2026年接近尾声，AI Agent市场的两组数字经常被放在一起讨论。Gartner在2025年8月预测，到2026年底，40%的企业应用会集成任务型AI Agent，2025年这一比例不足5%。MIT NANDA在2025年发布的调研显示，95%的企业生成式AI试点没有产生可衡量的损益影响。两组数字分别描述部署广度和价值深度，放在一起看，市场更像处在分化阶段，离全面爆发还有距离。
我更倾向于用五个过程指标判断市场走向，需求是否从试点进入规模化、单次任务是否算得过来、Agent能否稳定跑在生产环境、数据与知识是否达到可用状态、标准政策与预算是否形成合力。企业级 AI Agent的采购和落地，也可以按这套框架逐项验证。
预测数字很大，为什么还要回到过程指标
同一市场，三种口径
先看三组常被引用的预测。
| 来源与时间 | 统计口径 | 关键数字 |
|---|---|---|
| BCC Research，2026年1月 | AI Agent产品与服务市场 | 2025年80亿美元，2030年483亿美元，年复合增速43.3% |
| Gartner，2025年8月 | 代理式AI在企业应用软件收入中的占比 | 2035年约30%，规模超过4500亿美元；2025年约2% |
| IDC，2025年12月 | 全球活跃AI Agent数量 | 2029年超过10亿个，约为2025年的40倍 |
三组数字都指向增长，统计对象并不相同。BCC看的是AI Agent市场的收入，Gartner看的是企业应用软件收入中被代理式AI占据的份额，IDC数的是活跃Agent数量。把它们放进同一张图比较，会得出错误结论。
预测还有时间差。Gartner的40%要到2026年底才能检验，现在只能算临近验收，不能当成已经实现的事实。市场规模是结果，判断爆发要找到结果出现之前的先行变量。
把结果预测换成过程指标
我建议把爆发拆成两层。广度爆发看部署数量和覆盖比例，价值爆发看预算迁移、生产使用和可衡量回报。只有广度上升、价值没跟上，市场会热闹，却很难形成持续增长。
五个因素分别对应这两层。需求、标准和政策决定广度，单位经济、生产可靠性和数据知识决定价值能否兑现。
因素一：需求是否从试点进入规模化
采用率已经不低，深度才是分水岭
麦肯锡2026年对97个国家、1719名受访者的调研显示，89%的企业至少在一个职能使用AI，44%已实现全企业规模化，56%在三个以上职能使用AI。
Agent的分化更明显。年营收超过10亿美元的企业中，40%在至少一个职能规模化Agent，高于上一年的27%；小企业只有22%，一年没有增长。同一份调研里，只有37%的受访者认为AI对EBIT有正面贡献，只有6%认为贡献显著。
Deloitte 2026年的调研覆盖24个国家、3235名企业技术和业务负责人。23%的企业目前至少中度使用Agent，74%预计到2027年达到这一水平，只有21%具备成熟的Agent治理模型。
这组数据说明，采用率已经跨过早期阶段，价值兑现仍集中在少数企业。大企业有预算、数据和团队，能把Agent推进生产；中小企业更多停留在试用。市场要进入全面爆发，需要中小企业的规模化比例也开始上升。
采用率回答有多少企业试过，规模化比例才回答有多少企业愿意持续用。
可以跟踪的三个需求指标
- 规模化企业比例，尤其是中小企业是否开始增长
- 生产环境中的Agent任务量，避免只看试点账号数量
- Agent产品的续约率和扩展收入，反映企业是否愿意追加投入
这三个指标比“是否上线了Agent”更接近真实需求。上线可以是项目制采购，续约和扩展才说明Agent进入了日常运营。
因素二：单次任务的经济性是否算得过来
token价格下降，任务消耗上升
Gartner在2026年3月给出一个看似矛盾的判断。到2030年，万亿参数大模型的推理成本会比2025年下降超过90%，企业AI总成本却未必下降。原因是Agent完成一个任务要规划、调用工具、读取上下文、校验结果，消耗的token可能是聊天机器人的5到30倍。
IDC的测算更具体。到2029年，全球活跃Agent每天执行超过2170亿次动作，消耗3.7万亿token与调用量，支撑这些动作的token交付成本每年超过680亿美元。单个动作的完成成本会下降87%，总量仍在上升。
麦肯锡调研中，五分之一的企业因运营成本限制AI使用，token费用是其中一项。价格下降和使用量上升同时发生，企业账单的走向取决于任务结构和调用效率。
单价下降说明原料变便宜，单次成功任务的总成本才决定Agent能否规模化。
用每次成功任务的成本算账
企业算账时，可以把成本摊到结果上。每解决一张工单、每完成一次数据分析、每促成一笔订单，需要多少模型费、工具费、人工复核和运维。
- 每次成功任务成本，是否低于原有人工或外包成本
