企业人工智能支出达1770亿美元：AI智能体的崛起

关键要点（TL;DR）：
– 2026年企业人工智能支出达到1768亿美元，较2025年的330亿美元增长5.4倍，根据Menlo Ventures最新报告。
– AI智能体现在占所有人工智能令牌的80%，自2026年2月超越人工流量以来增长37倍。
– 前沿实验室（OpenAI、Anthropic、Google）占据企业人工智能部署支出的69%，较2025年的50%大幅上升。
– 企业人工智能应用程序支出达到770亿美元，编码（340亿美元）和AI生产力工具（250亿美元）占应用程序支出的76%。

企业人工智能采用在2026年已进入关键转折点。根据Menlo Ventures最新发布的《2026年企业人工智能状况》报告，截至2026年9月，企业人工智能支出已飙升至1768亿美元——相较于一年前的330亿美元，增幅超过五倍。这代表年对年增长率达到5.4倍，较前一周期的3.9倍扩张进一步加速。

推动这一爆发式增长的关键力量非常明确：自主AI智能体。AI智能体已不再局限于实验室研究和试点项目，而是成为企业人工智能支出的主要消费者和推动力。

AI智能体现在已超越人工使用量

2026年报告中最引人注目的发现是令牌消耗模式的转变。截至2026年10月，AI智能体约产生所有处理中企业平台人工智能令牌的80%。自2026年2月AI智能体首次超越人工流量以来，这一数字增长了37倍。

从数据来看，在人工驱动的人工智能使用量增长5倍的同期，智能体驱动的使用量扩大了37倍。这种显著的差异凸显了企业与人工智能系统互动方式的根本性转变。

Menlo Ventures报告指出：”智能体改变了游戏规则。OpenRouter上的智能体流量自2月超越人工流量以来增长了37倍，将支出与完成的工作量而非用户数量挂钩。”

这对企业意味着什么

从基于用户转向基于任务的人工智能消费模式，带来深远的影响：

• 定价模式正在演变 — 企业从按席位许可证转向基于使用和基于成果的定价。
• 扩展与人力脱钩 — 企业现在可以将人工智能能力部署到整个组织，而不需要按比例增加活跃人工用户。
• 工作流程正在被重新定义 — 自主智能体处理复杂的多步骤流程，这些流程以前需要人类的协调和审批。

应用程序支出飙升：编码和生产力领先

2026年企业人工智能应用程序支出达到约770亿美元，较2025年的190亿美元增长了五倍。这种五倍增长表明企业正在从实验性用例迈向生产级别的人工智能部署。

应用程序类别	2026年支出	市场占有率
编码工具	340亿美元	44%
AI助手与生产力工具	250亿美元	32%
其他应用程序	180亿美元	24%
应用程序总计	770亿美元	100%

资料来源：Menlo Ventures，2026年企业人工智能状况报告

编码工具（340亿美元）和AI生产力助手（250亿美元）的主导地位反映了企业在哪些领域看到最直接的投资回报。AI原生提供商占据了编码工具支出的96%，而传统平台在IT运营（91%）、数据科学（88%）和人力资源（68%）应用程序中保持领先。

AI原生与传统竞争对手

应用程序市场呈现出AI原生初创公司与成熟科技供应商之间明显的分化：

• AI原生提供商在新兴工作流程中占据主导地位，特别是在编码和开发者工具领域。
• 传统厂商在既有领域保持优势，主要通过将现有许可证转型为AI驱动的产品来巩固地位。
• 医疗保健仍然是最大的垂直产业市场，达到37亿美元，展现稳健但并非爆发性的增长。

前沿实验室巩固市场主导地位

OpenAI、Anthropic和Google三家共同占据2026年企业人工智能部署支出的69%，较2025年的50%大幅上升。这种市场份额的集中化代表了行业格局的显著收紧。

前沿实验室主导地位的趨勢有几个驱动因素：

1. 性能差距 — 前沿模型在复杂企业任务上持续领先于开源和中等级替代品。
2. 基础设施投资 — 这些公司在GPU集群、数据中心容量和自有训练管线投入了数百亿美元。
3. 生态系统锁定 — 已围绕某一前沿模型构建工作流程的企业客户面临高昂的切换成本。

