> **来源：[研报客](https://pc.yanbaoke.cn)** # 2026 UiPath AI与智能体自动化趋势报告 解锁地图 # 2026 UiPath AI与智能体自动化趋势报告 # 解锁地图 欢迎阅读本年度的 UiPath 趋势报告，这是我们对推动下一波 AI 与智能体自动化浪潮的关键力量进行的年度深度解析。 为了准确阐明这些趋势，我们广泛收集了来自 UiPath 自动化生态系统的观点。这个生态系统包含超过 10,000 名客户、超过 5,000 家合作伙伴，以及 300 万 UiPath 社区成员。我们还咨询了内部专家：UiPath AI 科学家、产品与软件团队、客户成功团队，以及销售和营销专家。有了这些多元视角，再加上对第三方研究与分析的广泛审阅，我们得以对 AI 与智能体自动化的发展方向，以及实现这种发展所需的条件，形成有事实依据的务实见解。 本年度趋势报告的主题是“解锁地图”。在游戏中，这个短语是指玩家通过完成任务、发现新能力，以及进入先前无法到达的区域，进而得以进入和查看隐藏地域的过程。曾被阴影笼罩、仅以轮廓示人的区域变得可见、可探索、可交互。 这正是AI与智能体自动化领域的现状。各类组织如今已能窥见这片新世界的可能性及其蕴含的机遇。数据与行动之间、试点与落地之间、初始投入与最终回报之间的边界和障碍正在消失。随着更多地图区域的解锁，企业将同时获得视野与能动性：它们将能够在全新的智能体世界中有目的地前行，将策略、数据和技术串联成推动增长的统一体系。 今年，随着企业从孤立的试验转向互联互通的管控体系，焦点将从探索转向实践。单智能体流程将让位于多智能体系统，在这种系统中，智能体、机器人和人类可以跨数据、应用程序和工作流协同工作。各类组织都找到了一条能够更快、更顺畅地实现智能体投资回报的路径，即充分汲取去年的经验教训，构建基础设施以实现规模化，并借助预构建的垂直解决方案加快进程。他们建立了强大的集中式编排与监管能力，并采取了相应措施来将数据转化为竞争优势。 2026年，各类公司将解锁发展地图，迈向智能体主导的未来。让我们携手踏上这段旅程。 # 2026 UiPath AI与智能体自动化趋势 需求催生变革。AI带来的冲击迫使各类组织大胆革新运营方式、竞争模式与工作分配机制。 AI 投资回报终现曙光。企业找到了从试点到实现价值回报的路径。 3 垂直领域腾飞。聚焦具体场景的智能体解决方案迅猛发展并取得成功。 群智之力显现。多智能体系统全面落地，彻底改善了工作流。 “指挥中心”登场。通过将编排、监管与智能体管理集中起来，企业将控制力提升至全新水平。 6 防护机制全面升级。企业果断行动，确保每个AI智能体与智能体工作流的安全性、透明度和可控性。 7 数据进入“元”时代。企业加倍投入资源，通过添加上下文、结构、实时访问和控制机制，将企业数据转化为智能体飞速发展的“燃料”。 聚焦亚太地区及日本。本特别章节将以亚太地区及日本的多元化市场为目标对象，深入剖析结构性变革、经济转型与劳动力变迁如何影响智能体自动化的发展轨迹。 # 需求催生变革 AI带来的冲击迫使各类组织大胆革新运营方式、竞争模式与工作分配机制。 事实证明，以智能体为核心的运营模式远胜于传统工作方式，因此企业亟需转型为智能体型组织。这意味着企业需要采用全新的运营体系，以便在愈发自主、互联的数字化企业中全面实现编排、监管和持续优化。 四分之三的高管预测智能体AI对职场带来的影响将远超互联网，并且 $82\%$ 的高管表示智能体AI将在18个月内为其所在行业带来巨大变革。绝大多数企业已将智能体引入运营体系，近九成受访者表示将在2026年继续追加投资。这种势头无法回避。因此，深度重塑势在必行。 虽然变革将波及领导层、人才与战略等方面，但最引人瞩目的转型领域在于重新构想支撑企业运转的技术与运营体系。人们越来越清楚地认识到，为人工工作流设计的运营模式与技术无法应对智能体环境的规模、自主性和复杂性。 企业普遍认识到这一差距：一项研究显示， $78\%$ 的高管一致认为，要想让智能体AI的效益最大化，必须围绕智能体功能打造一套全新的运营模式。3 这种全新的智能体运营模式需要全新的技术体系，用于编排、监管并持续优化智能体、机器人和人类在日益复杂的数字化生态系统中的协作。2025年，已有五分之一的企业采取了相应措施，以智能体为核心重新规划其运营模式。4在2026年，将有更多企业迎接转型挑战。 新的运营体系需要解决若干关键挑战，每项挑战都将对其支撑技术产生重大影响。 # 1) 在人类和智能体之间进行大规模工作再分配 智能体时代标志着人类劳动者与虚拟劳动力之间的劳动分工将发生根本性变革。这种变革已然发生：时至今日，在约三分之一的职业中，AI系统已承担超过四分之一的任务。这一重大变革不仅改变了员工的工作内容与所需技能，还在企业范围内重塑了工作的可视化、分配和监管方式。 技术影响：随着人类与虚拟劳动力分摊更多工作内容，能够实时监管、监控和优化自主决策的编排层变得至关重要。 # 2) 智能体进驻核心、高价值工作流和流程 AI 智能体正在拓展自动化的边界，助其进驻决策制定、风险管理等高价值判断型流程，这既创造了新的机遇，也催生了需要严格监督和控制的新风险。6 技术影响：技术必须为安全的自主性提供支持，即实现可审核、可解释且具有弹性的自动化，并引入人在回路（Human-in-the-Loop）功能。企业将需要嵌入式监督功能（例如模拟、测试和回滚），以及对合规性与准确性的持续监控机制。在这种运营体系中，可靠性和保障机制与速度和规模同样重要。 # 3) 持续适应与灵活的实时优化 由于智能体能够学习、适应和自我优化，智能体系统会不断微调运营以提升效益，而变革也将因此成为常态。这种持续演进将挑战注重稳定性与控制力的传统理念。7 技术影响：运营体系需具备模块化、可组合及自适应特性，能够流畅集成新工具、数据源和智能体功能。企业将需要模拟环境来测试潜在变化，并借助实时观测功能来追踪性能、安全性以及与业务目标的一致性。 # 4) 边界模糊化 由供应商、合作伙伴和客户组成的互连智能体网络将创造越来越多的价值。想象一下，采购智能体可直接与供应商智能体谈判，而消费者智能体可与品牌智能体互动以获取个性化服务。随着这些交互不断增加，企业的边界将逐渐融入到更广阔的数字化生态系统中。8 技术影响：运营体系需具备开放性、可互操作性和安全性，以支持智能体跨系统、供应商和云端运行。