每隔几年，Forrester Wave报告会做一件令人不舒服的事：它会告诉你，你评判一件事的方式本身已经过时了。

2026年8月，麦肯锡《AI现状报告》显示62%的企业已开始试验AI Agent，但Gartner预测其中超过40%的项目会被废弃。两组数据放在一起描述的，是同一个现象：企业正大规模涌入一个评估框架尚未跟上的赛道。

2026年8月14日发布的《Forrester Wave™: AI Platforms, Q3 2026》就是这样一份报告——它是第一个尝试给这个新赛道建立评判坐标的权威框架。它评估了15家厂商、使用了19项标准，但它最重要的内容不是谁得了Leader，而是第一段话：

“如果你读过我们之前在这个类别的评估报告，准备好重新校准。Agentic AI已经重新画定了AI平台是什么、必须做什么，以及哪些厂商在竞争提供它。”

这是一份评分卡，宣告自己之前的评分卡已经失效了。

过去10年，AI平台是什么

理解这次重写的意义，需要先理解它在重写什么。

过去十年，”AI平台”在企业市场有一个相对稳定的定义：这是数据科学工作台。你在这里准备数据、训练模型、生成洞察，然后洞察传递给做决策的人类。AI是工具，人类是行动者。

评估这类平台的维度因此集中在：模型训练效率、数据管道集成能力、特征工程工具、模型版本管理、监控和解释性。这套标准服务的场景，是”我想知道什么正在发生”。

它的隐含假设是：AI止步于洞察。真实世界的决策和执行，由人类完成。

Agent打破了这个假设

Agentic AI的出现打碎了这个假设。

当AI不再只是输出预测和建议，而是开始”理解上下文、穿越工作流、完成工作”（Forrester原文），整个评估框架就需要重建。你不再只问”这个模型能不能告诉我发生了什么”，你在问”这个系统能不能代替我的团队处理这个工作流”。

这两个问题的背后是不同的产品架构、不同的安全要求、不同的集成复杂度、以及完全不同的失败模式。

Forrester在这份报告中明确说：”我们评估平台的方式，不只是看它如何帮助数据科学家，而是看它如何好地为企业流程建模并执行。这才是Agentic价值被创造的地方。”

这意味着，之前的Leader可能不再是Leader；之前被忽视的能力——多Agent编排、跨系统权限管控、代理运行时的审计追踪——成了核心评分维度。

一个变得更复杂的市场

这份报告揭示的另一个重要信息，是市场的异质化程度。

Forrester评估的15家厂商，背景极为多元：有根植于数据科学的传统AI平台（如Databricks、DataRobot），有来自工作流自动化的（如ServiceNow、Appian），有来自RPA（机器人流程自动化）的，有企业SaaS背景的（如Salesforce、Microsoft）。完整的Leader/Strong Performer/Contender名单需访问Forrester付费报告（forrester.com/report/the-forrester-wave-tm-ai-platforms-q3-2026/RES197214），公开博文中Forrester主要描述了评估框架而非具体名次。这个”刻意的公开策略”本身也说明了什么：评估框架比名次更具持久价值，名次会随市场变化而翻转，框架则提供了一个相对稳定的思维工具。

这种多样性在以前的Wave报告中很少见，原因是过去的定义比较单一。现在，”能帮企业用AI完成工作”是一个足够宽的定义，容纳了完全不同路径的竞争者。

Forrester的结论是：这种异质性是一个特性，不是缺陷。每家厂商都围绕某个特定的甜蜜点进行聚合——数据科学深度、工作流专业化、行业解决方案、应用开发。企业选择时需要精确地匹配自己的最高价值用例与哪家厂商的甜蜜点最接近。

AI平台策略将是一个组合，不是一个独占

这是报告中我认为最被低估的洞察：

“你的AI平台战略将是一个组合，而不是一个单体（monolith）。每一个评估中的平台都是通用的，但把每一个用例都强行压到一个单一平台上，意味着大多数用例都会落在它的甜蜜点之外。”

这句话的实践含义是，对大多数企业而言，”选一个最好的AI平台”是错误的问题框架。正确的问题是：”我的高价值用例分布在哪些类型的AI任务上，不同类型任务分别用哪个平台处理效果最好，以及这些平台之间的互操作性够不够？”

