先说口径：两套样本、两个叙事
KPMG Global AI Pulse 是一项按季度执行的全球调查，Q3 2026 版本于 2026 年 9 月 24 日发布，主题为「规模化 AI：问责、韧性与经济学（AI at scale: Accountability, resilience and economics）」。执行窗口为 2026 年 7 月 23 日至 8 月 26 日，样本为 2,131 名对组织战略与运营负有责任的资深领导者，覆盖 20 个国家和地区（含中国内地及中国香港特别行政区），企业营收门槛为全球 5,000 万美元起、十个主要市场为 1 亿美元起。
媒体报道中出现了一个容易混淆的口径分叉：ZDNet 报道称调查对象为「314 名美国 C-suite 高管、年营收 10 亿美元以上」——这对应的是报告方法论中的美国追踪样本（US tracking sample，10 亿美元以上），继承自 KPMG 美国长期追踪系列；而「2,131 名、20 国」是全球样本。两组数据都真实存在，只是叙事层面不同。本文将两组口径分别标注，不做混算。另需说明：季度间环比「设计上幅度小于年度研究，应读作方向而非台阶式变化」——这是报告方法论原文的自我提醒，值得写进每一个引用者的笔记。
部署数据：智能体出试点、进企业
美国追踪样本（314 名、年营收 10 亿美元以上）的智能体数据是本轮传播最广的部分：
| 指标（美国追踪样本） | Q3 2026 | 前期基线 | 变化 |
|---|---|---|---|
| 已部署或正在开发 AI 智能体的企业占比 | 62% | 53%（上季度） | +9pp |
| 多智能体系统部署占比 | 25% | 6%（前两个季度） | 约四倍 |
| 年 AI 投资（自报均值） | 1.73 亿美元 | 1.30 亿美元 | +33%（同比） |
| 员工显著采用 AI 智能体的组织占比 | 44% | 10%（2025） | 四倍余 |
| 为 AI 协作制定岗位级指南的组织占比 | 55% | 21%（一年前） | +34pp |
全球样本侧的数据与之互相印证：34% 的组织报告员工显著采用 AI 智能体（Q1 为 25%）；计划未来 12 个月的平均 AI 投资升至 2.10 亿美元（Q1 为 1.86 亿美元）。区域成熟度差距在收窄——美洲 64% 的组织处于「规模化及以上」阶段，亚太 61%，EMEA 56%，首尾差距从 Q1 的 16 个百分点减半至 8 个百分点，先行者的时间窗口正在关闭。Salesforce 的 Agentic Enterprise Index 被报告引用作旁证：企业平均活跃生产智能体数量从 2025 年的 5 个升至 13 个。
harness 层：规模化组织的新基础设施
本轮报告里对智能体工程团队最有操作意义的发现，是「AI harness 层」的渗透率曲线。harness 层指夹在 AI 模型与业务用例之间的控制与工具集合。三组数据构成一条陡峭的成熟度梯度：
| 组织阶段 | 建正式 harness 层的占比 | 企业级全量部署占比 |
|---|---|---|
| 实验期（n=268） | 31% | 10% |
| 规模化期 | 58% | — |
| 已确立 ROI（n=208） | 86% | 65% |
全样本中 55% 的组织运营正式 harness 层，已确立 ROI 的组织中该比例升至 86%。相关不等于因果——报告没有断言「建了 harness 就会有 ROI」，但从数据看，治理基础设施与价值兑现高度共现。harness 层内部的能力成熟度并不均衡：安全与身份控制相对成熟（43%），数据访问控制次之，而模型路由（为具体任务选择合适模型的能力）仅 23%，是所有能力中最薄弱的一环。这与本站此前对多模型编排的成本分析相互印证：路由恰恰是直接影响推理账单的能力，短板在这里意味着真金白银的浪费。
美国样本对企业 harness 层的期望排序同样有参考价值：数据访问控制 59%、安全与身份控制 53%、AI 输出监控 47%、政策与护栏执行 42%、模型访问管理 40%。
问责与治理：AI 决策责任上移