需建立共享协议、API和信任框架来管理身份、权限和数据交换。 # 前方路线图 在这个新世界中，运营体系不仅是控制中心，更是连接各个生态系统的桥梁，同时还是安全性与透明性的保障。随着智能体功能不断扩展，企业面临的问题将不再是“是否采用智能体”，而是“如何将智能体作为核心贡献者融入运营”。 企业能否成功，将取决于企业能否实施一个将自动化、监管和编排融于一体的自适应运营体系。2026年，需求必将催生变革，企业不仅会重塑其技术，还会重新定义工作完成方式本身的逻辑。 # 2026年行动纲要 搭建运营模式框架。明确人类、机器人和智能体之间的工作流，并确定所需的监管和编排。 - 确定支持功能。梳理全新运营模式所需的技术和架构。 - 制定构建策略。确定要自建还是采购，并甄选外部合作伙伴和平台。 - 着手实施。迅速行动，获取智能体优势。 # 78% 的高管一致认为，要想让智能体 AI 的效益最大化，必须打造一套全新的运营模式。 IBM 商业价值研究院，智能体 AI 的战略跃迁，2025 年。 “[赢得先机的企业]将摒弃现有运营模式，转向以自主决策能力为中心的运营体系。” IBM 商业价值研究院，智能体 AI 的战略跃迁，2025 年。 # AI 投资回报终现曙光 企业找到了从试点到实现价值回报的路径。 各类组织将以强劲势头迈入2026年，并完成一项重要任务，即运用2025年积攒的经验教训，推动智能体项目产生价值。预算持续增长，人们信心倍增，而2025年的经验也让各类组织在学习曲线上迈出了一大步。随着今年的焦点从试验转向实践，全新的智能体价值实现手册将让投资回报变得触手可及。 2025年为智能体时代奠定了基础。企业对智能体的实验近乎从零起步，但其增长势头却异常迅猛：截至年中，已有约 $65\%$ 的组织在试验或部署智能体系统。12 然而，许多组织在扩展AI部署规模方面陷入了困境。MIT的一项研究显示，仅有 $5\%$ 的公司实现了显著财务回报3，而其他研究报告则指出， $70\%$ 到 $80\%$ 的智能体计划未能拓展到企业级规模。4 5 即便如此，各类企业似乎并未放缓脚步。如今，半数高管将智能体AI列为2026年的首要AI投资项目。IDC预测，智能体AI将在2026年占据 $10\%$ 到 $15\%$ 的IT支出，并以 $31.9\%$ 的复合年均增长率于2029年增长至IT预算的 $26\%$ （约1.3万亿美元）。显然，在智能体功能成为竞争力新基石的时代，任何组织都无力承受落后于趋势的代价。 # 2026年：必须“证明价值”的一年。 尽管投资持续增长，但组织也日益关注性能和影响。例如， $80\%$ 的高管表示，董事会要求为生成式AI和智能体计划制定明确战略并取得显著的投资回报。6任务非常明确：今年，智能体计划必须证明其可扩展性、效率和业务价值。 好消息是，许多高管相信他们能够实现目标。在2025年第3季度的调查中， $73\%$ 的受访者表示其智能体计划将在一年内带来显著竞争优势， $57\%$ 的受访者预计项目会实现可衡量的投资回报。7 # 前方路线图 为攫取更多智能体价值，高管们将遵循全新的智能体价值实现手册，其中包含以下优选实践： - 关注能将痛点转变为收益的领域。聚焦可带来巨大收益的重大痛点问题，让智能体能够真正发挥作用，并通过项目的成功在企业内部形成示范效应。 - 重塑而非改良。从底层重新设计流程，以充分释放智能体的潜力。 - 有效衡量智能体价值。传统的投资回报指标可能并不适用。应专注于可衡量智能体实际影响力的指标：业务敏捷性、客户体验改善和每项事务的成本。 - 利用“智能体群”的力量。事实证明，多智能体系统（由专用智能体组成的集群）拥有强大的性能扩展能力。 - 在决定自建之前，不妨先作出明智的采购决策。预构建的、面向特定领域的智能体解决方案和可重用的工作流能以更可预测的方式，更快地实现投资回报。 • 引入编排，刻不容缓。编排可协调智能体、机器人和人类在系统与部门之间的交接。（如需了解更多信息，可参阅《智能体编排指南》。） - 掌握控制权。为每个智能体和工作流构建监督体系、可观测性及防护机制，以持续提升性能。 # 2026年行动纲要 - 专注于投资回报高的场景。可在此处了解识别方法：《智能体自动化从业者指南》。 - 目标越高，回报越大。重塑可带来巨大收益的重大痛点流程，以创造更多投资回报和更大的影响力。 - 为智能体打好成功基础。通过以下报告，了解如何最大限度地提升智能体的影响力：《在组织中充分发挥智能体自动化的潜力》。 # 73% # 的高管预测其智能体项目将在12个月内实现价值。 来源：KPMG，A/季度脉动调查，2025年第3季度。 # “不要总想着小打小闹。若专注攻克真正棘手的问题，成果可能远超预期。” Daniel Dines, UiPath CEO, FUSION大会，2025年 # 垂直领域腾飞 聚焦具体场景的智能体解决方案迅猛发展并取得成功。 今年，垂直领域智能体解决方案持续保持增长态势，覆盖了更多领域，获得了更广泛的采用。这些智能体、自动化、模型和工作流配置针对特定领域进行了优化，已经过测试且易于集成，可实现更快的部署，带来可衡量的成果，并提供可靠、有效的扩展路径。 2025年，垂直领域智能体解决方案（针对特定领域的端到端产品）开始真正崭露头角。2026年，这股势头将显著增强。到年底，垂直领域智能体解决方案将成为众多企业智能体产品组合的重要组成部分。 垂直领域解决方案之所以能实现快速增长，是因为它们能够满足企业的迫切需求，即通过智能体计划快速获取可靠投资回报。MIT的研究显示，从外部采购的或基于合作伙伴关系的AI项目取得实质性成果的可能性是内部自建项目的两倍。1预构建解决方案可降低构建成本、缩短价值实现时间并减少性能风险，为想要利用AI和自动化在生产力、恢复能力和增长方面实现突破的组织提供强大的全新选项。 解决方案之所以能够更快上线并产生显著成果，是因为它们包含部署、集成和持续生产所需的所有预构建元素与功能： - 具有预定义角色的专用智能体 - 经过优化的流程设计 - 协调智能体、人类、应用程序和系统的工作流编排 - 预定义的数据架构 - 经过微调的专用模型 - 包含规则、升级路径和审核控制措施的行业标准合规框架 - 内置监督与分析功能，以确保透明度、可审核性和进行性能跟踪 - 可集成至企业生态系统 一流的垂直领域解决方案还具备高度可配置性，例如支持企业使用自有数据和模型。