四级采用阶梯与各自的分母
把 2026 年 10 月至 11 月公开材料里的采用率按「离决策权有多近」排一下，会得到一条看起来连续、实际并不连续的阶梯。越靠近「让智能体自己拍板」，比例越低；但每一级的样本、地域与提问方式都不同，不能当作同一批企业逐级流失的漏斗。
| 层级 | 读数 | 样本与出处 | 问的是什么 |
|---|---|---|---|
| 启动试点 | 73% | 全球 Top500 企业，IDC 口径，经人民政协网转引 | 是否已经开始智能体试点 |
| 跨部门规模化 | 19% | 全球 Top500 企业，同一 IDC 口径 | 是否跨部门规模化 |
| 进入主要业务流程 | 18% | 中国企业，信通院《企业级智能体技术与应用研究报告（2026 年）》转引；各家统计边界不一 | 智能体是否进入主要业务流程 |
| 跨职能无人审批决策 | 10% | 美国大型企业，经二手汇总转引，原始样本未具名 | 是否允许跨多个业务职能自主决策 |
| 跨应用安全协调 | 9% | 同上二手汇总 | 是否能安全跨企业应用协调工作流 |
另有三组常被并列引用的交叉数据：Littler《2026 Agentic AI Workplace Report》经二手汇总转引为 74% 的组织预计未来两年中度使用 AI、仅 13% 认为当前治理框架充分；同一汇总还给出 62% 的美国大型企业正在构建、部署或开发智能体（较上一季度 53%，KPMG AI Pulse 口径）与 40% 对 22%（年收入 10 亿美元以上与较小组织在至少一个职能规模化的比例，麦肯锡口径）。KPMG 与麦肯锡两组数据本站已有专题文章 R-INDUSTRY-28 与 R-INDUSTRY-55，本轮只作分母对照，不重复展开。
上表前两行来自同一份 IDC 口径，可以相减；第三行换成中国企业样本，第四、五行换成美国大型企业且经二手汇总转引。把它们依次连起来、再算出「从试点到自主决策流失了多少个百分点」，等于把四份不同问卷拼成一份，结论没有统计意义。
54 个百分点怎么算：同口径可减，跨口径不可减
原文结尾用「当 18% 与 73% 同时存在」概括落差，这个并置是有力的，但也最容易被误算成 55 个百分点。严格看：73% 与 19% 出自同一 IDC 口径，差 54 个百分点，可以相减；18% 是中国企业口径，与 73% 分母不同，54 与 55 这两个数字只差 1，含义却完全不同。
| 算式 | 结果 | 是否成立 | 原因 |
|---|---|---|---|
| 73% − 19% | 54 个百分点 | 成立 | 同属 IDC 全球 Top500 口径 |
| 73% − 18% | 表面 55 个百分点 | 不成立 | 全球 Top500 对中国企业，样本不同 |
| 40% − 13% | 表面 27 个百分点 | 不成立 | Gartner 取消预测对 Littler 治理自评，时间与样本都不同 |
| 449 亿元 × 18% | 表面约 80.8 亿元 | 不成立 | 市场规模乘企业占比，量纲与统计边界都不匹配 |
| 18% − 13% | 表面 5 个百分点 | 不成立 | 中国企业流程渗透对美国企业治理自评，样本不同 |
449 亿元与 18% 的相乘尤其值得点出：前者是市场销售额口径，后者是企业渗透口径，且原文已注明「各家统计边界不一」。把两者相乘既没有对应的物理量，也隐含「所有企业的支出强度相同」这一没有依据的假设。
更稳妥的读法是把 73% 与 19% 的 54 个百分点当作同一批头部企业内部的规模化缺口，把 18% 当作另一套统计边界下的流程渗透参考值，两者互相印证方向，不互相校准数值。
乌镇切面：OneBox 与「系统改造期」
需求侧的换题被概括为从「模型采购期」进入「系统改造期」：中国信通院与 360 的联合报告（公开转引口径）称，部署成本、人效与投资回报率开始取代参数与跑分，成为采购评估的核心指标。这个说法与本站 R-INDUSTRY-58 读到的企业支出账方向一致，但落点不同：那一轮看的是钱花在哪，这一轮看的是钱为什么卡在试点。
11 月 2 日至 5 日的乌镇「互联网之光」博览会上，54 个国家和地区的 671 家中外企业与机构带来 1000 余项新技术新产品（公开报道口径）。11 月 3 日，曙光云发布智能体协作平台 OneBox 并入选「新光」产品，将其定位为面向政企的可信桌面级 AI 智能体。厂商材料称产品已商业化，在中科曙光内部及制药、制造、煤矿等企业落地；其中一家煤矿的隐患台账分析从两天一张报表压到分钟级。
| 信息项 | 公开材料内容 | 口径说明 |
|---|---|---|
| 博览会规模 | 11-02 至 11-05，54 个国家和地区、671 家企业机构、1000 余项技术产品 | 公开报道口径 |