这是一个更难的问题，也意味着AI平台的采购将越来越不像选择一个Office套件，更像设计一个微服务架构——每个服务选最适合的提供商，并投入大量工程资源管理接口。

对采购决策者的实际含义

如果你在2026年正在评估或重新评估企业AI平台，Forrester这份报告传递了几个具体建议：

第一，不要用2023-2024年的需求清单采购。 那个清单是为了数据科学工作台设计的，可能漏掉了Agentic能力中最关键的几个维度：自主工作流执行能力、多Agent协调机制、企业流程建模能力。

第二，关注”甜蜜点匹配度”，而不是综合排名。 一家在整体评估中排名靠前的厂商，可能在你的核心用例上并非最佳。Forrester明确建议：买家必须既审视广度，也审视深度，对每家厂商针对自己最高价值用例的能力做精确比较。

第三，评估互操作性。 如果你计划使用多个AI平台（Forrester建议你将这视为标准场景），那么这些平台之间的数据流通、API兼容性、身份和权限管理的统一层，将决定组合架构的实际成本。

第四，警惕”Agent Washing”。 当一个评估类别的定义刚刚发生根本性变化，最容易出现的市场现象是每个厂商都声称自己已经支持Agentic AI。典型的Agent Washing模式包括：将传统RPA工作流封装为”AI Agent”能力、将简单的LLM API调用称为”自主Agent执行”、以及将规则引擎驱动的自动化标注为”代理驱动的决策”。Forrester的19项评估标准之所以重要，正是因为它迫使这些区别明确化。

更大的信号：10年AI平台演化到了换代节点

我想在这里退一步，指出这份报告更大的含义。

Agentic AI重定义AI平台评估维度，不只是一次产品类别的迭代。它是一个信号，说明企业AI正在经历一次代际转换——从”辅助决策的工具”到”执行工作的系统”。

这次转换的影响，远不止AI平台的选择。它影响的是：

  • 岗位职责的边界：当AI系统能”完成工作”，人类在工作流中的角色需要重新定义
  • 企业安全架构：一个能穿越工作流的AI代理，意味着权限管理和审计追踪的需求从”数据层”延伸到”行为层”
  • 供应商关系：当AI平台成为执行核心业务流程的基础设施，厂商的战略重要性级别向上跳跃一档

Forrester说”选择你的平台就像你的未来取决于此——因为确实如此”，这不是营销话语。在企业AI从洞察工具演变为执行系统的过渡期，现在做出的平台架构决策，将在未来5-7年锁定一系列下游选择。

结语：你需要重新问一个问题

2026年之前，企业AI平台的核心问题是”这能帮我的团队做得更聪明吗？”

2026年之后，这个问题正在被替换为：“这能帮我的团队做得更少吗——同时把工作做完？”

这两个问题看起来相似，但指向的产品架构、安全要求、供应商选择是不同的。如果你还在用前一个问题框架评估AI平台，Forrester Wave Q3 2026是一个提醒：该重新校准了。

参考资料

  1. Forrester - “The Forrester Wave™: AI Platforms, Q3 2026 Is Live: Prepare To Recalibrate” (2026-08-14): https://www.forrester.com/blogs/the-forrester-wave-ai-platforms-q3-2026-is-live-prepare-to-recalibrate/
  2. Forrester Wave Report - “The Forrester Wave™: AI Platforms, Q3 2026” (Official): https://www.forrester.com/report/the-forrester-wave-tm-ai-platforms-q3-2026/RES197214
  3. Daily Report Source #7 (2026-08-14): Forrester Wave AI Platforms Q3 2026

补充：市场竞争格局的微观变化

值得追踪的是，这次评估维度重写对各类厂商的”相对地位”产生了哪些可预见的影响。

传统数据科学工作台（如Databricks、DataRobot）的困境：它们在模型训练和数据管理方面积累了深厚的技术壁垒，但这恰恰是这次评估中权重下降最多的维度。Agentic执行、工作流建模、多代理协调——这些能力需要重建，不能简单地从数据科学栈里演化出来。

企业工作流平台（如ServiceNow、Appian）的机会：它们天然地更接近”业务流程”的表达层，而不只是模型层。当评估标准从”能训练出好模型”转向”能建模和执行企业流程”，这类厂商的历史积累开始产生新的价值。