工作流、决策框架与防护机制均可根据企业的监管、安全和报告标准进行调整，使企业能够将解决方案流畅集成进运营体系，同时保持合规性与控制力。 # 前方路线图 到2026年，垂直领域智能体解决方案将成为众多企业AI战略的重要组成部分。组织将缜密地结合“自建”和“采购”，利用垂直领域解决方案来加速特定流程转型。 适合引入外部解决方案的应用场景将是数据密集、需要全天候运行的流程，在这些流程中，准确性、决策速度和吞吐量至关重要。这些流程在得到改进后能带来显著的业务提升，是AI智能体能够发挥巨大影响的领域。 部分已在市场上推出的解决方案示例： - 金融服务中的贷款发放与合规 - 医疗保健中的理赔和拒赔管理 - 制造业中的供应链管理和优化 - 零售业中的库存管理、定价和商品运营优化 分析师认为，随着更多供应商和客户进入这一领域，解决方案市场虽处于早期发展阶段，但正在快速成熟。2到2026年，随着企业切身感受到垂直领域智能体解决方案带来的实际收益（加快部署速度、降低集成风险、内置合规性以及可衡量的投资回报），预计采用节奏将进一步加快。 # 2026年行动纲要 - 制定组合策略。明确对于关键流程的策略（自建还是采购），找出相比于内部自建，使用垂直领域智能体解决方案能够更可靠、更快实现投资回报的场景。 建立评估框架。随着解决方案产品不断增多，应确保制定清晰的评估标准。 # 2倍 # 外部解决方案带来可衡量成果的可能性是内部自建解决方案的两倍 来源：MIT，生成式AI分水岭：2025年AI商业化现状，2025年。 “根据行业量身定制的解决方案彻底改变了组织利用AI和自动化在生产力和业务成果方面取得突破的方式。” UiPath 首席产品官 Graham Sheldon # 群智之力显现 AI多智能体系统全面落地，彻底改善了工作流。 今年，企业关注点从构建单个智能体转向推出多智能体系统（MAS），即协同工作的智能体团队。随着组织意识到这些系统拥有更卓越的性能、能够覆盖更广泛的应用场景，这种转变正在加速。企业预计会把重心转向MAS，并投资于编排、监管和各类技能，以支持智能体集群运作。 多智能体系统（MAS）是由多个自主智能体组成的网络，这些智能体通过协作来实现共同目标。每个智能体均承担着特定角色并具备相应能力：有的负责规划，有的负责检索数据，有的负责分析，还有的负责执行。 借助并行处理、角色冗余和智能体专业化，并由管理上下文、时序和任务交接的编排层来协调活动，MAS能有效运用智能体的强大力量，让它们协同工作，执行端到端工作流。与现有的传统流程相比，这种方法可带来显着的性能提升：错误率最多可减少 $60\%$ ，执行速度提高 $40\%$ ，运营成本削减 $25\%$ 。1 MAS 还显著拓展了智能体 AI 的适用范围，可覆盖单个智能体难以应对的流程，例如需要多种专业知识、长期规划和并行步骤的工作流。一项研究显示，基于 MAS 的方法完成复杂流程的频次比单一智能体高 $70\%$ 。2 市场正加速采用多智能体系统。预计今年，走出试点阶段并进入部署阶段的企业数量将翻倍，且 $75\%$ 的组织计划在未来 18 个月内部署多智能体框架。3增长趋势将会延续：2025 年全球 MAS 市场规模约为 63 亿美元，这一数据预计将以 $45.5\%$ 的复合年均增长率增长至 2034 年。4 # 多智能体系统的应用场景 许多行业的从业者已成功将多智能体系统应用于难以自动化的复杂流程中。 <table><tr><td>行业/职能</td><td>流程</td><td>采用的关键驱动因素</td></tr><tr><td>银行与保险</td><td>KYC 登录、欺诈检测、索赔裁定、催收</td><td>合规要求严苛、冗长的多步骤工作流、对速度和准确性要求高、监管压力</td></tr><tr><td>呼叫中心</td><td>咨询分类、解决方案起草、合规/语气审核</td><td>人力成本高昂、响应时效要求高、需要在不增加人员数量的情况下提高服务容量</td></tr><tr><td>IT 与人力资源服务运营</td><td>案例分类、审批、知识检索、员工入职</td><td>重复性服务请求量大、需要降低服务成本的压力、改善员工体验的需求</td></tr><tr><td>专业服务</td><td>合同审查、审计、税务咨询、客户引导</td><td>知识密集型任务、可解释性需求、出错将为客户带来风险</td></tr><tr><td>零售与消费品</td><td>动态定价、需求预测、促销活动、客户个性化</td><td>需要形成竞争差异、利润率压力、大规模个性化需求</td></tr><tr><td>供应链与物流</td><td>订单到收款、网络重新规划、异常处理、需求/供应平衡</td><td>面对不断波动的市场,在速度、成本效益与弹性方面存在迫切需求</td></tr></table> # 前方路线图 正如许多行业先驱所发现的那样，实施多智能体系统并不只是“决定构建智能体自动化然后启动”那么简单。企业可能需要进行大量基础建设工作。 当您在 2026 年规划和启动 MAS 实施时，请牢记以下要求与行动，这些优选实践来自 UiPath 智能体自动化专家以及 UiPath 客户。 <table><tr><td>需求</td><td>操作</td></tr><tr><td>·流程智能：帮助您理解当前流程，并对新方案进行模拟与评估 ·编排：能够分配任务、跟踪状态、升级异常并管理智能体团队。 ·互操作协议：让来自不同供应商的智能体能够协作。 ·监管、安全框架和功能：用于降低风险（实现策略即代码、审核追踪、可解释性和越狱防护） ·安全与合规：框架和规则；可见性和监控能力 ·重新设计岗位和人在回路：提供结构、培训和工具，让员工能够管理智能体 ·KPI和衡量体系：适用于从事新工作的员工和智能体</td><td>·确保您在流程智能、编排和监管方面具备所需能力和技术 ·重构设计：重新审视设计流程、需求和目标 ·设置新的KPI：现有KPI（例如成本削减和速度提升）可能不足以评估智能体的真实表现；错误检测、智能体协作成功率、吞吐量和恢复能力等指标可能更有帮助 ·扩展监管体系：在扩展规模前增设新的运行时监督和模拟测试层 ·重新定义岗位并培养技能：将角色重心转向对多智能体工作流的监控、审核和优化</td></tr></table> # 2026年行动纲要 - 构建编排功能。