联想智库发布2026企业AI十大趋势：从“+AI”迈向“AI+”，AI工厂与模算效能成关键突破点
2月13日，联想智库正式发布“2026企业AI十大趋势”。报告指出，2026年是人工智能由技术验证迈向产业深度协同的关键之年——企业关注焦点正从单一技术落地，转向AI与战略、组织、生态的系统性融合，目标也从提升运营效率，全面升级为驱动业务增长与可持续价值创造。
该趋势基于联想智库于2025年第四季度开展的行业深度调研，覆盖百余位来自制造、金融、能源、政务等领域的AI实践专家与技术决策者。研究发现，企业AI应用已进入范式跃迁期，由此催生涵盖组织演进、商业模式、治理框架、基础设施等维度的十大结构性趋势。
十大趋势具体包括：从“+AI”到“AI+”，涌现AI原生企业；从大模型token付费转向智能体结果付费；“模算效能”成为企业选型与部署大模型的首要准则；AI-Ready正式成为企业知识治理新标准；AI治理由被动合规迈向主动构建；企业推理需求集中爆发，AI工厂加速规模化落地；软硬一体协同优化，推动算力效率革命；算电深度融合，降低AI全生命周期总拥有成本（TCO）；RaaS（机器人即服务）成为物理AI工程化落地的首步商业路径；国产化与开源生态双轮驱动，构筑中国企业AI创新新动能。
这些趋势与联想长期AI战略布局高度契合。自2017年起，联想便系统布局AI底层技术与场景应用；2023年率先提出“混合式AI”战略，在个人AI与企业AI双赛道持续投入。依托该战略，联想不仅实现自身业务的智能化跃升，更通过技术输出赋能千行百业。
在企业AI领域，联想于2025年底正式推出“AI工厂”解决方案——它不止提供高性能算力硬件，更整合数据接入、智能体开发、模型训练、推理服务及运维管理，打造端到端标准化AI生产流水线。其核心价值在于重构AI开发范式：将原本碎片化、高门槛的AI工程，转化为可复用、可度量、可扩展的现代生产力系统。此举正是对本次趋势中“企业推理需求爆发，AI工厂加速落地”的前瞻性响应与实践印证。
联想智库相关负责人表示，发布十大趋势旨在凝聚产业共识，为企业制定AI技术路线图、设计组织转型路径、构建可持续治理机制提供务实参考，助力各方在智能体落地、算力效能优化、数据资产激活、绿色低碳AI建设等关键议题上深化协作与创新探索。
公开信息显示，联想智库成立于2021年，是一个中立、非营利性的开放型研究平台，汇聚超200位来自学术界、产业界与政策领域的资深专家，致力于推动前沿科技与实体经济的深度融合。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
当前多数企业仍处于“+AI”阶段：即在既有IT系统与流程基础上，叠加AI工具实现检索增强、内容生成或局部决策辅助。而随着L3级智能体（具备目标理解、任务分解与自主执行能力）走向成熟，“AI+”范式将真正开启——AI不再依附于流程，而是跨系统编排资源、触发业务动作、产出可审计结果。这将倒逼企业以“4A视角”全面重构：业务与组织架构（角色重定义）、应用架构（面向智能体的能力封装与流程调度）、知识架构（结构化、可追溯、可运营的知识资产）、技术与安全架构（权限控制、实时监控、韧性保障）。其本质是从“流程驱动”跃迁至“多智能体协同的价值网络驱动”，并催生“碳硅融合”新型组织形态——人类聚焦高阶判断、策略引导与异常干预，AI承担规模化、标准化、高精度执行。这一变革具有根本性，非AI原生企业需分阶段推进；而部分完全由智能体协同运作的“一人公司”，已初具AI原生组织雏形。
趋势二：从大模型token付费到智能体结果付费
当AI演进为可交付确定成果的“数字劳动力”，企业投资逻辑将发生质变：从“为模型能力付费”转向“为业务结果付费”。企业侧强调价值导向：明确目标、量化收益与风险后，再决定投入节奏与范围；服务商侧则加速模式创新：按“智能体工作单元（Agentic Work Unit, AWU）”或“可验收成果”计费（如完成一次合同全要素审阅、一次供应链风险闭环评估、一次客服问题端到端解决），推动“按效果服务”“按效果外包”成为主流交付范式。
趋势三：“模算效能”成企业选择和应用大模型第一准则
