3 月 13 日，联想集团联合 IDC 发布了《企业 CIO 行动指南（2026）》（以下简称《指南》）。联想委托 IDC 开展定制化研究，对国内 620 名政企机构 IT 和业务决策者展开调研。《指南》以该研究为基础，旨在洞悉中国范围内 AI 在千行百业中的发展进程，聚焦 CIO 群体及其它 IT 领域核心决策参与者如何认知以企业智能体为代表的 AI 技术，以及对这些技术的需求，具体包含应用场景、落地挑战、价值期待、需求优先级等，以及应对未来行业环境变化的举措与相对应的策略规划。
《指南》揭示了 AI 正从辅助性的 " 成本中心 " 向驱动增长的 " 价值引擎 " 加速演进。我们总结了其揭示的六大核心趋势与行动要点，为 CIO 规划未来战略提供了清晰路线图。
核心发现一：价值引领，AI 从 " 试点 " 走向 " 全场景规模化扩张 "
企业 AI 的应用已跨越探索期，进入规模化扩张与价值深挖阶段。
应用跨越式增长：高达 72% 的企业已完成智能体试点并投入正式使用，仅 8% 的企业尚未有任何应用。企业平均已在 3.5 个场景部署智能体，并计划在 2026 年扩展至 6.7 个场景。
价值诉求转变：" 驱动主营增长 "（67%）已成为企业应用智能体的首要动因，超越了 " 降本提效 "（59%）。这表明 AI 的战略定位已从提升效率工具，升级为直接创造营收与利润的增长引擎。
挑战重心转移：企业面临的主要挑战已从 2024 年的 " 缺乏算力、数据 " 等技术底座问题，转变为 " 应用效果不达预期 "、" 缺少成熟流程方法论 " 和 "ROI 不明确 " 等业务价值验证与流程变革问题。这标志着 AI 落地进入 " 深水区 "。
核心发现二：部署模式转向 " 混合均衡 "，算力自主与安全成关键
为满足核心业务需求，企业对 AI 算力的部署策略趋于审慎与多元化。
私有化与混合部署成为主流：企业 AI 算力中，公有云占比下降 14 个百分点，而私有云、本地及端边侧部署的总占比从 54% 提升至 69%。数据安全、算力自主和低时延场景需求是主要驱动因素。
异构算力普及与平台应用存在鸿沟：高达 85% 的企业已使用多元异构算力（如不同品牌 CPU/GPU 混合），但算力统一管理调度平台的采纳率仅为 32%，存在显著 " 管理鸿沟 "，可能成为规模化瓶颈。
基础设施需求升级：企业对 AI 基础设施的需求，前三名分别是：提供综合硬件软件及运维的一体化解决方案、支持智能运维（如自动故障预测） 以及高性价比。这反映了企业希望降低运维复杂度、提升投资回报的迫切需求。
核心发现三：组织与人才战略—— " 自上而下 " 驱动与 " 复合型人才 " 争夺
AI 的成功落地日益依赖顶层战略与新型人才体系。
评估要素变化：在启动智能体项目前，企业首要评估的不再是费用，而是 " 组织自身的技术能力 "（58%），其次是投资回报率（ROI）。
推动力量转变：AI 项目的核心推动部门，正从传统 IT 部门主导，转向 " 管理层 "（占比最高）与 " 外部合作伙伴 " 更为重要的新模式，强调战略驱动与生态协同。
人才竞争白热化：63% 的企业计划在 2026 年招募 "AI+ 行业 " 跨界复合型专家，市场对兼具技术、业务和合规知识的 " 三栖 " 人才需求激增。同时，50% 的企业计划招募 AI 合规治理专家，凸显治理能力建设的核心地位。
核心发现四：落地策略——联合共创成为主流，青睐全栈式 " 陪跑 " 伙伴
企业普遍摒弃 " 闭门造车 "，转向开放协同的落地模式。
联合开发是首选：在智能体应用、模型平台、数据知识平台、安全治理等五大核心环节中，选择 " 与服务商联合开发 " 模式的企业比例均超过 60%。这体现了企业需要技术伙伴全程 " 陪跑 "，共同解决场景适配与持续优化问题。
服务商选择标准：企业在选择供应商时，最看重的两大能力是：提供全栈式解决方案（覆盖终端、基础设施、混合云到开发运维，占比 52%）和 提供多种模型选择（模型集市）（占比 53%）。这要求服务商具备深厚的技术整合与生态聚合能力。
全周期服务受青睐：企业对 AI 算力服务（42%）、智能体运维服务（38%）和智能体运营服务（34%）的需求突出，表明企业需要的是覆盖咨询、设计、开发、部署到持续运维的全生命周期支持。
核心发现五：前瞻概念—— " 企业超级智能体 " 认知起量，但落地尚早
《指南》提出了 " 企业超级智能体 " 概念，定义为：以智能体形态独立存在及嵌入服务对象全旅程触点的企业统一门户，是企业的总代表（企业双胞胎），通过调度企业内部领域智能体网络、企业知识库等为服务对象提供全旅程服务，具备感知与交互、认知与决策、自主与演进功能，贯穿这三大功能的基座的是数据安全和隐私保护。
这一概念已经开始在市场上引起关注，但整体认同度和实际需求仍处于较低水平。
认知度较高，认同度与需求待提升：虽然 61% 的企业知晓该概念，但完全认同其价值的企业仅占 30%，有明确需求并计划部署的仅占 14%。
主要顾虑：企业普遍认为其与当前业务场景契合度不高、需要对 IT 架构进行重大重构、且面临法律责任与权限安全等未知风险，因此态度较为保守。
核心发现六：分行业洞察——制造业、金融业领跑，场景深化各有侧重
不同行业的 AI 应用呈现出差异化路径：
制造业：聚焦 "OT 与 IT 融合 "，63% 的企业已正式部署，核心场景为产线质检、预测性维护、物流仓储，旨在实现数据驱动的智能制造。
金融业：注重 " 认知与合规 "，在智能客服、风险管理、智能投顾等场景深化，同时受强监管驱动，私有化及本地部署比例将在 2026 年达 70%。
政府：侧重 " 服务与治理 "，智能体在对内提效、政务服务、政务宣传等场景快速渗透，旨在实现数据驱动的现代化治理。
教育、医疗、流通等行业也在智慧校园、辅助诊疗、精准营销等场景加速探索，并面临数据隐私、算法公平、系统集成等特有挑战。
总结：给 CIO 的 2026 年行动建议
《指南》最终为 CIO 提炼出六大行动指南：
价值突破：从 " 工具赋能 " 转向 " 价值链重构 "，聚焦高价值核心场景，建立价值闭环管理。
构建新型 AI 底座：采用兼顾安全、弹性与智能运维的混合 AI 架构。
深化人才体系：" 内生培养 " 与 " 外部引进 " 双轮驱动，打造复合型 AI 团队。
树立 "AI 养成系 " 思维：将 AI 视为可持续学习、进化的有机体，而非静态工具。
AI治理前置：构建 "AI-Ready" 知识体系，将安全、合规、伦理嵌入全生命周期。
外向型共创：借力具备全栈能力和全周期服务的 " 陪跑 " 型生态伙伴，加速落地。
这份指南清晰地指出，2026 年企业 AI 竞赛的胜负手，将取决于能否以业务价值为核心，构建一个技术底座稳固、组织人才适配、生态协同紧密的体系化能力，从而真正将 AI 的潜力转化为可持续的竞争优势。
来源：钛媒体