设计一个跨工作流管理智能体协作、权限和性能的运营层。 - 内置监管体系。实施策略即代码、审核追踪和可观察性框架，以维持信任与合规。 - 保障集群安全。集成定制化网络安全功能与访问控制，以保护多智能体架构。 - 培养再培训能力。助团队培养所需的新技能，以便管理由人类与智能体组成的混合型生态系统。 # 45% # 在扩展AI智能体应用规模的组织中，有 $45\%$ 正在试点或扩展多智能体系统 来源：凯捷管理顾问公司，利用AI的价值：释放可扩展的优势，2025年。 # “若监管没有同步演进，从单智能体系统转向多智能体系统时，风险会急剧上升。” Reid Slackman, Virtue Consultants CEO, 哈佛商业评论, 2025 年 6 月。 # “指挥中心”登场 组织通过将编排、监管与智能体管理集中化，来掌控智能体运营。 随着智能体自动化扩展至其核心流程，企业需迅速建立运营基础架构，以统一监督、合规、控制和编排。 人们越来越清楚地认识到，组织采用各种形式AI的速度，已超过其监管、管理和编排能力的建设速度。来看一组数据：一项研究显示，近 $75\%$ 的受访者已将AI整合到核心运营中，但只有三分之一的受访者已建立成熟的监管控制机制。12026年，仍会有四分之三的组织处于构建框架的阶段。2 就智能体 AI 而言，监管差距可能更为显著：Everest Group 估计，只有约 $1\%$ 的公司拥有成熟的管理基础架构，能够有效编排和监管智能体。3 这是一种重大差距，且随着组织部署更多智能体并赋予其更广泛流程的访问权限，这种差距将继续扩大。采用多智能体系统（MAS）进一步增加了复杂性，因为这些系统需要精密的编排能力，以便跨系统、数据和工作流引导、集成并监控高度自主的智能体。 随着组织努力弥合监管差距，他们会清楚地认识到，传统的监督模型和方法（人工审核、分散控制和事后审计）无法提供智能体环境所需的持续、嵌入式可见性与实时控制。因此，众多组织正在建立一个新的运营层，即智能体指挥中心，以集中并集成监管、控制与编排。 # 了解智能体指挥中心 作为企业级控制平面，智能体指挥中心可将责任机制和响应能力嵌入日常运营，汇集在企业范围内监控、控制和协调智能体运营所需的工具、数据与监督功能。 核心特性包括: - 集中式编排。跨工作流和企业系统协调智能体、机器人和人员。 - 内置监管能力。策略即代码、职责分离和基于角色的访问权限均内嵌于运行时。 - 可观察性和恢复能力。包含端到端追踪、成本核算、故障转移机制，以及用于测试智能体计划的模拟沙盒。 - 规模较大时仍能保持灵活性。企业能够在保持监督的同时引入LLM和区域模型、第三方智能体以及合成数据集。 # 指挥中心内有什么？ 智能体指挥中心整合了一系列能力，以确保全面监管和编排智能体运营。 <table><tr><td>组件</td><td>目的</td><td>功能</td></tr><tr><td>编排与工作流引擎</td><td>确保智能体任务在跨领域场景下能够实现连贯排序、路由和协同</td><td>任务路由、动态链路、重试/回退逻辑、依赖关系解析、调度</td></tr><tr><td>监管与策略层</td><td>嵌入防护机制、合规要求和领域约束</td><td>策略即代码执行、数据访问控制、基于角色的约束、防护机制、规则版本管理</td></tr><tr><td>可观察性与审核/可追踪性</td><td>提供决策、行为及性能透明度</td><td>日志记录、指标、可解释性、取证可追踪性、异常检测</td></tr><tr><td>生命周期和变更管理</td><td>控制智能体的创建、部署、更新和停用</td><td>版本管理、测试/沙盒、回滚、仿真环境</td></tr><tr><td>集成与可扩展性结构</td><td>实现与外部模型、系统和数据的连接</td><td>适配器模块、插件、模型连接器、API网关、数据管道</td></tr></table> # 前方路线图 2026年，各类组织将投入大量时间、精力与资金，确保智能体运营具备所需的监管框架和基础架构，以便安全、有效地扩展规模。在2026年及以后，集中式方法将会持续受到更多企业采用。分析师预测，到2028年，在部署多智能体和多LLM系统的组织中，将有 $70\%$ 使用集中式编排平台。5 # 2026年行动纲要 - 集中化控制。从使用分散的分布式工具转向建立集中化的集成控制层，以统一所有智能体运营的监督、监管和编排。 # 70% # 到2028年，在部署多智能体和多LLM系统的公司中，将有 $70\%$ 使用集中式编排平台 来源：Gartner，2025年主要战略技术趋势：智能体AI，2024年。 # “具有高影响力的企业级 AI 智能体部署的独特之处在于，它从众多孤立试点转向了产业升级编排和监管。” 麦肯锡，把握智能体AI优势，2025年6月。 # 防护机制全面升级 企业果断行动，确保每个AI智能体与智能体工作流的安全性、透明度和可控性。 随着智能体获得真正的自主性（访问数据、制定决策和执行操作），其安全风险也会随之攀升。2026年，企业将从试验转向实施，并在智能体堆栈的每个层级中融入“通过设计构建信任”原则。从监管即代码、人在回路工作流到实时可观察性，各类组织都在引入控制系统，以确保智能体安全、合规，且能高效运行。 要大规模使用 AI 智能体，企业要确保它们不仅功能强大，还值得信赖。这意味着必须构建相应系统，以确保整个流程（从编写第一行代码到最后的工作流交接）的安全性、透明度与可控性的。 应对这一挑战已成为企业的首要任务。 $96\%$ 的IT与安全负责人认为AI智能体是亟须处理的新兴风险，且 $92\%$ 的人认同监管智能体至关重要。然而仅有不到半数的（ $44\%$ ）企业制定了正式政策。1 为确保智能体始终“正确行事”，企业应直接在智能体中内置指导原则和防护机制，将策略、权限和审批逻辑作为智能体设计和运行的一部分固化下来。2 这种方法基于安全设计、隐私设计和 DevSecOps 等存在已久的软件原则，只是对它们进行了重新诠释，以使其适应智能体时代。3 2026年，将防护机制直接嵌入智能体预计会成为确保安全与控制的主流做法。这种方法将实现对整个智能体生命周期的监管：控制以代码形式执行，由人类验证，并可实时观测。各类组织还将借助日益丰富的相关技术能力，利用领先平台供应商的内置策略引擎、安全框架和编排功能，将防护措施嵌入到每个智能体的核心。