IBM本周公布的最新财报揭示了企业技术支出领域正在发生的深刻转变：越来越多的资本正被引导至支撑AI工作负载所需的基础设施。
财报显示，IBM大型机业务表现不及预期，部分大型合同签署有所推迟，同时客户正将资本支出转向服务器、存储和内存。尽管直接基础设施收入下滑7%，IBM的分布式基础设施收入却增长了37%，折射出市场对AI工作负载支撑技术的旺盛需求。
从更宏观的市场来看，整体技术支出在这一结构性转变的同时仍保持增长态势。高德纳预测，2026年全球IT支出将达6.37万亿美元，较上年增长14.2%，其中数据中心系统和基础设施即服务（IaaS）是增速最快的细分领域。然而，尽管企业技术投入持续加大，并非每个投资领域都能从中均等受益。
"尽管支出增长强劲，这并非'水涨船高、皆大欢喜'式的市场趋势，"高德纳杰出副总裁分析师约翰-大卫·洛夫洛克在该机构7月27日的报告中表示，"通货膨胀、供应短缺、硬件及内存成本上升、AI资金投入以及优先级的持续调整，都在给技术预算带来压力。"
对于首席信息官（CIO）而言，这带来了棘手的投资组合管理挑战。AI投资正在加速，但它必须与网络安全、现代化改造、基础设施韧性以及运营改进等同样不可或缺的项目争夺资源和关注。
如何在AI日益成为技术格局核心的背景下，对这些相互竞争的优先项做出合理评估，正是技术负责人们当下面临的核心命题。
AI抬高技术投资门槛
随着AI受到前所未有的重视，CIO们正承受着日益增大的压力，需要清晰证明整个投资组合中每一项技术投入所带来的业务价值。
咨询机构Freeman Clarke的分散式CIO西蒙·拉特克利夫认为，AI引入了一个全新的战略优先项，而既有的运营职责并未因此减轻。安全、合规、韧性、应用与基础设施依然需要持续投入，但CIO们现在还被要求为AI项目腾挪资金空间，而这些项目的长期经济效益可能尚未明朗。
"我观察到的变化是，CIO们被迫更加清晰地区分两类技术：一类只是维持组织正常运转，另一类则是真正提升竞争优势，"拉特克利夫说，"AI的出现，使得企业对那些没有差异化价值的IT支出的容忍度大幅降低。"
这种压力可能波及广泛的技术投资领域，而不仅限于AI项目本身。企业级生成式AI工作流软件开发商Fisent Technologies的创始人兼CEO阿德里安·穆雷认为，这是一场更深层的思维转变，事关组织应当如何看待所有技术投资。他主张，AI项目必须放在更广泛的企业能力框架内进行评估。
"AI的崛起推动了一种根本性的转变——从将技术视为孤立的、机会主义的项目来管理，转向构建一套统一的自动化能力体系，使其成为企业的核心基础设施，"穆雷说。
哪些投资能在全组织范围内创造可复用的能力，哪些仅能服务于个别场景——对CIO而言，厘清这一点将是未来数月的首要挑战。
企业基础能力的战略价值凸显
AI虽然备受瞩目，但其成功在很大程度上依赖于其他一些不那么引人注目的投资。随着组织不断扩大AI应用规模，决定这些AI项目能否规模化落地的底层能力正受到越来越多的重视。
企业数据智能与治理平台Collibra的联合创始人兼CEO菲利克斯·范德马勒认为，组织必须坚守对数据平台、治理体系、安全保障和业务记录系统等领域的投入，因为这些能力正是AI系统发挥作用所需的基础语境。
"我不赞成将其定性为AI与其他一切之间的零和博弈，因为那些最容易被挪用于AI资金的项目，往往恰恰是AI所依赖的项目，"范德马勒说。
拉特克利夫也观察到了基础设施支出领域的类似规律。他认为，IBM的财报结果"与其说是基础设施遭到抛弃，不如说是支出正在围绕AI所需的基础设施迅速重组"。
"资金正在流向算力、存储、数据以及AI使能能力，而那些无法证明其紧迫性、差异化价值或可量化收益的支出，则日益处于被压缩的风险之中，"他解释道。