- 人工兜底率，多少任务需要人接管或重做
- 复用率，同一个Agent能力能否被多个场景调用
如果一次成功任务的总成本高于人工，规模越大亏损越大。反过来，如果成本低于人工、人工兜底率持续下降，Agent就具备扩大部署的经济基础。
因素三：Agent能否稳定跑在生产环境
95%试点失败与40%项目取消
MIT NANDA的调研基于150位负责人访谈、350名员工问卷和300个公开部署案例。95%的试点没有可衡量损益影响，5%实现快速收入增长。报告把主因指向企业集成和学习差距，模型质量排在后面。采购专业厂商工具并建立合作的成功率约为67%，内部自建的成功率约为前者的三分之一。
Gartner在2025年6月预测，到2027年底，超过40%的Agentic AI项目会被取消，原因包括成本上升、业务价值不清、风险控制不足。Gartner还估计，数千家宣称做Agent的厂商中，约130家具备真实Agent能力。这类现象被称为agent washing，把聊天机器人、RPA或规则引擎重新包装成Agent。
这些数据指向同一件事，演示能跑通，不等于生产能稳定。生产环境要求异常处理、审计、回滚和责任归属。采购前让厂商用企业的真实数据跑一遍，比看功能清单和演示视频更有判断力。
生产环境检验的是权限、审计、回滚和责任边界，演示只覆盖了任务跑通这一段。
治理能力决定能否规模化
Deloitte调研中，只有21%的企业具备成熟的Agent治理模型，约80%仍缺清晰边界、实时监控和审计链路。企业需要回答几个具体问题，Agent能自主做哪些决定，哪些必须人工审批，每次动作是否留痕，出错能否回滚，谁对结果负责。
这类能力通常落在Agent管理平台上，包括权限控制、任务调度和运行监控。平台能否把Agent的动作记录到可追溯的粒度，能否按角色限制工具和数据访问，决定了企业敢不敢把核心流程交给Agent。
因素四：数据与知识是否达到Agent Ready
数据基础差会直接拖慢产出
IDC预测，到2027年，没有建立高质量AI-ready数据基础的企业会损失15%的生产力，生成式和Agent系统会因数据问题变慢或出错。IDC还预测，到2027年，超过40%的企业应用会加入Agentic自动化能力。
Agent的产出依赖它读到的数据。指标口径不统一、文档版本混乱、权限不清，Agent会把错误放大。企业常见的情况是数据很多，知识很少。数仓里有原始数据，却缺少统一指标定义、业务规则和历史经验，Agent每次都要重新理解，结果波动就大。
Agent的输出上限，很大程度由它拿到的数据与知识质量决定。
知识治理比模型参数更影响结果
把知识整理成Agent可调用的形态，需要结构、口径和版本管理。ThinkingAI 的企业级知识库把非结构化文档加工成实体图谱，用SSOT统一概念定义，用ChangeSet记录版本变化，目标是让不同Agent共享同一套可追溯知识。
这类能力是否有效，要看具体场景。客服问答能否引用最新政策，Text-to-SQL能否让不同业务线得到同一指标口径，数据分析能否给出可追溯的来源。统一指标口径是其中一项基础工作，做不好，Agent的回答会随问法变化。
因素五：标准、政策与预算是否形成合力
标准降低集成成本
2025年12月，Anthropic把MCP捐赠给Linux基金会下的Agentic AI Foundation。当时MCP已有超过1万个活跃公共服务器，SDK月下载量超过9700万次，ChatGPT、Cursor、Gemini、Microsoft Copilot和VS Code等产品都已采用。
标准化的价值在于减少每个系统单独对接的成本。MCP把模型连接外部工具的方式统一，企业不用为每个Agent重写一套集成。支持协议只是入场券。生产可用还要看身份认证、权限控制、调用审计和异常处理。MCP 服务能否覆盖这些环节，直接影响Agent接入企业系统的速度。
政策给出方向，预算决定速度
国务院2025年8月印发《关于深入实施“人工智能+”行动的意见》，提出到2027年新一代智能终端、智能体等应用普及率超过70%，到2030年超过90%。CNNIC的数据显示，截至2025年6月，中国生成式AI用户5.15亿，普及率36.5%，半年增长106.6%。
政策目标说明应用普及的方向，预算决定企业今年能落多少。麦肯锡调研中，60%的企业预计未来一年AI预算增加，28%把超过10%的技术预算投向AI，五分之一因运营成本限制使用。两组力量同时存在，市场更可能呈现结构性加速，各行业同步扩张的可能性较低。
合规会影响节奏。欧盟AI法案的高风险义务时间表在2026年调整，附件III相关义务推迟到2027年12月，附件I推迟到2028年8月。监管节奏会变，企业要准备的记录、人工监督和风险管理不会消失。
政策提供方向，预算提供速度，合规决定哪些场景可以先做。