4 # 支撑防护机制的技术 技术投资和创新浪潮正加速嵌入式监管在智能体生命周期中的采用。5平台供应商正在构建原生功能，让企业能更轻松地将安全、监督与控制融入智能体设计和运营。 这些技术让企业得以实践生命周期原则，将监管即代码、人工监督和可观察性转变为可配置的系统功能，而不是艰难应对各种自定义工程挑战。 科技公司正在将监管与策略功能直接嵌入产品，推出内置策略引擎、审批框架与审计控制，以实现针对生产环境中的智能体的实时监督。第三方智能体或特定领域智能体的供应商亦纷纷效仿，添加运行时监管功能，以确保智能体无论在哪个环境中运行，都能遵守企业数据政策、隐私要求和使用限制。同时，各类行业组织正在开发互操作协议，以便企业顺畅整合多家供应商的产品。6 将监管嵌入整个智能体生命周期 <table><tr><td colspan="2">设计 编码方式</td><td colspan="2">运行时 部署和约束方式</td><td colspan="2">保证 监控和改进方式</td></tr><tr><td>监管即代码</td><td>人在回路设计</td><td>最低权限访问机制;隔离机制</td><td>安全的数据原生架构</td><td>持续控制与观察</td><td>质量和对抗性测试</td></tr><tr><td>策略直接编码至智能体运行时</td><td>将人工审核融入自动化流程</td><td>智能体仅能使用必要的工具和数据</td><td>智能体运行于安全数据平面内</td><td>实时监控操作</td><td>对智能体进行压力测试和持续性对抗测试</td></tr><tr><td>可执行规则会定义智能体可访问的对象及访问时间,确保操作经过审批、行为一致,并且决策可以审核。</td><td>智能体提出建议,由人类审批,然后由智能体和机器人执行操作步骤,由此实现精确性、责任机制、监督与速度的结合。</td><td>通过分段式环境、临时凭据和限定范围的工具目录,企业可以保障敏感系统的安全,同时避免拖慢工作进度。</td><td>允许智能体自动继承掩码、权限和谐系控制。</td><td>仪表化日志、异常警示和人工紧急停止开关可提供透明度,并实现及时响应。</td><td>红队模拟演练以及对标既定行业标准的基准测试可及早揭示漏洞,并增强智能体的抗攻击能力。</td></tr><tr><td colspan="6">支持技术</td></tr><tr><td colspan="2">对监管具备感知能力的智能体构建器 支持将策略、审批和可解释性直接嵌入智能体设计 防护机制与编排框架 设置设计时和运行时配置,确保智能体行为安全,并实现主题控制和PII过滤</td><td colspan="2">智能体原生数据平台 确保智能体在运行期间能够安全访问数据和继承策略 智能体可观察性套件 提供实时监控、步骤级追踪和可回放日志,以确保合规性和响应能力 流程编排系统 跨企业系统和工作流协调智能体、人员和机器人的执行</td><td colspan="2">互操作协议 让跨不同平台或供应商运行的智能体实现安全、合规的协作 质量和对抗性测试 帮助识别漏洞并持续提升智能体性能</td></tr></table> # 前方路线图 2026年，企业将专注于规范智能体生命周期管理策略（包括审批机制、数据权限和责任归属），并将监管即代码列为首要任务。自动化、安全和数据团队将围绕共享框架协同工作，确保智能体在扩展规模时仍能保持合规性、可解释性和安全性。 保障智能体性能也将成为重点，持续的可观察性、测试和模型评估将在一开始便纳入智能体管理框架。 # 2026年行动纲要 - 设置智能体规则和权限。将指导智能体行为的规范写入代码，并实现审批流程自动化。 - 内置改进机制。建立智能体持续监控和测试体系。 - 让人员和平台保持一致。确保监管、数据和自动化工作协同推进。 # 96% # 的IT与安全负责人认为AI智能体是亟须处理的新兴风险 来源：SailPoint，AI 智能体风险攀升：扩大攻击面，2025 年。 # “如何确保没有人攻击智能体或提取不该获取的信息？安全性必须从一开始就内置其中。” Maxim Ioffe, Wesco 全球智能自动化负责人，UiPath 2025 年 FUSION 大会 # 数据进入“元”时代 企业加倍投入资源，通过添加上下文、结构、实时访问和控制机制，将企业数据转化为智能体飞速发展的“燃料”。 随着企业扩大生成式AI和智能体AI的使用规模，数据的质量、结构和上下文正在成为决定性优势。2026年，各类组织将专注于丰富和监管其数据，构建实时可信、语义丰富的系统，为AI智能体提供所需的理解能力，从而提高任务执行的准确性、可信度和可控度。 长期以来，管理企业数据对于各类组织来说既是一项重大挑战，同时也是机遇所在。随着企业扩大生成式AI和智能体AI的使用规模，这一机遇将变得更具战略意义。AI智能体和生成式AI模型需要持续获取优质可信的数据（通常需要实时获取）才能发挥最佳性能。1 在扩大智能体计划的规模时，数据质量和可用性是领导者最关心的问题。近期调查显示， $82\%$ 的高管将“组织数据质量”列为实现其生成式AI目标的最大障碍，而就在六个月前，这一比例仅为 $56\%$ 。2数据基础是否坚实，往往决定着AI计划是带来显著价值贡献，还是只能带来渐进式增益。麦肯锡的分析指出，拥有成熟数据能力的公司通过数据和分析计划获取至少 $20\%$ 息税前利润的可能性是同行的三倍。3 2026年，各类组织将投入更多精力和资金来强化数据基础，他们将重点关注以下五个领域： # 1) 赋予数据意义：元数据和知识本体 只有访问权限是不够的，智能体还需理解数据内涵。这种理解源于元数据和知识本体。元数据描述数据集：包含什么、归谁所有、可靠性如何。知识本体则更进一步，定义事物之间的关系：保单属于客户；通过理赔程序处理保单；赔付款项后关闭理赔程序。它们共同为AI系统提供了企业世界的结构化视图。 通过这些语义层丰富数据以后，AI模型的性能会显着提升。例如，某项研究表明，知识本体增强的数据可使大型语言模型的准确率从 $16\%$ 提升至 $54\%$ 。4 # 2) 为智能体提供准确的数据 AI 智能体的有效性取决于它们可获取的数据。要可靠地展开推理和行动，智能体需要访问可信且受到监管的实时信息。