6月2日，北京。一份名为“2026中国AI智能体先锋”的名单发布。
这份名单我翻了三遍。不只是因为其中收录了上百家企业的AI智能体案例，更因为有几处让我驻足了很久：湖北银行用AI做代码安全审计，京东方用AI做数据库运维，首钢用AI做热轧生产决策，牧原用AI监测猪群健康。从银行到猪场，从高速巡检到卫星测试，横跨20多个行业——AI智能体已经不再处于“试点”阶段，而是跑在了企业的核心业务流程里。
但在同一天，另一个数字同样引人注目：智谱AI发布公告，将在科创板上市，募资150亿元，同时亏损47亿元。
同一天发生的这两件事，让2026年6月中国AI的格局变得清晰：应用层热火朝天，而资本层仍在流血。
百大排行榜的四个赛道实际上揭示了什么
本榜单由中国互联网协会与中国人工智能产业发展联盟联合发起，由BCS 2026承办。与以往相比，评选标准最大的不同在于“应用价值”与“安全可控”各占一半权重。技术参数不再是唯一标尺，智能体在真实业务中运行了多久、是否安全、能否复制，这些才是关键因素。
此列表分为四个部分，非常值得一看：
我注意到一个细节：行业应用赛道覆盖面最广——政务、能源、金融、制造、医疗、农牧、航天、教育八个子领域均有参赛作品。这并非“AI能做什么”的概念验证，而是“AI在实际业务运营中已产生可量化的价值”。
首钢的热轧生产AI代理运行在真实的生产线上，京东方利用代理管理数据库操作，中山市政务服务数据管理局则在政府外网上使用代理进行安全操作——这些都不是PPT项目。
如果说2024年企业AI的主题是“能不能用”，2025年的主题是“该不该用”，那么到了2026年6月，主题已经发生转变：如何安全地使用它、如何扩展规模，以及如何持续迭代。
IDC泼冷水：在ERP选型中，先看数据，再看AI
在排名发布前后，IDC发布了《中国AI增强型企业ERP市场份额，2025》报告。
用友已占据AI-ERP市场首位。超过60%的中型制造企业已将AI能力纳入其ERP选型的核心标准。财务、供应链和生产排程三大场景已产出可量化的回报数据。
深圳一家电子元器件公司将月末结账时间从五个工作日缩短至半天。爱尔眼科部署了17名数字员工，财务处理效率提升近8倍。一家年营收1.2亿元的硬件工厂利用AI需求预测，将原材料库存周转天数从68天降至34天，释放了200万元流动资金。双良集团实施AI排程后，生产计划执行准确率提升了50%。
这些数据看起来令人振奋。然而，IDC在报告中说了一些许多人可能忽略的话：先评估自身数据基础的扎实程度，再根据业务痛点确定AI-ERP的切入模块，并在选型时让系统运行真实业务数据进行验证。
如果您的原始数据管理不清晰，无论AI-ERP多么强大，都无法实施。
我认为这是本周所有材料中最值得企业CIO读三遍的一句话。Top 100榜单说“AI已进入核心流程”，而IDC说“能否进入，首先取决于你的数据基础”。一个讲的是天花板，一个讲的是地板。两者都对。
AI 落地的「火」
· BCS Top 100：20+行业，四大赛道全覆盖
· 京东方/首钢/牧原等已进入生产阶段
· AIER眼科医院的17名数字员工将效率提升了8倍
· 硬件工厂库存周转率减半，释出200万
· 华为云 850 万开发者，5 万+合作伙伴
AI 落地的「冰」
· IDC 提醒：先看数据基础，再看 AI
· 智谱亏损47亿，市值6300亿
· 大型模型公司普遍不盈利
· 企业数据治理仍是最大的瓶颈
· 60%以上的制造企业选择AI-ERP，但在POC验证方面仍有差距
智谱IPO亏损47亿，大模型赛道怎么了
6月1日，智谱AI在港交所发布公告：董事会已通过A股发行方案，计划在上交所科创板上市。这家1月份刚刚在港股上市的公司，不到半年时间便谋求A+H上市。募资规模为150亿元。
但翻开其招股书可见：上半年营收快速增长，却录得47亿元亏损，市值约6300亿元。这种“亏47亿、值6300亿”的组合，在传统行业难以想象。然而，大模型赛道如今遵循另一套估值逻辑：不看当下盈利，而看技术代际差与生态位。
智谱并非唯一在烧钱的公司。DeepSeek、月之暗面、MiniMax、百川——“AI六小虎”中还没有一家真正实现盈利。它们都在押注同一件事：随着模型能力持续提升和规模效应显现，一旦推理成本降到某个临界点，它们的商业模式就将变得可行。
这对企业用户意味着什么？两个判断：
首先，短期内不必过于担心供应商破产的问题。智谱能够赴港上市并随后推进科创板，表明资本市场仍然看好大模型。6300亿元的市值对应150亿元的融资，提供了强有力的信用背书。
其次，但你需要为模型切换做好准备。大型模型格局仍在重新洗牌。本周，NVIDIA发布了Nemotron 3 Ultra，华为云ModelArts Next支持15个SOTA模型的按需路由。未来，企业AI架构应“不绑定任何单一模型”。选择平台，而非模型——这才是更审慎的策略。
企业数字化主管的三点建议
本周信息量满载，但主题其实只有一个：AI已全面进入企业的核心流程，只是并非许多人想象的那种方式。
首先：不要等待“完美的人工智能解决方案”出现，而是从解决具体痛点开始。百强名单上的成功案例，没有一个是“推行全公司人工智能策略”。它们都是从特定场景出发——湖北银行从代码安全审计开始，牧原从猪群健康监测开始，首钢从热轧生产线开始。一旦取得成功，再横向扩展。这种做法远比“先制定三年人工智能计划”可靠得多。
规则二：花在数据治理上的每一块钱，都比花在AI模型上的每一块钱更有价值。IDC的提醒并非只是客套话。在我合作过的制造业公司中，数据基础扎实与否，部署同一套AI-ERP系统的成效差异可达5到10倍之多。不是AI不够好，而是数据不够好。当你的物料编码仍不一致、BOM数据仍需大量人工维护、财务科目对应仍有许多例外状况时——在这样的情况下，部署AI进行生产排程或AI预测，成效势必大打折扣。
第3条：留意NVIDIA OpenShell与华为云AgentSphere这类事物。一旦AI代理开始在企业中运行，安全治理将成为最棘手的问题。重点不在于你是否“想要管理”，而在于你是否“能够管理”——能否即时看到Agent在做什么、能否一键关闭、能否按角色设定权限。本周，NVIDIA与华为云同时推出了Agent安全运行环境。这并非巧合，而是市场通过产品告诉你：这个问题已经到了必须解决的地步。
100+ BCS入选企业 20+覆盖行业 60%+制造业企业 AI纳入ERP选型 47亿智谱半年亏损（元）
2026年6月的第一个完整星期让我感觉，人工智能已经超越了“信不信由你”的阶段，也超越了“要不要由你”的阶段。现在它进入了“如何使用、如何管理、如何计算成本”的阶段。这个阶段比拼的不再是技术能力，而是组织能力和数据能力。
这是企业数字领导者真正登上舞台的时刻。
