2026年计算机行业“十五五”规划纲要计算机行业解读：智能经济启航，AI Agent主导未来五年AI叙事

“十五五”是智能经济全面启航的关键五年

“十五五”规划纲要全文中“人工智能”作为关键词被提及频次达30 次，特别是在第三篇《加快高水平科技自立自强，引领发展新质生产力》及第四篇《深入推进数字中国建设，提升数智化发展水平》，作为主线贯穿第四篇中“强化算力算法数据高效供给”、“全方位推进数智技术赋能”、“营造健康有序的发展生态”三个章节。对比 2021 年发布的《“十四五”规划和2035年远景目标纲要》，“人工智能”作为关键词被提及频次仅为 6 次。 相应地，“十五五”规划纲要全文“数字经济”提及频次 7 次，若去掉其中关于“‘十四五’数字经济核心产业增加值占比超过 10.5%”的总结 性表述，则恰好与《“十四五”规划和2035年远景目标纲要》中“数字经济”提及频次 6 次持平。 此外，在今年两会政府工作报告中提及“十五五”规划纲要草案中阐 述了“十五五”发展的重大战略任务之一，数字经济核心产业增加值占国 内生产总值比重要达到12.5%，而本次公布的“十五五”规划纲要全文正式版，这一“12.5%”的指标并未出现。结 合以上“一增一平”的鲜明对比，我们分析判断，我国的数智化战略重 心正在发生迁移，“数字经济”作为过去五年的核心重 点产业，其战略地位和内涵将在“十五五”时期，被“人工智能”重 新填充，换言之，“智能经济”有望取代“数字经济”成为未来五年的新的核心引擎。以“数字化”连接与规模扩张为特征的“数字经济”阶段，将进入以“智能化”价值创造为内核的“智能经济”新阶段。结 合全球人工智能产业最新进展，我们认为，“十五五”时 期是“智能经济”真正启航并实现高速 发展的关键五年。“智能经济”作为“数字经济”的高级形态与价值核心，其对全要素生产率、产业价值链重构及经济增长模式的颠覆性影响，将远超此前对数字经济的产业统计占比指标所能衡量。政策之下，我们理解的底层核心产业逻辑在于，当下以 OpenClaw 为代表、能够执行复杂任务的高价值 AI 智能体（Agent），正在快速规模化渗透，并将驱动推理算力需求爆发、重 塑软件价值链、并释放数据要素潜能。

（一）“十五五”首提“智能原生”，AI 或将升级为生产要素

“十五五”规划纲要中提及“推进国 家人工智能创新高地建设，培育智能原生新模式新业态”，“智能原生”首次出现在五年规划中，这背后有深刻的底层涵义。在经典的生产函数（Y=AF(K,L)）框架中，技术通常体现为提升全要素生产率（A），过去发展数十年的信息化、数字化，其本质是在优化 A，而站在新的历史时点，“十五五”对人工智能的定位，将使其成为生产函数中一个独立的、能与其他要素（资本 K、劳动 L）协同甚至主导组合的新变量，即迈向Y = F(K, L, AI)。这恰是强调“培 育智能原生新模式新业态”的深意所在。“原生”是“AI 作为生产要素”的直观体现，也就是从诞生之初其价值逻辑就由 AI 定义。 在以上前提下，为深入将 AI 作为生产要素有效融入经济发展及国家治理之中，规划要求“全面 实施‘人工智能+’行动，加强人工智能同科技创新、产业发展、文化建设、民生保障、社会治理相 结 合，抢占人工智能产业应用制高点，全方位赋能千行百业”，其引导方向在于让AI这一新要素能够对经济增长函数中的每一个关键变量全面 深化和赋能，具体可以体现为：驱动科研范式变革（提升 TFP）、重塑实体经济竞争力（重构资本 K）、创造新消费需求（扩大市场）、提升人力资本质量（优化劳动 L）、降低社会运行成本（优化制度环境）等。