各类企业正在投资数据结构和现代化架构，以便通过共享监管和策略执行，将各类数据源（包括 CRM、ERP、仓库和非结构化内容）以虚拟方式连接起来。这些系统允许智能体就地查询实时数据并据此执行操作，同时自动应用谱系、权限和安全控制。2026年，会有更多组织采用受监管零拷贝架构，确保智能体始终基于最新合规数据运行。 # 3) 将监管写入代码 随着AI智能体的行动自主性变得更高，监管正在从策略转向实践，即直接嵌入数据系统之中。策略即代码使业务规则、访问权限控制和合规要求能够随数据本身迁移。系统会实时对照这些编入代码的规则，核验智能体执行的每项查询或操作，以确保安全性、透明度和可审核性。 Gartner 预测，到 2028 年， $90\%$ 的企业 AI 系统都将包含实时策略执行和可观察性框架，以保障智能体行为的可信度。5这种演进会将监管转化为安全自主性的推动力。 # 4) 借助实时上下文建立优势 AI的价值越发取决于其感知和响应速度。2026年，领先企业会扩展事件驱动型架构，这类架构可为智能体持续输送实时上下文，包括事务、传感器数据及客户操作。这类系统可为智能体提供情境感知能力，使其能够即时做出精准决策。研究人员表示，与依赖静态数据集的组织相比，结合实时数据与智能自动化的组织的决策周期可加快 $25\%$ ，错误率则降低了 $40\%$ 。6,7对于AI驱动的运营而言，实时上下文正在成为关键差异化因素，可实现即时精准执行。 # 5) 用专有数据打造“护城河” 公共数据训练可让模型理解世界；专有数据训练则能让模型理解企业。客户历史、运营遥测、服务日志等独特数据，可反映出各个组织特有的工作流、逻辑和客户互动模式。这些数据让智能体能够基于上下文采取行动，做出合规且一致的决策，预判需求，并提供大规模个性化服务。 在单个模型层面，引入专有数据已被证明可将错误率降低多达 $40 \%$ 。8在企业层面，将专有数据融入 AI 系统的组织的表现持续优于同行：一项研究发现，这类组织的税息折旧及摊销前利润要比同行高 $25 \%$ 。9 2026年，这种数据飞轮将成为真正的“护城河”：企业会将受监管的上下文数据转化为持久的智能引擎和竞争优势。 # 前方路线图 2026年将成为元数据之年，企业会为其数据构建动态的意义和控制框架。组织将通过结构、语义和监管来丰富数据，进而为AI系统提供最关键的能力：理解能力。这种理解能力是通往下一阶段（即数据原生智能体）的桥梁。这类AI栖居于数据之中，能够像其辅助的人类一样，以同等可信度根据上下文展开推理和行动。 # 2026年行动纲要 - 让数据适配智能体。连接孤立数据，并确保监管、质量和访问权限全都有保证。 - 设置上下文。用元数据、知识本体和策略即代码规则丰富数据。 - 确保专有性。识别高价值企业数据，确保其经过结构化处理、受到监管且可供实时使用。 # 393.9 ZB 到2028年，全球创建、采集、复制和消费的数据量将达到393.9 ZB 来源：IDC Global DataSphere “智能体唯有立足于正确的上下文，才能做出正确的决策。如今的企业数据杂乱无章且碎片化严重。在这些数据得到有效整理以后，智能体才能进行准确推理，并大规模交付可靠结果。” Jerry Liu, LiamalIndex 创始人兼 CEO, UiPath 2025 年 FUSION 大会 # 2026年趋势：聚焦亚太地区及日本 本特别章节将以亚太地区及日本的多元化市场为目标对象，深入剖析结构性变革、经济转型与劳动力变迁如何影响智能体自动化的发展轨迹。 # 令亚太地区及日本在全球AI版图中崛起的跨市场力量 长期以来，亚太地区及日本（APJ）一直都是AI创新的枢纽，且其势头仍在不断增强。IDC预测，从2025年到2028年，APJ地区的企业AI支出将从900亿美元增长到1,760亿美元，接近翻倍<sup>1</sup>。 其中很大一部分资金将投入智能体AI。事实上，APJ地区约 $40\%$ 的企业已在使用AI智能体，另有超过 $50\%$ 的企业计划在2026年之前部署AI智能体²。 在本特别报告中，我们将探讨APJ地区在全球AI格局中的独特角色，并剖析该地区崛起为全球AI发射台的重要推动因素。我们还将讨论智能体时代会如何塑造企业与更广泛的劳动力。 # APJ地区崛起为全球AI发射台 2026年，APJ地区有望向全球输出突破性AI创新成果，表明该地区在全球科技版图中的角色走向成熟。这意味着该地区将从全球解决方案的主要采用者，转型为技术开发者和输出者。 APJ地区在全球AI格局中的崛起要归功于其多元化市场的集体优势： - 印度：拥有庞大的开发者群体和全球能力中心 (GCC) - 日本：以严谨的监管体系见长 ·大中华地区：拥有强大的基础设施 - 澳大利亚：注重实际应用 - 东南亚：以敏捷性著称 依托庞大的开发者群体和不断扩大的全球能力中心（GCC）网络（包含超过1,950个GCC），印度正在逐步确立起全球研发引擎的地位3。过去，GCC只是后台流程的支持中心，但它们现在正在转变为推动创新、研究和数字化转型的战略枢纽。如今，众多GCC负责打造并输出全球AI解决方案，进一步巩固了印度在全球科技格局中的关键地位。 # “如今的 GCC 可以处理组织价值链中更为复杂的业务项目。它们已成为卓越运营、产品开发、创新、战略和业务转型的中心。” 仲量联行，2025年GCC办公指南，2025年。 在东南亚，新加坡、越南和印度尼西亚等地的敏捷初创生态系统正在成为 AI 优先应用的现实试验场。这种快节奏的动态环境正在推动快速创新，并通过 AI 驱动的解决方案重塑各种产业。澳大利亚亦呈现类似态势，该国已发展为跨行业开发和扩展 AI 解决方案的重要试验场。 与此同时，中国大陆在AI专利方面的领导地位、中国台湾地区在半导体芯片领域的主导地位，以及日本先进的研发基础设施，正在为全球创新奠定坚实基础。这些老牌科技高地带来了推动AI技术实现突破所需的深厚专业能力与资源。 # AI投资需要带来可衡量的回报 APJ地区的组织正在加大AI投资，超过 $50\%$ 的企业正在重新分配其他领域的资金，以加倍 投资于AI技术4。在计划于未来两年内投资AI智能体的企业中，近三分之一（29%）已制定投资计划5。这是一项经过深思熟虑的战略决策，旨在减少对传统项目的投资，以便为未来的增长筹措资金。 但组织也期待 AI 能够带来可衡量的切实成果，以确保其能够在竞争日益激烈的未来占得一席之地。