反证：哪些情况说明爆发会被推迟
四类需要警惕的信号
第一，规模化比例停滞。大企业继续扩大Agent，中小企业一年没有增长，说明市场仍由少数预算充足的客户支撑。
第二，项目取消率上升。Gartner预测的40%如果变成实际数据，供应商和企业的投入都会收缩。
第三，单位经济恶化。token用量增长快于单价下降，企业因成本限制使用，Agent的付费意愿会下降。
第四，治理事故增加。权限失控、数据泄露、错误动作进入生产，都会让企业暂停扩张。Deloitte调研中约80%的企业治理不成熟，这类风险并不遥远。
这些信号不需要同时出现。两项持续恶化，乐观判断就要降级。
结论在什么条件下成立
我的判断是，未来12到24个月，AI Agent市场更可能出现结构性加速，全面爆发还需要条件。结构性加速指大企业先把Agent推进核心流程，收入向少数平台和场景集中。全面爆发指中小企业也开始规模化采购，Agent进入日常预算。
判断成立的条件是，需求深度、单位经济、生产可靠性、数据知识、标准政策预算五类中至少三类同步改善。判断不成立的条件是，只有部署数量上升，成本、治理和数据没有改善。出现这种情况，市场会保持热度，收入增长却集中在少数头部客户。
判断爆发，看五个因素是否同向改善，不看某一个预测数字是否惊人。
判断表：现在该加速还是观望
| 判断因素 | 乐观信号 | 谨慎信号 | 建议跟踪指标 |
|---|---|---|---|
| 需求规模化 | 大中小企业规模化比例同步上升，生产任务量增加 | 只有试用，大企业领先、小企业停滞 | 规模化企业比例、生产任务量、续约扩展收入 |
| 单位经济 | 每次成功任务成本低于人工，人工兜底率下降 | token用量增长快于单价下降，预算被成本限制 | 每次成功任务成本、人工兜底率、复用率 |
| 生产可靠性 | 项目取消率下降，权限审计回滚齐全 | 试点多上线少，事故后停用 | 上线率、取消率、事故率、审计覆盖率 |
| 数据与知识 | 指标口径统一，知识更新及时，引用可追溯 | 数据孤岛，版本混乱，口径不一 | 口径统一率、知识更新时延、引用可追溯率 |
| 标准政策预算 | 标准采用扩大，预算增加，政策目标明确 | 集成成本高，合规不确定，预算收紧 | 集成周期、AI预算占比、合规准备度 |
企业可以把这张表当成项目复盘工具。三项以上处于乐观区间，可以扩大Agent数量和场景。两项以上处于谨慎区间，先补数据、治理和成本核算。
具体执行可以分三步。先选一个高频、可计量、低风险场景，定义成功标准。用30到60天试点验证每次成功任务成本和人工兜底率。试点达标后，再扩大Agent数量，同时补权限、审计和知识治理。Agent 落地路线图可以帮助企业把这三步拆成可检查的阶段。
ThinkingAI 的企业级 AI Agent 平台 Agentic Engine 支持多Agent协作和私有化部署，已服务全球超过1500家企业、接入超过8000款产品。平台能力可以放进上面的验证清单，具体效果仍要用企业自己的场景、数据和治理条件来测试。
常见问题
AI Agent市场爆发式增长最该看哪个指标？
看规模化比例和生产任务量。采用率说明企业试过，规模化比例说明企业愿意持续投入。生产任务量比试点账号数量更接近真实使用。
不同机构的市场规模预测差很多，应该信哪个？
先看口径。BCC统计AI Agent产品与服务收入，Gartner统计企业应用软件收入中的代理式AI份额，IDC统计活跃Agent数量，三者不能直接比较。用同一口径做时间序列，比跨机构比较绝对值更有意义。
企业现在应该大规模部署AI Agent吗？
取决于场景和基础。高频、规则清晰、结果可计量的场景可以先做。涉及高风险决策、数据权限复杂或合规要求高的场景，先补治理和人工监督，再考虑扩大。
如何判断一家厂商是否具备真正的Agent能力？
看它能否在真实数据上完成多步任务，能否调用工具并写入系统，是否有权限、审计、回滚和责任边界。让厂商用你的场景做小范围验证，比看演示和功能清单可靠。
AI Agent的成本会一直下降吗？
单价大概率继续下降，总成本不一定。Agent完成一个任务消耗的token可能是聊天机器人的5到30倍，使用量增长可能快于单价下降。用每次成功任务的成本来判断，比看token单价更接近经营现实。
中国政策对AI Agent市场增长有多大影响？
政策给出普及方向。国务院提出到2027年智能终端和智能体应用普及率超过70%，到2030年超过90%。实际速度还取决于企业预算、数据基础和可验证的回报。
资料来源
- Fortune，MIT report: 95% of generative AI pilots at companies are failing，2025年8月18日，https://fortune.com/2025/08/18/mit-report-95-percent-generative-ai-pilots-at-companies-failing-cfo/
