序言

作为 “ 十五五 “ 规划的开局之年，2026年已成为央国企响应两会 ” 人工智能全方位赋能新质生产力 “ 号召，实现从数字化 建设向全面智能化跃迁 的 关键 分水岭。

当前，央国企在人工智能领域的落地已脱离了单纯的 科技创新驱动 ，转而进入以业务价值为导向的深水区。从早期的行政办公辅助到如今的 设备 运维、 生产 调度、 研发设计 等极端复杂场景，AI Agent正逐步演变为企业的核心数字生产力。

本报告将基于 爱分析 2025-2026年 针对近百家央国企的调研数据， 系统性 分析央国企 A gent的落地 进展 、 应用场景、预算投入、供应商选型 及未来趋势 。

一、央国企 Agent落地阶段：从观望到行动集体加速

根据爱分析的调研， 2026年央国企 在 Agent 落地上 表现出显著的加速效应 ，央国企 已集体进入 “大规模试点+小范围推广”阶段 。

2025年，超过半数的企业仍处于探索可研阶段，侧重于论证技术的可行性 ， 而到2026年， 只有 25%的企业还处于探索可研。“ 试点速赢 ”阶段的企业比例从29%激增至56%，这标志着大部分央国企 Agent应用 已完成了从 技术验证 到 生产环境 的初步迁移 。

这种快速迁移 的核心 源于政策的强力推行。 2025年8月的 《 “人工智能+”专项行动》 政策， 2026年初国资委AI+”专项行动深化部署会， 都对央国企 Agent落地提出明确目标和要求。 这种自上而下的行政推力，迫使央国企在制定 “十五五”规划时，必须将人工智能作为重点布局方向 。

在落地方式上， 央国企在架构选型上普遍遵循 “1个算力底座 + 1个专属大模型 + N个智能体应用” 的建设思路 。集团公司通常负责 基础设施 建设，如中国石油的塔里木油田万卡级智算中心 、中国 移动在全球布局的智算节点 等。 这种集中统建确保了算力的自主可控和模型基座的安全性，而具体的Agent应用则由二三级单位根据生产实际自行落地，形成了“底座共用、场景自治”的 落地思路。

二、央国企 Agent落地目的：降本增效还是首要目标，合规安全目标上升

尽管 各央国 企大多数已制定 AI战略， 但 实际落地项目中，Agent的应用价值评估仍以可量化的成本与效率指标为核心 ，央国企 Agent落地呈现出高度务实特征。

根据爱分析调研， 降低运营成本、提升运营效率 依然是央国企 Agent落地首要目的， 2025年占比达75%，2026年进一步上升至78%。这一数据充分表明，降本提效 是 绝大多数央国企 应用 A gent的核心驱动力，而非单纯的技术创新或概念验证。

央国企实际落地案例中也呈现出这一特点。 中核集团核智枢智能助手实现ERP复杂业务“一句话办理”，流程节点缩减30%，大幅降低非专业财务 和 行政人员的操作门槛。南方电网 “大瓦特”安全审查智能体将原本需要2小时的工票审查流程缩短至5分钟，杜绝违章风险。国家电网无人机视觉巡检智能体将单次巡检时长由数小时缩短至20分钟以内，识别准确率达90%以上。

监管环境收紧 和重视安全生产 直接驱动了合规安全类Agent的落地 ， “ 降低合规与安全风险 ”成为 2026年很多央国企落地Agent项目原因。外部监管压力和安全生产要求已直接驱动Agent落地。

基于公开资料和爱分析调研，中 国物流招投标审查智能体自动提取招标文件风险点，有效规避了法律与经营风险，满足了监管审计需求。中海油无人平台远程控制Agent在极端台风天气下实现陆地远程操控，显著降低人因失误与安全事故率。中国宝武“宝罗”机器人协同Agent打造“黑灯工厂”，将高危作业人员全面撤离现场，事故率大幅下降。

三、央国企 IT预算投入持续增加，AI预算占比提升

央国企2026年IT预算整体增加，43%企业2026年IT预算增长，仅15%下降， 说明数智 化仍是央国企重点战略方向。

同时， AI预算占比逐年提升，48%的企业AI预算占IT预算20-30%，32%占10-20%，远超市场平均水平 ，智能化成为央国企未来 5年重点投入方向。

中国移动、中国联通、中国电信、国家电网、国家能源集团等 央国企已 明确百亿级 AI建设专项资金， 主要用于万卡级智算集群、国产化底座、边缘计算节点、传感器改造、数字化总装线等 。

四、 央国企 Agent重点应用场景全面转向高价值业务场景

早期央国企Agent应用主要集中在数据分析、数字办公、知识问答等标准化、易落地的通用场景。这些场景技术门槛较低、复制性强，但价值密度有限，往往停留在效率提升工具层面，难以产生显著的 业务价值 。

随着国资委 “AI+”专项行动 提出重点关注高价值业务场景 ，央国企逐步将Agent重心转向生产管理、安全合规、辅助研发设计、设备预测性维护等关联 主营业务 的核心场景。

生产管理已成为央国企AI投入最密集的领域，重点在于核心工艺优化 、生产决策调度、 设备预测性维护。中国石油构建测井曲线自动解释智能体，使原需数周的资料处理效率提升10倍 ， 中国宝武的AI炼钢智能体实现终点精准控制，命中率提升至90%以上 。

