Gartner 最新展望顯示,全球正進入一輪規模極大的 AI 產能投資潮:2026 年全球 AI 開支預計達 2.7 萬億美元,按年急升 49.5%。不過,這個數字不代表大部分企業已經把 AI 試驗項目變成可複製、可盈利的日常營運模式。最大買家其實是科技供應商,正大舉添置運算、伺服器及雲端容量,為未來 AI 工作負載鋪路。
22
30
預測一年內持續上調
比起單一數字,更值得留意的是 Gartner 的修訂方向。其 1 月預測為 2026 年 AI 開支 2.52 萬億美元,按年增長 44%;到 5 月上調至 2.59 萬億美元、增長 47%;最新估算則約為 2.7 萬億美元,增長 49.5%。
41
29
22
這個走勢反映,市場對 AI 容量的預期需求,仍然快過早前的估算。根據對 Gartner 長期預測的報道,整體 AI 開支在 2027 年預計仍會增加約 36%,之後才逐步放緩。
17
最大筆錢,仍然用來起「地基」
現階段,大部分開支並非投向獨立 AI 應用程式,而是投向訓練及運行模型所需的實體和雲端底座:AI 優化的基礎設施即服務(IaaS)、伺服器、網絡互連、運算半導體及裝置。Gartner 5 月的預測中,AI 基建佔全球 AI 總開支 超過 45%。
29
最新報道指出,科技供應商佔全部 AI 開支 35%;它們採購 AI 優化伺服器、雲端基建及晶片,用於建立、部署及運行 AI 模型與代理系統。
22
這亦解釋了為何記憶體相關的加價壓力,未有令擴建步伐明顯減慢。Gartner 認為,為應付預期工作負載而建的基建需求依然強勁,對這類成本上升相對缺乏彈性。
49 換句話說,超大規模雲端服務商及大型服務供應商現時更重視「有冇足夠容量」,多過短期零件價格是否理想。
軟件、服務與模型同樣擴張,但要落地仍有大量工夫
基建雖然主導開支結構,其他類別亦在增長。Gartner 5 月預測,2026 年 AI 服務開支約 5,855 億美元、AI 軟件約 4,532 億美元,而 AI 平台及模型約 642.5 億美元;後者較 2025 年增長 63.4%。
38
20
35
原因不難理解:企業要真正用好 AI,單有模型存取權並不足夠,還要處理系統整合、資料準備、管治、工作流程設計、監察及營運支援。基建熱潮為這些後續採購創造條件,卻不保證每一個部署都會帶來回報。
Gartner 亦預期,企業採用的模型會愈來愈專門化:到 2027 年,企業使用的生成式 AI 模型中,超過一半將針對特定行業或業務職能;相較之下,2024 年比例約為 1%。
12
軟件重心:由「幫手答問題」走向「幫手做工序」
AI 軟件內部的轉變同樣關鍵。對 Gartner 預測數據的報道指,嵌入企業軟件的聊天機械人及助手開支會在 2027 年見頂;同一年,嵌入式代理型 AI 的開支將會超越前者,並在之後持續擴大。
45
兩者差別不只是介面。助手主要幫用戶起草、搜尋或摘要;代理型系統則旨在調用工具、推進有明確範圍的多步驟工作流程。自主程度愈高,權限管理、效能評估、可審計性及用量控制也就愈不能後補。
「幻滅低谷」不是停止花錢,而是 ROI 要經得起考驗
Gartner 把 2026 年形容為 AI 的「幻滅低谷」(Trough of Disillusionment):早期熱潮開始碰上現實,部分實驗和實施未能交出預期成果。
41
53
這與高開支並不矛盾。基建供應商可以持續重注擴充容量,同一時間個別企業仍會審慎挑選:哪些用例夠可靠、成本合理,而且可以妥善管治,才值得大規模推行。現有公開資料並未提供一個具決定性的 Gartner 整體企業生產部署比例,因此,對「有多少企業已完成規模化」的精確說法應審慎看待。
對企業買家的實際啟示
眼前的規劃重點,不是單純「加大 AI 預算」,而是分清楚全球的基建競賽,與自己公司能否創造可量度價值,是兩回事。
企業可優先處理以下幾點:
- 按工作流程計清經濟帳。 將模型、推理、整合及人手覆核成本,對照一個明確的業務成果。
- 及早設立用量控制。 當代理系統可執行更多多步驟工作時,預算上限、速率限制與監察尤其重要。
- 保留架構彈性。 在可行情況下,讓資料、評估及編排層保持可攜性,避免整套系統完全綁死於單一專有模型或雲端環境。
- 採購時處理主權與退出風險。 Gartner 最新報道特別提到,供應商鎖定、資料主權及成本失控仍是持續憂慮;不過,這些風險暫未令買家停止採用專有能力。
30
總結
Gartner 的 2.7 萬億美元預測,說明 AI 開支在 2026 年正急速加速,而且 2027 年料仍處於高位。但這首先是一個全球 AI 容量建設的故事。對企業來說,真正要過關的問題仍然更具體:能否把這些算力轉化為安全、有妥善管治、單位成本算得清,並能長期帶來業務成果的工作流程。
22
30