三套口径读市场规模：先校准尺子
讨论中国市场，先要面对一个现实：不同机构给出的数字相差可达十倍，直接引用任何单一数字都可能误导决策。2026 年公开报道中至少有三套被广泛引用的口径：
| 机构口径 | 2025 年 | 2026 年（预计） | 远期 | 统计范围 |
|---|---|---|---|---|
| IDC（企业级 AI 智能体） | 212 亿元 | 449 亿元 | 3320 亿元（2029），CAGR 约 107% | 企业级、狭义智能体 |
| 赛迪顾问（智能体整体） | 78.4 亿元 | 135.3 亿元（增速超 70%） | — | 整体市场、偏窄口径 |
| 艾媒咨询（AI 智能体整体） | 804 亿元 | 1558 亿元 | — | 广义代理式 AI、含消费端 |
差异的来源是统计范围：IDC 聚焦「企业级」与狭义智能体软件与服务支出；赛迪的口径更窄；艾媒则把更广义的代理式 AI 应用计入。值得注意的是，三套口径在「增速」上高度一致——都指向翻倍式增长。对从业者的实用结论是：绝对值看 IDC 口径（企业级决策相关），增速趋势可信，跨机构绝对值对比没有意义。另一个可参考的全球锚点：IDC 测算 2026 年全球 AI Agents 市场约 109 亿美元（同比增长 43%），占企业 IT 支出的 10–15%；中国市场的增速（约 110%）显著高于全球。
行业结构上，赛迪顾问的数据显示政务、制造、能源、金融四大领域合计占比超过 70%——这与海外市场以软件互联网为需求主体的结构明显不同，也解释了后文私有化偏好的由来。
渗透率断层：供给狂热与落地缓慢
市场规模翻倍的另一面，是一组更值得决策者关注的渗透率数据：
- 部署完成率约 17%：Gartner 调研显示，真正完成 AI 智能体部署的企业仅约 17%，超过半数企业仍处于探索或试点阶段。
- 核心流程嵌入率更低：国内行业媒体援引的调研口径显示，约六成企业处于评估和试点阶段，仅约 18% 把智能体纳入了核心业务流程。
- 政策面预期与现实的时间差：Gartner 预测到 2026 年底 40% 的企业软件应用将嵌入具备自主任务执行能力的智能体，而 2025 年这一渗透率不足 5%——即便预测兑现，也意味着未来几个月是从 5% 到 40% 的陡峭爬坡，而当前 17% 的部署完成率提示这条曲线存在不确定性。
- 供给侧膨胀更快：国内 AI 智能体相关服务商已超过 300 家，供给端的扩张速度远超需求端的消化能力。
两组数字放在一起，构成了一个经典的「鸿沟」形态：一边是 212 亿到 449 亿的规模曲线与 300 家服务商的供给狂热，另一边是六成企业停在试点。鸿沟的成因并非企业不想用——中国信通院统计显示超过 25% 的企业已部署生成式 AI 智能体，而是在「能聊天」与「能进生产流程」之间，横着工程化能力的参差不齐与治理机制的缺位。国内行业报道把 2026 年企业提问方式的变化概括得很准确：2025 年之前企业问「能不能接我们的文档库」，2026 年问「谁建的、碰了哪些数据、能不能锁在内网」——竞争焦点已从开发与编排迁移到评测、托管、治理与迭代。
「翻倍的市场」与「17% 的部署率」并不矛盾：市场规模统计的是已发生支出，而支出高度集中于已部署企业（以及大量试点投入）。理解这一点，就能理解为什么「市场翻倍」的新闻与「试点废弃」的新闻会同时出现——增长由少数深度采用者与大量试水者共同贡献，后者的留存率才是 2027 年市场成色的关键变量。
钱花在哪：私有化 7 倍于公有云的结构性偏好
若要为中国市场选一个最能区别于海外的结构性指标，IDC 的这组数据当仁不让：2025 年中国智能体开发平台私有化市场约 17.5 亿元，公有云约 2.5 亿元——私有化份额接近公有云的七倍。
