ShangcanTech® 2027
中国企业十大数智化趋势
发布日期：2026年12月
北京尚参科技有限公司
中国首家具有国际化视野的第三方数字化研究顾问机构
概览
主要判断：
AOS 把人、数字员工、业务系统、AI 平台统一调度，企业 IT 从记录数据转向调度作业。
本地大模型 因数据主权、合规和成本常驻企业，是 AOS 的算力底座。
本体 进入运行时，给智能体长记忆、让系统间语义互通。
智能应用 的主要工作量是把在用系统改成 AI 原生，不是新建独立应用。
自研智能体 在专有流程上自建、通用能力外购，先划清买与建的边界。
AI 治理 随法规生效成为内设职能，规则编码进系统而非事后补文档。
AI 攻防 成为安全运营核心，攻击成本下降更快，防御必须 AI 对 AI。
AI 普惠 靠推理价格两三年降七到九成，让一线低门槛解决真问题。
设计加涌现 替代预测规划：设计初始条件、用试验探方向、放大有效结果。
物理 AI 让机器人从量产走向进厂干活，但产量与真实出货仍有温差。
十大趋势关系总图
图：十大趋势分层关系——⑨ 方法贯穿，底座先行，逐层向下落地
引言
数字化和数智化不是换了个名字。
数字化做的是把业务变成数据和流程：订单录进系统、审批走线上、报表自动生成，记录和搬运的主体仍是人。数智化进了一步：让数据和智能直接参与生产和决策，系统不只记录发生了什么，还能判断该做什么、并动手做完。前者把活儿搬到机器上留痕，后者把活儿本身交给机器与人协同完成。
这条线走了三年。2024 年是认知拐点，企业第一次认真讨论人与智能如何协同；2025 年概念降温、资金回到能落地的场景；2026 年底座和组织被搭起来，本地模型、本体、操作系统就位。2027 年的位置因此清楚：从建能力转向见结果，前期铺的底座要在真实业务里交出账算得清的成效。
支撑这些判断的，是行业大数据和尚参自己的研究模型——成熟度模型、本体工程方法、AI 原生组织的一线实践。这不是一份企业问卷调研的结论，尚参没有以回收样本的名义说话；每条判断尽量对应可溯源的公开事实，证据不足处直接写明，不用估算填满。
需要先交代的一个立场：今年十条不是平铺并列，有一条主线。底座先行（AOS、本地模型、本体），应用随之（改造系统、自研智能体），规模化靠制度和人保障（治理、攻防、普惠），最后向物理世界延伸。战略方法（设计加涌现）贯穿始终。读单条可以各自成立，连起来看是一套有先后的行动顺序。
趋势一：AOS，把人和数字员工放进同一张作业表
营销部门跑三四个智能体，客服再跑五六个，互相不认识，重复调同一批接口。CIO 第一次要回答一个新问题：这些东西归谁管，出了错找谁。
ERP 接不住，智能体平台也接不住。ERP 记业务状态，不管活儿派给谁；智能体平台管单个智能体怎么跑，不管一屋子人和机器的作业怎么排。中间空出来的这层，就是 AOS。
调度这一层，和记录那一层
图：1 趋势一：AOS，把人和数字员工放进同一张作业表
定义一句话：在企业规则和语义本体约束下，把人、数字员工、业务系统、AI 平台接起来的作业调度系统，运行中自己更新。
四样东西拼起来才算数：治理原则、业务组织方式、数字员工体系、AI 运行平台。只搭最后一样，买个平台往上插智能体，治理和岗位是空的，插得越多越乱。
四层里，平台层多数企业没有
战略层定方向配资源，业务执行层管功能和技能库，员工运行层是人和数字员工的终端，平台层做调度、记忆、知识、计量，把上面三层缝在一起。
前三样企业多少都有雏形。没有平台层，调度靠开会、拉群、靠人记，人一多就散。
"自学习"要落到两个机制上
一是检索走语义图。向量检索命中的是"看着像"，语义图能沿实体关系走，回答 A 和 B 什么关系、隔几层。
二是从问答变成执行。一句话进来，拆任务、调工具、走完流程，不是回一段字。
通用模型被企业本体约束之后，说的才是这个行业的话。0906 讨论里的原话：模型看到的不是原始库也不是字段，是被语义约束过的信息。
数字员工背后没有真人
数字助理背后有人，它起草，人审批，岗位没动。数字员工有自己的权限和责任，发起合同、触发审批、留日志，高风险处叫人，岗位被重新定义。一条判定线：背后还有没有一个躲不掉的真人岗位。
旧系统不动，动操作方式
有接口的功能，智能体调接口，替代人点界面；没接口但数据能访问的，走实体关系图直接到数据层。核心交易系统包袱重，只调用、不改逻辑。
怎么动手
只有一把手推得动，IT 部门在权限和流程调整处会卡死。先立规则和本体，再搭平台；数据和流程不用完美，关键字段来源清楚就能跑一条最小链路。挑一条业务线、一个愿意改的团队先做，跑通再复制。
变化会按顺序来：架构先动，岗位和采购要等数字员工在核心流程跑稳之后。
趋势二：本地大模型，模型开始常驻企业机房
用模型的方式在换。以前走云端 API，数据出内网，按调用量付钱；现在不少企业要把模型搬进机房，像数据库一样常驻。IDC 2026 上半年的追踪判断：私有化部署进入放量期。
推这一步的是安全、合规、成本，不是离线。
三件被混着叫的东西
图：2 趋势二：本地大模型，模型开始常驻企业机房
私有化部署的大模型，几十到上百亿参数装在企业服务器或一体机里，供全公司调，能力靠近云端旗舰，今年的主角。本地小模型，十亿上下，守一个业务域，比如只抽合同。端侧模型更小，跑手机和设备上，断网可用。
去年讲的是后两个。今年第一个的规模和能力整体上移，私有化不再是退而求其次。
为什么本地，理由按重量排
数据主权第一。流水、病历、人员信息发给外部模型，流向控制不了，搬进内网从物理上断掉。合规第二，金融政务医疗里，数据不出域是准入，不是加分。成本第三，调用量小云端便宜，核心岗位天天高频调，几年费用可能超过一次采购；本地前期投入大，边际成本接近零。时延最次。
只为省钱要先算账。刚需是前两条。
一体机和抬高的门槛
多数企业不会自己配 GPU、调框架，训推一体机软硬预装、开机能用，客户集中在党政央国企。IDC 2026H1 已经排得出厂商名次，通常意味着过了试水期。
行业报告称工信部已对一体机提出连续无故障运行等强制要求，信创清单在扩容。标准文本仍待核实，先按转述处理。
单卡能跑，和生产能用不是一回事
70B 全量加载上百 GB，4bit 量化后约 35GB，一张高端卡装得下。分层加载号称 4GB 显存也能跑，代价是硬盘和显存来回搬数据，速度只够尝鲜。高并发、秒级响应还是要显存和多卡。
把极客在个人电脑上跑通，误读成企业不用买算力，是今年最常见的错。
底座，不是另一套体系
本地模型是 AOS 最底下的算力，数字员工调谁、流量怎么分，由平台层排。实际部署多是混合：敏感任务走本地，通用、低敏感任务还在云端，按数据级别分。
怎么动手
先给数据分级，问一句：绝不能出域的任务有多少、调用量多大。量少，云端加合规协议可能更省。中小企
