智能体普及率要从 40% 提到 90%：这份五年规划，把「AI 试点」改成了「验收项」

《国家信息化"十五五"规划》由中央网络安全和信息化委员会印发，篇幅不算长，但它把 2026 到 2030 年切成了 12 个可以年底对账的刻度。规划部署 10 个方面、25 项重点任务、7 个专栏，指标全部是预期性指标——这意味着它不会像能耗指标那样直接压到某一家企业头上，但会进入地方、行业和国资体系的年度工作语言。

把 12 项指标摊开看，最容易被忽略的是第 7 项：「新一代智能终端、智能体等应用普及率」从 2025 年的 40% 提高到 2030 年的 90% 以上。同表里，互联网普及率从 80.1% 到 85%，每万人 5G（含 5G-A）基站从 34 个到 50 个，IPv6 网络流量占比从 33.79% 到 42%，新建大型超大型算力设施 PUE 从 1.25 降到 1.2 以下，数字经济核心产业增加值占 GDP 比重从 10.5% 到 12.5%。

为什么说这一项最刺眼？因为它是唯一一个「五年翻一倍还多」的渗透率指标。互联网普及率再提 5 个百分点，靠的是剩下的人群；智能体普及率从 40% 到 90%，靠的是把已经在用的工具换成会自己干活的工具——这不是拉新，是替换。替换的难度，从来不在于买不买，而在于旧流程愿不愿意被改写。

第一个底气来自产业规模。规划解读中给出的口径是：2025 年我国人工智能核心产业规模超过 1.2 万亿元。这个数字的意义不在于大小，而在于它说明供给端已经形成了完整的交付能力——从芯片、框架、模型到集成商，企业想买，市场上有人能卖。

第二个底气来自调用量。中国网络空间研究院院长王江在解读中提到，2024 年初我国日均词元调用量为 1000 亿，到 2025 年底跃升至 100 万亿，到 2026 年 3 月底已突破 140 万亿。两年多时间，调用量涨了三个数量级。调用量是「用起来」的先行指标，它比任何一份调研问卷都诚实。

但调用量不等于业务闭环。一个客服机器人在促销期被调用十万次，可能只是把常见问题重复回答十万次；一套排产智能体每天只被调用两百次，却可能真的替代了两个岗位的重复劳动。90% 这个目标如果要落地，考核口径迟早要从「调用了多少次」转向「完成了多少件事」——这也是规划里同时提出「智能体技术成熟度评价体系」的原因。

供给端的另一个变化是价格。10 月以来，国内开源模型密集发布：月之暗面把 3 万亿参数的 K3.1 Pro 摆上桌，MiniMax 开放了 4280 亿参数的 M3.1 Flash 权重，DeepSeek 则开源了推理引擎。参数与价格的同步下探，是普及率敢定在 90% 的现实基础——如果一年前，一个中型企业要做智能体，仅推理成本就足以劝退；现在这笔钱已经降到可以进部门预算的量级。

在专栏 4「网信产业生态发展工程」里，智能体是独立的一条，任务写得很具体：推进智能体互信互联互操作，加快多智能体、智能体群等发展；制定重点场景需求指引，构建智能体技术成熟度评价体系，研制智能体身份标识等标准。

这三句话，对应企业未来三年会遇到的三个具体问题。身份标识，回答「这个操作是谁做的」——当智能体代替员工点下审批、发出订单、调用支付接口，系统日志里不能只有「系统」两个字，必须有智能体标识、授权人、授权范围与有效期。互操作，回答「不同厂商的智能体能不能接上」——如果每个智能体都是一座孤岛，普及率越高，维护成本越失控。成熟度评价，回答「到底能不能用」——它会把采购语言从「你们有大模型吗」改成「这类任务的成功率、失败可回滚率、人工接管时长是多少」。

对供应商来说，这是产品化的压力；对企业来说，这是一次难得的「把验收标准写清楚」的机会。过去买软件，验收看功能清单；以后买智能体，验收要看任务清单和失败样例。谁能在合同里把「失败时怎么办」写明白，谁就更可能在 2027 年之后留下来。

规划在「提升现代治理水平」部分明确实施「人工智能+政务」应用提升行动，要求安全稳妥有序推进政务领域人工智能大模型、智能体部署应用；同时提到优化全国一体化政务服务平台、扩大「跨省通办」、拓展「高效办成一件事」，以及推广「一表通」，让基层数据一次采集、多方共用。

政务为什么是最好的试验场？因为它同时具备三个最苛刻的条件：数据分级严格、操作必须留痕、结果要对群众可解释。一个智能体在政务大厅里答错一句话，后果比在企业客服里严重得多。也正因如此，政务场景会最先逼出「身份、授权、留痕、回滚」这一整套工程规范。