| 发布时点 | 11-03，曙光云 OneBox，入选「新光」产品 | 厂商发布信息 |
| 产品定位 | 面向政企的可信桌面级智能体协作平台 | 厂商自我定位 |
| 落地范围 | 中科曙光内部、制药、制造、煤矿等企业 | 未披露客户数量与合同金额 |
| 具名读数 | 某煤矿隐患台账分析从两天一张报表压到分钟级 | 单一案例，未给复核质量与投入 |
需要说明，本文引用的是媒体对厂商采访的整理，产品功能与权限描述多来自厂商官方披露口径，缺少第三方测评或客户侧独立复核。这也是政企材料常见的证据结构：可核对的是机制描述与受访人表述，不宜当作效果基准。
冰火两重天与五项顾虑
曙光云副总裁徐良在采访中把客户分成两类：一类较为激进，中小与非传统企业从营销到研发全面推进 AI 化，甚至批量改造数字员工；另一类是市场上多数中大型单位与政府部门，走稳健路线，要求 AI 与历年积累的 IT 能力结合。他称之为「冰火两重天」，并把后者的顾虑拆成五项。
| 顾虑 | 受访表述中的落点 | 对应到采购的动作 |
|---|---|---|
| 安全 | 核心数据按政策不得连接互联网 | 先定网络边界，再谈功能 |
| 数据 | 员工可看的材料不等于可提交给任何模型 | 按表、字段、数据值设权限 |
| 环境 | 需与历年 IT 能力结合 | 盘点存量系统与国产芯片兼容 |
| 管控 | 执行动作不等于获得授权 | 身份授权与必要人工确认 |
| 成本 | GPU 算力或专区租赁、平台软件、FDE 改造 | 形成含首年与后期运维的测算材料 |
OneBox 产品经理马一龙把边界划得更硬：公安、纪检、军工与大型国企央企的核心数据按政策不得连接互联网，「数据安全是一道红线，不是 AI 有多好用，我就可以用」，传统 SaaS 形态在这类行业「并不能满足政策合规性要求」。解决方案总监吴兴杰则把障碍归因于机制而非技术，认为企业还没建立起一套把智能体纳入真实业务的信任机制。
「环境」与「成本」常被当成工程问题，但在这段采访里它们是合规约束的派生结果：因为不能出域，才需要盘点和兼容存量 IT 环境；因为要私有化与驻场改造，才出现 GPU 专区、平台软件与 FDE 三类投入。把它们当作可以靠选型优化掉的独立变量，会低估政企项目的固定成本。
三道断层：边界、语义、责任
原文把政企落地的难点拆成三道断层，每道都配了厂商的应对机制。这些机制描述比效果读数更有参考价值，因为它们可以直接转成采购问询项。
| 断层 | 受访人给出的例子 | 应对机制 | 应追问的细节 |
|---|---|---|---|
| 数据与模型的边界 | 员工可以看到一份材料，不代表这份材料可以提交给任何模型 | 「安全会话」自动过滤外网模型、只允许内网私有化算力访问数据；「树桥」直连生产数据库，按表、字段乃至数据值设权限 | 过滤规则由谁维护、能否导出审计记录 |
| 业务语义 | 同一个「项目完成率」，工程看施工进度、财务看投资执行、管理看验收情况 | 先建业务本体定义对象与规则，再建语义层把业务语言映射到数据与计算逻辑 | 语义层是否可迁移、模型换代后是否需重建 |
| 责任与运维 | 智能体可以连续调用工具，但执行动作不等于获得授权 | 链路上落实身份授权与必要人工确认；运行时、模型接入与企业管理分开设计，为异常处理与人工接管留边界 | 哪些动作强制人工确认、异常如何回滚 |
曙光云总裁助理、研发负责人李明达给出的两句判断值得单独记下：其一，「布进机房只解决部署在哪，没解决数据交给了哪个模型、经过了哪些服务」；其二，「企业语义应当成为客户可管理、可迁移、可复用的资产」，理由是会换代的是模型，业务定义不应随之作废。他还把产品差距概括为「能否在企业的规则和责任体系内，持续完成有价值的任务」。
把这三道断层与本站 R-INDUSTRY-52 的「可核验缺口」并读，会发现层次不同：那一轮讨论的是组织能否拿出证据，本轮讨论的是证据由哪一层系统产生——权限在网关、语义在中间层、责任在流程，没有一层能由模型自己补上。
数据不出域：从能力题到部署形态题
「数据不出域」在通用智能体讨论里常被当作一项加分能力，在政企场景里却是准入条件。它改变的并不是模型会不会推理，而是产品必须以什么形态交付。
| 部署形态 | 数据流向 | 政企适用性 | 需要承担的代价 |
|---|---|---|---|
| 公有 SaaS | 数据经外网模型服务 | 核心数据场景按政策不可行 | 不适用，非性能问题 |
| 专有云 / VPC | 数据在租户边界内 | 需核查模型调用链路与运维可达范围 | 专区租赁与运维成本 |
| 私有化机房 | 数据不出机房 | 符合多数政企红线 | GPU 算力、平台软件、FDE 改造三类投入 |
