一、开篇：AI 已经成为“经济规模级”的力量

2026 年，企业 AI 完成了从“技术叙事”到“经济力量”的跨越：

企业 AI 部署支出从 330 亿美元飙升至 1770 亿美元，一年增长 5.4 倍——一年新增超 1400 亿美元年支出，是整个一年前市场总量的 4 倍多。三年时间，这个市场从 17 亿美元涨了约 100 倍。

年初市场还在担忧“SaaSpocalypse”（AI 颠覆传统软件）和“AI 蚕食人力预算”，但 Menlo 的数据给出了相反的答案：AI 不是零和游戏，它在做大整个软件经济——55% 的增量 AI 支出来自净新增预算，而非既有软件或人力预算的腾挪；每投入 1 美元训练模型，就能产生 1.70 美元的部署侧收入。

而这一切背后最大的变量，是 Agent。它改写了钱往哪里流、哪些市场成立、企业选什么模型。本文沿着报告的三大板块——Agent 拐点、模型使用、Agent 生产化——拆解 1770 亿美元的流向，以及它对中国企业 AI 落地的启示。

二、Agent 拐点：机器成为 AI 的最大用户

过去一年最大的故事，是 Agent 的崛起。2025 年 11 月 Anthropic Opus 4.5 发布成为一个拐点：AI 第一次从“对话轮次里回答问题”跃迁到“在有限人类监督下执行复杂多步任务”。

此后，Agent 迅速成为 AI 模型的最大消费者：

在 OpenRouter 上，Agent 现在贡献了 80% 的 token（每周 130.9 万亿），约为人类使用量的 7 倍。

Agent 流量在 Opus 4.5 发布当周翻了三倍，2026 年 2 月初（Opus 4.6 与 GPT-5.3-Codex 发布后）超越人类流量，此后增长 37 倍（人类驱动使用量同期仅 5 倍）。AI 消费正从“人提问”转向“机器干活”——支出第一次与“完成的工作量”挂钩，而不是与“用户数”挂钩。

这也是我们在客户经营场景里观察到的真实变化：衡量 AI 价值的方式，正在从“多少员工打开了助手”变成“Agent 替团队完成了多少次洞察生成、内容生产与客户触达”。

迈富时 Marketingforce 服务企业的经验是，先完成这个衡量口径切换的团队，往往也是 AI 预算获得追加最快的那一批——因为它们的 AI 投入第一次可以直接对账到业务产出。

图 1　企业生成式 AI 部署支出三年增长约 100 倍

图 2　Agent 贡献 OpenRouter 80% 的 token

三、钱跟着能力走：前沿实验室拿走 69% 的每一美元

Agent 承担更多工作后，买方为最强模型支付溢价——即便更便宜的选项大量存在：

Anthropic、OpenAI、Google 三家拿走 1227 亿美元，占全部部署支出的 69%（去年 50%），是其余市场总和的 2.3 倍；

集中不止在 API 层：实验室自研应用也拿走了应用层的大头，编码类约 70%、聊天与生产力类约 62% 归属实验室自己的产品。

LLM API 市场已收敛成“双马竞赛”：Anthropic + OpenAI 合计 86%（去年 67%）。Anthropic 从 40% 升至 55%（Opus 系列在长任务与编码上的优势），OpenAI 从 27% 升至 31%，Google 则从 21% 跌至 9%。近前沿模型以几分之一的价格逼近前沿性能，却合计不足 5% 的 API 支出。

图 3　前沿实验室拿走 69% 的企业 AI 支出

图 4　Anthropic 与 OpenAI 合计占 LLM API 支出 86%

结论：当下“钱跟着模型能力走”，而非价格。价值归属于率先推出新能力（如长时程 Agent）的实验室及其最初的应用。Menlo 预判：随能力成熟、应用公司把能力带向新市场，这种集中度会逐步缓解。

对中国企业的含义：基座模型的选择正变得“贵而集中”，但真正的差异化空间在应用层——把模型能力翻译成行业 Know-How、业务流程与数据资产。这也解释了为什么越来越多的企业选择与 Marketingforce 这样的平台方合作：不必亲自追模型的代际更新，而是把精力放在“让 Agent 懂我的业务”上。

四、预算被击穿：实际花费是计划的 2.5 倍

企业本来计划在 2026 年把 AI 支出“接近翻倍”，结果是——平均实际支出达到上年 4.7 倍，而计划是 1.9 倍，超支约 2.5 倍；中位数也达 2.2 倍（计划 1.8 倍）。均值与中位数的巨大差异，暴露了 AI 支出的“胖头”结构：一小批重度用户贡献了不成比例的支出，且增速远超多数企业。