企业读者不必觉得这离自己很远。过去十年，电子发票、电子合同、等保测评，都是从政务和金融的硬要求开始，最后变成所有企业的默认配置。智能体的治理大概率会走同一条路：先在政务和国企跑通，再成为大客户招标文件里的一行小字，最后变成行业惯例。

规划在信息基础设施部分提出加快构建全国一体化算力网，推动算力、电力、网络协同发展，优化通用算力、智能算力、超级算力布局，并前瞻研究太空算力。这些是宏观布局，但落到企业机房，只有两个数字真正决定成本：PUE 和利用率。

PUE 从 1.25 降到 1.2 以下，看似只有 0.05，落到一座 10 兆瓦的机房，就是每年上百万度电的差别。更关键的是，这条指标针对「新建大型、超大型算力设施」，意味着未来新建项目的审批、能耗指标、电价优惠都会围着它转。企业如果还在用十年前的机房跑推理，电费会先于模型费用成为瓶颈。

这也是为什么本周另一条新闻值得放在一起看：英伟达在 GTC 柏林给出智能体软件授权约每块 GPU 每年 2000 美元的示例价，同时发布集装箱式的 DSX POD，把部署时间从六个月压到最快 14 天。硬件、软件、电力三张账单正在同时变厚，自建 AI 从「买卡」变成了一门需要精算的运营生意。

12 项指标里，第 9 项「关键业务环节全面数字化的企业比例」从 62% 提高到 70%，只涨 8 个百分点，看起来平淡，却是最能反映企业真实水平的一项。它问的不是「有没有上系统」，而是「订单、库存、生产、财务、人事、售后这些环节，是不是都在系统里跑通并且留了痕」。

8 个百分点为什么难？因为容易数字化的环节早就数字化了。剩下的是非标流程：客户临时改单、仓库口头借货、维修师傅手写记录、门店用个人微信收款。这些环节不是没有系统，而是系统绕不过去人的习惯。智能体要在这里发挥作用，前提是先把这些动作变成可调用的接口，而不是让模型去猜。

一个简单的自测：把最熟悉的一条业务流程从头走一遍，数一数有几个动作离开了系统——包括微信确认、电话通知、纸质签字、Excel 补录。每多一个，智能体就多一个断点。90% 的普及率，最终会被这些断点拖住。

还有一个常被忽略的细节：数据录进去，不等于数据能用。字段没有统一口径、状态没有闭环、历史记录被覆盖，都会让智能体在关键节点上「看见一个错的答案」。所以真正的前置工作不是买模型，而是把主数据、编码规则、单据状态这三件事一次性理顺——这部分工作没有捷径，也无法外包给模型。

任何一个渗透率指标，在达标压力下都会长出两种形态。第一种是真上线：智能体嵌进流程，有明确的输入输出、有失败处理、有权限边界、有日志可查。第二种是演示型普及：一块大屏、一段录屏、一个放在展厅里的对话窗口，领导来了演示一遍，日常没人用。

演示型普及有一套稳定的特征：只覆盖一个最理想的场景，输入永远是准备好的样例，遇到异常就转人工，没有留痕，也说不清节省了多少工时。它在预算里很便宜，在汇报里很好看，但在业务里几乎不产生复利——因为每一次使用都没有沉淀成数据。

真上线的特征反过来：输入脏，但能处理；输出不一定完美，但知道错在哪；失败可以回滚；每一次执行都留下轨迹，供下一次改进。判断标准其实只有一句话：把模型换掉，这套业务还能不能跑。能跑，说明装备和流程是你的；不能跑，说明你只是租了一个效果。

第一步是 2026 到 2027 年，把流程变成动作。选三条高频、规则相对清晰的流程——审批、工单、对账——把每个动作拆成可调用的接口，把字段、状态、权限定义清楚。这一步不需要大模型，需要的是耐心；但没有这一步，后面的智能体只能靠截图和模拟点击，稳定性会差一个量级。

第二步是 2027 到 2028 年，建运行底座。身份、权限、日志、评测集，四件事缺一不可。先做三个岗位的专用助手，不要做「什么都能干」的万能助手：采购助手只回答供应商与价格，人事助手只回答制度与假期，运维助手只回答告警与预案。范围越窄，成功率越高，越容易算清投入产出。

第三步是 2028 到 2030 年，从单点走向链路，并把验收口径从「调用量」换成「任务完成率、人工接管率、平均处理时长」。同时把供应商退出方案写进合同：数据怎么导出、模型怎么替换、历史轨迹保留多久。90% 不是一个需要冲刺的数字，它是一段需要提前铺轨的路。

还有一件容易被跳过的事：把「谁负责」写清楚。智能体犯错时，责任落在业务部门、IT 部门还是供应商？如果合同里没有约定，最后往往落在最没有办法的那个人身上。提前把责任边界、人工复核节点、事故处理流程定下来，比多买一套工具更能提高真实使用率。