2 月 13 日，联想智库正式发布「2026 企业 AI 十大趋势」。该趋势指出，2026 年，人工智能技术正经历从「概念验证」到「产业深度融合」的关键转折，企业面临的核心挑战不再局限于技术应用，而是如何将 AI 与业务战略、组织架构、产业生态协同演进，实现从「效率提升」到「价值创造」的跨越。

该趋势基于对 2025 年第四季度开展的企业 AI 趋势行业观察，调研了百余位企业 AI 领域的联想智库专家。其核心洞察在于，企业应用 AI 的方式正发生根本性升级，并由此牵引出涵盖组织建设、商业模式、AI 治理、基础设施等十大趋势。

这十大趋势具体包括：从「+AI」到「AI+」，涌现 AI 原生企业；从大模型 token 付费到智能体结果付费；「模算效能」成企业选择和应用大模型第一准则；AI-Ready 成为企业知识治理新标准；AI 治理从被动应对进入主动构建；企业推理需求爆发，AI 工厂加速落地；软硬一体，推动算力效率革命；算电协同，降低 AI 总拥有成本；RaaS，物理 AI 业落地第一步；国产&开源，中国企业 AI 创新新动能。

十大趋势亦与联想的判断和实践十分契合。早在 2017 年，联想就前瞻式布局人工智能，并于 2023 年提出混合式 AI 战略，在个人 AI 和企业 AI 两大领域发力，实现了以 AI 驱动整体业务实现跨越式增长，并对外赋能个人和产业发展。

其中在企业 AI 领域，联想于去年年底正式发布了「AI 工厂」，其不仅提供硬件设施，更提供包括数据采集、智能体开发、模型训练到推理服务的标准化全栈 AI 解决方案，其核心在于重塑 AI 应用的开发与部署流程，将原本复杂且孤立的 AI 开发任务，转变为一条标准化、高效率的现代「AI 生产线」。这一动作呼应了本次发布内容中提及的「企业推理需求爆发，AI 工厂加速落地」这一趋势。

联想智库有关负责人表示，希望能够通过十大趋势的发布，呈现产业核心专家对企业 AI 发展的共识性判断，为企业在技术布局与业务转型中提供思路参考，进而推动行业在企业变革、智能体应用、算力效能、数据价值等关键议题上的交流与探索。

据介绍，联想智库成立于 2021 年，是中立非商业性平台，目前拥有 200 多位高端专家，是面向全社会开放的高端交流、战略研究和创新实践平台。以下为「2026 企业 AI 十大趋势」全文。

联想智库 2026 年企业 AI 十大趋势

趋势一：从「+AI」到「AI+」，涌现 AI 原生企业

企业当前更多处在「+AI」阶段：在既有信息化/数字化架构与流程上，外挂式引入 AI 工具做检索、生成、辅助决策与局部优化。而当 AI 能力进化至 L3 级（能够理解复杂目标、自主分解与执行任务）的智能体时，将真正触发「AI+」式架构升级。它会跨系统编排、触发业务动作、产生可追溯结果，从而倒逼企业以「4A 视角」重构：业务/组织架构（角色与责任）、应用架构（面向智能体的可调用能力与流程编排）、知识架构（可用/可审计的知识资产）、技术与安全架构（权限、监控、合规与韧性）。其核心是从「流程驱动」转变为由多智能体协同的「价值网络」驱动，并构建与之匹配的「碳硅融合」组织（人类聚焦决策、赋能与干预）。这一升级是根本性的，绝大多数非 AI 原生的企业需历经多年、分阶段完成。目前，一些完全由智能体协同构成的「一人公司」，已展示了 AI 原生组织的雏形。

趋势二：从大模型 token 付费到智能体结果付费

当 AI 从「辅助工具」变为「数字劳动力」，企业的投入逻辑会从「为技术付费」转向「为业务价值付费」。从企业侧看，更强调价值投资：明确业务目标、衡量可量化收益与风险，再决定投入强度与扩展节奏。从服务商侧看，定价与交付将更贴近结果：按「智能体工作单元（Agentic Work Unit，AWU）/可验收成果」计费（例如完成一次合同审阅、一次供应风险排查、一次客服闭环），并推动方案走向「按效果服务/按效果外包」的商业模式演进。

趋势三：「模算效能」成企业选择和应用大模型第一准则

企业评估与使用大模型的准则正从「单纯追求模型能力」转向「综合考虑模型性能与算力成本」的「模算效能」，评价 AI 方案时，不只看模型能力上限，还要把算力部署形态、推理成本、延迟、并发、运维复杂度、可靠性与安全合规等纳入同一指标体系，衡量在目标业务下的综合性价比。供给侧（模型与平台方）将持续提升中小参数模型能力、发展垂直/行业模型，并强化多模型协同与工具链。需求侧（企业）将更常态化采用通用+垂直、多参数规模混合配置与调度，并形成云-边-端混合部署：在可控成本下实现低延迟、高可用与可扩展的 AI 能力供给。

