← 返回洞察
2026 年 9 月 · 7 分钟阅读
Snyk 第二期 Agentic AI 落地报告：AI 真实足迹比模型清单大 3 倍
关键定义
AI-BOM（AI 物料清单） 类似软件物料清单（SBOM），记录 AI 系统中的模型、agent 框架、MCP 服务器、数据集与工具等组件的清单与依赖，用于盘点与审计 AI 供应链。
ECI（Epoch Capabilities Index） Epoch AI 发布的能力指数，量化模型自主完成任务的潜力。2026 年 4 月前沿 ECI 为 160；企业部署的专有模型加权平均为 135.4。
MCP（Model Context Protocol） 把 AI agent 连接到工具、服务与数据的开放协议。在采用 agentic 架构的组织中，超过一半同时运行 agent 与 MCP，MCP 正在成为 agentic 企业的连接基础设施。
Snyk 发布《2026 State of Agentic AI Adoption》第二期：基于 AI-BOM 遥测分析 3,044 家企业账号、约 139 万个代码仓库（2026 年 6 月采样），横跨美洲、EMEA 与亚太。第一期从 500+ 环境观察到的结构论点——AI 不再是孤立功能，而是有自己供应链、依赖与自主行为的互联执行系统——在更大、更多样的数据集上被再次验证。
四个反直觉的数字
33% 已 agentic，且采用者在加码
33.0% 的组织使用 agentic 架构（agent 框架或 MCP 服务器），高于第一期 28.4%；在有任何 AI 足迹的 2,142 个账号中，采用率升到 46.9%。更关键的是构成：50.3% 的采用者同时跑 agent 和 MCP——第一期只有 36%。agentic 采用不只是扩散，是在加深成全栈执行平台。
足迹比模型数大 3 倍
按模型数衡量，AI 密度约每仓库 0.080 个组件；把框架、MCP 服务器、检索系统、向量数据库、数据集与工具全算上，密度约 0.241。每个部署的模型平均伴随约两个额外组件。模型是可见的尖端，构成是冰山。
供应商不再是\"两家独大\"
OpenAI 在模型出现中的份额从 43.6% 降到 34.0%；Anthropic 从 3.5% 升到 10.5%；前四名合计仍占约 71%。2025 年底的\"两供应商世界\"正在让位于更分散的核心。
AI 在工程工作量中的占比上升
每开发者对应的 AI 资产从第一期的 0.18 升到 0.30（约每 3-4 个开发者一个），六个月增长约三分之二。AI 已从实验品变成工程团队的常规负载。
能力：部署保守，前沿已入场
报告第一次引入能力维度：用 Epoch AI 的 ECI（2026 年 4 月前沿为 160）给企业实际部署的模型打分。加权平均 ECI 是 135.4——比前沿低约 25 分，主要被一批为成本与稳定而保留的老模型（gpt-3.5-turbo、claude-3-opus 之类）拉低。但前沿邻近带（155-159）的部署被观测到 1,874 次，全部是专有模型——最领先的一批已经在生产里了。开源权重模型整体落后封闭前沿约 4 个月、约 8 个 ECI 分。对企业：本地/开源与前沿之间的权衡正在成为核心架构决策，治理需要按能力分层，而不只是按模型数量。
谱系缺口就是治理缺口
报告里最难看的一个数字：只有 50.8% 有模型的账号在代码库中声明了任何数据集，平均每模型约 0.36 个数据集。约半数部署模型的组织，代码层看不到模型训练或微调数据的任何链接。这个缺口在每个地区都成立。偏差评估、监管合规、审计响应、事故调查、IP 保障——全部依赖知道是什么数据塑造了模型行为。报告把它和传统软件做类比：AI 正沿着每一次重大基础设施转型的路走——从孤立实验，到运营依赖，到系统性关键——区别是这次系统在转型完成之前就已经开始自主行动了。
供应链：外部依赖主导
77.4% 的 AI 工具来自第三方包，与自定义工具的比例约 3.4 比 1。AI 供应链安全就是软件供应链安全，只是多了行为维度。对治理者这意味着：模型为中心的治理只覆盖约三分之一的真实足迹——数据集、工具、框架、第三方包都实质性地进入风险画像。
对企业意味着什么
治理单位变了：从模型响应到系统行为
生成式 AI 产出给人看；agentic 系统调用工具、检索信息、协调工作流、自主执行动作。治理单位不再是模型输出，而是系统的运行行为。清单、授权、监控都要跟着换。
MCP 的标准窗口期就是现在
\"两者都跑\"已是多数模式，MCP 从有趣协议变成了 agentic 企业的连接组织。在部署基数超过可改造的临界点之前，现在是为 MCP 建立专门治理的窗口。
