Omdia：2026年AI软件收入破2000亿美元

研究机构 Omdia 最新《AI 软件市场预测》报告显示，2026 年全球 AI 软件收入将超过 2000 亿美元，达到 2024 年水平的两倍。这轮上调是 Omdia 自疫情以来幅度最大的一次，主因是生成式 AI 与代理式 AI 的需求同时加速，生成式 AI 收入预计在 2026 年增长 139%。

一份预测报告为什么值得单独讲？因为它给出了一张”钱在哪里”的分布图。AI 行业从来不缺故事，缺的是能把故事换算成收入的坐标系。Omdia 这份报告自 2016 年起持续发布，覆盖 20 个行业、8 个地理区域、约 120 个应用场景，是目前追踪 AI 商业化最细的口径之一。

2000 亿美元这个数字怎么算出来的

先说 Omdia 的口径。Omdia 的统计只反映”AI 技术部分”，也就是 AI 增值的那一块，而不是软件解决方案的总价值。这意味着如果一套 CRM 系统卖 100 万元，其中只有 AI 相关功能的溢价部分被计入。这个口径比”AI 相关软件总营收”保守得多，也更接近真实的 AI 市场规模。

按这个口径，2024 年全球 AI 软件收入约 1000 亿美元，2026 年超过 2000 亿美元，两年翻倍。这个增速在软件行业里极为罕见——成熟软件市场的年增速通常在 10% 到 15% 之间。

更值得看的是 Omdia 给出的长期曲线。Omdia 预测 2025 年到 2031 年，该市场将以 30% 的复合年增长率扩张。30% 的复合增速意味着六年增长约 4.8 倍，到 2031 年市场规模会接近 6000 亿美元量级。这个数字如果成立，AI 软件会成为整个软件行业里最大的单一品类。

指标	Omdia 预测	含义
2026 年 AI 软件收入	超 2000 亿美元	为 2024 年的两倍
生成式 AI 增速	2026 年增长 139%	远超此前预测
2025-2031 复合增速	约 30%	六年增长约 4.8 倍
代理式 AI 复合增速	约 104%	增长最快的细分领域
覆盖范围	20 个行业、8 个区域、约 120 个场景	口径细，可下钻
统计边界	仅计 AI 增值部分	不含软件整体价值

139% 的增速意味着什么

Omdia 给出的 139% 是一个异常数字。正常的软件品类，即使处在爆发期，年增速也很难超过 100%。Omdia 说这是疫情以来最大幅度的一次上调，说明这个增速不是趋势外推的结果，而是对已发生事实的追赶。

Omdia 认为推动力来自三处。第一是企业大量部署 AI 助手：写代码的、写文档的、做客服的、做数据分析的，几乎每个职能都在采购 AI 工具。第二是编码工具的普及：这类工具的付费意愿最强，渗透速度最快，直接贡献了大量收入。第三是嵌入式 AI 功能：软件厂商把 AI 能力打包进原有产品，通过涨价变现。

第三点最容易被忽略，但可能是最大的一块。当一家 CRM 厂商把 AI 功能加进标准版并提价 20%，这笔收入在财报里不会单独列出，但在 Omdia 的统计口径里会被计入。这类”隐形增长”遍布整个企业软件市场，是 139% 这个数字的重要来源。

为什么说这是”异常加速”

Omdia 首席市场预测分析师 Neil Dunay 的判断很直接：技术应用成熟后，市场年增速通常会放缓，但 2026 年生成式与代理式 AI 正推动增长出现异常加速。

异常加速的原因不是需求突然爆发，而是三条曲线同时向上：领先的基础模型提供商收入同比增长 3 到 10 倍，顶级云服务商的 AI 云业务实现三位数增长，企业软件厂商在 AI 增强型与原生 AI 产品上激烈竞争。

这三条曲线互相强化。模型厂商收入增长，说明有企业在为能力付费；云厂商 AI 业务增长，说明这些能力在被调用；软件厂商推新品，说明这些能力在被包装成可购买的产品。三者同时增长，才构成一个完整的市场，而不是单点的炒作。