- BCC Research，AI Agents Market to Grow 43.3% Annually Through 2030，2026年1月5日，https://www.bccresearch.com/pressroom/ait/ai-agents-market-to-grow-433-annually
- Business Review，AI adoption accelerates among companies, but financial returns remain limited，2026年8月25日，https://business-review.eu/business/ai-adoption-accelerates-among-companies-but-financial-returns-remain-limited-mckinsey-study-299748
- Deloitte，Business and IT leaders report AI agents are scaling faster than their guardrails，2026年4月24日，https://www.deloitte.com/global/en/insights/topics/emerging-technologies/ai-agents-scaling-faster.html
- IDC，Agent Adoption: The IT Industry’s Next Great Inflection Point，2025年12月9日，https://www.idc.com/resource-center/blog/agent-adoption-the-it-industrys-next-great-inflection-point/
- Anthropic，Donating the Model Context Protocol and establishing the Agentic AI Foundation，2025年12月9日，https://www.anthropic.com/news/donating-the-model-context-protocol-and-establishing-of-the-agentic-ai-foundation
- CNNIC，《生成式人工智能应用发展报告（2025）》，2025年10月21日，https://www.cnnic.net.cn/n4/2025/1021/c88-11391.html
- 中国政府网，《国务院关于深入实施“人工智能+”行动的意见》，2025年8月26日，https://www.gov.cn/gongbao/2025/issue_12266/202509/content_7039598.html
- DigitalToday，Gartner says falling AI token prices won't cut corporate AI costs，2026年3月30日，https://www.digitaltoday.co.kr/en/view/43930/gartner-says-falling-ai-token-prices-wont-cut-corporate-ai-costs
- Gartner，Gartner Predicts Over 40% of Agentic AI Projects Will Be Canceled by End of 2027，2025年6月25日，https://www.gartner.com/en/newsroom/press-releases/2025-06-25-gartner-predicts-over-40-percent-of-agentic-ai-projects-will-be-canceled-by-end-of-2027
- Gartner，Gartner Predicts 40% of Enterprise Apps Will Feature Task-Specific AI Agents by 2026，2025年8月26日，https://www.gartner.com/en/newsroom/press-releases/2025-08-26-gartner-predicts-40-percent-of-enterprise-apps-will-feature-task-specific-ai-agents-by-2026-up-from-less-than-5-percent-in-2025