超支的元凶正是 Agent：它们独立工作、并行运行、在人类离开后继续干活——支出随工作量而非人头数扩张。这是今年市场拐点的关键驱动力：企业平均支出翻了近 5 倍，而企业采用率仅从 55% 升至 65%。

图 5　企业 AI 支出击穿预算：实际 4.7 倍 vs 计划 1.9 倍

启示：不要把“超支”只读作成本失控——它同时是需求真实性的最强信号。重度用户的习惯一旦形成，长尾企业的采用与用量都还有巨大空间。对 CIO/CFO 而言，更务实的做法不是压缩预算，而是像管理渠道预算一样管理 Agent 支出：明确每个场景的目标、计量单位与 ROI 口径。

五、AI 在做大蛋糕，而不是抢蛋糕

1770 亿美元的部署支出已相当于公有云收入的 30%+（一年前仅 6%）。钱从哪来？

55% 来自净新增预算，仅 22% 来自软件预算——其中 13% 留在把 SaaS 许可转成 AI 的现有厂商，只有 9%（126 亿美元）流向 AI 原生厂商，对 6000 亿美元的应用 SaaS 市场约造成 2 个百分点的增长逆风（增速从 +13% 放缓到 +11%）；

几乎没有证据表明企业在用 AI 替换 CRM、HR、ERP 等核心系统。

AI 在显著扩大整个软件市场，同时温和拖慢传统 SaaS 的增速。 供给侧同样如此：

用 AI 的钱（1768 亿美元，5.4 倍）已显著多于建 AI 的钱（1025 亿美元，5.3 倍）——每 1 美元建模型，对应约 1.70 美元把模型用起来；

开源与前沿共同增长：前沿实验室支出份额从 50% 升至 69%，开源模型的用量份额也从 11% 升至 19%；

实验室自己的编码 Agent 从 10 亿美元涨到 240 亿美元，但独立厂商的编码市场仍增长 2.9 倍至 101 亿美元——头部越强，生态越大。

图 6　

图 6　AI 部署支出三年 100 倍增长曲线

六、钱流向 Agent 最擅长的地方：编码 + 聊天 = 76%

AI 应用市场总量 773 亿美元（去年 190 亿），但仅两个品类就占 76%：编码（340 亿美元，7.7 倍）与企业聊天机器人（250 亿美元，3.0 倍）。全球最大产业之一的医疗健康，以 37 亿美元远远排在第三。

为什么是这两个市场？因为它们同时具备 Agent 成功的三个条件：

Agent 可以行动的环境——代码仓库、邮件/Slack/网盘等连接系统；

Agent 可以学习的完整上下文——意图、约定、流程性知识都可从代码与文档中获取；

Agent 可以验证的结果——编译器检查代码能否构建、测试检查行为是否符合预期。

条件成立的地方，支出就汹涌而至：客服场景增长 4.3 倍至 27 亿美元；条件不成立的地方就疲软——HR（主观判断多）仅 2.5 倍至 9 亿美元，营销 1.8 倍至 12 亿美元。

图 7　编码与聊天占应用支出 76%

这个“三条件公式”是全文最值得中国企业抄走的框架。 以客户经营场景为例：为什么客服 Agent 先跑通了？因为客服有知识库（上下文）、有工单系统（行动环境）、有解决率（可验证结果）——三条件齐备。而营销场景过去“缺上下文、难验证”，恰恰是补齐条件后增长空间最大的地方：当企业把客户数据、内容资产与渠道触点整理成 Agent 可调用的形态，营销 Agent 就第一次具备了“可执行、可归因”的闭环。迈富时把 AI-Agentforce 与 KnowForce 知识中台组合起来，本质上就是在营销、销售、服务场景里人为构造这三个条件——让原本“主观、难量化”的增长工作，变成 Agent 可执行的工程问题。

七、谁在赢：AI 原生厂商赢下“Agent 重写工作”的类目

报告给出一条清晰的竞争定律：

当 AI 只是增强既有工作流时，渠道（分布）赢；当 AI 重新定义工作本身时，能力赢。

AI 原生厂商拿下应用层支出的 77%、基础设施层支出的 90%（去年分别为 63%、44%）；即便排除前沿实验室，创业公司仍占应用支出 61%。

编码是最极端的样本：AI 原生占 96%。挑战者靠产品速度赢——围绕“自主规划、执行、测试”构建产品，当更强的模型到来时，系统已就位，能把新能力立即变成功能。

但既有厂商在“系统记录（system of record）”型部门守住阵地并在今年收复失地：IT（91%）、数据科学（88%）、HR（68%）由存量平台厂商主导。