代理式 AI 才是增长最快的

Omdia 报告里最值得关注的一条是：代理式 AI 目前收入基数较小，但增长速度更快，2025 到 2031 年的复合增速预计达到 104%。这个数字远高于整体市场的 30%。

为什么代理式 AI 增速更快？因为它解决的是”执行”而不是”生成”。生成式 AI 帮你写一段文案、画一张图、总结一篇文章，价值明确但天花板有限；代理式 AI 能替你打电话、填表单、跑流程、跨系统操作，价值更大但实现更难。

难点在于可靠性。生成错了，用户能看出来并修改；执行错了，可能造成实际损失。所以代理式 AI 的商业化必须先解决”出错怎么办”这个问题，这也是为什么它的收入基数小——多数企业还在试点阶段。

但一旦可靠性过关，代理式 AI 的付费意愿会远高于生成式。因为它替代的是人力成本，而不是辅助人的工作。一个能自动处理报销流程的智能体，一年能省下的钱是可量化的；一个能写周报的助手，省下的是时间，价值难以直接换算。

对比维度	生成式 AI	代理式 AI
核心价值	生成内容	执行任务
付费逻辑	提效，节省时间	替代，节省人力
可靠性要求	中等，人可校对	高，出错有实际损失
当前阶段	规模落地	试点验证
2025-2031 复合增速	——	约 104%
主要障碍	同质化、价格战	可靠性与责任划分

Omdia 为什么敢把数字上调这么多

预测机构通常保守，因为大幅上调意味着承认此前看错。这次 Omdia 用了”疫情以来最大幅度上调”这样的表述，说明内部做过激烈讨论。它的底气来自三组可验证的数据。

第一组是模型厂商的收入增速。领先的基础模型提供商收入同比增长 3 到 10 倍，这个数据可以通过融资公告、财报、客户披露交叉验证。第二组是云厂商的 AI 业务增速，多家云厂商在财报里单独披露了 AI 相关收入，三位数增长是可核实的。

第三组最有趣：企业软件厂商的 AI 产品线数量。Omdia 长期追踪企业软件市场，能看到过去一年里几乎每家厂商都发布了 AI 增强版或原生 AI 产品。这种”供给侧的爆发”，往往是需求侧真实存在的先行指标。

三组数据合起来，构成了一个难以反驳的判断：这不是炒作的泡沫，而是真实发生的采购。至于这股采购潮能持续多久，报告的态度很谨慎——2026 年异常高增长，之后趋于平稳。

2028 年的一个关键转折

Omdia 预测，到 2028 年，生成式 AI 将超越预测式 AI，成为 AI 软件收入最大的细分领域。这个转折值得细看，因为”预测式 AI”是过去十年 AI 商业化的主力——推荐系统、风控模型、需求预测，都属于这一类。

预测式 AI 被超越，说明市场的重心从”优化已有流程”转向”创造新能力”。这个转向对企业的意义很大：预测式 AI 通常是后台系统，用户感知不到；生成式 AI 是前台工具，用户每天都在用。前者是省钱，后者是赚钱。

更深远的影响在组织结构。预测式 AI 时代，AI 团队通常挂在数据部门下面，属于支撑职能；生成式 AI 时代，AI 能力渗透到每个业务部门，变成核心竞争力。这个变化会重新定义”谁该为 AI 负责”。

生成式与代理式的边界正在模糊

Omdia 报告里有一个洞察：AI 助手正获得更大的自主性，越来越多地代表用户执行多步骤任务，这模糊了生成式 AI 与代理式 AI 的界限。

Neil Dunay 的判断是：随着生成式助手具备代理能力，自动化工作流日益取代人工引导的提示，两者之间的区别可能变得不再重要，市场可能会根据”自主性程度”来划分。

这个判断对采购有实际指导意义。企业不必纠结”我买的是生成式还是代理式”，而该问”这个系统能自主完成多少比例的流程”。自主性越高，替代的人力越多，价值越大，但对可靠性的要求也越高。

细分场景里谁在赚钱

120 个应用场景听起来很多，但收入分布极不均衡。从 Omdia 的描述和其他机构的交叉验证看，收入最集中的几块是：编码与开发工具、客服与销售自动化、内容创作、数据分析与商业智能、IT 运维。

