支出全景：2019 亿美元与 141% 增速
Gartner 的 2026 年预测给 Agentic AI 支出画了一条陡峭曲线：2026 年全球 Agentic AI 支出预计达 2019 亿美元，同比增长 141%；到 2027 年，智能体（Agent）支出将超过聊天机器人与数字助手的支出。更结构性的判断是：到 2030 年，Agentic AI 将扰动最高 2340 亿美元的企业应用软件支出，其中 20% 的企业 SaaS 支出将直接归因于这场转移引发的市场价格调整。
需要注意两个口径的区分：「AI Agent 独立工具市场」（据行业机构估计 2026 年约 109–120.6 亿美元、年复合增速 44–46%）与上述「Agentic AI 总支出」（2019 亿美元）不是同一概念——后者包含嵌入现有企业软件内部的 Agent 能力支出。引用任何一方的数据时先核对口径，否则很容易得出失真的增速结论。
Gartner 自己的表述也颇为直白：Agentic AI 对固守传统仪表盘和按席位模式的供应商构成「生存性威胁」，同时为能打通跨领域 Agent 工作流的供应商创造了「可观的收入机会」。
采用鸿沟：88% 在用、23% 在规模化
支出曲线陡峭，采用结构却明显分层。综合多份 2026 年企业调查，四组数字勾勒出这条鸿沟：
| 阶段/指标 | 企业占比 | 含义 |
|---|---|---|
| 以某种形式使用 AI | 88% | 「在用」已成为默认状态 |
| 把 Agent 规模化部署进生产工作流 | 23% | 实验与生产之间存在巨大断层 |
| 对自主智能体有成熟治理模型 | 21% | 治理能力落后于部署速度 |
| 将数据质量列为部署首要障碍 | 52% | 瓶颈在数据而非模型 |
| 2027 年前面临项目取消风险（Gartner） | 40%+ | 预算审查正在收紧 |
营收超过 10 亿美元的大型企业中，40% 表示正在一个或多个职能规模化部署 AI Agent，一年前这一比例为 27%——头部企业的曲线比整体市场陡峭得多。本栏目 R-INDUSTRY-07 曾聚焦「试点到生产的鸿沟」，本文的补充视角是：这条鸿沟在预算侧的表现形式，是 CFO 从「开放式实验预算」转向「硬性 ROI 要求」。
ROI 落账：94% 无盈利影响与 88% 首年回报的悖论
McKinsey 2026 年 State of AI 调查给出的核心数字是：94% 的企业表示 AI 支出未带来实质盈利影响，仅 6% 认为影响显著；企业平均预期 Agentic AI 投资回报率 171%，但只有 39% 能把任何 EBIT 影响归因于 AI。
但同一份调查藏着分化的另一半：Agentic AI 早期采纳者中，88% 在首年即报告了 ROI，而生成式 AI 整体使用者的这一比例为 74%。麦肯锡自身就是例证——该公司现在运行着约 2.5 万个 AI Agent 与 4 万名员工协作，过去一年节省 150 万小时工时，后台部门人数下降 25% 的同时产出增长 10%。
把这两组数据放在一起，分化点就不难识别：产生回报的企业运行的是端到端完成工作、自己处理异常、嵌入实际工作系统的 Agent；只产生活动而没有可归因利润的，是把钱花在「辅助人回答问题」的 Copilot 和试点上——任务本身、异常处理和最终签核仍然留在人手里。判断企业落在 94% 还是 6% 一侧的变量，不是买了哪个模型，而是部署方式。
从公开案例反推，Agent 投资进入损益表需要三件事同时成立：评估体系（能度量完成的工作而非调用量）、审计轨迹（异常处理可追溯）、真实系统集成（Agent 能在业务系统里行动而不只是对话）。缺任何一件，Agent 都只是一个永远不会变成部署的 Demo。
定价重构：从按席位到按成果
支出结构变化的下游是定价模式变化。过去二十年 B2B SaaS 的定价锚点是「按人类用户席位收费」；当 Agent 能自主完成多步工作流——关闭工单、 qualify 销售线索、对账发票——企业不再需要为每个「可能触碰该工作流的人」购买席位。两种模式的对照：