（二）智能体经济驱动 AI 要素价值重 构

智能经济将在“AI 作为新型生产要素”的新范式下运行，在新的范式体系下，AI 要素（算力、算法、数据）的价值链将被重 构。 算力层，电力瓶颈成为算力核心约束条件，算电协同大有可为。在智能体（Agent）作为生产要素的新范式下，算力需求的性质发生了根本改变。能够支撑智能体长程、复杂任务流持续运行的推理算力，将取代训练算力成为需求增长的主引擎。随之而来将产生持续且规模巨大的算力消耗，电力供给将成为制约算力扩张的核心约束条件。算力的价值不再单纯由峰值算力（FLOPS）或单卡性能决定，而是由其“单位绿色电力消耗所能驱动的有效智能产出”来定义。规划纲要明确提出“推动绿色电力与算力协同布局”，这标志着 “算电协同”将日益成为主流模式，算力价值链将向绿色能源、更优散热解决方案、以及智能“算-电”调度与交易系统集中。算法层：大模型“性价比”成为关键竞争变量，AI 应用生态加速 分层，Agent as a Service(AaaS)作为价值交付的核心模式崛起。当 AI 成为生产要素，AI Agent 将成为可兑现价值的生产力，大模型的性价比指标将取代参数规模，日益成为算法层最关键的竞争变量。十五五规划纲要鼓励“推动通用大模型和行业专用模型同步发展，依托高价值场景推动模型应用落地和迭代升级”，呼应了产业发展规律 和趋势，算法层产业生态的价值链重 构将加速。闭源通用大模型将承载复杂推理、高可靠性的“能力上限”角色从而趋于寡头化，而开源高性价的行业专用模型及智能体（Agent）将呈现高爆发增长趋势，Agent as a Service (AaaS) 迅速崛起，收费基准有望从Token计价转向“增量收益分成”，AI 部门由此从成本中心转为利润中心。 数据层：高质量、高价值密度的“任务型数据集”需求爆发。十五五规划纲要强调“深化数据资源开发利用”、“建设高质量数据集”、“实施可信 数据空间发展行动计划”，正是为了构建支撑智能经济的数据要素供应链，推动数据价值实现从“资源”到“资产”再到“可流通资本”的跨越。能够为特定领域（如自动驾驶、药物研发、高端制造）生产出符合标准、可直接用于训练高性能行业模型或智能体的数据资产”的服务商，将成为智能经济中不可或缺的环节。数据层的投资焦点在于能够提供高质量数据生产与治理服务的企业、可信 数据空间的技术解决方案提供商与运营方。总体而言，在 AI 作为新型生产要素的范式下，算力、算法、数据三大基础要素均将面临价值链重 构。算力追求绿色集约与算电协同，算法追求垂直场景的性价比与效果分成，数据追求高质量资产化与可信 流通。

十五五展望：AI Agent 主导未来五年AI叙事

（一）智能经济开启，Token 迎来超高速爆发

OpenClaw 作 为 高 质 量 智 能 体 （ Agent） 代 表 正 在 推 动 AI 从对话工具像执行代理升级。OpenClaw 是一个开源、可托管并支持多种聊天应用的 AI Agent，是由彼得·斯坦伯格开发，于2026年初在 GitHub 上对外开源，曾 用名 ClawdBot、MoltBot，发布后其星标迅速猛涨，截至目前星标为 25.8 万，并吸引百万访问者 ，该项目不在局限于简单的对话交互，可以通过自然语言接口实现复杂任务的自主任务执行。当前大量的国内云服务厂商已经接入 OpenClaw，并且大量AI芯片也开始适配 OpenClaw。

OpenClaw 有望实现 AI Agent 真正形态。OpenClaw 能在本地运行，替用户执行动作，可以按照对话要求进行各种自主性的工作，支持多种聊天应用集成，通过飞书、iMessage、Telegram等日常聊天软件直接调用本地运行的 AI 助手，使用户能在日常环境中无缝使用AI Agent，其核心功能在于能将用户所实现的意图或指令拆解成可操作的步骤，比如用户可以执行日程管理、发送邮件、航班值机等日常琐碎任务，并且可以 7*24 小时不间断工作。 智能体规模化落地引发“Token 通胀”，大模型调用量正在呈现非线性增长，而Token消耗俨然已成为刚需生产资料。根据国际市场调研机构英富曼（Omdia）发布《2025 全球企业级MaaS市场分析》报告数据显示，截至 2025 年 10 月，中国云厂商火山引擎日均Tokens 调用量超30万亿，名列全球第三，市场份额达到 15%仅次于 OpenAI 和 Google Cloud，后两者分别以近70万亿和 43 万亿的日均 Tokens 调用量，排名全球 MaaS 服务市场前两位，三家厂商合计占据全球MaaS市场 65%的份额。而到 2026 年 2 月中国 AI 模型调用量更是首次超过美国，OpenRouter数据显示 2 月 16 日当周中国模型周调用量达 5.16 万亿 Token，三周大涨127%。据 IDC 测算，全球活跃 Agent 数量将从 2025 年约 2860 万攀升至2030 年22.16亿，年复合增长率 139%；年执行任务数从 2025 年 440 亿次暴涨至 2030 年 415 万亿次，年复合增长率524%；随着 Agent 处理的任务越来越复杂，所需推理深度与调用链路不断加长，底层Token消耗也将呈现 数 量 级 的 跃 迁 。 年 度 Token 消 耗 将 从 2025 年 0.0005 PetaTokens 暴增至2030年152,667PetaTokens，年复合增长率高达 3418%。

