报告：《2026全球及中国AI智能体（AI Agent）发展研究报告》

出品：三个皮匠报告丨页数：188页丨图表：125张

2025年，AI圈最火的词不是大模型，是“智能体”。

Manus一夜爆红——你给它一个目标，它自己规划、自己执行、自己交付结果。OpenClaw开源项目让开发者一个脚本就能跑起智能体。OpenAI、谷歌、字节跳动都在密集推产品。

全球AI智能体市场规模从2024年的52.9亿美元跳到2025年的113亿美元，翻了一倍多。到2030年预计冲到471亿美元，是2024年的九倍。

AI终于从“能说”变成“会做”了。

从“能说”到“会做”：智能体的本质跃迁

在AI智能体出现之前，人工智能给普通人的印象是“能对话的百科全书”——你问它答，它说得再好也只是停留在语言层面。传统聊天机器人的核心能力是语言理解与生成，即便能调用外部工具（如查询天气），也依赖用户逐步给出明确指令，本质上仍是被动执行者。

AI智能体的本质则是“目标驱动系统”——它接收的不是“指令”，而是“目标”。当用户说“帮我安排一次团队建设活动”，两者的差异立刻显现。聊天机器人会告诉你如何策划团建——提供建议、列出步骤，然后对话终止。而AI智能体会自主完成预算查询、场地调研、方案比较、预订执行、通知发送等一整套操作，最终交付可落地的执行方案。

产业界有一个被广泛引用的比喻：如果说ChatGPT代表AI拥有了“大脑”和“嘴巴”（理解能力与语言能力），那么AI智能体则是在此基础上为AI装上了“手脚”（执行能力与行动能力）。从聊天机器人到Copilot，再到AI智能体，是AI能力层层升级的完整路径：只会信息问答→辅助人类做决策→完全自主执行复杂任务。

三重力量催生九倍增长

全球AI智能体市场的爆发式增长，并非单一因素驱动，而是技术、需求、资本三重力量同频共振的结果。

技术的核心变量是推理成本的“雪崩式”下降。每百万token的调用成本在2023至2024年间下降了约九成。在中国市场，大模型调用价格一度下降90%以上。成本门槛的大幅降低，使中小企业和独立开发者也能负担得起高频次的智能体调用，极大地拓展了应用场景的边界。

（注：2023年3月约36美元/百万token，2024年8月降至约3.5美元）

需求的驱动力同样强劲。据麦肯锡调研，至少在一个业务环节中使用AI的组织比例已从2023年的55%跃升至2025年的78%。更关键的是，已观察到AI带来显著收入增长或成本下降的企业比例，从20%上升至45%。智能体的商业价值正从“预期”走向“兑现”。

资本在用真金白银投票。2025年全球代理式AI投资接近300亿美元，头部企业与云厂商千亿级资本持续加码，资本热度侧面印证了行业的长期预期。

（注：三大云服务商2025年资本开支合计约2878亿美元，较上年增长约60%）三重力量叠加，全球AI智能体市场正从“概念验证”加速走向“规模复制”。

中美竞速：两套逻辑，两种路径

全球AI智能体产业呈现清晰的中美“双雄”格局。但两国的竞争路径截然不同。

美国以基础层与技术层见长。英伟达、AMD在高端芯片领域仍保持领先，OpenAI、谷歌、Anthropic在基础模型能力上持续领跑。三大云服务商凭借年资本开支近2900亿美元的重投入和63%的云市场份额，建立起显著的规模壁垒。

（注：2025年美国超大规模云服务商资本支出约4090亿美元，中国约610亿美元，均以公司公告总资本开支为统计口径，含AI及非AI部分）

中国则走出一条“以应用定义技术、以规模反哺能力”的差异化路径。在应用场景上，中国智能体更加注重与制造业、供应链等实体经济的深度融合。在商业模式上，中国企业普遍采用“免费+增值”策略，以极低的API定价吸引海量用户和开发者，以生态规模换取商业回报。在算力投入上，中国虽绝对规模落后，但增速更快。

OpenRouter平台的数据印证了这一格局的变化：2025年1月，中国大模型在该平台上的Token占比仅为6.0%；到2026年8月，这一比例已稳定在57.7%。18个月内，中国模型的全球开发者调用份额提升了超过50个百分点。2026年8月平台流量榜显示，前五名中中国模型占据四席，DeepSeek两个版本分列第一和第二。

中美之间并非简单的“追赶”关系，而是两种产业逻辑的并行演进。美国强在基础层的厚度，中国胜在应用层的广度。

产业链：三层架构与四类玩家

AI智能体产业链已形成清晰的三层架构：上游是基础底座层（算力+大模型+数据），中游是平台与框架层（开发平台+开源框架+互联协议），下游是应用落地层（通用智能体+行业智能体）。

四类参与者各司其职。

• 科技巨头（阿里、字节、百度、腾讯、华为）以全栈覆盖策略占位基础设施层。
• 专业AI厂商与创业公司（智谱AI、月之暗面、MiniMax）在模型能力、开发框架上寻求差异化突破。
• 垂直行业ISV与SaaS厂商（科大讯飞、第四范式、蚂蚁数科）将智能体能力嵌入行业解决方案。
• 开源生态（LangChain、AutoGen、CrewAI、MCP、A2A）提供公共技术底座与标准协议。

开源生态的成熟是产业链中最具底层价值的变化。MCP协议生态的连接器数量半年增长逾两倍，累计下载量突破4800万次。MCP解决“纵向连接”：让单个智能体能够调用外部工具；A2A解决“横向协作”：让多个智能体能够彼此通信。

