77%都上线了,只有11%跑得起来:智能体规模化的坎在"运行时"

今天是 2026 年 11 月 21 日,星期六。这一周,三份来源完全不同的报告在同一件事上撞到了一起:企业智能体的"上线率"和"规模化率"之间,裂开了一道巨大的口子。

一边是 Forrester 的《State of AI Survey 2026》:82% 的受访者已有至少一个生成式 AI 应用投入生产,77% 已有至少一个智能体(agentic AI)应用投入生产。另一边是同一个调查里的另一组数字:只有 11% 说自己在业务层面实现了多应用的规模化,14% 在企业层面实现规模化,认为自己的技术环境已经为规模化做好准备的,只有 20%。

77% ↔ 11%

已有智能体应用投产 vs 业务层面规模化 —— Forrester《State of AI Survey 2026》(2026 年 11 月)

"能跑一个"和"能成片地跑"是两件事。这道口子正是本周另外两份报告要给答案的地方。

一、三份报告,指向同一道口子

先看 Gartner。11 月 16 日,Gartner 面向 298 名美国与英国技术领导者做了一项基础设施调查,结果比规模化数字更直接:95% 的受访者过去一年至少经历过一次与智能体相关的事故;57% 认为自己的智能体治理能力薄弱;55% 说自己的 IT 风险工具已经过时;而真正部署了自动断路器(circuit breaker)的,只有 15%。Gartner 进一步预测,到 2028 年,40% 正在规模化 AI 的基础设施与运营组织,会遭遇一次业务关键级的服务中断。

再看国内。红帽与 CIO 时代联合发布的《2026 中国企业级 AI 实践调研分析年度报告》(21 世纪经济报道 11 月 17 日专访披露)显示:仅 25.9% 的受访企业实现了多年期战略性 AI 投入,68.7% 仍停留在年度项目制或 PoC 试点阶段。另一组来自同一报告的数字更尖锐——接近 70% 的企业正在推进智能体,一部分已上线生产,但正式治理框架的覆盖率不到 15%。

报告 / 来源调研口径关键数字指向的问题
Forrester《State of AI Survey 2026》2026 年 11 月,企业 AI 决策者77% 智能体投产 / 11% 业务级规模化 / 20% 环境就绪上线 ≠ 规模化
Gartner 基础设施调查2026-11-16,298 名美英领导者95% 出过事故 / 15% 有自动断路器运行时缺刹车
红帽《2026 中国企业级 AI 实践调研》21 世纪经济报道 2026-11-17 披露68.7% 停留 PoC / 治理框架覆盖 <15%投入与治理双滞后

三份报告的样本、地区、问题都不同,数字不能相加,但方向高度一致:卡住规模化的,不是"有没有智能体",而是"智能体跑起来之后谁来管、拿什么管"。

二、瓶颈已经从"建得出"移到了"验得完、控得住"

Forrester 的调查里有一个容易被忽略的细节:高就绪度组织报告的生产用例数量,是低就绪度组织的 2.4 倍;但即便如此,只有 42% 的组织能把 AI 项目与损益表(P&L)直接挂钩。这句话翻译成人话是——跑得多的组织,也只是"更能跑",未必"更能算清账"。

更好的注脚来自 CDW 自己的实践。这家公司把 AI 助手开放给超过 1.4 万名员工,内部搭了超过 1.2 万个智能体,然后重新设计核心工作流。它的核心结论很反直觉:任务变快了,业务未必变快——因为产出仍然涌进同一批队列、同一套审批、同一个系统。个体效率的提升,被流程的旧瓶颈原样挡了回来。

过去我们问"这个智能体能不能做",现在要问的是"做完之后,谁来验、谁来担责、出错了能不能停"。前者是能力问题,后者是治理问题,而治理问题不会随着模型变强自动消失。

MIT Sloan 的观察印证了这一点:搭一个智能体可以很快,但验证它的输出,需要配齐真正懂业务的领域专家。人类瓶颈没有消失,只是从"写代码的"移到了"验结果的"。

