Agentic AI 支出量级、试验与规模化的断层、五大平台战略对比，以及从按席位到按结果的计费迁移
2026 年是 AI Agent 从演示走向生产、同时暴露真实成活率的一年。本报告提出三个判断：第一，市场规模的量级跃迁已经发生——Gartner 测算 2026 年 Agentic AI 支出将达 2019 亿至 2065 亿美元，同比接近翻倍以上，2027 年将首次超过聊天机器人成为最大的 AI 软件类别。第二，供需之间出现了严重的规模化断层：McKinsey 调研显示 62% 的组织至少在做 Agent 试验，但仅 23% 在至少一个职能实现规模化；Gartner 更直白地预测超过 40% 的 agentic AI 项目将在 2027 年底前被取消。第三，真正被改写的是计费与价值计量方式——Salesforce 的 Agentic Work Units、微软的 Copilot Credits、SAP 的"Agent 运行时免费至 2026 年底"，共同指向从"按席位收费"到"按结果收费"的迁移。对企业的实际含义是：Agent 项目的成败不取决于模型能力，而取决于流程能否被重新设计，以及组织能否为"非人产能"建立治理与考核。
Agentic AI 已经不再是概念，而是一个可以被独立计量的软件支出类别。Gartner 的测算给出了当前最被广泛引用的量级：2026 年全球 Agentic AI 支出将达 2019 亿至 2065 亿美元，同比增长约 139% 至 141%；到 2027 年，Agentic AI 将首次超过聊天机器人，成为最大的 AI 软件类别；到 2029 年，该支出规模预计达到 7527 亿美元。更长周期看，Gartner 判断到 2035 年 agentic AI 将占据约 4500 亿美元的企业软件收入，约相当于当时企业软件市场的 30%。
不同研究机构在增速上高度一致，在绝对值上各有口径，这种"共识的分歧"本身就值得注意。
| 机构 | 口径与规模 | 增速 |
|---|---|---|
| Gartner | 2026 年 Agentic AI 支出 2019–2065 亿美元；2029 年 7527 亿美元 | 2026 同比 +139%~141% |
| MarketsandMarkets | AI Agent 市场 2025 年 78.4 亿 → 2030 年 526.2 亿美元 | CAGR 46.3% |
| Grand View Research | 2033 年 1829.7 亿美元；企业级细分 2025–2030 | CAGR 49.6% / 企业级 46.2% |
| Precedence Research | 2026 年企业 agentic AI 市场 115.5 亿美元 | CAGR 43.6% |
| Statista | 2030 年全球企业活跃 AI Agent 数量超 22 亿 | — |
| IDC（中国） | 2025 年 212 亿元 → 2026 年 449 亿元 | 2026 同比 +111.8% |
口径差异需要特别说明：Gartner 的"Agentic AI 支出"是宽口径，包含软件、服务及被归入 agentic 能力的既有产品收入；MarketsandMarkets、Grand View、Precedence 的数字是窄口径的 AI Agent 市场（以软件与平台为主）。两者不可直接比较——窄口径 2030 年约 526 亿美元，宽口径 2026 年即已超过 2000 亿美元。引用时必须标明口径，否则会得出十倍量级的错误结论。
中国的节奏略晚但斜率更陡。IDC 数据显示，2025 年中国企业级 AI 智能体市场规模为 212 亿元，预计 2026 年达 449 亿元，同比增速 111.8%；IDC 亦预测 2026 年将突破 800 亿元、2028 年保守可达 270 亿美元（约 1900 亿元）。艾瑞咨询预测 2030 年中国企业级智能体市场达 815.1 亿元，CAGR 约 70.9%。沙利文与头豹 2026 年 8 月的口径更为宏观：2025 年中国 AI Agent 全产业链规模 2.6 万亿元，2030 年预计达 20.1 万亿元。2026 年政府工作报告首次将"智能体"写入政策文本，标志其从技术概念进入产业政策视野。
高增长的另一面是极低的成活率，这是 2026 年 Agent 市场最需要被正视的现实。
McKinsey 2026 年的调研给出了一组清晰的分层数据：62% 的组织至少在做 Agent 试验，但仅 23% 在至少一个职能实现了规模化；57% 已将 Agent 用于多阶段工作流，其中仅 16% 跨越职能边界。在企业规模维度上，40% 的十亿美元以上大型企业已实现规模化（上一年为 27%），而中小企业持平在 22%——规模化能力与企业规模高度相关。更宏观的口径是，88% 的企业声称使用 AI，但仅 5% 至 7% 真正实现规模化并产生显著的 EBIT 贡献。
Gartner 的预测更为尖锐：超过 70% 的企业级 Agent 项目可能在 2029 年前失败，超过 40% 的 agentic AI 项目预计在 2027 年底前被取消。Gartner 归因于三类问题——成本超支、价值不清晰、风险控制不足——并特别点名"Agent Washing"（把传统自动化包装成 Agent）与缺乏规模化运营能力。