趋势四： AI-Read y 成为企业知识治理新标准

企业对知识的治理标准正发生转变。过去的「非 AI Ready」知识，通常以文档、报告、对话等非结构化形态散落在各处，依赖人工查找、解读与传递，难以被 AI 系统直接、精准、高效地利用。而「AI Ready」的知识，可被 AI 稳定使用并可审计：知识有清晰来源与版本、结构化/半结构化表达、可追溯引用、可持续运营，并具有明确权限的核心资产。企业将把知识治理从「资料管理」升级为「面向智能体的知识工程」：通过自动化采集与清洗、语义标签与本体/术语体系、检索与引用链路审计、持续评测与纠偏，使高质量知识与知识治理智能体成为提升效率与合规水平的关键资产。

趋势五： AI 治理 从被动应对进入主动构建

AI 在重塑全球的生产方式与社会结构，在释放发展动能的同时，也放大了安全、隐私、伦理与系统性风险等多重挑战。安全合规已不仅是防御性需求，更是构筑客户信任与业务韧性的长期竞争力。为此，企业亟需构建安全、可靠、可信、透明、可解释、可持续的全过程全要素的 AI 治理链条，坚持发展和安全并重：通过「治理左移」将风险控制前置至技术源头，通过「动态可控」确保对系统的实时监督与干预，通过持续强化数据安全与隐私保护守住核心资产底座。

趋势六：企业推理需求爆发，AI 工厂加速落地

2026 年将成为企业算力采购市场的关键分水岭，随着 AI 应用从概念验证（POC）迈向规模化推广，渗透到更多价值链环节，智能体将执行更复杂、上下文更长的任务。企业客户将形成稳定、持续的规模化推理算力需求。非大模型企业由此引发的算力采购规模增长速度首次超过 CSP 厂商。企业的投资重心将向支撑大规模并发业务的推理算力基建倾斜。

趋势七：软硬一体，推动算力效率革命

中国算力产业向「全栈协同」发展，AI 算力优化已从「单点提速」转向「端到端软硬协同优化」，软件与硬件深度适配、协同演进。硬件上，GPU 通信、CXL、高速网络交换芯片持续迭代，「超节点」新型计算集群兴起，集群性能上限快速提升；软件上，围绕芯片、内存、集群拓扑做编译、调度、访存、通信等全栈优化，大幅拉高硬件利用率，还将反向推动「软件定义硬件」的架构取舍。对于企业而言，选择或构建具备全栈协同优化能力的算力平台，将成为在 AI 规模化落地中控制成本、提升性能、确保业务弹性的关键。

趋势八：算电协同，降低 AI 总拥有成本

AI 基础设施正从单一的算力建设转向「计算与能源」的一体化演进，基础设施将更加重视「计算、能源、碳效与成本」的深度融合。未来，电力条件将成为 AI 工厂选址、建设及运营的核心变量。通过将 FinOps 理念引入算力全生命周期，电力运营不再仅仅是保障手段，而是优化 AI 供给成本的核心杠杆。利用电力运营的柔性调度，如绿电配比，储能消纳，液冷技术与能效指标（PUE）等，结合全链路碳足迹追踪，企业将实现从单一算力指标向「单位算力能效」与「单位算力成本」的双重优化，AI 供给将实现从「能耗驱动」向「能效驱动」的跨越，在「东数西算」实践基础上，构建低成本、低碳化、可度量的绿色 AI 供给网络，将成为大规模推理时代的核心竞争力。

趋势九：RaaS，物理 AI 落地第一步

物理世界的 AI 能力（感知、规划、控制与人机协作）正在加速走向工程化、规模化落地，工业与物流等场景率先形成标准化交付。「机器人即服务（Robot as a Service，RaaS）」降低了使用门槛，并推动标准化场景包、远程运维与持续迭代，成为物理 AI 从试点走向规模化的重要商业路径。

趋势十：国产&开源，中国企业 AI 创新新动能

中国企业 AI 的发展路径正形成独特范式，其核心由「国产创新」与「开源普惠」双轮驱动。一方面，国产创新将沿「芯片-系统软件-框架工具链-模型-智能体应用」形成更完整的技术体系，生态成熟度持续提升，并在更多行业与场景实现可规模化部署；同时，国际技术在中国落地的传统范式仍将继续存在并与国产体系长期并行。另一方面，开源普惠（模型、推理引擎、工具链与数据/知识治理组件等）将显著降低企业采用门槛，推动「国际+国产、开源+商业」的混合技术路线成为常态。两者共同构成中国企业 AI 发展的新范式：在可控、安全与成本优势下，加速规模化应用与持续创新。

来源：互联网