在 APJ 地区，高管普遍希望 AI 项目能在部署后的 12 到 18 个月内带来 2 到 4 倍的投资回报<sup>6</sup>。这就要求 AI 项目生命周期的每一步都变得更严谨、更可追责。 因此，AI和自动化专业人士如今要求企业采用的技术必须配备强大的解决方案，用于追踪和衡量AI项目的成效。 AI实施者期望企业采用的技术能够具备相关功能，使AI和自动化程序能够与关键业务目标保持一致，以便展示投资回报、充分兑现投资收益，并满足董事会层面的审查要求。 # 从降本到增收：AI对业务的影响力持续扩大 目前，AI在企业中扮演的角色已经发生转变。第一波AI浪潮完全着眼于降本增效，通过实现后台流程自动化来降低成本。然而，能够自主推理、规划和执行复杂工作流的AI智能体的问世，为AI应用开辟了全新的可能性。目前，APJ地区的组织正要求将AI从提高效率的工具升级为业务增长的核心驱动力。 企业正将AI用作增长引擎，以开辟新的收入来源。例如，APJ地区的金融服务公司希望利用智能体AI来简化贷款处理和理赔验证。这让员工可以腾出时间专注于处理复杂案例，探索交叉销售和追加销售机会，以及为客户提供个性化服务。 随着以人为本的医疗保健需求持续增长，Gold Coast Health 发现了运用 AI 优化临床及行政管理工作流的机会。这为其数字化转型战略提供了支持，该战略旨在提高效率，改善对关键信息的授权访问，并让医疗保健专业人员能够将更多时间用在患者身上。 “医疗保健体系常因服务需求增多、人口老龄化以及患者护理工作日趋复杂而面临资源短缺的困境。通过使用AI来实现重复性行政任务的自动化，我们的医疗服务能够‘连接原本无法连接的部分’，从而提高运营效率、更合理地分配资源，最终改善患者的治疗效果。” Kirsten Hinze, Gold Coast Health 数字体验高级总监 另外，日本、韩国和中国的制造企业也正在快速采取措施，将智能体AI用于库存管理和动态生产调度。这打造了能够即时响应市场需求的敏捷供应链，并为按需制造带来了全新可能性。 # 通过编排实现企业级AI的规模化应用 与全球其他地区一样，APJ地区的组织也认识到了编排对于实现真正投资回报的重要性。 他们深知，编排可以连接原本孤立的工作流，让企业能够跨端到端智能体工作流和系统协调、控制和优化AI智能体、RPA机器人与人类员工的工作。这种统一的方法可实现人类、智能体与机器人之间的无缝协作，从而推动情境化决策的制定，并实现对动态业务环境的灵活响应。 “试着将您的业务流程想象成一支交响乐队。纵使您拥有出色的乐手，即 AI 智能体、机器人和人类团队，但如果没有指挥，乐队只会制造噪音。智能体编排就像那位指挥：它可无缝编排 AI 智能体、机器人和人类的在整个流程中的工作，将彼此孤立的任务转化为协调一致的工作流。” Tomur Ho, UiPath 南亚工程总监 以医疗保健组织收入周期管理领域的全球领导者 Omega Healthcare 为例。通过 UiPath，Omega Healthcare 将 AI 智能体、RPA 机器人与人工监督有机结合起来，编排应收账款通信、拒付管理、工单处理和电子汇款通知（ERA）付款入账等流程。 “借助 UiPath 对智能体、机器人和人工操作进行端到端编排后，我们能够以更快的速度、更高的准确性和更低的成本处理拒付和贷方余额。由此，我们得以提高清洁索赔率 [CCR]、加快赔偿速度、缩短应收账款周转天数 [DSO]，以及获得更稳健的息税摊销前利润，这些收益会直接惠及我们的客户。” Vijayashree Natarajan, Omega Healthcare 首席技术官 # 信任决定AI的发展轨迹 随着 APJ 地区的企业加速采用智能体 AI，他们逐渐意识到，数据监管、可解释性（理解 AI 系统的操作和决策）、安全性和合规性，与技术本身同样重要。若缺乏坚实的信任基础，扩展 AI 应用规模就无从谈起。 “企业不仅需要AI智能体，还需要值得信赖的企业级智能体。AI智能体必须在清晰的防护机制内运作，这样企业才能享受智能体自动化带来的优势，同时确保合规并规避不可预测的结果。这种信任基础至关重要，有助于企业扩展试点项目，进而在整个企业范围内实现实际部署。” Deb Deep Sengupta, UiPath 南亚区域副总裁 我们了解到，APJ地区的公共部门正在推动建立相关框架，使组织能够以负责任的方式扩大AI创新和采用规模。日本的《AI促进法》采取了“创新优先”的监管方针，旨在促进AI技术在日本的研发与应用7。澳大利亚的《自愿性AI安全标准》可在高风险场景下为AI的使用保驾护航，但又不会阻碍AI在低风险应用中的部署8。在东南亚，《东盟AI治理与伦理指南》确立了可信赖AI的通用原则，并重点介绍了该地区的组织实施可信赖AI的优选实践9。 推动合乎道德的 AI 应用的背后，是各个政府对于在多个领域采用 AI 的大力支持，这些领域包括人才培养、基础设施建设和科研。例如，新加坡的《国家人工智能战略 2.0》重点关注培育人才、促进 AI 产业蓬勃发展，以及依托全球领先的基础设施和科研实力为 AI 产业的持续发展提供支撑10。 # 欢迎来到智能体劳动力的时代 智能体 AI 的兴起正在引发全球劳动力市场自计算机时代以来最深刻的变革之一。世界经济论坛的《未来就业报告》显示， $86\%$ 的受访雇主预计，到 2030 年，AI 和信息处理技术将为其业务带来变革<sup>11</sup>。 通过在人类、AI 智能体和机器人之间重新分配任务，智能体 AI 正在从根本上改变工作完成的方式。简而言之，我们未来的同事不会全都是人类。 在未来的职场中，角色将被重新定义：AI智能体负责思考，机器人负责执行，人类负责领导。这意味着AI智能体负责实时解读数据并做出决策，而传统机器人则负责自动处理基于规则的重复性任务。2026年，劳动力模式将从“human-in-the-loop”（每个决策都需要人工验证）转变为“human-on-the-loop”（人类承担更高层级的监控与监督职责）。 未来职场需要全新的技能组合。到2030年，在AI的影响下，大多数岗位所需技能中有 $70\%$ 将发生根本性变化12。这一重大转变已在APJ地区显现：在澳大利亚，需要AI相关技能的职位招聘数量从2010年的2,000个激增至2024年的23,000个13。