编码工具是过去两年增长最快的品类。原因很直接：开发者是最愿意为效率付费的人群，工具的收益可以立刻感知，采购决策链短。这也是为什么几乎所有模型厂商都把编程当作第一个攻克的场景。

客服与销售自动化是第二梯队。这类场景的价值在于人力替代，但决策链长、合规要求高，落地速度慢于编码。不过一旦落地，客单价高、粘性强，是典型的”慢启动、长周期”生意。

内容创作是第三梯队，也是争议最大的一块。它的用户基数庞大，但付费意愿分散，工具同质化严重。很多公司在这里拿到了用户，却拿不到收入。这也是为什么 Omdia 把创作类场景的收入规模排在编码之后。

场景	增长特征	付费驱动	主要障碍
编码与开发	最快	开发者效率可直接感知	同质化、价格战
客服与销售	较慢但稳定	人力替代可量化	合规、决策链长
内容创作	用户多、收入分散	创作效率	付费意愿低、工具趋同
数据分析	中等	决策质量提升	与既有 BI 工具竞争
IT 运维	新兴	故障处理效率	责任划分不清

一个容易被误读的数字：AI 云三位数增长

报告里提到”顶级云服务商在 AI 云业务领域实现三位数增长”。这个说法容易被误读成”云厂商在 AI 上赚了很多钱”。实际情况更复杂：三位数增长的基数往往很小，而且这部分收入的利润率很低，甚至为负。

原因在于 AI 云的成本结构。传统云服务的边际成本极低，多一个用户几乎不增加成本；AI 云不同，每次推理都要消耗 GPU 算力，成本随用量线性增长。这意味着收入增长不一定带来利润增长，规模效应远没有传统云那么明显。

这也解释了为什么云厂商一边大举投入，一边对 AI 业务的盈利时间表含糊其辞。它们在赌的是：随着芯片效率提升、模型优化、规模扩大，单位成本会下降。这个赌注是否成立，未来两三年会见分晓。

对 Omdia 的预测，这一点需要打个折扣理解：2000 亿美元是收入，不是利润。收入规模的扩张，不代表行业整体的盈利能力同步提升。看这份报告时，要区分”市场变大”和”生意变好”。

这轮增长背后的三条价值链

把 Omdia 的描述拆开，能看到三条清晰的价值链。第一条是模型层：基础模型提供商的收入同比增长 3 到 10 倍。这条链的特点是集中度高，少数几家拿走大部分收入。

第二条是云层：顶级云服务商的 AI 云业务实现三位数增长。这条链的特点是规模效应强，谁有算力谁就能承接需求。但它也高度依赖上游芯片供应，是典型的资本密集型生意。

第三条是软件层：企业软件厂商在 AI 增强型和原生 AI 产品上竞争。这条链最分散，玩家最多，也是大多数创业公司所在的位置。

Omdia 描述的三条链，利润率完全不同。模型层毛利高但研发投入巨大，云层毛利中等但资本支出惊人，软件层毛利最高但竞争最激烈。理解这个结构，才能理解为什么钱会流向某些环节而不流向另一些。

增长会不会突然停下来

所有高速增长的市场都会面临同一个问题：什么时候减速。Omdia 的判断是，随着市场日趋成熟、回归更典型的应用轨迹，且收入基数大幅扩大，2026 年的异常高增长率会在后续几年趋于平稳。但即便如此，30% 的复合增速仍能维持到 2031 年。

减速的触发因素有三个。第一是预算约束：企业的 AI 预算不可能无限增长，当它占到 IT 总预算的某个比例后，增速必然放缓。第二是价值验证：早期采购靠新鲜感，后期采购要看 ROI，验证不过关的项目会被砍掉。第三是技术同质化：当所有产品都能做到 80 分，价格战就会开始，收入增速会掉得比用量增速快。

这三个因素里，第二个最关键。目前大量 AI 项目的 ROI 难以量化，企业靠”不能落后”的心理在推动。一旦经济环境收紧，这类项目最先被砍。这也是为什么 2027 到 2028 年可能是一个检验期。

