

底座”转向“业务价值验证

&流程变革”超级智能体

-

“企业超级智能体”方兴未艾：

企业认知已起量，但认同与需求待提升落地策略

-企业优先引入陪跑伙伴搭建企业智

能体：推动AI共创实践服务商选择

-

一体化交付能力受企业青睐：企

业看重服务商全栈AI解决方案和全周期服务AI算力发展格局-AI算力私有化部署占比提升：

从“公有云优先”转向“混合更均衡”异构算力现状

-

多元异构算力加速普及：与算

力管理及运维平台的协同仍存显著鸿沟AI基础设施需求-“智能运维”需求刚性增强：

降低AI基础设施运维工作的强度与复杂性AI组织保障-“自上而下”+“外部合作”双轮

驱动AI落地：企业加速引进复合型人才分行业发现深度挖掘落地建议方案实现暂不考虑使用正在试点

，尚未部署到生产环境已使用成熟的第三方平台管理算力20%14%正在研究，已自主研32%采纳率10%2%54%异构算力现状多元异构算力加速普及：与算力管理及运维平台的协同仍存显著鸿沟当前的AI算力技术路线

【算力管理和运维平台】采纳率VS.

15%2024年采纳率计划在未来1年内引入发并正式投入使用电子书，

CIO

Playbook赞助商：联想13

IDC电子书

执行概要

研究方法论

随着智能体应用规模的不断扩大和业务场景的日益复杂，企业对基础设施的运维提出了更高的要求。然而，当前许多企业在智能运维能力方面仍存在明显不足，缺乏自动化、智能化的运维工具和体系，导致运维效率低下、故障响应滞后，难以支撑智能体的高效稳定运行。与此同时，随着智能体系统的不断升级和技术架构的日益复杂，企业对高素质运维人才的需求持续增长，但市场上相关专业人才供给有限，导致企业在

运维团队建设和能力提升方面面临较大压力。此外，智能体应用涉及大量敏感数据和关键业务流程，企业亟需完善的安全防护措施来应对数据泄露、网

络攻击等风险，保障业务连续性和数据安全。同时，系统的高可用性和稳定性也是企业智能体基础设施建设的重要目标，只有具备强大安全防护和稳定运行能力的基础设施，才能为智能体应用的规模化落地和业务创新提供坚实支撑。受限于智能运维能力的缺失和运维人员短缺这两大痛点，企业亟需依赖服务商来完善和补足体系化的智能运维能力。在选择AI基础设施时，企业更倾向于选择能够提供从底层硬件到基础设施软件、运维服务的一体化综合解决方案，并要求该方案具备智能运维能力，以

提升系统可用性和降低运维压力。同时，企业采购决策趋于理性和精细化，体现为成本效益考量与ROI优化。架构层面混合云架构可以为企业提供了灵活的资源调度和成本优化手段，是实现高性价比和满足多样化业务需求的重要技术路径。全链路AI能力体系则确保了基础设施能够支撑AI项目的高效部署和持续演进，进一步提升方案的整体价值。企业AI趋势洞察研究发现应用现状-企业智能体加速普及：逐渐从

“单点尝试”走向全场景规模化扩张价值诉求

-运营价值优先：企业采用智能体的

首要动因是驱动主营增长面临的挑战-AI落地挑战重心转移：从“技术

底座”转向“业务价值验证

&流程变革”超级智能体

-

“企业超级智能体”方兴未艾：

企业认知已起量，但认同与需求待提升落地策略

-企业优先引入陪跑伙伴搭建企业智

能体：推动AI共创实践服务商选择

-

一体化交付能力受企业青睐：企

业看重服务商全栈AI解决方案和全周期服务AI算力发展格局-AI算力私有化部署占比提升：

从“公有云优先”转向“混合更均衡”异构算力现状

-

多元异构算力加速普及：与算

力管理及运维平台的协同仍存显著鸿沟AI基础设施需求-“智能运维”需求刚性增强：

降低AI基础设施运维工作的强度与复杂性AI组织保障-“自上而下”+“外部合作”双轮

驱动AI落地：企业加速引进复合型人才分行业发现深度挖掘落地建议方案实现提供基础设施综合解决方案

(包括服务器/存储/网络等硬件、基础设施软件及运维服务)支持智能运维（如自动故障预测）性价比高提供混合云服务提供从底层硬件基础设施到顶层应用的全链路AI能力体系AI基础设施需求“智能运维”需求刚性增强：降低AI基础设施运维工作的强度与复杂性1

