Gartner 2026大中華區(qū)高管交流大會(huì)于近日盛大召開。會(huì)上Gartner公布最新研究成果，梳理在新一代人工智能（AI）指數(shù)級(jí)跨越發(fā)展的時(shí)代背景下，塑造未來AI基礎(chǔ)設(shè)施戰(zhàn)略發(fā)展的三大主要技術(shù)趨勢(shì)：構(gòu)建AI超級(jí)計(jì)算平臺(tái)、部署無(wú)處不在的AI、自動(dòng)化運(yùn)維與AI安全穩(wěn)定擴(kuò)展。
Gartner研究副總裁周玲表示：“據(jù)Gartner最新預(yù)測(cè)，預(yù)計(jì)到2029年，AI支出將達(dá)到4.7萬(wàn)億美元，而其中AI 基礎(chǔ)設(shè)施將蘊(yùn)含高達(dá)2.3萬(wàn)億美元的市場(chǎng)機(jī)遇。本次行業(yè)洞察依托對(duì)資本流向的精準(zhǔn)追蹤與對(duì)技術(shù)專利與創(chuàng)新的深度研究和挖掘，經(jīng)過層層過濾與嚴(yán)苛篩選形成。這些趨勢(shì)將在未來1至3年、3至5年，乃至更長(zhǎng)的周期內(nèi)，深刻改變行業(yè)格局的戰(zhàn)略演進(jìn)方向。”
構(gòu)建以“Token經(jīng)濟(jì)性”為核心的AI超級(jí)計(jì)算平臺(tái)
生成式AI工作負(fù)載正在推高各方面的計(jì)算需求，包括本地、云端和邊緣。GPU和定制AI芯片的使用率不斷提高。縱向擴(kuò)展AI編織將被廣泛采用，并依靠光互連技術(shù)克服內(nèi)存/輸入-輸出瓶頸。隨著計(jì)算密度的提高，功耗也隨之增加，未來AI超算機(jī)架將按照200kW/機(jī)架及以上的規(guī)格進(jìn)行設(shè)計(jì)。未來，優(yōu)化數(shù)據(jù)中心的基本單元已經(jīng)不同。在“AI工廠”中，衡量生產(chǎn)力和商業(yè)價(jià)值的基本度量衡發(fā)生了根本性改變：不僅依靠傳統(tǒng)的服務(wù)器利用率，還依靠Token經(jīng)濟(jì)性（Tokenomics），包括每美元帶來的Token產(chǎn)出（Token/Dollar）、每瓦特能耗帶來的Token產(chǎn)出（Token/Watt）、每秒鐘處理的Token吞吐量（Token/Second）等等。未來的基礎(chǔ)設(shè)施將基于業(yè)務(wù)成果和核心價(jià)值構(gòu)建。
在此趨勢(shì)下，Gartner建議，企業(yè)應(yīng)當(dāng)“以終為始，協(xié)同設(shè)計(jì)”，圍繞模型規(guī)模和最終業(yè)務(wù)成果來設(shè)計(jì)基礎(chǔ)設(shè)施策略，將每瓦特能耗帶來的Token產(chǎn)出、每美元帶來的Token產(chǎn)出等作為IT投資的核心指標(biāo)。企業(yè)需要摒棄“基建先行，用戶自來”的盲目樂觀，構(gòu)建本地部署環(huán)境來處理核心負(fù)載，同時(shí)制定靈活的策略，在算力需求爆發(fā)時(shí)，無(wú)縫擴(kuò)展至主權(quán)云或公有云。此外，企業(yè)應(yīng)當(dāng)持續(xù)對(duì)其Token經(jīng)濟(jì)性進(jìn)行審計(jì)和評(píng)估，定期審視Token的消耗與交付成本，確保那些總擁有成本（TCO）高昂的算力實(shí)例，真正創(chuàng)造了匹配的高標(biāo)準(zhǔn)業(yè)務(wù)價(jià)值。
周玲表示：“優(yōu)化Token經(jīng)濟(jì)性的破局之道，在于全面打通本地、邊緣與云端，實(shí)現(xiàn)AI超級(jí)算力在各個(gè)層面的無(wú)縫協(xié)同。”
在云、邊、端大規(guī)模部署AI推理與物理AI
基礎(chǔ)設(shè)施與運(yùn)營(yíng)的領(lǐng)導(dǎo)者必須清醒地認(rèn)識(shí)到：AI用例即將無(wú)處不在。在不久的將來，企業(yè)需要重塑云基礎(chǔ)設(shè)施策略，以滿足AI推理工作負(fù)載短時(shí)、高頻、爆發(fā)式的算力需求。本地部署和GPU即服務(wù)（GPUaaS）將成為專有模型微調(diào)和主權(quán)AI的關(guān)鍵支撐。更激動(dòng)人心的是，新場(chǎng)景正在引爆算力邊界。邊緣AI計(jì)算應(yīng)用，例如機(jī)器人技術(shù)、擴(kuò)展現(xiàn)實(shí)（XR）等，要求企業(yè)在邊緣側(cè)部署更強(qiáng)大的GPU和AI專用芯片；物理AI終端，例如自動(dòng)駕駛、具身智能等，正在催生對(duì)端側(cè)AI能力的需求。
