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。
Looking at these two events on the same day, the landscape of China's AI in June 2026 becomes clear: the application layer is burning hot, while the capital layer is still bleeding.
百大排行榜的四個賽道實際上揭示了什麼
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。
此列表分為四個部分，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”。
首鋼的熱軋生產AI代理運行在真實的生產線上，京東方利用代理管理資料庫操作，中山市政務服務和資料管理局則在政府外網上使用代理進行安全操作——這些都不是PPT專案。
If the theme of enterprise AI in 2024 was "can it be used," and in 2025 it was "should it be used," then by June 2026, the theme has shifted: how to use it safely, how to scale it, and how to continuously iterate.
IDC潑冷水：在ERP選型中，先看數據，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。
Yonyou has taken the top spot in the AI-ERP market. Over 60% of mid-sized manufacturing enterprises have already incorporated AI capabilities into their core criteria for ERP selection. The three scenarios of finance, supply chain, and production scheduling have already yielded quantifiable return data.
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%。
這些數據看起來令人振奮。然而，IDC在報告中說了一些許多人可能忽略的話：先評估自身數據基礎的扎實程度，再根據業務痛點確定AI-ERP的切入模組，並在選型時讓系統運行真實業務數據進行驗證。
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+行業，四大賽道全覆蓋
· 京東方/首鋼/牧原等已進入生產階段
· AIER眼科医院的17名数字员工将效率提升了8倍
· 硬體工廠庫存周轉率減半，釋出200萬
· 華為雲 850 萬開發者，5 萬+合作夥伴
AI 落地的「冰」
· IDC 提醒：先看數據基礎，再看 AI
· 智譜虧損47億，市值6300億
· 大型模型公司普遍不盈利
· 企業資料治理仍是最大的瓶頸
· 60%以上的制造企业选择AI-ERP，但在POC验证方面仍有差距
智譜IPO虧損47億，大模型賽道怎麼了
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。
但翻開其招股書可見：上半年營收快速增長，卻錄得47億元虧損，市值約6300億元。這種「虧47億、值6300億」的組合，在傳統行業難以想像。然而，大模型賽道如今遵循另一套估值邏輯：不看當下盈利，而看技術代際差與生態位。
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。
企業數位化主管的三點建議
本週資訊量滿載，但主題其實只有一個：AI已全面進入企業的核心流程，只是並非許多人想像的那種方式。
首先：不要等待「完美的人工智慧解決方案」出現，而是從解決具體痛點開始。百強名單上的成功案例，沒有一個是「推行全公司人工智慧策略」。它們都是從特定場景出發——湖北銀行從程式碼安全審計開始，牧原從豬群健康監測開始，首鋼從熱軋生產線開始。一旦取得成功，再橫向擴展。這種做法遠比「先制定三年人工智慧計畫」可靠得多。
規則二：花在資料治理上的每一塊錢，都比花在AI模型上的每一塊錢更有價值。IDC的提醒並非只是客套話。在我合作過的製造業公司中，資料基礎扎實與否，部署同一套AI-ERP系統的成效差異可達5到10倍之多。不是AI不夠好，而是資料不夠好。當你的物料編碼仍不一致、BOM資料仍需大量人工維護、財務科目對應仍有許多例外狀況時——在這樣的情況下，部署AI進行生產排程或AI預測，成效勢必大打折扣。
第3條：留意NVIDIA OpenShell與華為雲AgentSphere這類事物。一旦AI代理開始在企業中運行，安全治理將成為最棘手的問題。重點不在於你是否「想要管理」，而在於你是否「能夠管理」——能否即時看到Agent在做什麼、能否一鍵關閉、能否按角色設定權限。本週，NVIDIA與華為雲同時推出了Agent安全運行環境。這並非巧合，而是市場透過產品告訴你：這個問題已經到了必須解決的地步。
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。
這是企業數位領導者真正登上舞台的時刻。