企业评估大模型的核心指标正从“参数规模与基准分数”转向“模算效能”——即模型性能与算力成本的综合性价比。在实际业务中，需同步考量推理延迟、并发吞吐、运维复杂度、安全合规性、云边端混合部署适配度等维度，构建统一评价体系。供给侧将持续强化中小参数模型能力、深耕垂直行业模型、完善多模型协同工具链；需求侧则普遍采用“通用+专用”“大+小”混合模型策略，并结合云-边-端弹性部署，在可控成本下实现低延迟、高可用、易扩展的AI能力供给。
趋势四：AI-Ready成为企业知识治理新标准
知识治理正经历代际升级。“非AI Ready”知识多以非结构化形式散落于文档、会议记录、聊天记录中，依赖人工解读，难以被AI稳定调用；而“AI-Ready”知识具备四大特征：来源清晰、版本可控、结构/半结构化表达、引用可追溯、权限可审计，且支持持续运营。企业正将知识管理升维为“面向智能体的知识工程”：通过自动化采集清洗、语义标签与本体建模、智能检索与引用链路审计、动态评测与反馈纠偏，使高质量知识本身成为提效、控险、促创新的核心资产。
趋势五：AI治理从被动应对进入主动构建
AI深刻重塑生产方式与社会运行逻辑，其发展动能越大，伴生的安全、隐私、伦理与系统性风险越需前置防控。AI治理已超越合规底线要求，成为构建客户信任、保障业务连续性与长期竞争力的战略支点。企业亟需建立覆盖“研发—部署—运行—迭代”全周期、贯穿“数据—模型—应用—人机交互”全要素的主动治理体系：坚持“治理左移”，在算法设计与数据接入源头嵌入风控机制；落实“动态可控”，实现对AI行为的可观、可测、可干预；夯实数据安全与隐私保护底座，筑牢可信AI根基。
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AI算力采购的分水岭。随着AI应用从POC验证迈入价值链全环节规模化部署，智能体承担的任务日益复杂、上下文更长、交互更频繁，企业推理需求呈现稳定化、规模化、常态化特征。非大模型厂商的推理算力采购增速首次超越头部云服务商（CSP）。企业投资重心正快速向支撑高并发、低延迟、强可靠推理任务的AI基础设施倾斜，“AI工厂”正从概念走向批量交付与高效运营。
趋势七：软硬一体，推动算力效率革命
中国AI算力发展已迈入“全栈协同”新阶段，优化重点从单点芯片提速，转向“芯片—系统软件—框架—应用”的端到端深度协同。硬件层面，GPU互连技术、CXL先进内存架构、高速网络交换芯片持续迭代，“超节点”集群架构显著提升集群性能上限；软件层面，围绕芯片特性、内存带宽、网络拓扑开展编译优化、任务调度、访存加速与通信压缩，大幅释放硬件潜能，并反向驱动“软件定义硬件”的架构演进。对企业而言，选择或构建具备全栈协同能力的AI平台，已成为规模化落地中控成本、保性能、稳弹性的核心能力。
趋势八：算电协同，降低AI总拥有成本
AI基础设施正从“纯算力建设”升级为“计算—能源—碳效—成本”四位一体融合演进。电力条件已成为AI工厂选址、设计与运营的关键变量。通过将FinOps理念延伸至算力全生命周期，电力运营不再是基础保障，而是成本优化的核心杠杆：利用绿电配比、储能削峰填谷、液冷散热与PUE精细化管控，并结合全链路碳足迹追踪，企业可实现从“单位算力能耗”向“单位算力能效”与“单位算力成本”双重优化跃迁。在“东数西算”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AI能力（感知、规划、控制、人机协作）正加速工程化、产品化与商业化。工业质检、仓储物流、柔性产线等场景率先形成标准化交付方案。“机器人即服务（RaaS）”模式有效降低使用门槛，通过标准化场景包、远程诊断运维、OTA持续升级，成为物理AI从试点验证迈向规模化复制的关键商业路径。
趋势十：国产&开源，中国企业AI创新新动能
中国企业AI发展已形成独特双轨范式：以“国产创新”筑牢技术底座，以“开源普惠”激发应用活力。一方面，“芯片—系统软件—框架—模型—智能体应用”全栈国产技术体系加速成熟，在能源、交通、政务等关键领域实现规模化、高可靠部署；国际技术引入仍为重要补充，与国产体系长期并存、互补共荣。另一方面，开源模型、轻量推理引擎、低代码智能体开发平台、知识治理组件等正显著降低技术采纳门槛，“国际+国产、开源+商业”的混合技术路线已成为企业主流选择。二者协同，共同支撑中国企业在全球AI竞争中实现安全可控、成本优化与持续创新的统一。