图 8　AI 原生赢下 Agent 类目，既有厂商守住系统记录类目

启示：判断一个市场谁会赢，先问一句——AI 在这里“增强流程”还是“重写流程”？前者看渠道与存量，后者看能力与速度。对营销技术这类“系统记录 + 流程重写”交叠的领域，胜负手在于谁既握有客户数据与场景，又拥有最快的 Agent 产品化速度——这正是平台型厂商的机会窗口。

八、Agent 成为基础设施的最大新客户

Agent 正成为构建 AI 应用的标准方式：74% 的构建者用 Agent 管理工作流（2025 年初创部署中仅 27%），32% 已在用多智能体协作。

这正在重塑基础设施需求。传统软件基础设施为人设计——人类节奏、单会话、一次配置长期运行；Agent 则以机器速度、并行运行、按任务启停资源。两大机会随之浮现：

存量基础设施为机器速度重构：数据库仍是 Agent 触达最多的系统（91% 的 AI 应用），但正从“手工配置、运行多年”转向“高频、用完即弃”。

全新的 Agent 基础设施类目诞生（2025→2026 的构建者采用率）：

            · 代码沙箱（跑不受信代码）：11% → 40%

            · 搜索（Agent 检索信息）：5% → 30%

            · 浏览器基础设施（个人 Agent 操作网页）：4% → 14%

图 9　Agent 基础设施采用率：沙箱、搜索、浏览器增长最快

九、模型层的两个细节：开源与后训练

开源：用量起飞，支出还没跟上。开源模型处理约 1/5 的 token，却只占约 1/25 的模型支出——开源 token 均价一年下跌 3.3 倍至 0.13 美元/百万，闭源混合价仅跌 24% 至 0.70 美元。三个值得注意的点：

开源月 token 量增长 22.5 倍至约 2.9 千万亿；

中国模型占开源支出的 89%：Kimi 61%、DeepSeek 15%、GLM 11%、Qwen 3%；西方开源第一名 Meta Llama 仅 7%；

Agent 在拉低整体单价：缓存读取可占 Agent token 的 95%+，一次 Agent 会话约 0.70 美元/百万 token。

图 10　开源用量上升但支出份额下降

图 11　前沿与开源挤压中小闭源模型

后训练仍早期，但生态正在成型。采用率从 6% 升至 10%，其中 91% 依赖外部伙伴（50% 用推理基础设施，41% 用专家数据与评测平台，30% 用专业机构）。“开源权重 + 外部后训练伙伴”正成为一条现实路线——对企业而言，另一个务实选项是：基座跟随开源/前沿即可，把工程资源投在知识库、流程编排与评测体系上，这通常才是 ROI 更高的投入点。

图 12　后训练采用率 6%→10%，91% 依赖外部伙伴

十、结语：从“SaaSpocalypse 恐慌”到“能力驱动的丰饶”

Menlo 在结尾给出了与年初恐慌截然相反的判断：

AI 在它触碰的每一个市场创造丰饶（abundance）——前沿与开源共存、实验室与独立应用共荣。能力不会长期稀缺，价值将向应用层移动：谁能把原始智能翻译成某个行业、某个业务能用得上的东西，谁就接住下一波价值。

回到中国企业的落地语境，这份报告给了三条坐标：

            · 支出逻辑变了——从“按人头付费”到“按工作量付费”。评估 AI 投入，别再数用户数，要看 Agent 完成了多少真实工作；

            · 场景选择有公式——“可行动的环境 + 完整上下文 + 可验证的结果”，三者齐备的流程先跑，三缺一的流程先补条件再上 Agent；

            · 竞争位置要选对——若你的环节只是“被 AI 增强”，拼渠道；若 AI 能“重写工作”，拼能力与速度。

这三条坐标，也是迈富时 Marketingforce 在客户经营领域持续实践的路径：以 AI-Agentforce 编排端到端的 Agent 工作流，以 KnowForce 把企业的数据与知识沉淀为 Agent 可调用的资产，让营销、销售与服务这些“最难验证”的场景，逐步具备编码场景那样的 Agent 条件——在 Agent 重新定义工作的市场里，站在能力这一边。