| 维度 | 数据 | 来源 |
|---|---|---|
| 至少在做试验的组织 | 62% | McKinsey 2026 |
| 至少一个职能实现规模化 | 23% | McKinsey 2026 |
| 用于多阶段工作流 / 其中跨职能 | 57% / 16% | McKinsey 2026 |
| 十亿美元以上企业已规模化 | 40%（上年 27%） | McKinsey 2026 |
| 中小企业已规模化 | 22%（持平） | McKinsey 2026 |
| 声称用 AI 但真正规模化并显著贡献 EBIT | 仅 5%–7% | McKinsey 2026 |
| 2027 年底前预计被取消的 agentic AI 项目 | >40% | Gartner |
| 可能失败的 2029 年前企业级 Agent 项目 | >70% | Gartner |
把上述数据与一线实践对照，失败的根因有相当一致性：企业的流程是为人类设计的，而 Agent 遭遇的是架构性不兼容。审批链上每一道人工签核、表单里每一个只能由人理解含义的字段、系统间每一个依赖人工搬运的接口，都会在 Agent 试图端到端执行时变成死结。
这解释了一个反直觉的现象：Agent 项目初期最容易见效的往往是"新增流程"（如自动生成报告、自动分流工单），而真正高价值却最难的，是"改造既有流程"。前者只需要模型能力，后者需要流程治理——把审批权责重新定义、把数据字段结构化、把例外处理规则显性化。Gartner 提出的"再设计而非改造"（redesign, not retrofit）正是同一判断。
2026 年平台侧的竞争已经不再是"谁有 Agent"，而是"谁的 Agent 能进入企业主干系统并拿到生产数据"。这一轮的关键动作高度集中于少数厂商。
Salesforce FY2026 Q2（截至 2026 年 7 月 31 日，8 月 26 日发布）给出了 Agent 商业化最完整的样本：营收 113.5 亿美元（同比 +11%），non-GAAP EPS 5.90 美元（+103%）；当前 RPO 335 亿美元（+14%）；FY27 指引上调至 461 至 464 亿美元。Agentforce ARR 超过 15 亿美元，同比增长 240%；包含 Agentforce 与 Data 360 的 AI+数据产品 ARR 接近 39 亿美元，同比增长 210%。
更具结构性意义的是新出现的运营指标：Q2 处理 Agentic Work Units 达 32 亿，环比增长 97%。这是把"Agent 干了多少活"变成可计费、可对比、可审计的计量单位——它同时解决了定价问题与价值证明问题。美国陆军 HR Command 满规模运行后预计每月超过 5500 万次 Agentforce 对话；十大 AI 公司中有 9 家标准化于 Salesforce 平台，合计支出同比增长 435%。同时 Salesforce 发布了 Claudeforce（引入 Anthropic Claude），并宣布 16 亿美元 VA 合同与计划 36 亿美元收购 Fin。
需要冷静看待的一面：Agentforce Apps 段（Sales/Service/Commerce）恒定汇率下仅增长 8%。Agent 的高增长叙事与核心应用的低增速并存，说明企业尚未把 Agent 预算与既有软件预算打通，增量更多来自新预算池。
Microsoft 在 Build 2026 上的动作指向"默认化"：Copilot Agent Mode 成为 Word、Excel、PowerPoint 的默认体验；Agent 365 提供跨组织的 Agent 观测、治理、管理与安全控制平面。其披露的规模数据极具说服力：Agent 365 预览期注册表中出现"数千万个 Agent"，微软内部可见超过 50 万个 Agent，Agent 每日为员工生成超过 6.5 万条回复；付费 Copilot 席位同比增长 160%，日活增长十倍；Copilot Studio 在 90 天内支持 16 万家组织构建了 40 万以上自定义 Agent。商业上，M365 Copilot 维持 30 美元/用户/月，而 Agent 按 Copilot Credits 消耗计费——同一套体系内，席位定价与消耗定价并行。
ServiceNow 以 AI Agent Orchestrator 协调多个专职 Agent，覆盖超过 30 个产品模块与 300 余项 AI Skills；Autonomous Workforce 在 ITSM 场景中实现 91% 的工单解决率且无需人工转派；Action Fabric 将工作流向外部 Agent 开放；AI Control Tower 覆盖 30 余家企业集成。Honeywell 案例中，AI 助手"Red"消除了大部分服务台对话。
SAP 在 Sapphire 2026 上提出"Autonomous Enterprise"愿景，通过 SAP Business AI Platform 统一 BTP、Business Data Cloud 与 Business AI；部署 50 余个领域 Joule Assistants，编排 200 余个专业化 Agent 子集；Autonomous Close Assistant 把财务关账从数周压缩到数天。其"Agent 运行时免费至 2026 年底"被 Forrester 称为当年最激进的商业动作——本质是用免费运行时抢占 Agent 在企业流程中的位置，再从数据与流程价值中变现。Oracle 则以 22 个 Fusion Agentic Applications 覆盖财务、HR、供应链与 CX，并扩展 AI Agent Studio 提供 Agent 构建、工作流编排与上下文记忆能力。