然而，报告也指出，今年每投入1美元进行模型开发就能产生1.70美元的收益，这表明前沿实验室不仅在夺取市场份额，更在建立盈利且可持续的商业模式。

治理与信任挑战

尽管对人工智能支出充满热情，但重大的治理和信任挑战依然存在。The Modern Data Company近期的一项调查发现，尽管57.3%的组织正在试点或运行AI智能体，但只有8.4%认为其基础数据足以支持生产环境。

关键的治理差距包括：

• 数据质量 — 被76%的受访者列为阻碍AI智能体达到完全生产准备的首要障碍。
• 安全与治理 — 62%的受访者将安全问题列为AI部署前三大障碍之一。
• 问责框架 — 只有18%的组织表示拥有明确、文档化的AI问责框架。
• 上下文层工程 — 尽管61%的人认为可靠的上下文层至关重要，但只有16%有目的地将其作为产品进行设计和工程化。

数据基础设施问题

数据准备度差距尤其值得关注，因为AI智能体的运作规模和速度远远超出人类监督能力。正如The Modern Data Company报告所述：”数据质量和信任已成为阻碍AI智能体达到生产准备的首要障碍。”

这形成了一个悖论：企业在人工智能基础设施上投入了1770亿美元，但不到十分之一的企业认为其数据基础设施已具备生产准备能力。明确的结论是——企业人工智能增长的下一阶段将受限于数据治理，而非模型能力。

投资模式：新预算与重新分配

企业人工智能投资的来源揭示了人工智能支出如何融入更广泛的技术预算：

• 55%的增量人工智能支出来自新预算，表明人工智能正在扩展软件市场，而非蚕食既有类别。
• 22%来自重新分配现有软件预算，大部分留在传统供应商手中，因为他们转向AI产品（例如Microsoft Office转型为Copilot）。
• 23%从其他运营类别中吸收。

这种分布支持了一种观点：人工智能是整体技术市场的增长驱动因素，而不仅仅是替代技术。

这对中国企业的启示

对于中国的中小型企业而言，这些大型企业层面的趋势具有重要的战略意义：

通过API和平台接触人工智能

虽然1770亿美元的数字反映的是大型企业的支出，但底层基础设施正变得越来越易于中小型企业接触：

• API驱动的人工智能服务 — 前沿模型可通过API以越来越低廉的单令牌价格获得。
• 云端AI平台 — 主要云端供应商（AWS、GCP、Azure）提供托管式AI服务，降低进入门槛。
• 开源替代方案 — 日益增长的开权重模型选项为对数据敏感的中小型企业提供了具成本效益的替代方案。

中小企业的治理当务之急

在大型企业层面确定的治理挑战，对中小型企业同样相关：

1. 数据准备度 — 中小型企业在大量投资AI智能体之前，应审计其数据质量。
2. 明确的业务场景 — 聚焦于特定、高价值的工作流程，而非广泛的人工智能转型。
3. 问责设计 — 即使在小规模部署中，也应从第一天开始建立问责框架。

展望2027年：AI智能体采用趋势

基于当前增长轨迹和Menlo Ventures的数据，以下趋势可能在2027年塑造行业格局：

1. 智能体增长持续 — 由于智能体已占用80%的令牌，随着企业工作流程日益由智能体驱动，这一占比预计将继续增长。
2. 平台整合 — 47%的组织正积极整合至较少的数据平台，另有17%正在评估整合方案。
3. 收入归因 — 28%的受访领袖现在报告从人工智能获得收入增长，较2026年1月的20%有所上升，表明人工智能正从成本中心转变为收入驱动因素。
4. 实体AI扩张 — 预计两年内至少48%的企业将采用中等至重度实体人工智能，高于目前的25%。

发展轨迹非常清晰：企业人工智能已从实验阶段进入主流投资阶段，自主智能体成为增长的主要引擎。能够将数据策略与人工智能策略对齐的企业，在2027年及未来将面临巨大的机遇。

---

资料来源：Menlo Ventures《2026年企业人工智能状况》报告（2026年11月3日）；The Modern Data Company《企业数据与人工智能五大新兴趋势》报告（2026年8月）；德勤2026年企业人工智能状况对3,500位高层领袖的调查。