Openclaw 应用场景复杂度的提升以及 7*24 小时 不间断运行，将带来Token的消耗超高速 爆发。我们根据以下假设来大致测算，未来 3 年海外 AI Agent 应用每日消耗的算力总量，以及算力的需求增速 。

（1）假设 2025 年全球 AI Agent 日活人数与 AI Web 总日活人数相当，即2025 年底AIAgent全球（不含中国 ）渗透率约为 9.17%。我们预期 2026-2028 年渗透率分别为11%、14%、17%。根据非凡产研统计的全球 AI Web 产品月活数据，2025 年 12 月前20 名海外Web产品合计月活量约为 11.2 亿。考虑到 AI Web 日常使用率较高，我们假设 DAU（日活）/MAU（月活）=38%，则 2025 年底 AI Agent 全球（不含中国）日活人数约为 4.26 亿，对应2025 年底AI Agent 全球（不含中国）渗透率约为 9.17%。 Openclaw 加快了智能体在端侧设备的部署，AI Agent 渗透率有望加速提升。2025年12月前20 名海外 AI APP 产品合计月活量约为 31.3 亿，远远大于 Web 产品。Openclaw有望将相当一部分 APP 使用者转化为智能体玩家。若按照 2026-2028 年渗透率分别为11%、14%、17%计算，则AI Agent 全球（不含中国）日活人数分别为 5.24 亿、6.84 亿、8.50 亿。

（2）假设每个日活用户 2025 年每日仅使用 1 次 AI Agent 应用，2026-2028 年分别增加到3、6、12 次（场景增加）；且随着应用深度的增加，单次使用 AI Agent 产生的请求次数也会增加，假设 2025-2028 年分别为 20、40、60、100 次。 AI Agent 将任务拆解为多步，每步都要调用模型、处理工具返回、修正错误。因此一次用户任务将触发几十至上百次调用模型的请求。对于 Openclaw 来说，由于任务复杂度增加，触发的请求次数会更多。

（3）假设每一次请求需要的 token 数，2025-2028 年分别为 2000、6000、10000、14000。2025 年，主流 AI 智能体完成一个简单的任务（比如制作一张数据图表）大约消耗10万token，比较复杂的任务（比如制作一个 Web 应用）能达到消耗 90 万 token 以上。我们假设2025年平均使用一次 AI Agent 应用消耗 10 万 token，对应 50 次请求，则单次请求消耗token数为2000。而对于 Openclaw 来说，每次请求都需要携带完整的系统提示、全部工具列表、技能定义与历史记忆。尤其是 Openclaw 的长期记忆机制，所有智能体活动存储在本地计算机的Markdown文件中，智能体在每次会话时会加载之前所有记忆。因此，Openclaw 单次请求消耗高达8000-12000token，单任务可达数十万至数百万 token。

（4）基于以上假设，我们测算出未来 3 年全球（不含中国 ）AI Agent 应用每日消耗的token总量，2026-2028 年的增速 分别达到 22 倍、7 倍、6 倍。2026 年是 Openclaw元年，也驱动AIAgent发展走向 next level，即智能体从对话走向自主执行，在此驱动下，2026 年全球token需求将迎来超高速 增长。

（二）AI Agent 逐渐从成本中心转向利润中心

Openclaw 自主执行能力推动 Agent 应用从功能导向转向任务导向，未来五年Agent有望从“成本中心”转成“利润中心”。伴随着 AI Agent 从“被动工具”迈向“自主决策体”，并且从个体走向协作，AI Agent 的商业模式也将发生变革，AI Agent 应用的竞争点正从“提供工具”向“交付价值”转变。能真正提升下游企业利润的 AI Agent 应用将会胜出，从“成本中心”转成“利润中心”。从这个角度来说，对应垂直行业 know how 型卡位公司的投资机会相对提升，能融入智能体能力的 SaaS 企业有望迎来价值重 估的机会。