在监管高压下，安全合规场景实现了极高的落地率。中广核 “AI天眼”在反应堆装料时自动识别组件位置，实现防错预警，将核查时长从4小时缩短至分钟级 。

研发 设计环节 正经历范式变革，尤其在材料与气动设计领域。中国石化利用 “分子设计与模拟智能体 ，进行 高性能聚烯烃 的 研发，实验筛选周期缩短50%。

五 、 央国企 Agent项目成功率约70%，失败原因多为数据与知识质量

2024-2025年，央国企Agent项目落地进入从试点验证向规模化推广的关键过渡期。尽管整体项目数量快速增长，但成功率呈现出一定程度的波动 。 2025年Agent项目成功率整体约70%， 低于传统IT项目的平均水平 。 原因在于央国企项目往往涉及多部门协同、强监管合规、复杂工业场景与海量异构数据，任何环节短板均可能导致整体效果不及预期 。

根据 爱分析调研 ， 2025年“少部分实现”与“完全未实现”合计占比达30%，较2024年略有上升。这反映出随着Agent应用从通用场景向核心生产、安全合规、辅助研发等高价值业务场景的深入迁移，项目复杂度显著增加，落地难度随之提升，导致 整体项目失败率变高 。

根据调研， Agent项目失败原因已从早期以“回复准确性”“基础模型能力”为主的技术瓶颈，转向以“数据与知识质量”“缺乏高层支持”“人才储备”“合规与安全”为代表的系统性挑战。

数据与知识质量已成为最首要失败原因 。 这与央国企业务场景高度专业化、数据碎片化、历史积累非结构化密切相关。多数央国企积累了海量工业数据、工艺参数、规程文档与故障案例，但这些数据往往存在标注不准、连续性差、隐私敏感、跨系统孤岛等问题，无法直接支撑Agent的高精度决策与可靠执行。 Agent项目一旦 缺乏领域专家深度参与， 很容易 在核心生产场景中频繁出现幻觉、偏差或不可靠输出，直接拖累项目整体效果。

人才缺口成为关键瓶颈并持续加剧 。 “缺乏项目所需人才和技能”从2024年的55%跃升至2025年的73%，并在202 5 年调研中位列第三大失败因素。随着Agent项目从POC向生产 系统 推进， “懂业务+懂AI”的复合型人才需求急剧放大。央国企传统IT团队多擅长系统集成与运维，缺乏Agent编排、知识工程等 Agent应用开发相关能 力 。

六、 供应商选型更加务实，重视标杆案例和项目交付能力

2025-2026年，央国企在 A gent项目供应商选型过程中，决策逻辑呈现出从技术 优先 向落地 优先的 显著转变。

标杆案例 是 央国企在供应商选型中 最为关注的因素。 在国资监管刚性考核、内部 落地 压力以及外部合规要求 的综合影响下 ，央国企对项目成功率与可复制性的极度重视 ， 企业更倾向于选择已在同类央国企或相似行业中验证成功的供应商与方案。

2025年，央国企仍处于AI大模型应用的早期探索阶段，对供应商的AI技术能力 非常关注。 2026年，央国企决策逻辑发生根本转向：技术能力已不再是稀缺资源，交付能力成为稀缺且决定性因素。75%的企业更看重供应商是否具备驻场调研 、 业务诊断 、 闭环交付 等工 程能力， 关注供应商 能否快速将POC转化为生产级应用。

七、央国企 Agent未来发展趋势

随着落地实践的深入，央国企对 Agent 应用正在脱离单 点场景，向 着更具系统性 方向演进。未来，央国企 Agent呈现出三大趋势。

首先是 从独立助手向多智能体协同演进 。

早期Agent 多以“ AI 助手 ”的形态存在于特定岗位，而2026年将迎来“数字员工”上岗元年。未来的演进重点将聚焦于构建跨部门、跨系统的智能体协作体系。

企业将重点关注能够纵向打通 ERP、CRM 与生产控制系统的协同智能体。不再是简单的 人机交互、下达指令， 而是由多个专业 Agent 实现业务流程自动化。

其次是 工业机理 模型与大模型深度融合，保证业务场景落地效果。

纯大模型存在的幻觉问题是其进入核心生产领域的最大阻碍。对于核电运维、电网调度、航空发动机维修等失错成本极高的垂直领域，工业机理模型 与 大模型的深度融合将成为央国企构建核心竞争力与技术壁垒的关键。这种融合不仅解决了 Agent 落地的安全性问题，更将央国企数十年积累的工艺经验硬 变成 AI知识资产 。

第三是 Agent自 主进化与 企业 AI资产库构建。

央国企拥有深厚的历史沉淀，但大量的隐性知识往往随着 专业 人员退休而流失。2026 年，Agent 的角色将发生本质变化 ， 从单纯的 知识 消费者转变为 知识 生产者。

一方面是 构建动态 AI资产 库 。   重点关注 Agent 如何在运行过程中自动执行数据标注、知识萃取和经验总结。通过实时捕捉业务流中的决策细节，Agent 能自动形成动态更新的企业级 知识资产。

另一方面是 Agent 持续学 习 ，实现自主进化。 这 种自主进化能力将使企业积压的非结构化文档、历史日志转变为可随时调用的数字资产。这不仅能极大地缩短新员工的培养周期， 也提升了 企业核心知识库 的价值。