毕马威 KPMG 于 2026 年 9 月 24 日发布全球 AI 脉搏调查：2131 位高级管理者中 55% 已建「护栏层」，回报明确者达 86%。 这条商业数据直接落回「前置部署」Forward Deployed Engineer（FDE）的报价与交付清单：企业已经把预算与治理责任同时摆上桌，交付方能不能把治理层与成本度量做成交付物，直接决定「前置部署」Forward Deployed Engineer（FDE）的项目能不能进入第二期。它属于 AI 服务业商业模式这一层，而不是模型能力那一层。 先把口径说清楚：这是毕马威 KPMG 全球 AI 脉搏调查的 2026 年第三季度一期，不是某个客户的案例。 发布主体是毕马威国际 KPMG International，署名人 Lisa Heneghan，职务是全球首席数字官；新闻稿的落款地点与时间是伦敦，2026-09-24。 样本是 20 个国家、2131 位高级管理者，受访企业年收入门槛为至少 US$50 million；美国追踪样本的门槛更高，要求年收入至少 US$10 billion。回收窗口是 2026 年 7 月 23 日到 2026 年 8 月 26 日。毕马威自己披露的规模是 138 个国家和地区、276000 名合伙人与员工，这份调查是它面向客户市场的季度例行产出。 同一期报告还按地区拆出英国分册与美国分册：英国样本 101 位，美国分册的百分比与全球口径并不相同，所以下面凡是标明「美国分册」或「英国分册」的数字，都不能和全球口径混着引用。 第一组数字是采购盘子：受访企业未来 12 个月的平均计划 AI 投资从 US$186 million 升到 US$210 million，也就是从大约 1.86 亿美元升到 2.10 亿美元，环比增幅约 12.9%。 同一份新闻稿给出的对照口径是第一季度：第一季度这个平均值是 1.86 亿美元，第三季度是 2.10 亿美元，也就是说两个季度里单家企业的计划投入抬高了约 2400 万美元。 地区成熟度在收敛：美洲有 64% 的组织已经在规模化 AI 或更进一步，亚太是 61%，欧洲、中东与非洲是 56%；领先地区与落后地区的差距从第一季度的 16 个百分点收窄到第三季度的 8 个百分点。 这条对「前置部署」Forward Deployed Engineer（FDE）的直接含义是：亚太与欧洲、中东、非洲的预算在补涨，把交付资源只压在美洲的团队，接下来两个季度会在增量市场上吃亏。 第二组数字是本轮最有交付价值的一组：正式「护栏层」（英文原文 AI harness layer、guardrails 这一类说法，指的是模型与业务使用之间那一层控制与工具）的普及率是 55%。 「护栏层」按成熟度分层十分陡峭：还在试验阶段的组织只有 31% 有这一层，已经在规模化的是 58%，而能报告明确投资回报的组织里有 86%。55% 到 86% 之间这 31 个百分点，就是「有治理」与「有回报」之间的落差。 「护栏层」这个词在新闻稿里有定义但范围很宽：毕马威的原话是「模型与业务使用之间的控制与工具」，没有给出组件清单，也没有区分这层是客户自建、由平台厂商提供，还是由咨询与实施方交付。 美国分册把这一层的运营动作写得更细：70% 的企业用「实时监控面板」来观察 AI 性能，43% 对 token 或算力用量执行「令牌预算」约束，49% 已经定义了禁止由 AI「自主决策」的「高风险场景」。 这三条正是「前置部署」Forward Deployed Engineer（FDE）在客户现场最容易缺项的地方：面板、预算约束与「禁止自主决策」的清单都是可验收的具体物件，不是理念。 第三组数字是问责机制：53% 的组织把 AI 相关决策的问责放在 C 层或更高，其中 35% 落到具名高管，18% 由首席执行官或执行委员会直接承担。 英国分册在这一项上明显高于全球：64% 把问责放在 C 层或以上，其中 39% 是具名高管、25% 是首席执行官或执行委员会。 对交付方来说这条决定签字链：当问责人是一个具名高管时，「前置部署」Forward Deployed Engineer（FDE）需要准备的是可追溯到责任人的运行记录与变更审批，而不是一份能力演示。 第四组数字是「智能体采纳」这一项：34% 的组织报告员工对 AI 智能体已有显著采纳，第一季度这个数字是 25%。 美国分册的曲线更陡：58% 的组织能报告可量化的业务价值；62% 正在构建、测试或部署 AI 智能体，上一季度是 53%；25% 已经在开发或部署多智能体系统，而此前两个季度都只有 6%；44% 的组织报告员工显著采纳，一年前是 10%。 