過去一年，晶片、模型、應用熱鬧到眼花繚亂，但真正能解釋“錢會往那兒去”的，是投資盤子。國際資料公司（IDC）的9月25日發佈的《全球人工智能和生成式人工智慧支出指南》 （Worldwide AI and Generative AI Spending Guide, 2025 v2)（後簡稱為《指南》），把盤子、節奏、區域與行業的關鍵變數擺在了檯面上。下面，我們以這份《指南》為主線，結合IDC及多家研究機構的報告，層層剝繭，洞察AI的背後的技術驅動力、地緣政治差異以及潛在的風險與挑戰（資料口徑與趨勢參見 IDC 多期發佈與配套解讀）。01| 資料速遞：規模、結構、地理IDC 最新發佈的指南，給出了四個關鍵資訊：規模擴張2024 年，全球 AI 投資 3159 億美元；到 2029 年有望飆升至 12619 億美元（約9兆人民幣），年複合增長率 (CAGR) 31.9%。AI 從“熱點”進入“長坡厚雪”的擴張周期。生成式 AI 成為最大增量未來五年的 CAGR 56.3%，到 2029 年規模可達 6071 億美元，佔比 48.1%。換句話說，AI 投資的一半將流向生成式與智能體。地緣格局：多點崛起2025年，美國仍是絕對主導，佔比 55%+；中美合計接近 70%。歐洲市場將增長迅速，到2029 年，規模預計達 2500 億美元；中東、非洲、拉美未來增速快，CAGR 預計達 40%，雖基數小但潛力大。中國的“加速路徑”在“人工智慧+”行動推動下，中國五年 CAGR 25.7%，2029 年規模達 1114 億美元；生成式 AI 佔比預計從 18.2% → 41.1%，超 450 億美元。02｜為什麼 AI 投資在“加速”？IDC 提供了底層邏輯IDC在此前發佈的《全球人工智慧IT支出市場預測》給出了三個結構性驅動因素：算力與基礎設施擴建到 2029 年，服務商預計承擔 80% 基建投入。這是因為智能體推理需要高並行、低延遲、可審計的環境。軟體預算的再分配企業 IT 投資正在從軟體許可費，遷移到 AI 原生服務。即便是傳統 IT 廠商，如果不把智能體嵌入產品，也會失去市場。行業落地進入規模化銀行的風控，電信的網路最佳化，軟體開發的程式碼生成，這些不再是 PoC，而是大規模應用。AI 的價值已經嵌入 KPI，而非演示效果。圖源：IDC《全球人工智慧IT支出市場預測》公告（https://my.idc.com/getdoc.jsp?containerId=prUS53765225&utm_source=chatgpt.com）我們看到，在過去兩年中，市場的焦點主要集中在“造大模型”上，各大科技巨頭和初創公司競相發佈參數更大、能力更強的基礎模型。然而，IDC的報告揭示，這場競爭的下一階段將不再僅是演算法和模型的比拚，而是正式邁入“基礎設施建設”的重資產新階段。為什麼會發生這種轉變？核心邏輯在於，模型的上限不再是演算法，而是底層算力、資料中心和能源的承載力。當AI的能力逼近演算法極限時，瓶頸便自然轉移到支撐其運行的物理基礎設施上。IDC 的報告明確指出，隨著智能體AI的崛起，基礎設施建設將持續到2029年。例如近日華爾街日報報導稱，OpenAI正式啟動了高達1兆美元的全球運算基礎設施大規模擴張計畫，正是這一趨勢的具象化體現。圖源：The Wall Street Journal (https://www.wsj.com/articles/openai-and-databricks-strike-100-million-deal-to-sell-ai-agents-f7d79b3f)圖源：IDC《全球人工智慧IT支出市場預測》公告（https://my.idc.com/getdoc.jsp?containerId=prUS53765225&utm_source=chatgpt.com）這種重資產投資模式的本質，是驅動企業IT預算從傳統的軟體購買轉向基於AI的產品和服務。在IDC報告看來，這種轉變意味著，雲服務商不再僅僅是提供算力租賃，而是通過提供高效的整合、調度算力資源以及開發工具，成為AI原生應用生態的核心載體和競爭關鍵。隨著通用大模型之爭最終走向趨同，算力成本和AI原生應用生態將成為AI雲服務競爭的關鍵點。這意味著，未來的企業核心競爭力將在於能否有效利用雲端強大的AI服務和基礎設施，建構起自己的資料壁壘和商業模式。正如IDC全球研究副總裁 Rick Villars 所言，那些在產品中落後於AI整合的應用和服務提供商，將面臨市場份額損失的風險。圖源：IDC《全球人工智慧IT支出市場預測》公告（https://my.idc.com/getdoc.jsp?containerId=prUS53765225&utm_source=chatgpt.com）03|  智能體：兆浪潮的核心驅動IDC此前的《IT支出報告》中多次強調，未來五年AI支出的增長將主要由“智能體”驅動。