Gartner最新展望描绘的是一轮大规模的AI产能建设周期：2026年全球AI支出预计达到2.7万亿美元，较2025年增长49.5%。不过，这并不等于大多数企业已经把AI试点转化为可复制、可盈利的运营模式。当前最大的买家仍是科技服务商，它们正采购运行未来AI工作负载所需的算力、服务器和云容量。2230

预测值在2026年一路上调

比2.7万亿美元这个 headline 更值得关注的，是Gartner在一年内连续上调预期的轨迹。

• 1月：预计2026年AI支出为2.52万亿美元，同比增长44%；
• 5月：上调至2.59万亿美元，同比增长47%；
• 最新预测：约为2.7万亿美元，同比增长49.5%。412922

这组变化说明，市场对AI产能的预期需求仍在超过此前估算。相关分析显示，全球AI总支出在2027年预计仍将保持约**36%**的高速增长，之后才会逐步放缓。17

最大的钱，仍在买“底座”

这轮资金的主流去向并非独立AI应用，而是训练和提供模型服务所需的物理与云端底座：AI优化的基础设施即服务（IaaS）、服务器、网络互连、处理芯片及终端设备。Gartner在5月的预测中称，AI基础设施占2026年全球AI总支出的45%以上。29

在最新报道中，科技提供商占AI支出的35%。它们采购AI优化服务器、云基础设施和芯片，用于构建、部署和运行模型及智能体。22

这也解释了为什么内存相关涨价尚未阻断扩张。Gartner认为，为支撑预期工作负载而建设AI基础设施的需求依然强劲，对这类成本压力的敏感度相对较低。49 换言之，超大规模云厂商和大型服务商现阶段更优先确保容量供给，而非一味追求短期硬件成本的严格控制。

服务、软件和模型也在增长，但建立在“修路”之后

基础设施占主导，并不意味着其他市场停滞。Gartner在5月的预测中估计，2026年：

• AI服务支出约为5855亿美元；
• AI软件支出约为4532亿美元；
• AI平台和模型支出约为642.5亿美元，同比增幅预计为63.4%。382035

这些项目之所以重要，是因为企业要真正用好AI，绝不只是接入一个模型。数据准备、系统集成、治理机制、工作流设计、持续监控和运维支持，都是落地的一部分。基础设施热潮为这些后续采购创造了条件，但并不保证每个部署都能产生商业价值。

模型使用也将更趋专业化。Gartner预计，到2027年，企业使用的生成式AI模型中，超过一半将面向特定行业或业务职能；而这一比例在2024年约为1%。12

企业软件正从“助手”转向“智能体”

AI软件内部还有一项关键迁移：从对话式助手，转向能够完成边界明确、多步骤任务的系统。

根据对Gartner预测数据的报道，嵌入企业软件的聊天机器人和助手支出将在2027年见顶；同年，嵌入式智能体AI的支出将超过前者，并在此后继续增长。45

二者的差别不只是界面不同。助手通常帮助用户起草、检索或总结；智能体则被设计为调用工具、推进任务，并在工作流中执行多个步骤。但自主性提高，也意味着权限管理、结果评估、审计追踪和使用控制会变得更加关键。

“幻灭低谷”是ROI警报，不是支出崩塌

Gartner将2026年描述为AI的“幻灭低谷”（Trough of Disillusionment）：早期热情开始面对现实，部分试验和实施项目未能交出预期成果。4153

这与高额支出并不矛盾。基础设施提供商可以持续大举投资产能，而单个企业仍会谨慎筛选哪些场景足够可靠、经济且可治理，值得扩大规模。现有公开材料并未给出Gartner口径下、企业AI实现大规模生产部署的权威比例，因此对“有多少企业已规模化AI”的精确说法应保持审慎。

企业应从这份预测中读到什么？

眼下最重要的规划结论不是简单地“加大AI投入”，而是分清两件事：一边是全市场争夺基础设施的竞赛，另一边是企业自身创造可衡量价值的能力。

对于采购与落地团队，重点包括：

• 按工作流核算经济性。 将模型调用、推理、集成和人工复核成本，与明确的业务成果逐项对照。
• 尽早建立使用控制。 当智能体承担更多多步骤任务时，预算阈值、调用频率限制和监控机制尤为重要。
• 保留架构灵活性。 在条件允许时，让数据层、评估层和编排层具备可迁移性，避免整套系统完全绑定单一专有模型或云环境。
• 在采购中处理数据主权与退出风险。 Gartner最新报道特别指出，供应商锁定、数据主权和成本失控仍是买方的持续担忧；但这些风险尚未阻止企业采用专有能力。30

结论

Gartner的2.7万亿美元预测表明，AI支出在2026年将显著加速，并可能在2027年继续处于高位。但这首先是一场全球AI产能建设的故事。对企业而言，真正的考题仍更具体：能否把这些算力和能力转化为安全、可治理、单位经济性清晰，并能持续产生业务结果的工作流。2230