| 维度 | 传统按席位模式 | Agentic 按成果模式 |
|---|---|---|
| 计费单位 | 每人类席位 / 登录 | 每成果 / 每工作流 / 每工作单元 |
| 价值度量 | 功能采用率 | 任务完成度 / ROI |
| 增长方式 | 席位扩张 | 工作流自动化深度 |
| 产品形态 | UI/仪表盘即产品 | UI 可选，Agent 即产品 |
按席位模式自身的数据也在助攻这次重构：据 Zylo 2026 年 SaaS 管理指数，平均企业运行 305 个 SaaS 应用、每年在闲置许可证上浪费 1980 万美元——席位模型天然产生这种浪费，而按成果计费在结构上不具备这个问题。
厂商侧的证据是 Salesforce Agentforce：Q4 财年 2026 ARR 达到 8 亿美元、同比增长 169%，累计签约 2.9 万个客户交易、处理 24 亿个「Agentic 工作单元（work units）」——按工作单元计费的规模化收入样本已经出现。另一个值得注意的预算信号：Anthropic 在企业 LLM 支出中的份额从 24% 升至 40%，说明模型供应商选型正在从开发者层面的技术决策上升为预算科目级的战略决策。
真实账本：Agentforce 与 McKinsey 的 2.5 万智能体
两个正在被反复引用的规模化样本，各自揭示了账本的一个侧面：
- Salesforce Agentforce（收入侧）：约一年时间从试点预算走到九位数 ARR，证明企业 Agent 支出已经从「创新预算」变成「可续订的承诺支出」。其 24 亿工作单元的处理量同时说明：计费单位已经可以细化到单次自主工作。
- McKinsey 内部运营（成本侧）：2.5 万 Agent + 4 万员工的结构，后台人数 -25%、产出 +10%、年省 150 万小时——这是「Agent 替代辅助性人力、人聚焦决策」的组织形态样本。
两者的共同点是都越过了「试点—汇报—再试点」的循环：一个用收入验证需求侧，一个用工时与产出验证供给侧。
行业节奏：金融、医疗与媒体的差异
PYMNTS Intelligence 2026 年 8 月的企业 AI 基准报告（调查 60 家年营收 10 亿美元以上美国企业的高级技术决策者）给出了行业间的节奏差：
| 指标 | 金融服务 | 医疗 | 媒体/广告 |
|---|---|---|---|
| 数据与技术部门广泛/深度使用新 AI | 95% | 84% | 81% |
| 认为新 AI 在所用职能「非常/极其有效」 | 95% | 95% | 86% |
| 预期 AI 回报周期 5–6 年 | 50% | 63% | 62% |
| 未来 12 个月增加投入 | 80% | 84% | 81% |
值得注意的交叉信号：尽管 63% 的医疗企业把回报周期放在 5–6 年，但 90–100% 的受访企业仍把近期 ROI 评为正向、且没有任何一家企业预期削减投入——回报预期与持续投入并不矛盾，说明决策层在按「能力建设」而非「季度回报」为 Agent 买单。
风险与冷思考
- 40%+ 的取消风险是真实的：Gartner 对 2027 年前项目取消风险的警告意味着，支出曲线的斜率包含了大量将被出清的实验性预算，「2019 亿美元」不能线性外推为「2019 亿美元的有效产能」。
- 数据质量是首要瓶颈：52% 的企业把数据质量列为首要障碍——这决定了 Agent 化的顺序应当是「先修数据、再上 Agent」，与直接购买工具的直觉相反。
- 治理缺位：仅 21% 的企业具备成熟的自主智能体治理模型，在规模化比例（23%）附近——规模化与治理几乎同步到达，留给「先跑起来再补治理」的空间很小。
- 市场规模口径混乱：独立工具市场（约 110 亿美元）与 Agentic 总支出（2019 亿美元）相差近 20 倍，任何「市场规模」引用都需要先核对定义，这也是本栏目在多份行业报告中反复强调的读数纪律。
- 预期偏差：171% 的预期 ROI 与 39% 的 EBIT 归因之间的落差表明，多数企业的商业测算模型仍把「辅助效率」当成「完成产能」来定价。