美国分册还把价值来源拆开了：55% 来自生产力提升，49% 是决策变快，38% 是客户与员工体验改善，37% 是直接的财务表现改善。决策变快这一项占到 49%，说明价值已经被算到了决策链而非单点任务上。 多智能体从 6% 到 25% 这一跳，是「多智能体系统」这一层从试点转生产的直接证据，也是「前置部署」Forward Deployed Engineer（FDE）在 2026 年下半年最需要准备的编排能力。 第五组数字是本轮最难看的一组，也是最能拿去做报价论据的一组：「价值对齐」仍然极不成熟。 61% 的组织在审批阶段就审查 AI 成本，59% 在运行中持续监控成本，但只有 12% 会在全组织范围内持续把 AI 的价值与成本放在一起评估；在能报告明确回报的组织里这个比例也只有 48%。 美国分册把「财务纪律」单列：74% 的企业要求在项目审批阶段做成本审查，上一季度是 61%；73% 的负责人对自身在规模化阶段管理 AI 风险的能力有信心，上一季度是 57%。信心涨得比能力快，是这一组里最值得警惕的细节。 把这些数字翻译成 FDE 的语言：客户已经有能力在审批时问「要花多少钱」，但还没有能力在运行中回答「每一块钱换到了什么」。这个缺口是「前置部署」Forward Deployed Engineer（FDE）可以写进合同并且单独计价的部分。 第六组数字是主权与安全：72% 的组织已经正式把「模型主权」（英文 model sovereignty）纳入 AI 决策，也就是模型、数据与知识产权放在哪里、由谁控制、受哪套治理约束；其中 21% 已经有一套全企业范围并且定期复审的主权战略；在能报告明确回报的组织里这个比例是 53%。 网络安全这一侧的规模也上来了：86% 的组织在调整自己的网络安全运营模式、强化政策、流程与控制，以应对 AI 加速的威胁；把网络与数据安全列入 AI 预算优先项的比例，在能报告明确回报的组织里是 71%，在仍处试验阶段的组织里是 36%，两者差一倍。 英国分册在这一组更高：80% 在调整网络安全运营，69% 在决策中考虑模型主权，其中 24% 有一套全企业范围并定期复审的主权战略。 主权这条对「前置部署」Forward Deployed Engineer（FDE）是商业利好：当模型主权被写进正式决策流程，物理隔离环境里的自托管推理（vLLM、Ollama、K3s 一类方案）就不再是「贵一点的可选项」，而是采购流程里的合规前置条件；「自托管推理」这条线的需求来源从此有了可引用的行业数据。 把六组数字串起来，商业逻辑只有一条：企业 AI 的购买理由已经从「模型更聪明」换成「跑得住、算得清、说得起责任」。 55% 到 86% 这一组说明护栏层与回报是同向的；12% 与 48% 这一组说明成本度量是整套治理里最薄的一环；72% 与 86% 这一组说明主权与安全已经从技术选型升级成采购门槛；6% 到 25% 这一跳说明编排层正在从试点进入生产。 四条合起来指向同一个结论：AI 服务业的增量收入不在模型侧，而在「把治理、成本与编排焊进客户生产环境」这一侧，也就是「前置部署」Forward Deployed Engineer（FDE）这一侧。 另一个必须读出来的信号是「信心涨得比能力快」：对治理能力的信心从 57% 升到 73%，而真正能把价值与成本对齐的只有 12%。这种落差通常会先变成一次审计、再变成一轮追加交付预算，交付方如果没在合同里留出这块工作量，第二次进场就是免费的。 局限要说在前面，「前置部署」Forward Deployed Engineer（FDE）引用这组数字之前必须知道它们测不到什么。 第一，全部数据来自受访者的自述。报告没有对「报告明确回报」的组织做财务核验，也没有披露判定标准，所以 58% 与 48% 这类数字应当读作「自认为能测出回报」，而不是已审计的结果。 第二，样本门槛偏高：全球样本要求年收入至少 5000 万美元，美国追踪样本要求至少 10 亿美元。中小企业、初创公司与中国内地企业不在这份样本里，所以这组数字描述的是大企业采购行为，不能外推到全部市场。 第三，「AI 护栏层」的范围宽且没有组件清单。55% 这个数字无法拆成「买了什么、自建了多少、谁做的实施」，交付方不能拿它反推可签约的工程量，只能拿它做趋势判断。 第四，治理成熟与投资回报之间只有相关性。毕马威的表述是「成熟度越高、护栏层越普遍」，但这同样能解释成「已经赚到钱的组织才有资源建治理」，也就是反向因果；报告没有做因果检验。 