Gartner最新展望描绘的是一轮大规模的AI产能建设周期：2026年全球AI支出预计达到2.7万亿美元，较2025年增长49.5%。不过，这并不等于大多数企业已经把AI试点转化为可复制、可盈利的运营模式。当前最大的买家仍是科技服务商，它们正采购运行未来AI工作负载所需的算力、服务器和云容量。2230

预测值在2026年一路上调

比2.7万亿美元这个 headline 更值得关注的，是Gartner在一年内连续上调预期的轨迹。

• 1月：预计2026年AI支出为2.52万亿美元，同比增长44%；
• 5月：上调至2.59万亿美元，同比增长47%；
• 最新预测：约为2.7万亿美元，同比增长49.5%。412922

这组变化说明，市场对AI产能的预期需求仍在超过此前估算。相关分析显示，全球AI总支出在2027年预计仍将保持约**36%**的高速增长，之后才会逐步放缓。17

最大的钱，仍在买“底座”

这轮资金的主流去向并非独立AI应用，而是训练和提供模型服务所需的物理与云端底座：AI优化的基础设施即服务（IaaS）、服务器、网络互连、处理芯片及终端设备。Gartner在5月的预测中称，AI基础设施占2026年全球AI总支出的45%以上。29

在最新报道中，科技提供商占AI支出的35%。它们采购AI优化服务器、云基础设施和芯片，用于构建、部署和运行模型及智能体。22

这也解释了为什么内存相关涨价尚未阻断扩张。Gartner认为，为支撑预期工作负载而建设AI基础设施的需求依然强劲，对这类成本压力的敏感度相对较低。49 换言之，超大规模云厂商和大型服务商现阶段更优先确保容量供给，而非一味追求短期硬件成本的严格控制。

服务、软件和模型也在增长，但建立在“修路”之后

基础设施占主导，并不意味着其他市场停滞。Gartner在5月的预测中估计，2026年：

• AI服务支出约为5855亿美元；
• AI软件支出约为4532亿美元；
• AI平台和模型支出约为642.5亿美元，同比增幅预计为63.4%。382035

这些项目之所以重要，是因为企业要真正用好AI，绝不只是接入一个模型。数据准备、系统集成、治理机制、工作流设计、持续监控和运维支持，都是落地的一部分。基础设施热潮为这些后续采购创造了条件，但并不保证每个部署都能产生商业价值。

模型使用也将更趋专业化。Gartner预计，到2027年，企业使用的生成式AI模型中，超过一半将面向特定行业或业务职能；而这一比例在2024年约为1%。12

企业软件正从“助手”转向“智能体”

AI软件内部还有一项关键迁移：从对话式助手，转向能够完成边界明确、多步骤任务的系统。

根据对Gartner预测数据的报道，嵌入企业软件的聊天机器人和助手支出将在2027年见顶；同年，嵌入式智能体AI的支出将超过前者，并在此后继续增长。45

二者的差别不只是界面不同。助手通常帮助用户起草、检索或总结；智能体则被设计为调用工具、推进任务，并在工作流中执行多个步骤。但自主性提高，也意味着权限管理、结果评估、审计追踪和使用控制会变得更加关键。

“幻灭低谷”是ROI警报，不是支出崩塌

Gartner将2026年描述为AI的“幻灭低谷”（Trough of Disillusionment）：早期热情开始面对现实，部分试验和实施项目未能交出预期成果。4153

这与高额支出并不矛盾。基础设施提供商可以持续大举投资产能，而单个企业仍会谨慎筛选哪些场景足够可靠、经济且可治理，值得扩大规模。现有公开材料并未给出Gartner口径下、企业AI实现大规模生产部署的权威比例，因此对“有多少企业已规模化AI”的精确说法应保持审慎。

企业应从这份预测中读到什么？

眼下最重要的规划结论不是简单地“加大AI投入”，而是分清两件事：一边是全市场争夺基础设施的竞赛，另一边是企业自身创造可衡量价值的能力。

对于采购与落地团队，重点包括：

• 按工作流核算经济性。 将模型调用、推理、集成和人工复核成本，与明确的业务成果逐项对照。
• 尽早建立使用控制。 当智能体承担更多多步骤任务时，预算阈值、调用频率限制和监控机制尤为重要。
• 保留架构灵活性。 在条件允许时，让数据层、评估层和编排层具备可迁移性，避免整套系统完全绑定单一专有模型或云环境。
• 在采购中处理数据主权与退出风险。 Gartner最新报道特别指出，供应商锁定、数据主权和成本失控仍是买方的持续担忧；但这些风险尚未阻止企业采用专有能力。30

结论

Gartner的2.7万亿美元预测表明，AI支出在2026年将显著加速，并可能在2027年继续处于高位。但这首先是一场全球AI产能建设的故事。对企业而言，真正的考题仍更具体：能否把这些算力和能力转化为安全、可治理、单位经济性清晰，并能持续产生业务结果的工作流。2230