但对长期趋势不必悲观。软件行业的每一次范式转移——从客户端到 Web、从本地到云、从功能到平台——都经历过类似的”期望膨胀、回落、稳步爬升”。AI 软件大概率也会走这条路，只是斜率更陡。

对中国市场的参照意义

2000 亿美元是全球口径，中国占多少？按过往比例推算，中国 AI 软件市场约占全球的 10% 到 15%。这个比例低于中国在互联网用户和制造业产值上的全球占比，说明中国的 AI 软件商业化程度还有提升空间。

原因有几层。第一，中国企业对软件付费的意愿整体低于欧美，更倾向于定制开发而非购买标准产品。第二，中国的 AI 能力更多体现在应用层而非基础软件层，收入结构不同。第三，国产软件出海规模有限，缺少全球收入。

但也有积极信号。中信证券的研报提到，AIGC 创作平台是商业化落地最快的原生 AI 应用赛道之一，具备千亿美元市场空间，核心价值在于对齐模型供给与创作者意图，依托模型中立调度路由和深度产品工程能力两大抓手。

这个判断和 Omdia 的全球数据可以互相印证：应用层的钱比模型层更容易赚，因为离用户更近、价值更可感知。中国的创业公司在这块有优势——工程能力强、迭代速度快、对本土场景理解深。

报告之外的两个变量

任何预测都有前提。这份报告的两个隐含前提是：算力供应不出现严重断裂、监管不出现剧烈变化。这两个变量中任何一个反转，2000 亿美元的数字都要往下修。

算力方面，2026 年的瓶颈已经从芯片转向电力与数据中心。多个地区的电网承载能力接近上限，新建数据中心的周期从 18 个月拉长到 36 个月。这意味着算力成本短期难以下降，会压制 AI 软件的价格空间。

监管方面，欧盟的相关法案进入分阶段实施，对高风险场景提出了文档、测试、人工监督的明确要求。合规成本会抬高进入门槛，也会拖慢落地速度。对大型厂商是好事（门槛提高），对小型厂商是压力。

这两点提醒我们：预测是路线图，不是承诺。企业做规划时，应该在乐观、中性、悲观三种情形下都准备方案，而不是把 Omdia 的数字当成既定事实。

和专业机构的另一组数字对照

不同机构对 AI 市场的预测差异很大，原因主要是口径不同。如果把”AI 芯片、服务器、数据中心”这些基础设施也算进去，全球 AI 相关支出的规模会达到万亿美元级别；如果只算软件，就是 Omdia 的 2000 亿美元。

两个数字都对，只是回答的问题不同。基础设施支出回答的是”行业在投多少钱”，软件收入回答的是”用户愿意为什么付钱”。前者反映投资热度，后者反映商业成熟度。判断泡沫与否，看后者更有意义。

Omdia 这份报告的价值，正在于它坚持只统计软件收入，而不是把基础设施投资也算进来充数。这个口径虽然让数字看起来没那么震撼，但更接近”AI 到底创造了多少可收费的价值”这个真问题。

对企业的启示是：做市场测算时，先想清楚要回答什么问题，再选口径。想说服老板投钱，用大数字；想做严谨决策，用软件收入口径。混用两种口径，会得出自相矛盾的结论。

企业该怎么用这份报告

第一，别把 Omdia 说的 2000 亿美元当成”市场很大，我一定能分到”。市场大不等于机会均等，钱流向哪里，取决于你在哪条价值链上。如果你做的是同质化的生成式工具，面对的是价格战；如果你做的是深度嵌入流程的代理，面对的是可靠性竞争。

第二，用增速差异指导资源分配。生成式 AI 增速 139%，代理式 AI 复合增速 104%，说明这两块在快速增长。但增速快也意味着竞争激烈、格局未定。企业要判断自己是”能参与竞争”还是”只能观望”。

第三，关注 2028 年这个转折点。生成式 AI 超越预测式 AI 成为最大细分，意味着企业的 AI 预算结构会变化。如果你在卖预测式 AI 产品，需要提前布局生成式能力；如果你在做生成式，要思考如何向代理式延伸。

