Gartner最新展望描繪的，與其說是企業AI應用已全面開花結果，不如說是一場大規模的「算力建設潮」。全球AI支出預計在2026年達到2.7兆美元，年增49.5%；但最大筆資金仍由科技供應商投入，用於興建未來模型訓練與推論所需的伺服器、晶片及雲端容量。2230

預測值一年內持續上修

比起單一數字，Gartner在2026年內不斷上調的軌跡更值得注意：

• 1月預測為2.52兆美元，年增44%；
• 5月上修至2.59兆美元，年增47%；
• 最新預測約為2.7兆美元，年增49.5%。412922

這表示市場對AI運算容量的需求，仍快於原先預期。依據報導所引述的Gartner長期預測，2027年整體AI支出成長率仍可能約達36%，之後才逐步放緩。17

最大宗支出不是App，而是底層容量

目前AI預算的重心，並非獨立的AI應用程式，而是支撐模型訓練與服務的底層環境，包括AI最佳化的基礎設施即服務（IaaS）、伺服器、網路架構、處理用半導體與終端裝置。Gartner在5月的預測中指出，AI基礎設施占全球AI支出逾45%。29

最新報導顯示，科技供應商占整體AI支出的35%；它們持續採購AI最佳化伺服器、雲端基礎設施與晶片，以建置、部署及營運模型與AI代理。22

這也解釋了為何記憶體相關價格上漲，尚未阻止擴建計畫。Gartner認為，為因應預期工作負載而建置的AI基礎設施需求依舊強勁，且對這類成本壓力相對缺乏彈性。49 對大型雲端服務商與主要服務供應商來說，當前優先事項是取得足夠容量，而不是短期內嚴控零組件價格。

軟體、服務與模型也在成長，但建立在基建之上

基礎設施雖居主導地位，其他類別同樣擴張。Gartner 5月展望估計，2026年AI服務支出約為5,855億美元、AI軟體約4,532億美元、AI平台與模型約642.5億美元；其中平台與模型類別較2025年成長63.4%。382035

這些支出很關鍵，因為企業要讓AI真正可用，並不只要取得模型存取權，還需要系統整合、資料準備、治理、流程設計、監控與營運支援。基礎設施繁榮提供了後續採購的條件，卻不能保證每一項部署都能創造價值。

Gartner也預期企業採用的模型會愈來愈專門化：到2027年，企業所使用的生成式AI模型中，超過一半預計將針對特定產業或業務職能設計，遠高於2024年約1%的水準。12

軟體支出將從助手轉向AI代理

AI軟體內部正出現一項明顯轉變：從以對話為核心的助手，走向可完成受限、多步驟工作的系統。根據對Gartner預測資料的報導分析，企業軟體內嵌的聊天機器人與助手支出將在2027年觸頂；同年，內嵌式代理型AI支出將超越前者，並持續擴大。45

兩者差異不只是功能多寡。助手可以協助撰寫、搜尋與摘要；代理型系統則意在呼叫工具、推進工作流程並完成指定任務。不過，自主程度提高，也意味著權限管理、評估機制、稽核能力與使用控管變得更重要。

「幻滅低谷」不是支出崩跌，而是ROI考驗

Gartner將2026年形容為AI的「幻滅低谷」（Trough of Disillusionment）：早期熱情開始面對現實，許多導入案未能交出預期成果。4153

這與AI支出大增並不矛盾。基礎設施供應商可以大舉投資容量，但個別企業仍會審慎判斷：哪些使用情境夠可靠、成本合理且可治理，值得擴大部署。現有公開資料並未提供一項具決定性的Gartner整體統計，說明有多少企業已把AI成功擴展至正式營運，因此對企業規模化部署比例的精確說法，都應審慎看待。

企業應如何解讀這份預測？

重點不只是「多花錢買AI」，而是要區分全球性的基礎設施競賽，與企業本身是否有能力創造可衡量價值，兩者並不是同一件事。

採購與導入端可優先處理以下事項：

• 以工作流程衡量經濟效益： 將模型、推論、整合與人工覆核成本，對照清楚定義的業務成果。
• 及早建立使用控管： 當AI代理開始執行更多多步驟任務，預算上限、速率限制與監測機制尤其重要。
• 保留架構彈性： 在可行範圍內，讓資料、評估與編排層可移植，避免整個系統被綁定在單一專有模型或雲端環境。
• 把主權與退出風險寫進採購條件： Gartner最新報導特別指出，供應商鎖定、資料主權與成本失控仍是持續存在的疑慮；即使如此，買方仍在採用專有能力。30

結論

Gartner的2.7兆美元預測，確認AI支出正以極快速度進入2026年，並可能在2027年維持高成長。但這首先是一個全球AI容量建設的故事。對企業而言，真正的考題仍更務實：能否把這些容量轉化為安全、治理完善、單位經濟效益可驗證，且能持續帶來商業成果的工作流程。2230