首先，智能體AI到底是什麼？它與我們日常接觸的生成式AI（如ChatGPT）有何本質區別？智能體AI並非簡單的“問答機器人”或“文字生成器”，而是一種能夠自主進行決策與執行的軟體系統。它的工作方式可以被解構為一種持續的、閉環的認知循環，根據Google Cloud種的定義，智能體能夠：感知：從感測器、資料庫或使用者介面等多種來源收集資訊，理解當前情境。推理：利用大語言模型（LLM）等分析資料，理解上下文並制定潛在方案。規劃：利用收集到的資訊制定計畫，將目標分解為更小的步驟。行動：根據計畫開始執行任務，做出決策或與其他系統互動。反思：在執行後從結果中學習，評估行為成功與否，並調整未來的計畫 。這一“感知-推理-規劃-行動-反思”的循環，賦予了智能體更高的自主性，使其能夠自主學習、適應和做出決定。因此，它與傳統生成式AI有著本質的區別：生成式AI是“工具”，主要用於生成內容；而智能體是“大腦”或“統籌系統”，它能夠將生成式AI作為工具來完成更高等級的目標。而智能體的興起，正是對企業營運模式和IT架構的根本性挑戰與重塑。IDC報告預測，智能體將在未來五年內，引發軟體行業的重大競爭轉移。這種變革可能具體體現在以下幾個方面：從“功能增強”到“業務重塑”：智能體可以解決AI商業化落地的“最後一公里”問題。當AI從“輔助工具”升級為“代理人”時，它能自主完成端到端任務，從根本上改變企業的營運方式。例如，在金融領域，智能體能夠分析複雜的市場新聞和訊號，設計並執行量化交易策略，從而降低傳統交易的高門檻，提高透明度並拓展金融普惠。在供應鏈管理、醫療保健、軟體開發等領域，智能體同樣展現出巨大的潛力，通過自動化複雜流程來提升效率。技術與治理的進化：智能體的普及絕非一蹴而就，它需要企業進行深刻的技術和組織變革。貝恩諮詢的之前研究報告指出，為了充分發揮智能體AI的潛力，企業需要進行一系列技術基礎的現代化改造。這包括：平台現代化：將傳統的、基於批處理的系統改造為靈活的、即時響應的API介面，以便於智能體呼叫和使用。互操作性：不同框架、不同供應商的智能體服務之間能夠協作，打破資料孤島。資料訪問擴展：建構可擴展的管道，以獲取和處理包括文件、郵件、錄音、視訊等在內的非結構化資料，這些資料是智能體進行高級推理的關鍵。治理與控制更新：隨著智能體擁有更多的自主決策權，原有的治理和控制體系必須演進，以實現“即時可解釋性”、“行為可觀測性”和“自適應安全”，從而降低風險並建立信任。這些內部的痛點和挑戰，正是IDC報告中兆級AI IT支出的重要構成。它解釋了為什麼投資不僅僅是購買AI，而是對整個企業技術堆疊和治理模式的重構。04｜平行世界與全球格局全球的格局會是怎樣呢？各區域有什麼優勢？IDC最新的《指南》分析預測：美國：技術與生態領跑技術—資本—生態三位一體,以 55%+ 佔比優勢持續領跑。憑藉模型研發、算力供給和企業佈局，美國不僅做產品，還在“制定標準”。另外，美國或將率先邁入“Agent Fleet（智能體車隊）”時代：從單一助理，到可分工協作、可監控治理的智能體叢集。中國：政策與需求雙輪驅動政策與產業鏈“雙輪驅動”，場景密度高。到 2029 年 AI 投資 1114 億美元，CAGR 25.7%；生成式 AI 佔比 由 18.2% → 41.1%，規模 450 億美元+。強項在ToB 端到端改造：把客服、營運、供應鏈、質檢等硬核流程改得動、跑得穩。歐洲：穩健推進預計 2029 年規模 2500 億美元，其中西歐貢獻九成。歐洲未來增長迅速，優勢在高合規行業（能源、製造、醫療）。中東/非洲/拉美：後發優勢基建躍遷 + 一體化採購帶來“後發先至”。公有雲/主權雲與行業數位化往往打包推進，上量更快。CAGR 40%，雖基數小，但隨著數字基建加快，未來可能成為“新增長極”。圖源：IDC《全球人工智慧和生成式人工智慧支出指南》公告（https://my.idc.com/getdoc.jsp?containerId=prCHC53829925&utm_medium=rss_feed&utm_source=alert&utm_campaign=rss_syndication）若我們聚焦於中美兩國，便會發現我們在AI投資上呈現出兩種不同的資本邏輯、市場環境和國家戰略。結合此前李飛飛團隊《2025年人工智慧指數報告》以及其他行研機構（如銀河證券的研報）的分析，從總量上看，中美在私人AI投資上有著巨大差距。根據相關報告，2024年美國私人AI投資達到1091億美元，幾乎是中國同期93億美元的12倍。圖源：《2025年人工智慧指數報告》從理念上看，中國是實用主義。中國的AI一級市場融資呈現出明顯的“應用層主導”特徵。