順應(yīng)趨勢(shì)主動(dòng)布局，是企業(yè)筑牢未來競(jìng)爭(zhēng)力的關(guān)鍵。采用“突發(fā)優(yōu)先（Burst-first）”策略，能大幅提升創(chuàng)新和交付速度，讓AI項(xiàng)目更快轉(zhuǎn)化為真金白銀。布局本地化與主權(quán)AI不僅能嚴(yán)密保護(hù)知識(shí)產(chǎn)權(quán)，滿足數(shù)據(jù)主權(quán)和監(jiān)管要求，還能通過采用多元化的AI芯片，打破單一供應(yīng)商鎖定，優(yōu)化長(zhǎng)期成本。雖然物理AI的發(fā)展周期將是一場(chǎng)馬拉松式征程，但在汽車、醫(yī)療、物流等行業(yè)的先行者，必將借此建立起降維打擊的競(jìng)爭(zhēng)壁壘。
為了支撐無(wú)處不在的AI場(chǎng)景，企業(yè)需要優(yōu)化算力調(diào)度，合理配置AI超算資源，優(yōu)化多加速器（GPU/NPU/TPU）平臺(tái)的混用，并全面引入FinOps（云財(cái)務(wù)運(yùn)營(yíng)），確保每一分算力都用在刀刃上。邊緣AI場(chǎng)景將引爆整個(gè)算力邊界，企業(yè)應(yīng)當(dāng)將邊緣AI作為具有可衡量投資回報(bào)率（ROI）的生產(chǎn)工具進(jìn)行部署、擴(kuò)展和運(yùn)營(yíng)。物理AI方面，企業(yè)應(yīng)當(dāng)擁抱物理AI試點(diǎn)，結(jié)合機(jī)器人、5G、數(shù)字孿生，啟動(dòng)試點(diǎn)項(xiàng)目，同時(shí)利用AI增強(qiáng)的仿真環(huán)境，實(shí)現(xiàn)快速規(guī)模化。
周玲表示：“企業(yè)需要確立‘突發(fā)優(yōu)先’的基礎(chǔ)設(shè)施架構(gòu)以最大化算力效率。一方面使用云平臺(tái)應(yīng)對(duì)計(jì)算高峰，另一方面利用本地部署保障數(shù)據(jù)主權(quán)。同時(shí)，企業(yè)應(yīng)當(dāng)從現(xiàn)在開始著手構(gòu)建從仿真到車間（sim-to-shop-floor）的物理AI管線，為未來3到5年的具身智能爆發(fā)奠定規(guī)模化落地基礎(chǔ)。”
自動(dòng)化運(yùn)營(yíng)管理與AI的安全治理
隨著AI正式從“邊緣創(chuàng)新”蛻變?yōu)椤捌髽I(yè)核心營(yíng)收的驅(qū)動(dòng)力”，AI系統(tǒng)本身已經(jīng)成為了企業(yè)最關(guān)鍵的基礎(chǔ)設(shè)施。這就意味著，必須為AI注入企業(yè)級(jí)的彈性、可靠性和極高的安全標(biāo)準(zhǔn)。為了實(shí)現(xiàn)這一目標(biāo)，行業(yè)正在見證智能體驅(qū)動(dòng)的IT運(yùn)維（Agentic IT Ops）的崛起。企業(yè)需要引入能夠自主簡(jiǎn)化IT流程的智能體，并結(jié)合“人在環(huán)中（Human-in-the-loop）”的治理機(jī)制進(jìn)行高效的故障排查與修復(fù)。
智能體能幫助IT團(tuán)隊(duì)斷崖式縮減平均修復(fù)時(shí)間（MTTR），并將“被動(dòng)救火”轉(zhuǎn)化為預(yù)測(cè)性的預(yù)防運(yùn)維。企業(yè)可以通過標(biāo)準(zhǔn)化的AI工廠，保障大規(guī)模AI即服務(wù)（AIaaS）的交付安全。同時(shí)，在架構(gòu)設(shè)計(jì)之初，企業(yè)就必須將主權(quán)數(shù)據(jù)合規(guī)、大模型多樣性，以及多智能體（Multi-agent）系統(tǒng)的可擴(kuò)展性納入考量。
在此趨勢(shì)下，企業(yè)一方面需要結(jié)合內(nèi)部IT運(yùn)營(yíng)模式及流程，加速智能體驅(qū)動(dòng)的IT運(yùn)維自動(dòng)化落地。同時(shí)，企業(yè)應(yīng)當(dāng)將AI平臺(tái)視為產(chǎn)品，基于平臺(tái)工程模式制定平臺(tái)產(chǎn)品路線圖，設(shè)定服務(wù)等級(jí)目標(biāo)（SLO），建立成本分?jǐn)倷C(jī)制，引進(jìn)FinOps的治理框架以保證算力使用的可視化，讓AI基礎(chǔ)設(shè)施平臺(tái)的投入真正賦能業(yè)務(wù)。
周玲表示：“在推動(dòng)AI從試點(diǎn)走向全面生產(chǎn)的過程中，完善的治理框架、智能體運(yùn)維體系，以及強(qiáng)悍的AI超算能力，是三大不可或缺的加速器。”