第五，报告没有披露交付层面的失败口径：既没有项目中止率，也没有按期上线的比例，更没有任何 Day 2 运维成本的数字，而这恰恰是「前置部署」Forward Deployed Engineer（FDE）最关心的成本项。 第六，提出报告的主体本身是 AI 咨询与实施服务的卖方。毕马威国际同时在 2026 年 5 月与 Anthropic 签全球联盟、6 月与微软合作规模化企业智能体，署名人是其全球首席数字官。结论方向与它的商业利益一致这件事本身不代表数字有误，但这套口径没有被独立第三方检验过，引用时应当标明提出方身份。 第七，全球分册与英国、美国分册的百分比口径不一致。例如智能体显著采纳在全球是 34%、英国是 35%、美国是 44%；问责落在 C 层及以上在全球是 53%、英国是 64%。把不同分册的数字混在同一句话里引用，会得到一个不存在的复合指标。 谁该行动、具体怎么做，按下面六步走。 第一步，面向大企业客户的交付团队应当把「护栏层」拆成四件可验收的交付物写进 SOW：身份与权限、数据访问控制、AI 输出监控面板、token 与算力预算约束。依据是美国分册里 70% 用实时监控面板、43% 执行 token 或算力预算这两个数字，客户已经在用这套语言，交付方照着客户的验收语言写，比重新发明名词快得多。 第二步，把成本-价值台账当成独立交付项报价。具体动作是三项：给每个智能体或工作流打上用量标签，按部门或业务线做 token 与算力成本分摊，再把分摊结果与业务指标（决策时长、错误率、人工工时）放进同一张面板，做到「成本可观测性」。论据是全球只有 12% 能做到价值与成本对齐、而回报明确组是 48%，这中间 36 个百分点的差就是可计价的工程量。 第三步，用「49% 已定义禁止自主决策的高风险场景」这一条做人机协同设计依据。做法是在交付时输出一份高风险场景清单与对应的审批点，把哪些动作必须人工签字、哪些可以全自动写成配置项而不是文档描述。 第四步，把自托管推理做成标准选项而不是特批方案。72% 的组织已正式考虑模型主权、21% 有全企业战略，意味着客户的采购流程里已经存在一条与之对应的合规检查项；「前置部署」Forward Deployed Engineer（FDE）提前准备一套离线可交付的推理栈（模型权重、推理服务、集群编排、升级与回滚脚本），能省掉客户侧最长的那段合规等待。 第五步，报价切片的量级按 2.10 亿美元走。这是受访企业未来 12 个月的平均计划 AI 投资，把它当成「客户总盘子」而不是「本项目的上限」，一次交付的定位应该是拿下其中某个可独立验收的环节，而不是整包吞下。 第六步，留一条退出路径。如果客户明确拒绝把成本口径写进验收条款，正确的做法是把「成本-价值对齐」列为「除外责任」并写进「风险登记册」，而不是默默承担；因为只有 12% 的组织具备这项能力，把它当成免费赠送会直接吃掉「前置部署」Forward Deployed Engineer（FDE）的第二次进场预算。 适用条件有三条：客户属于年收入 5000 万美元以上的大企业，才有资格被这套口径描述；客户所在地区在美洲、亚太或欧洲中东非洲的 20 国样本范围内，地区成熟度数字才可引用；引用时必须区分全球分册与英国、美国分册，同一句话里不能混用两个口径的百分比。三条里缺任何一条，这组数字只能当背景趋势，不能当报价依据。 原始来源： - https://kpmg.com/xx/en/media/press-releases/2026/09/new-kpmg-ai-pulse-survey-as-ai-maturity-converges-leading-organizations-show-what-ai-at-scale-requires.html - https://kpmg.com/uk/en/media/press-releases/2026/09/uk-businesses-shift-ai-focus.html - https://kpmg.com/us/en/articles/2025/ai-quarterly-pulse-survey.html - https://kpmg.com/xx/en/media/press-releases/2026/05/kpmg-and-anthropic-sign-global-alliance-and-launch-digital-gateway-powered-by-claude.html - https://kpmg.com/xx/en/media/press-releases/2026/06/kpmg-and-microsoft-scale-trusted-enterprise-ai-agents-globally.html