旧瓶颈新瓶颈
能不能建出来 · 模型够不够强 · 接口通不通验不验得完 · 出错谁担责 · 能不能及时停

红帽大中华区方案架构部总经理王慧慧把这种落差称为"剪刀差"。她对 AI 基础架构能力做的六维度成熟度评估(5 分制、3 分及格)里,只有"安全隔离与访问控制"一项达到及格线,靠的还是既有数据治理法规的刚性约束;MLOps 模型交付效率、算力调度与弹性扩展、多框架多模型统一管理、AI FinOps 成本管理、AI 工作负载可观测性这五项,全部不及格。

这五项不及格的能力,恰恰都是"运行时"能力——不是造智能体时用的,而是智能体上线后每天要用的。把它们补上之前,规模化只是把风险成倍放大:一个在测试环境里无害的错误,到了生产环境、跑在成百上千个智能体身上,就是一次业务关键级事故。

三、CIO 要补的是"运行时",不是再上一个平台

面对这样的局面,最自然的反应是再买一套"智能体管理平台"。但本周的信息给出的答案更朴素:红帽曹衡康反复讲的一个词是"弹性"——客户唯一明确的诉求,是不要被绑定在某一个模型、某一类芯片、某一种云上。这提示 CIO,规模化的前提不是多加一层,而是让治理能力跟着智能体一起跑。

Forrester 也在把这件事产品化:它在 11 月 5 日的论坛上提出了"技术 AIQ"的概念,作为 2027 年 1 月将推出的 AIQ 框架的一部分,考察三层能力——现有 IT 基础、为 AI 需要扩展的能力、AI 独有的新能力。它给 CIO 的实用建议是"复用测试":在批准下一个项目之前,先问团队从上一个项目里复用了什么、又给下一个团队留下了什么可复用的能力。


写在最后:给 CIO 的三条实操建议

1. 把"自动断路器"列入上线验收清单。对照 Gartner 只有 15% 部署断路器的现实,明确每个生产智能体的熔断条件、降级路径和一键停用开关;没有刹车的智能体不许进核心流程。

2. 用"复用率"替换"上线数"当规模化的度量。像 Forrester 建议的那样,每个新项目上线前先交代复用了什么、沉淀了什么;只报"又上了多少个智能体"的团队,往往正在制造下一批孤岛。

3. 先补六维里那五项不及格的运行时能力。把 MLOps 交付、算力调度、多模型统一管理、AI FinOps 成本、工作负载可观测性纳入既有 IT 治理框架扩展,而不是另起炉灶——红帽王慧慧的建议正是"把管 Linux 的那套方法直接扩展到 AI"。

77% 和 11% 之间的那道口子,不会靠再上线一批智能体填上。它要靠运行时治理一砖一瓦地补:能验、能控、能停、能复用。把这些补齐了,规模化是水到渠成;补不齐,上线得越多,离事故越近。

本文数据与引用来源:Forrester《State of AI Survey 2026》(2026 年 11 月,经 ainativeengineering.net 报道整理);Gartner 基础设施调查(2026-11-16,n=298,美英技术领导者,同上来源);红帽与 CIO 时代《2026 中国企业级 AI 实践调研分析年度报告》及曹衡康、王慧慧访谈(《21 世纪经济报道》2026-11-17、《中国经营报》报道);Epoch AI 成本下降数据由前述专访转引。三份报告样本与口径不同,数据不可相加,引用均为公开披露口径。

众谛信息 · 企业数字化观察 | 聚焦开源软件、ERP 与智能管理

关于我们

​我们致力于帮助中小企业实现数字化转型,我们的团队由一群充满激情和创新思维的专业人士组成,他们具备丰富的行业经验和技术专长。

扫一扫获取顾问以及手册

登录 留下评论
ERP握住了付款扳机:Odoo把"发起付款"搬进系统之后,谁来做那个确认的人