資本決策的核心邏輯在於“垂直場景落地能力與商業化前景”。以自動駕駛和AIGC/生成式AI為代表的賽道，正是因為其明確的商業化路徑和巨大的市場空間，成為吸金能力最強的方向。例如，華為旗下智能駕駛企業引望智能在2024年獲得230億元融資，領跑國內市場。同時，隨著私人風投趨於理性，國家資本和產業資本正在扮演更重要的角色。例如，智譜AI接連獲得多地國資的戰略投資，其政企端優勢得以持續發揮，並帶動地方AI產業鏈生態發展。這種“雙軌制”的資本配置模式，既有市場驅動，也有戰略引導，保障在關鍵底層技術（如國產AI晶片和智能資料管理）上的持續投入。圖源：IDC《全球人工智慧和生成式人工智慧支出指南》公告（https://my.idc.com/getdoc.jsp?containerId=prCHC53829925&utm_medium=rss_feed&utm_source=alert&utm_campaign=rss_syndication）對比來看，美國則更注重原始創新與算力城牆。美國資本的投資策略更偏向於高風險、高回報的“贏家通吃”模式。相關報告顯示，2024年美國風險投資對AI賽道的押注正在加速集中，佔VC總額的比例從2024年的45%進一步躍升至2025年第一季度的71%。與中國不同，美國頂級交易主要流向了早期AI基礎設施公司。這與OpenAI的兆美元基建計畫遙相呼應，表明其戰略核心在於通過原始創新和基礎設施壟斷來構築無法踰越的護城河。美國資本試圖通過“原始創新+壟斷投資”鎖定技術代差，並加速建構“算力城牆”。這種策略旨在通過掌握底層技術和核心基礎設施，從而在未來的競爭中佔據主導地位。05｜什麼會成為“錢的匯聚點”：三大高地，三個爆點回到IDC最新發佈的指南，有三大投資高地（至 2029 年）：軟體與資訊服務（43.5%）：AI 原生研發、AIOps、自主可進化系統；通訊（7.0%）：網路規劃最佳化、節能調度、使用者營運智能化；銀行（6.0%）：即時反欺詐、合規監控、智能投顧與資產配置。圖源：IDC《全球人工智慧和生成式人工智慧支出指南》公告（https://my.idc.com/getdoc.jsp?containerId=prCHC53829925&utm_medium=rss_feed&utm_source=alert&utm_campaign=rss_syndication）圖源：IDC《全球人工智慧和生成式人工智慧支出指南》公告（https://my.idc.com/getdoc.jsp?containerId=prCHC53829925&utm_medium=rss_feed&utm_source=alert&utm_campaign=rss_syndication）落地側，對中國而言，有三大爆點場景：智能基礎設施調配：佔中國 AI 市場約四成，從“租算力”升級為“以性能/延遲/可靠性為指標的服務等級”。AI 賦能客服與自助服務：知識庫迭代→多模態工單→端到端閉環。增強型聯絡中心與現場服務：數字管道、智能 IVR、現場輔助，從“省人”走向“增效+增收”。總結下來，這些場景的共同點是：可規模複製、與收入/成本直接掛鉤、可審計。06| 報告之外：泡沫的幻象與堅實的技術挑戰儘管IDC報告描繪的兆圖景振奮人心，但市場的警鐘也從未停止敲響。一些投資機構，如GQG Partners，警告稱，當前的AI繁榮可能比網際網路泡沫更糟糕，因為其規模相對於全球經濟和市場更大，且資本開支由周期性的廣告收入驅動，可能導致整個行業的資本回報率結構性下降。麻省理工學院的一份研究報告更是直言不諱：“生成式AI投資在95%的機構中幾乎沒有帶來任何回報”，這無疑給市場狂熱潑了一盆冷水，強調了技術落地與商業價值轉化之間的巨大鴻溝。然而，將當前的AI熱潮簡單類比為又一個“泡沫”，並預言新一輪“AI冬天”的來臨，可能也失之偏頗。回顧歷史上的人工智慧冬天，其主要原因有二：一是技術本身無法兌現宏大承諾，如早期的邏輯證明器和專家系統只能解決非常簡單、狹窄的問題，一旦超出範圍就無能為力，並且受限於昂貴的資料儲存和計算能力。二是資金來源缺乏多樣性，當政府和軍方撤回投資後，資金鏈隨之枯竭。而如今，情況已大不相同。首先，深度學習等底層演算法已取得突破性進展，並成功解決了管理和處理海量資料的挑戰，使得AI能夠真正融入我們的日常生活。其次，來自企業、政府、學術界和風投的投資來源高度多元化，這使得即使部分資金有所降溫，也難以逆轉AI發展的整體趨勢。IDC報告描繪的兆級投資圖景，是人工智慧新紀元宏大敘事的序章。它並非簡單的技術熱潮，而是一場由智能體驅動、以基礎設施為王的全新工業革命。可以說，市場的選擇和資本的流向，正在共同書寫一部關於效率、顛覆與重塑的新經濟史。我們身處其中，既是這場變革的見證者，也是參與者。 (Vero的AI島)