在香港，AI相关职位招聘同样呈现出显著增长态势，其占比在2023年至2024年间从 $1.6\%$ 攀升至 $1.9\%^{14}$ 。着眼未来，日本预计到2040年将需要约498万名AI和机器人技术领域的专业人才，这表明职场对于具有此类技能的人才的需求十分巨大15。 对于 APJ 地区的工作者而言，局势已十分明朗：AI 和自动化素养正在迅速成为职业必修课。他们必须主动寻求培训和教育机会，掌握所需技能，方能在全新的职业道路上大展身手，并在其岗位上保持竞争力。雇主也必须提供提升技能的机会。 “智能体 AI 的价值不仅在于实现任务自动化或提高效率。通过自主运行并处理复杂的工作流，AI 智能体让人类能够专注于监督、制定策略和创造性地解决问题。这种转变还改变了角色定义和团队协作方式，帮助组织释放新的价值，打造出让员工能够以更有意义的方式参与并带来实际影响的工作场所。” Koichi Hasegawa, UiPath 日本公司 CEO 兼董事长 # 结语 2026年，APJ地区将迎来具有决定性意义的双重转变，这将为其在全球AI格局中的崛起奠定基础。 整个 APJ 地区正在从零散试点和技术 POC 转向价值驱动型一体化解决方案的落地实施，以实现实质性业务成果。然而，要成功充分发挥 AI 的潜力，需要做到以下三点：其一，部署编排机制，以便端到端协调智能体、人类和机器人的行动； 其二，建立健全的监管体系，以确保可信度与合规性；其三，开展技能提升培训，让员工为智能体时代做好准备。 在全球舞台上，APJ地区正在从单纯的全球技术消费者迅速转变为积极的开发者。在大规模AI投资、庞大的区域人才储备和快速提升的技术成熟度的推动下，APJ地区不仅会顺应智能体时代的发展，还将积极引领时代步伐。 # 趋势1 # 需求催生变革。 1. 普华永道，AI智能体调查，2025年。 2. 同上。 3. Gartner*, 主要战略技术趋势, 2025 年。 4. IBM 商业价值研究院，智能体 AI 的战略跃迁，2025 年。 5. 斯坦福数字经济实验室，AI智能体与未来工作，2025年。 6. IDC，数字化业务的未来，2025年。 7. Everest Group，智能体自动化从业者指南，2025年。 8. 麦肯锡，把握智能体AI优势，2025年。 # 趋势4 # 群智之力显现。 1. Everest Group，智能体自动化从业者指南，2025年8月。 2. 同上。 3. 普华永道，AI 智能体调查，2025 年 5 月。 4. Gartner*, 新兴颠覆性技术, 2025 年 8 月。 # 趋势2 # AI投资回报终现曙光。 1. 普华永道，AI智能体调查，2025年5月。 2. 麦肯锡，把握智能体AI优势：CEO行动手册，2025年6月。 3. MIT 斯隆管理评论，2025年AI现状，2025年10月。 4. 埃森哲，AI规模化领跑者指南，2025年。 5. 威普罗，2025年Data4AI现状报告，2025年。 6. KPMG, 2025 年第 3 季度高管脉动调查: 生成式 AI 战略与投资趋势, 2025 年。 7. IDC 新闻稿，“智能体 AI 将在未来五年内主导 IT 预算增长”，2025 年 8 月 26 日。 # 趋势5 # “指挥中心”登场。 1. 麦肯锡，AI现状：组织如何重构价值捕获体系，2025年3月。 2. 普华永道，AI智能体调查，2025年5月。 3. Everest Group, 智能体自动化从业者指南, 2025 年 8 月。 4. Gartner*, 2025年预测: 智能体扩张带来的AI风险和安全隐患, 2024年10月。 5. Gartner*, 2025年主要战略技术趋势：智能体AI, 2024年10月。 # 趋势3 # 垂直领域腾飞。 1. Everest Group，创新观察：智能体AI产品，2025年。 2. 麻省理工学院，生成式AI分水岭：AI商业化现状，2025年。 # 趋势6 # 防护机制全面升级。 1. 普华永道，AI智能体调查，2025年5月。 2. Everest Group, 智能体自动化从业者指南, 2025 年 8 月。 3. Gartner*, 2025年预测：智能体扩张带来的AI风险和安全隐患，2024年10月。 4. Gartner*, 2025年主要战略技术趋势: 智能体 AI, 2024 年 10 月。 5. IDC，2025至2029年全球AI与自动化基础设施预测，2025年1月。 6. 麦肯锡，把握智能体AI优势，2025年6月。 # 趋势7 # 数据进入“元”时代。 1. 麦肯锡，把握智能体AI优势，2025年。 2. KPMG，2025年第3季度高管脉动调查：生成式AI战略与投资趋势，2025年。 3. 麦肯锡，AI在保险行业的未来，2025年。 4. Kayali、Moe 等人，“关注数据鸿沟：连接 LLM 与企业数据集成”，arXiv 预印本，2025 年。 5. Gartner*, 2025年主要战略技术趋势：智能体AI,2025年。 6. 麦肯锡，同前注 1。 7. 麦肯锡，同前注 3。 8. 麦肯锡，同前注 1。 9. 麦肯锡，同前注 3。 # 特刊 # 聚焦亚太地区及日本 1. UiPath 委托 IDC 撰写的信息简报，智能体自动化：助力现代企业实现无缝编排，2025年9月。（报告可在此处获取。） 2. 同上。 3. 同上。 4. 仲量联行，2025年GCC办公指南，2025年。 5. IDC, 同前注 1。 6. 同上。 7. 未来隐私论坛，解读日本的《AI促进法》：“创新优先”的AI监管蓝图，2025年7月。 8. 澳大利亚联邦政府工业科学资源部，《自愿性AI安全标准》，2024年9月。 9. 东盟，《东盟AI治理与伦理指南》，2024年2月。 10. 《海峡时报》，“副总理黄循财表示，作为国家战略更新的一部分，新加坡拟将AI人才储备数量增加至原来的3倍，达到15,000人”，2023年12月。 11. 世界经济论坛，《2025年未来就业报告》，2025年1月。 12. LinkedIn，工作变革报告，2025年1月。 13. 普华永道, 2025 年全球 AI 就业晴雨表 (澳大利亚), 2025 年 6 月。 14. 普华永道，2025年全球AI就业晴雨表（香港），2025年6月。 15. 新华网，“日本预计到2040年，将在AI、机器人技术领域面临326万劳动力短缺”，2025年5月。