云原生AI基础设施巨头（AWS、Azure、Google Cloud）的两面性：一方面，它们拥有覆盖面最广的模型访问层和基础设施集成能力；另一方面，企业真正的业务流程逻辑往往存在于SaaS层，云厂商的接触面相对低层，需要通过合作伙伴生态弥补。

新兴Agentic-Native平台的窗口期：对于从一开始就围绕Agent设计架构的新兴厂商，这次评估标准的重写是一个罕见的”洗牌机会”。历史包袱更少，但品牌认知度和企业规模客户的获取路径是挑战。

一个值得警惕的平行历史

云计算早期，也曾有过一次类似的”评估维度重写”时刻。

2008-2012年，企业IT的主流采购框架还是”服务器+软件许可证”。当亚马逊AWS开始赢得大客户时，传统的Gartner Magic Quadrant排名与真实的市场影响力之间产生了奇异的错位——在传统框架下得高分的厂商，在新的实际价值维度上落后了。

企业采购者面临的困境是：一边是经过验证的传统评估工具，一边是新的框架还不成熟但更能捕捉真实价值差异。在这个窗口期做出正确选择的企业，获得了超出预期的竞争优势。

Forrester的这份报告，可能是在宣告AI平台领域类似窗口期的开始。

更新的参考资料

  1. McKinsey - “State of AI 2026” (data cited in multiple AI industry reports, 2026): 62%企业已开始试验AI Agent: https://www.msn.com/en-us/technology/artificial-intelligence/best-ai-agent-builders-in-2026-8-no-code-and-low-code-platforms-compared/ar-AA29PfnD（引自McKinsey报告数据）
  2. Gartner (cited in industry reports, 2026): 40%以上AI Agent项目将被废弃预测（同上来源引用）

我的判断：在企业AI平台的采购中，接下来12-18个月将是一个”评估标准真空期”——旧的框架已经过时，新的框架还在建立。Forrester的这份报告是第一个权威信号，但不是最后一个。企业技术决策者需要意识到：在这个窗口期，自己的判断力比历史排名更重要。

附：几个需要在评估中新增的具体问题

这是我建议企业在AI平台RFP（征求建议书）或POC（概念验证）阶段新增的几个问题，这些问题在2年前的传统框架中不存在或权重很低：

关于代理执行能力：

  • 这个平台能否支持”给定目标、自主规划步骤、调用多个工具完成任务”的代理执行模式？还是仍然需要人工定义每一步工作流？
  • 代理执行的审计追踪是什么粒度？能否回溯”Agent做了什么决定、基于什么信息、在什么时间”？

关于多Agent协调：

  • 平台是否支持多个Agent并发工作并协调输出？协调层的可靠性和一致性保证是什么？
  • 当不同Agent到达矛盾结论时，冲突解决机制是什么？

关于企业边界：

  • Agent执行所涉及的数据访问控制是否与现有IAM体系（如Active Directory/Okta）原生集成，还是需要重新设计权限体系？
  • 当Agent越权访问时，防护机制是实时拦截还是事后告警？

这些问题不是为了淘汰某个厂商，而是为了在POC阶段就暴露出在真实企业环境中最容易出现的失败模式。

一个具体的案例对比（说明为什么评估维度的转变不是抽象的）：

旧范式（数据科学工作台）的典型成功：一家零售商用AI平台分析历史销售数据，建立了一个库存补货预测模型，每天产出”建议补货量”报告。数据科学团队训练模型、IT团队接入ERP、采购经理查看报告做决策。AI的价值在于预测准确率，评估维度是模型精度、训练速度和解释性。

新范式（代理执行层）的典型场景：同一家零售商，这次希望部署一个”自主供应链Agent”——当预测到缺货风险时，Agent直接访问采购系统生成PO，触发审批流程，追踪物流状态，并在遇到异常时自主决定切换备用供应商。AI的价值不在于预测准确，而在于能否安全、可靠地完成跨系统的真实业务决策链。

在第二个场景下，”模型精度”只是最基础的要求，”能否在企业边界内安全地自主执行”才是核心评估维度。这两个场景需要的AI平台，根本就不是同一类产品。

Forrester Wave Q3 2026的最大意义，就是宣告：现在的评估体系，是为第二个场景设计的。