先答九个问题，再谈规模
报告给治理负责人列了九个问题：完整 AI 清单（不只模型）、哪些系统是 agentic 且能做什么、供应商集中度、能力分布、开源替代对比、数据谱系、行为变化检测。答不全的部分，就是下个季度的风险敞口。
底线判断
这份报告的价值不在单一数字，而在比例关系：模型只占真实 AI 足迹的三分之一；一半部署者说不清数据从哪来；前沿模型已经在生产里跑。企业 AI 治理正在成为一门独立于传统应用安全、云治理与软件供应链的运营纪律——它的对象是行为从模型、工具、数据集、编排层与外部服务中涌现出来的互联自主系统。如果只按模型清单做治理，你管理的只是冰山一角。
参考来源
- Snyk: 2026 State of Agentic AI Adoption — Volume II (2026-08) — https://res.cloudinary.com/snyk/image/upload/v1785759343/Volume_II-2026_The_State_of_Agentic_AI_Adoption_August_2026_a9jyao.pdf
常见问题
这份报告的数据从哪来？+
Snyk 基于 AI-BOM 遥测，覆盖美洲、EMEA 与亚太的 3,044 家企业账号、约 139 万个代码仓库，数据于 2026 年 6 月分析；并与 2026 年 1 月第一期（500+ 环境）对比。
agentic 采用率到底是多少？+
33.0% 的组织使用了 agentic 架构（agent 框架或 MCP 服务器），高于第一期的 28.4%；在有任何 AI 足迹的组织中，采用率升至 46.9%。其中 50.3% 的采用者同时运行 agent 与 MCP，高于第一期的 36%。
"足迹比模型大 3 倍"是什么意思？+
按模型数衡量，AI 密度约为每仓库 0.080 个组件；把完整运营栈（框架、MCP 服务器、检索系统、向量数据库、数据集、工具）算进去，密度升至约 0.241——模型只占真实 AI 足迹约三分之一，每个部署的模型平均伴随约两个额外组件。
供应商格局怎么变了？+
OpenAI 在模型出现份额中的占比从 43.6% 降到 34.0%；Anthropic 从 3.5% 升到 10.5%；前四名合计仍占约 71%。报告称之为"两供应商世界"让位于更分散的核心。
为什么说谱系缺口就是治理缺口？+
只有 50.8% 有模型的账号在代码库中声明了任何数据集，平均每模型约 0.36 个数据集——约半数部署模型的组织无法说明是什么数据塑造了模型行为。偏差评估、监管合规、审计响应、事故调查、IP 保障都依赖这条可追溯链。
企业该做什么？+
先答报告列的九个问题：完整 AI 清单（不只模型）、哪些系统是 agentic 且能做什么、供应商集中度、部署模型的能力分布、开源/本地替代的能力与许可对比、每个生产模型的数据谱系、如何检测 AI 系统行为变化。
相关文章
SOP-Bench：评估 Agent 该用真实业务流程，而不是演示用例
Amazon Science 发布 SOP-Bench：2,000+真实业务流程任务、12个业务领域、11个前沿模型实测。结果反直觉——更新的模型不一定更好，增加工具反而降低成功率，没有一套模型+Agent组合通吃所有流程。上线前必须按任务评估。
丰田 50+ 生产 Agent 的平台经济学：4 天交付背后的审批与单点风险
丰田北美把 Agent 交付从 6 个月 6 人压缩到 4 天 1 人，50+ 个 Agent 上线。省下的主要是安全评审与数据接入审批——但一个被继承的权限门，如今成了 50 个 Agent 的唯一防线。
Salesforce调研：AI Agent先发不一定先赢，『准备』比『速度』更关键
Salesforce《State of Agentic AI in the Enterprise》调研2,025位决策者：先部署的企业不一定先回本，平均约8个月实现有意义ROI，专业服务行业仅6.5个月。决定性因素是干净数据、收敛的Agent边界与预先设计的人工升级路径，而非模型能力。
微软ThinkingBox基准：Agent『演示很行、生产不可靠』的40点鸿沟
微软联合匹兹堡大学等发布开源基准ThinkingBox：最强模型GPT-5.4单次成功率65.36%，20次全过率仅25.25%，相差40个百分点，微软称之为『发现-可靠性鸿沟』。更关键的是，Agent经常留下干净日志却未完成任务——基于转录的评估正在系统性高估Agent。