| 厂商 | 关键产品 | 核心取向 | 计价方式 |
|---|---|---|---|
| Salesforce | Agentforce、Data 360、Claudeforce | 以工作单元计量 Agent 产出 | 按 Agentic Work Units / 消耗 |
| Microsoft | Copilot Agent Mode、Agent 365、Copilot Studio | 默认体验 + 跨组织治理平面 | 席位（30 美元/月）+ Copilot Credits |
| ServiceNow | AI Agent Orchestrator、Autonomous Workforce | 多 Agent 编排与 IT 服务自治 | 平台订阅 + 模块 |
| SAP | Business AI Platform、Joule Assistants | 企业主干流程自治 | Agent 运行时免至 2026 年底，后转消耗 |
| Oracle | Fusion Agentic Applications、AI Agent Studio | 以既有套件为载体嵌入 Agent | 套件订阅 + 平台 |
中国市场的最显著特征是"数字员工"这一概念的快速实体化。《2026 年中国数字劳动力服务行业市场动态分析报告》给出的分布显示，2025 年金融行业数字员工支出 156.8 亿元，占全行业 32.2%，为第一大行业；制造业 112.3 亿元，占 23.1%。金融业领先的原因在于流程高度标准化、数据密集、且单位人力成本高，替代的经济性最容易被计算。
从场景成熟度看，智能客服、IT 运维与财务共享是任务完成率最高的三类场景，普遍超过 75%。这符合"高频、有明确成功判定、容错成本可控"的规律。相比之下，需要跨部门协调、涉及非结构化判断的场景（如战略规划辅助、复杂谈判支持）成熟度明显更低。
几个标志性案例可以说明当前的实际水平：Klarna 的客服助手在 30 天内完成 230 万次对话，等效约 700 名全职客服，重复咨询减少 25%，平均解决时间从 11 分钟降至 2 分钟以内；雅迪的 AI 客服热线解决率由 20% 提升至 42%，在线机器人解决率达 78%；华为盘古工业智能体与海尔、美的的产线质检则代表了制造侧的落地形态。
一个被反复验证的技术结论值得单列：单 Agent 处理复杂任务的成功率普遍低于 60%，而 Multi-Agent 架构可将复杂任务完成度提升 10 倍以上。这解释了为什么 2026 年平台竞争的核心是编排层（Microsoft AutoGen、LangChain、Vertex AI Agent Builder）。但同时，多 Agent 系统也带来新的治理难题——Agent 之间的授权边界、任务传递的可追溯性、失败时的责任归属，都是尚未收敛的领域。Anthropic 的 MCP 与 Google 的 A2A 协议正在推进标准化，但企业侧的 Agent 身份与访问管理仍处于萌芽阶段。
Gartner 的判断值得单独标注：到 2030 年，40% 的企业 SaaS 支出将与消耗量或效果挂钩；按席位收费的收入占比将从 21% 降至 15%。这一变化对企业的含义是，软件预算的可预测性下降，但成本与价值的对齐度上升。对厂商的含义则是收入确认方式的根本改变——它们必须对 Agent 的实际产出负责，而不再只对功能交付负责。
第一，用"流程直通率"替代"Agent 数量"作为核心指标。Gartner 预测 40% 以上项目将在 2027 年前取消，根因是价值不清。只有把度量锚定在"端到端流程的直通率"与"被移除的人工审批节点数"上，Agent 项目才具备可辩护的价值证据。
第二，先做流程再设计，不要做流程改造。遗留流程为人类设计，Agent 在其中会遭遇架构性不兼容。重新设计流程意味着重新定义权责、结构化数据字段、显性化例外规则——这部分工作量的 70% 在流程而非技术。
第三，把治理能力当作准入门槛而非事后配置。当一家企业同时运行数百到数千个 Agent 时，身份与权限管理、任务边界、结果审计、责任归属成为基础设施。Microsoft 的 Agent 365、ServiceNow 的 AI Control Tower 都是对这一需求的直接回应。治理缺位的规模化一定会在合规或事故中被强制回退。
第四，重新编制预算与考核口径。当软件从按席位计费转向按消耗与结果计费，"买了多少 License"将不再是产能的代理指标。企业需要建立"非人产能"的预算科目与考核维度——这正是 AI 员工成为组织形态而非工具的财务表现。
第五，把 Agent 的部署节奏与组织能力匹配起来。数据显示规模化能力与企业规模高度相关（十亿美元以上企业 40% vs 中小企业 22%），差距的本质是流程治理成熟度。对中小企业而言，更现实的路径是选择标准化程度高的场景（客服、运维、财务共享）先跑通闭环，而不是追求 Agent 覆盖面——少而深，优于广而浅。