全球样本中，53% 的组织把「AI 参与决策」的问责置于 C-suite 及以上层级——其中 35% 指定了具名高管，18% 直接落在 CEO 或执行委员会。美国样本的表述更直接：74% 的 CEO 把 AI 作为战略优先事项亲自持有，58% 的高管报告 AI 项目产生了可衡量的业务价值（价值构成：生产力 56%、决策质量 49%、客户体验 38%、员工体验 38%、财务结果 37%）。AI 正在深入日常审批流程（74% 的高管在审批环节使用 AI）、仪表盘监控（70%）与用量/Token 预算管理（43%）。
另一个值得注意的组织信号：24% 的受访者表示，智能体的引入正在推动组织重定义晋升标准——AI 素养与「有效委派智能体的能力」被写进考核。当一项技术开始改写晋升标准，它已经完成了从工具到组织基础设施的身份转换。
经济账：89% 自报有价值，12% 持续核算
报告标题里的「经济学」落在两组反差强烈的数字上。全球样本中 89% 的组织报告从 AI 中获得可衡量价值；但只有 12% 在组织层面持续对照成本评估 AI 价值——即便在已确立 ROI 的组织里，这一比例也只升到 48%。流程层面稍好：61% 在立项审批时审查成本，59% 在运行中监控成本，但从「看支出」到「算价值」之间隔着一条大多数组织还没跨过的沟。
第三方媒体转述的两项补充数据（原报告未直接呈现，引用需谨慎）：约 93% 的受访企业超支了 AI 预算；智能体工作流的计算强度是聊天机器人查询的 5 到 30 倍。后者解释了为什么模型分级、提示词缓存、上下文优化会成为主要的成本杠杆，也解释了为什么 43% 的组织已经开始执行 Token 或算力用量预算。Gartner 的旁支预测（同样经媒体转述）给出了压力曲线的方向：到 2028 年智能体推理成本可能上升五倍，超过 40% 的智能体项目会在 2027 年底前被取消。
韧性三题：安全、主权与供应商依赖
当 AI 深入核心业务，安全、模型主权与供应商依赖被报告整合为同一张韧性议程：
- 安全运营重塑：86% 的组织正在为 AI 加速的威胁调整网络安全运营模式、强化政策流程与控制；已确立 ROI 的组织中 71% 把网络与数据安全列为 AI 预算优先项，实验期组织只有 36%
- 模型主权进入正式决策：72% 的组织在 AI 决策中正式考虑模型主权（模型、数据与知识产权托管在哪里、由谁控制），21% 已有企业级主权策略并定期评审，已确立 ROI 组织中该比例升至 53%；8% 的组织表示主权顾虑已经在拖慢部署——一个比例不大但信号明确的分母
- 供应商依赖与连续性：报告将依赖管理视为连续性问题而非采购问题，强调的是「更有意识地管理」而非「放慢部署」
三点批判性阅读
其一，这是咨询公司的调查，立场需要计入
KPMG 是 AI 咨询与实施服务的卖方，「治理决定价值兑现」的叙事与其服务目录天然契合。数据本身（2,131 样本、方法论公开、分组基线 n 值披露）质量在行业调查中属中上，但「harness 层与 ROI 共现」这类结论的解读权掌握在发布方手中，读者应自行保留推断空间。
其二，自报口径的固有偏差
「89% 获得可衡量价值」「58% 报告可衡量业务价值」均为高管自报，无第三方审计。「可衡量」的定义权在受访者手里——这与本站此前讨论过的企业 ROI 自报偏差（如 Atera 的 Forrester TEI、厂商通稿口径）是同一类问题。对比硬数据：仅 12% 持续核算成本与价值，两相对照，「价值幻觉」的可能性无法排除。
其三，多智能体 6%→25% 的跳变需要更细的分解
一个季度内从 6% 到 25% 的四倍增长，即便考虑「前两个季度均为 6%」的累积效应，仍是极陡的曲线。合理的解释包括：定义宽泛（多少个智能体协作算「多智能体系统」无统一标准）、样本季度间可能存在构成变化、以及头部企业的示范效应。方向可信，幅度宜保守引用。目前官方及行业暂未披露更多细节，后续将持续跟进迭代动态。
尽管有这些保留，本轮数据勾勒的趋势线足够清晰：智能体竞争的重心正在从「能不能部署」转向「能不能治理、能不能算账」。对 2026 年末正在立项的企业团队，报告里最有行动价值的不是那些宏观百分比，而是两个检查项：你的 harness 层建到哪一级了？你能不能说清每一个智能体的成本对应哪一项价值？