Gartner最新展望描繪的，與其說是企業AI應用已全面開花結果，不如說是一場大規模的「算力建設潮」。全球AI支出預計在2026年達到2.7兆美元，年增49.5%；但最大筆資金仍由科技供應商投入，用於興建未來模型訓練與推論所需的伺服器、晶片及雲端容量。2230

預測值一年內持續上修

比起單一數字，Gartner在2026年內不斷上調的軌跡更值得注意：

• 1月預測為2.52兆美元，年增44%；
• 5月上修至2.59兆美元，年增47%；
• 最新預測約為2.7兆美元，年增49.5%。412922

這表示市場對AI運算容量的需求，仍快於原先預期。依據報導所引述的Gartner長期預測，2027年整體AI支出成長率仍可能約達36%，之後才逐步放緩。17

最大宗支出不是App，而是底層容量

目前AI預算的重心，並非獨立的AI應用程式，而是支撐模型訓練與服務的底層環境，包括AI最佳化的基礎設施即服務（IaaS）、伺服器、網路架構、處理用半導體與終端裝置。Gartner在5月的預測中指出，AI基礎設施占全球AI支出逾45%。29

最新報導顯示，科技供應商占整體AI支出的35%；它們持續採購AI最佳化伺服器、雲端基礎設施與晶片，以建置、部署及營運模型與AI代理。22

這也解釋了為何記憶體相關價格上漲，尚未阻止擴建計畫。Gartner認為，為因應預期工作負載而建置的AI基礎設施需求依舊強勁，且對這類成本壓力相對缺乏彈性。49 對大型雲端服務商與主要服務供應商來說，當前優先事項是取得足夠容量，而不是短期內嚴控零組件價格。

軟體、服務與模型也在成長，但建立在基建之上

基礎設施雖居主導地位，其他類別同樣擴張。Gartner 5月展望估計，2026年AI服務支出約為5,855億美元、AI軟體約4,532億美元、AI平台與模型約642.5億美元；其中平台與模型類別較2025年成長63.4%。382035

這些支出很關鍵，因為企業要讓AI真正可用，並不只要取得模型存取權，還需要系統整合、資料準備、治理、流程設計、監控與營運支援。基礎設施繁榮提供了後續採購的條件，卻不能保證每一項部署都能創造價值。

Gartner也預期企業採用的模型會愈來愈專門化：到2027年，企業所使用的生成式AI模型中，超過一半預計將針對特定產業或業務職能設計，遠高於2024年約1%的水準。12

軟體支出將從助手轉向AI代理

AI軟體內部正出現一項明顯轉變：從以對話為核心的助手，走向可完成受限、多步驟工作的系統。根據對Gartner預測資料的報導分析，企業軟體內嵌的聊天機器人與助手支出將在2027年觸頂；同年，內嵌式代理型AI支出將超越前者，並持續擴大。45

兩者差異不只是功能多寡。助手可以協助撰寫、搜尋與摘要；代理型系統則意在呼叫工具、推進工作流程並完成指定任務。不過，自主程度提高，也意味著權限管理、評估機制、稽核能力與使用控管變得更重要。

「幻滅低谷」不是支出崩跌，而是ROI考驗

Gartner將2026年形容為AI的「幻滅低谷」（Trough of Disillusionment）：早期熱情開始面對現實，許多導入案未能交出預期成果。4153

這與AI支出大增並不矛盾。基礎設施供應商可以大舉投資容量，但個別企業仍會審慎判斷：哪些使用情境夠可靠、成本合理且可治理，值得擴大部署。現有公開資料並未提供一項具決定性的Gartner整體統計，說明有多少企業已把AI成功擴展至正式營運，因此對企業規模化部署比例的精確說法，都應審慎看待。

企業應如何解讀這份預測？

重點不只是「多花錢買AI」，而是要區分全球性的基礎設施競賽，與企業本身是否有能力創造可衡量價值，兩者並不是同一件事。

採購與導入端可優先處理以下事項：

• 以工作流程衡量經濟效益： 將模型、推論、整合與人工覆核成本，對照清楚定義的業務成果。
• 及早建立使用控管： 當AI代理開始執行更多多步驟任務，預算上限、速率限制與監測機制尤其重要。
• 保留架構彈性： 在可行範圍內，讓資料、評估與編排層可移植，避免整個系統被綁定在單一專有模型或雲端環境。
• 把主權與退出風險寫進採購條件： Gartner最新報導特別指出，供應商鎖定、資料主權與成本失控仍是持續存在的疑慮；即使如此，買方仍在採用專有能力。30

結論

Gartner的2.7兆美元預測，確認AI支出正以極快速度進入2026年，並可能在2027年維持高成長。但這首先是一個全球AI容量建設的故事。對企業而言，真正的考題仍更務實：能否把這些容量轉化為安全、治理完善、單位經濟效益可驗證，且能持續帶來商業成果的工作流程。2230