1.1 AI 商业模式变迁：订阅制 → 调用制 → 结果分成制

AI 商业模式的发展轨迹大致经历了三个阶段：1、订阅制：在传统SaaS 模式下，用户按月/年付费获取产品 使用权，与实际使用次数和效果无强相 关。该模式下，收入来源清晰，但增长主要依靠用户规模扩张。对服务商而言，收入和算力成本之间存在明显的线性关系，每多一个客户，就需要多一份算力和运维支持。2、调用制：随着 大模型 API 开放，收入逐渐演进为“按调用计费”。用户每次调用接口按 token 或次数收费。调用制的优势是更灵活、与实际使用挂钩，也降低了用户初期的进入门槛。但其收入逻辑仍然是“调用量 × 单价”，呈现近似线性的增长。边际算力成本几乎恒定，规模化后利润逐渐放大，但仍属“加法效应”。3、结果分成制：进入Agent 阶段，AI不再仅仅是被动调用工具，而是能自主规划、执行复杂任务，甚至直接产生业务成果。因此其计费模式也向“按结 果付费”转变。具体而言，Agent 可根据为客户节省 的人力成本或创造的新增收益抽成，形成效果驱动的分成机制。这一模式下，客户的付费意愿更强，单客收入显著提升，并且具备指数放大的特征。

Agent 结果分成制把 AI 收入曲线从线性推向指数。收入公式演变为：

Agent 收入=基础调用费+(结果分成×任务价值×网络节点)

其中，基础调用费依然延续线性逻辑，而后半部分“结果分成×任务价值×网络节点”三项的乘积则成为推动曲线由线性跃迁至指数的关键动力。这一机制的背后逻辑在于：首先，任务价值的提升让单个任务的经济回报被大幅放大。在传统模式下，一次API 调用的价值可能只体现在生成一段文本、翻译一段语言，价值相 对有限。但在Agent 阶段，单个任务往往嵌入在更复杂的业务流程中，例如财务审计、智能化营销、供应链优化等，这些场景单次执行的价值可能达到数十万甚至上百万元级别。任务复杂度的提升，使得单任务的变现能力远超API 层面，显著抬高了收入的价值基数。其次，结果分成机制突破了线性叠加的天花板，使得收入与客户价值深度绑定。传统模式中，服务商卖的是调用次数，用户体验的好坏与收入并无直接挂钩。但在结果分成模式下，Agent 的收入与客户的成本节省 或收益提升直接挂钩。例如财务Agent 可以按照客户节省 的人力成本抽取 5%，营销 Agent 可以按照新增 GMV 抽取 10%。这种“效果付费”模式不仅让服务商与客户的利益高度一致，还显著提升了客单价的天花板，使得收入不再受调用次数的束缚，而是随效果呈几何级跳升。最后，网络节点效应带来规模外溢，使收入具备自增强循环。一个Agent被使用得越多，沉淀的场景经验、插件生态和知识记忆就越丰富，新用户无需重 新训练即可直接复用这些成果，从而体验到更高的效率与准确率。这种“用的人越多→Agent 越聪明→吸引更多人使用”的飞轮循环，使得每一个新增用户带来的边际价值并非线性叠加，而是推动整个生态呈现指数放大。随着 网络规模扩大，Agent 的应用边界和商业潜能被进一步释放。

综合来看 ，任务价值、结 果分成和网络节点三者相互叠加，构成了AI Agent 商业模式的“乘法效应”：单点价值提升、收益模式创新与规模外溢循环共同作用，使得收入逻辑从“加法”演进为“乘法”，从而实现了真正意义上的由线性增长向指数增长的跃迁。这不仅意味着单个企业的商业模式效率显著提高，更意味着 整个产业链可能在短期内迎来爆发式增长。

1.2 Agent 产业分工裂变，从卖算力到卖服务

Agent 平台层主要由大模型厂主导。大模型厂积极推进 AI 智能体开发平台，逐步构建各自的AI Agent 生态，提供 MaaS 服务。AI 智能体开发平台具有汇聚流量的优势，如果在上面的Agent应用丰富起来，构建起 AI Agent 生态，则有望成为 AI 时 代的“安卓”圈，因此平台的开放性和模型技术优势也是关键驱动力。字节跳动发布“Coze”，以零代码方式构建多模态、可记忆的智能体，应用于内容创作、教育辅导等场景，提升营销效率，也可辅助教学；阿里推出“百炼平台”，支持从模型调用到插件集成的全流程智能体开发，应用于电商服务助手、日程管理助手等场景；腾讯的“元器”，结 合混元大模型与微信 生态，实现一站式创建和分发，应用于客服助手、内容创作等场景，可以提升服务效率，辅助创作。 根据信 通院的数据，2025 全年中国 公有云厂商对外提供的大模型Token 调用量增长了16倍，超过了 2000 万亿，其中 10 月字节跳动旗下火山引擎日均 Token 调用量达到30 万亿，是2024年4 月的 250 倍，作为参考 2025 年 10 月谷歌大模型的日均 Token 调用量为42 万亿。2025年中国人工智能核心产业规模有望超过 1.2 万亿元，增幅近 30%。

编辑：火腿肠