字节跳动扣子平台开源核心组件后48小时GitHub星标突破9000，注册开发者已超300万。阿里巴巴Qwen系列开源衍生模型数量达3.8万余个，位居全球第一。开源框架将复杂的开发流程封装为现成组件，使普通开发者可在数小时内搭建可用原型——此前这需要算法工程师数周的工作量。

2026年7月1日，《智能体互联互通》国家标准正式实施。国际开源社区与国家标准双轨并进，标志着智能体互联互通正从“厂商各自为政”走向“全球协同标准”。

完备的产业链与开源标准，不等于产品就可以直接落地。热闹的上游技术生态，和企业真实业务之间，横亘着一道巨大鸿沟：到底谁在使用智能体，应用场景和实际效果又如何？

应用落地：从“高精尖”到“公共服务”

中国企业AI智能体的采用率在2024至2026年间提升了约3倍。据Gartner与麦肯锡数据，2024年仅有约18%的企业在生产环境中正式部署，到2026年这一数字已跃升至约54%至57%。

从应用场景来看，渗透率最高的三大场景是客户服务（58%）、市场营销（56%）和软件开发（53%）。科智咨询调研显示，这些场景的共同特征是数字化基础较好、任务边界清晰、价值可量化。

金融行业是智能体渗透率最高的垂直行业。银行业以43%的智能体项目占比位居首位。蚂蚁数科已落地超300个金融行业智能体，覆盖全部国有股份制银行。智能客服、智能投研、智能风控已从“试点验证”迈入“规模化应用”阶段。

工业制造则是智能体商业化最深、价值兑现最实的领域。华为盘古大模型在江汽集团1500余项质检场景中规模化落地，缺陷拦截率达99.99%。工业智能体的价值验证过程，也是制造企业对智能体从“不敢用”到“离不开”的信任建立过程。

医疗健康领域展现出独特的社会价值。浙江“安诊儿”已接入2000余家医疗机构，累计服务超2亿人次，平均就医时间缩短20分钟。蚂蚁“阿福”健康管理AI用户突破1亿，其中55%来自三线及以下城市——将优质医疗经验以标准化智能体的形式向基层普惠，是智能体区别于效率工具的社会意义所在。

政务与教育同样是智能体快速渗透的领域。政务领域2025年需求规模同比激增42%，全国72%的政府门户网站已部署智能问答系统。西安交通大学已建设近1.4万个校园智能体。零售领域，绝味食品AI营销智能体实测中AI组销售业绩达人工组的3.1倍。

不难看出：数字化基础越好、业务指标越容易量化的领域，智能体落地跑得越快；而涉及复杂物理生产、复杂人为决策的场景，依旧还在打磨阶段。但智能体正在从金融、工业、医疗等“高精尖”行业，向政务、教育、零售等公共服务与日常消费场景全面渗透。

政策护航：从战略到标准的制度框架

中国用三年时间构建了从战略到标准的完整政策框架。

2024年政府工作报告首次提出“人工智能+”行动；

2025年8月，国务院设定“2027年普及率超70%、2030年超90%”的量化目标；

2026年3月，政府工作报告首次写入“智能体”。

2026年5月，三部委联合印发《智能体规范应用与创新发展实施意见》，这是国内首个智能体专项政策文件，围绕五大方向提出19个典型应用场景。2026年7月，《智能体互联互通》国家标准正式实施，这是全球首套系统性的智能体互联标准体系。

中国已初步构建起“国家战略—部委实施意见—技术标准—行业自律”的多层级政策体系。从2024年首次写入政府工作报告，到2026年形成完整政策框架，仅用三年时间。政策的明确导向降低了企业投资智能体的制度风险，也为产业的长期布局提供了稳定的预期锚点。

商业模式创新：从License到按效果付费

智能体产业正在推动商业模式从License售卖和按调用量计费，走向按业务结果付费。IDC预测，到2028年70%的软件供应商将不得不重构商业模式。

这一转变已在实践中验证。AI客服企业Sierra已落地“结果导向定价”模式：AI自主解决问题按约定费率收费，转人工免费。蚂蚁数科、百融云创先后推出按效果付费的金融RaaS服务。IDC数据显示，66%的中国企业倾向基于业务成果计费购买AI能力，远超全球均值。

按效果付费的基础在于结果可量化——业务效果能被清晰定义、测量与验证。这一模式正在推动AI服务从“卖算力、卖调用”走向“为业务结果负责”。全球智能体支付市场规模已从2019年的72亿美元增长至2025年的380亿美元，预计到2034年将达到2486亿美元。

写在最后

AI智能体正站在从“技术验证”到“价值兑现”的坎上。

过去两年解决的是“能不能做到”——推理成本降了九成，智能体从实验室走向市场。接下来要解决的是“能不能跑稳、跑对、跑出规模”。

2026年数据显示，超60%企业计划部署智能体，真实落地率只有17%。多智能体系统生产部署失败率高达41%到86.7%，近八成失败根源不是模型不行，是规范不清、协调不畅。

中国有优势：全球第一的开源模型生态、制造业和实体经济的丰富场景、从国务院到国家标准的政策保障。但优势不会自动变胜势。

对从业者和投资人来说，最值得看的不是模型参数多牛，是智能体在真实场景里“跑稳了没有”。谁能稳定产出可验证的结果，谁能率先建立“能用”到“好用”的工程标准，谁就能拿到下一阶段的入场券。

智能体元年打开了“能干活”的想象，但决定胜负的是“能干稳”的能力。

报告目录

返回搜狐，查看更多