缺少智能运维能力（如自动故障预测）2

缺乏AI基础设施运维人员3

安全防护能力弱4

成本过高，超出预算5

稳定性不足，故障率高AI基础设施提供商的选择标准电子书，

CIO

Playbook赞助商：联想14

在AI基础设施方面遭遇的问题与挑战IDC电子书

执行概要

12345

研究方法论

85%投资相关要素企业AI趋势洞察研究发现应用现状-企业智能体加速普及：逐渐从

“单点尝试”走向全场景规模化扩张价值诉求

-运营价值优先：企业采用智能体的

首要动因是驱动主营增长面临的挑战-AI落地挑战重心转移：从“技术

底座”转向“业务价值验证

&流程变革”超级智能体

-

“企业超级智能体”方兴未艾：

企业认知已起量，但认同与需求待提升落地策略

-企业优先引入陪跑伙伴搭建企业智

能体：推动AI共创实践服务商选择

-

一体化交付能力受企业青睐：企

业看重服务商全栈AI解决方案和全周期服务AI算力发展格局-AI算力私有化部署占比提升：

从“公有云优先”转向“混合更均衡”异构算力现状

-

多元异构算力加速普及：与算

力管理及运维平台的协同仍存显著鸿沟AI基础设施需求-“智能运维”需求刚性增强：

降低AI基础设施运维工作的强度与复杂性AI组织保障-“自上而下”+“外部合作”双轮

驱动AI落地：企业加速引进复合型人才分行业发现深度挖掘落地建议方案实现智能体的引入往往意味着对旧有流程的颠覆。如果只做表层集成，智能体只能沦为“高级搜索框”。只有深度集成并优化业务流程，才能释放最大价值。企业需评估智能体在现有

IT架构中是作为独立的前端应用，还是作为中间层连接各个系统。这决定了集成的深度和未来的扩展性。对于智能体项目的可行性，企业通常首先需评估组织现有的AI、数据、自动化等基础能力，包括团队技能、数据治理、模型训

练与运维能力。在收入方面，高投入若能带来显著、可量化的长期回报，则具备战略意义。企业通常采用全生命周期成本-效益分析（如TCO/ROI模型），动态平衡短期投入与长期收益。在AI项目的核心推动力量方面，企业正经历从传统IT部门主导的“IT/业务”模式，向“管理层与外部合作伙伴更重要”的新模式转变。智能体项目成功落地的关键在于管理层的战略推动，以及与外部生态合作伙伴的协同创新。这种自上而下的战略驱动与生态协同，能够加速智能体技术的引入和应用，提升企业整体数字化转型的效率和效果。组织层面，企业主要通过招募AI人才、开展员工培训来推动智能体项目的发展。人才建设成为企业智能体落地的核心保障，企业不仅需要具备数据科学和工程能力的专业人才，还迫切需求“懂行业

know

how”的AI专家。后者能够将AI技术与行业实际深度结合，推动智能体在垂直领域的创新应用。AI组织保障“自上而下”+

“外部合作”双轮驱动AI落地：企业加速引进复合型人才招募AI专业人才员工培训

，提升组织AI技能引入长期战略合作伙伴共建 将AI渗透率纳入绩效考核 设立专职的COE团队设置首席AI官/科学家51%49%37%35%31%28%63%计划招募AI行业专家50%计划招募AI合规治理专家

1

组织自身的技术能力58%

2

一次性投入费用55%

3

长期投资回报率

(ROI)5