第四，注意口径。AI 增值部分与软件总价值是两个概念。做市场测算时如果用错口径，会得出完全不同的结论。Omdia 的口径保守，适合用来做”真实 AI 市场”的判断；如果要做”AI 相关总支出”的估算，数字会大得多。

普通读者该记住什么

如果你是普通用户，这份报告和你最直接的关系是：AI 工具会变得更便宜、更普及。当市场规模翻倍，竞争会推着厂商降价、把功能做得更易用。你现在要花几十元订阅的功能，两年后可能成为免费标配。

如果你是从业者，最该记住的是增速差异：代理式 104%、整体 30%、预测式相对平稳。这意味着岗位需求会向”能设计智能体流程”的人倾斜，而不是”能训练模型”的人。技能结构的调整，比技术本身更快到来。

如果你是投资者，值得记住的是结构而不是总量。2000 亿美元是结果，钱流向哪条价值链才是原因。模型层集中、云层规模、软件层分散——这个结构决定了一级市场的估值逻辑，也决定了二级市场的板块轮动。

把这三条放在一起，会发现一个共同点：所有判断都建立在”AI 从工具变成基础设施”这个前提上。如果这个前提成立，2000 亿美元只是中途的一个数字；如果不成立，它就是顶部。这个判断，比任何一份预测报告都重要。

把这份报告放进时间线

回顾 Omdia 过去几年的判断，会发现一个有意思的规律：它对 AI 软件市场几乎每年都上调，但幅度逐年增大。2023 年上调时还很谨慎，2024 年开始加速，2026 年这次直接翻倍。

这种”连续上调”的模式，通常出现在技术渗透率快速上升的阶段。它说明的不是预测机构不擅长预测，而是现实变化的速度超过了模型的假设。对读者，这提供了一个判断：当专业机构连续上调同一指标时，说明趋势是真实的，不是噪音。

但也要警惕另一种偏差：连续上调之后，市场预期会被推到极高的位置，一旦增速不及预期，回调会很剧烈。这是资本市场的常态，与技术本身是否成功无关。

所以更理性的态度是：把 Omdia 的数字当作”方向”而不是”目标”。方向是 AI 软件会持续高速增长，这一点几乎没有争议；目标的具体数值，反而没那么重要。

常见问题

这份报告是谁发布的？

Omdia，隶属于 Informa TechTarget 的技术研究机构。《AI 软件市场预测》自 2016 年起持续发布，覆盖 20 个行业、8 个地理区域、约 120 个应用场景。

2000 亿美元包含哪些收入？

只包括 AI 技术部分的增值收入，不含软件解决方案的总价值。分为代理式 AI、生成式 AI、预测式 AI 三类。

为什么这次上调幅度这么大？

Omdia 称是疫情以来最大幅度上调。原因是生成式与代理式 AI 需求同时加速，加上基础模型厂商、云服务商、企业软件厂商三条线同时高增长。

139% 的增速可信吗？

这是对已发生事实的追赶式上调，不是纯趋势外推。其中包含大量”嵌入式 AI 功能提价”带来的隐形增长，这类收入分散在企业软件市场各处。

代理式 AI 为什么增长更快？

因为它替代的是人力成本而非辅助工作，价值可量化、付费意愿强。但可靠性要求高，目前多数企业还在试点阶段，收入基数较小。

2028 年会发生什么？

Omdia 预测生成式 AI 将超越预测式 AI，成为 AI 软件收入最大的细分领域。这意味着市场重心从”优化已有流程”转向”创造新能力”。

中国市场占多少？

报告未单列，按过往比例推算约占全球 10% 到 15%，低于中国在互联网用户与制造业产值上的全球占比，说明商业化程度仍有提升空间。

对创业公司有什么启示？

应用层比模型层更容易赚钱。中信证券研报认为 AIGC 创作平台是落地最快的原生 AI 赛道之一，核心在于模型中立调度与产品工程能力。

企业该怎么用这个预测做规划？

用增速差异指导资源分配，关注 2028 年的结构转折，分清”AI 增值收入”与”软件总价值”两个口径，避免用错数据做决策。