这个比例背后的逻辑链条：四大主力行业（政务、制造、能源、金融）恰是对数据主权与合规要求最敏感的群体；智能体的特殊性在于它不只是「读数据」，还要「调系统」——一个财务 Agent 要调用 ERP，一个运维 Agent 要触碰生产环境，权限、审计与追责机制必须在部署之前就位。国内报道的选型观察同样印证：「智能体建出来之后由谁调度、出错之后由谁担责、跨部门任务由谁串联」正取代功能清单成为采购决策的核心问题。企业把钱花在「可控」上，而不是「能用」上。
对厂商的含义有两层。其一，纯 SaaS 模式在中国企业级智能体市场将长期处于劣势位置，混合部署与专有化交付是必选项；其二，「治理能力」正在从售后配套变成前台卖点——权限体系、审计日志、私有化知识隔离、成本核算，这些过去写进投标文件附录的能力，现在决定订单归属。
企业侧的真实障碍：数据准备度与治理机制
为什么六成企业停在试点？把公开调研中的失败归因归拢，两大障碍反复出现：
障碍一：数据准备度不足。国内选型报道援引的数据显示，38% 的企业把数据准备度不足列为 AI 落地的首要障碍。智能体对数据的依赖比此前任何企业软件都更彻底：知识库要清洗、业务系统要开放 API、历史流程要显性化。很多企业的真实状况是「有数据、没准备」——文档散落在网盘与个人电脑，流程存在于老员工的习惯里，系统之间靠人工导表衔接。智能体项目在这里暴露的不是模型问题，而是企业数字化的欠账。
障碍二：治理机制缺位。国内报道把「没有预先设计权限、审计与追责机制，等智能体开始调用核心系统才回头补治理」列为三大典型失误之一。这与企业侧的采购心理形成恶性循环：越缺治理机制，越不敢让智能体接触核心系统；越不接触核心系统，越只能在边缘场景试点；试点价值越低，越难获得预算建设治理机制。打破循环的可行路径是把治理前置——先建权限与审计框架，再扩大智能体的系统访问范围，而不是反过来。
对照海外：中国市场的三个不同点
把中国市场放进全球坐标系，三个差异点对判断走向有帮助。
差异一：行业结构。海外企业级 Agent 需求以金融、零售与软件互联网为主体（三行业合计约占全球代理式 AI 需求的 56%）；中国市场政务、制造、能源、金融四大领域占比超 70%，重资产与强监管行业是主力。这意味着海外验证过的最佳实践（如 Salesforce 式销售 Agent、软件工程 Agent）不能直接平移，制造排产、能源巡检、政务审批类场景的产品化路径需要重新走。
差异二：部署形态。海外以公有云与厂商托管为主流（Salesforce Agentforce、微软 Copilot 均为 SaaS 优先）；中国私有化 7 倍于公有云的偏好，决定了国内厂商的竞争主场在交付与服务能力，而非单纯的模型与产品能力。
差异三：需求侧温度。中国企业侧对智能体付费的意愿与场景验证正在加速形成——智能体走进办公场景的报道显示，2026 年二季度国内主流桌面端 AI 办公智能体月访问量从 3 月的 2000 万次增至 6 月的 6000 万次，三个月增长两倍；多位受访的行业负责人共同的判断是：模型能力差距在缩小，竞争重心转向工作上下文、企业知识沉淀、业务系统打通与权限管理——「模型可以买到，词元可以充值，但企业自身知识的沉淀需要长期积累」。这与全球市场「从按席位计费走向按结果计费」的商业化转向形成呼应，但中国市场的实现路径更依赖私有化环境下的长周期交付。
局限与风险
- 口径风险：本文引用的机构数据来自媒体转引与研究报告摘录，IDC、赛迪、艾媒的统计范围差异显著，任何绝对值的直接对比都会失真；引用时请以机构原始报告为准。
- 预测兑现风险：「2026 年底 40% 企业应用嵌入智能体」与「2029 年 3320 亿元」均为机构预测，渗透率曲线存在不及预期的可能；约四成试点项目面临废弃的全球性预警在中国市场同样适用。
- 幸存者偏差：公开的成功案例与访问量数据集中于头部企业与头部产品，中小企业的真实采用状况（调研显示小企业 AI 采用率仅约 3–9%）在总量数据中被大幅稀释。
- 增速与基数：翻倍式高增长的另一面是基数尚小——449 亿元相对中国整体企业 IT 支出仍是小盘子，市场「爆发」的叙事与「渗透早期」的现实需要同时持有。