| 桌面级可信形态 | 本地访问内网私有化算力 | OneBox 所采用的定位 | 模型迭代与弹性需自行跟进 |
通用场景通常先比模型能力、再谈部署；政企场景先定数据流向与权限边界，把不满足的形态直接排除，之后才在剩下的候选里比能力。代价也很清楚：私有化与桌面级形态拿不到托管侧持续迭代的模型能力与弹性扩容，这部分要由客户自己的运维与预算补上。本站 R-CASE-13 与 R-CASE-41 记录过同类取舍，前者把本地化 OCR 作为架构前提，后者用 T-1 备份换数据不出域，都是同一逻辑的不同实现。
厂商给出的交付路线是「标准底座 + 场景化配置 + 必要集成」：共性标准化、差异靠配置、特殊靠扩展；生态上向下兼容多元模型与国产芯片、横向联合集成商与行业 ISV、向上对接 OA 与 ERP，定位为「不是替代业务系统，而是激活存量」。创意模式则让业务人员用自然语言提需求，由智能体拆成数据、组件与展示方式，直接产出业务系统并发布到应用广场供授权范围的同事使用。
私有化不等于可信：四条运营风险
原文没有把私有化写成万能答案，而是列了四条反面提醒。这四条对采购方比对厂商更有用，因为它们都是上线之后才会显现的问题。
| 风险 | 公开表述 | 可转成什么验收项 |
|---|---|---|
| 红线锁流向不锁质量 | 受控环境里的错误分析更难被发现 | 抽样复核结论，记录错误率与纠正时长 |
| 小模型与语义复杂度冲突 | 越依赖语义完整性的任务越易触到模型上限，省下的 token 可能以返工付回去 | 把返工量计入 ROI，不只记 token 节省 |
| 一键发布的放大效应 | 放大的不只有效率，还有错误口径与不合格应用 | 发布前审核、按授权范围灰度、可一键撤回 |
| 重 FDE 与规模化复制的张力 | 厂商受访人也承认「坦白讲，我们也都在路上」 | 要求给出后续场景的复用成本曲线 |
四条合起来指向同一个判断：数据与权限决定智能体「能在哪个范围做」，流程决定「谁确认、谁担责」，而这两者都不随部署位置自动成立。把可信等同于私有化，等于把架构问题误当成治理问题已解决。
三类投入与五步成本测算
吴兴杰把政企投入拆成三类：GPU 算力或专区租赁、平台软件、场景与应用的 FDE 改造成本，并坦承「对企业规模确实有一定要求」。为让预算先行的采购人敢签字，厂商给出的做法是五步。
| 步骤 | 动作 | 产出 | 在 ROI 链条中的位置 |
|---|---|---|---|
| 一 | 查需求与工作量 | 场景清单与频次 | 定分母 |
| 二 | 盘点 IT 与数据资源 | 存量系统与数据边界 | 定集成成本 |
| 三 | 小规模验证任务质量与 token 调用量 | 质量基线单位调用成本 | 准入判断 |
| 四 | 成本明细拆分 | 三类投入的分项账 | 可核对性 |
| 五 | 形成含首年与后期运维的可测算材料 | 多年期测算表 | 签字依据 |
token 调用量被放在第三步「小规模验证」，而不是上线后核算。这意味着成本测算是准入条件：若在验证阶段就发现单位任务的调用量撑不住预算，项目应在扩散之前停下。对照本站 R-INDUSTRY-15 讨论的成本治理，两者都把「可计量」放在「可规模化」之前，只是本轮材料把它写进了厂商的交付流程。
与之呼应的是本站 R-CASE-55 与 R-CASE-56 反复提示的口径问题：公开读数里时长压缩、覆盖率、成本降幅与席位数各用各的分母。五步测算法若只产出一个百分比而不附分项账，仍会回到「说不清 ROI」的原点。
口径边界与未披露项
- 转引层级：IDC、Gartner、中国信通院与 Littler 的读数均经媒体或二手汇总转引，原文注明「各家统计边界不一」，本文未取得各机构原始问卷与样本说明。
- 厂商单侧材料：OneBox 的功能、权限与落地描述多来自厂商官方披露口径与受访人表述，缺第三方测评与客户侧独立复核；客户数量、合同金额、煤矿案例的复核质量与投入均未披露。
- 读数不可相加：73% 与 19% 可减，18%、10%、9%、13%、40% 分属不同样本与时间窗；449 亿元与 18% 不可相乘。
- 时间窗不同：Gartner 的 40% 指向 2027 年底的项目取消预测，Littler 的 13% 是当前治理自评，两者不构成因果关系，也不能相减得出「风险敞口」。
- 产品成熟度：厂商明确提到行业技能沉淀与标准参与仍在推进，交付路线中的「必要集成」与 FDE 强度会随客户环境变化，不宜按标准化产品估算实施周期。
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。尚未说明的是中国信通院与 360 联合报告全文、IDC 原始样本构成，以及 OneBox 的客户侧效果复核数据。