同样的逻辑也适用于基础设施以外的领域。穆雷将API赋能、平台工程、结构化数据管道、编排与可观测性列举为能力示例——随着组织推动AI从实验走向生产，这些能力的重要性将与日俱增。
上述基础性投资引出了一个实际问题：组织究竟如何在为AI相关支出腾挪空间的同时，重构并整合所需的支撑能力？
重构IT投资组合的资金模式
IT资金来源问题始终是CIO面临的最现实挑战之一，尤其是在高管层呼吁加大AI投入的背景下。难点在于，技术本身——包括使能基础设施和数据管道——只是其中一个组成部分。组织还必须为流程重设计、数据管理改革以及持续演进的治理体系预留预算，这些领域各自都需要独立投入。
然而，范德马勒指出，许多企业低估了这些需求，将精力和资金过度集中于模型和基础设施，而将支撑性能力视为次要开销。
"最大的误区在于，认为AI预算就是模型和算力的预算，"他说，"管理者脑海中的支出图景是模型、基础设施和人才，把数据和治理当作运营成本，而实际上两者的主次关系应该倒过来。"
为弥合这一差距，一些团队开始另辟蹊径。行业观察人士指出，尽管部分组织会设立专项AI预算，但更多企业的做法是在现有技术投资组合内重新调配资源。
"大多数AI预算并非新增资金，而是换了一个更时髦名头的旧资金，"拉特克利夫说。
他将这种现象称为"预算洗白"——将原有的自动化、数据分析或现代化项目重新包装为AI项目，因为贴上AI标签往往更容易获得资金批准。这种方式或许短期奏效，但拉特克利夫认为，更可持续的路径在于共同承担：由中央IT部门资助数据、安全和治理等可复用能力，由业务部门资助与可量化成果挂钩的特定AI应用。
更具纪律性的投资组合决策
归根结底，AI重要性的提升并未消解IT投资组合管理的根本挑战：在资源有限的情况下，决定将投资导向何处才能为企业创造最大价值。如果说有什么变化的话，AI反而提高了这些决策的风险系数——它一方面带来了全新的投资机遇，另一方面也同步放大了对底层支撑能力的需求。
值得庆幸的是，CIO们本应对此有所准备。拉特克利夫建议沿用多年来行之有效的决策矩阵，认为其"在今天同样适用"，并强调"AI出现在议程上，不应改变这一框架本身"。他的决策框架涵盖以下维度：业务价值、价值实现周期、战略依赖性、推迟风险以及决策的可逆性。
穆雷表示，其公司采用类似的自动化评分卡方法，从四个维度对项目进行评估：财务影响、数据就绪程度、部署速度以及共享能力的创造。
这些方法以不同的视角审视同一核心挑战：理解每一项具体的技术投资如何服务于企业更宏观的业务能力目标。
Q&A
Q1：IBM财报为什么显示基础设施收入出现分化？
A：IBM最新财报显示，直接基础设施收入下滑7%，但分布式基础设施收入增长37%。这一分化的背后是企业支出结构的重组——客户正将资本支出从传统大型机转向服务器、存储和内存等能够支撑AI工作负载的基础设施。这反映出企业并未减少整体技术投入，而是在加速将资金向AI使能能力集中。
Q2：CIO在做AI预算时最容易犯什么错误？
A：最常见的误区是将AI预算等同于模型和算力的预算，忽视数据管理和治理体系的投入。实际上，数据平台、数据治理、安全保障等基础能力才是AI系统能否有效运转的前提。此外，还有一种"预算洗白"现象——将原有自动化或数据分析项目重新包装为AI项目来争取资金，短期可行但长期不可持续。
Q3：如何评估一个技术项目是否值得投入？
A：可以参考两套评估框架。一是基于业务价值、价值实现周期、战略依赖性、推迟风险和决策可逆性的决策矩阵；二是从财务影响、数据就绪程度、部署速度以及能否创造可复用共享能力四个维度打分的自动化评分卡。两者的核心逻辑一致：判断单项投资是否真正服务于企业整体业务能力的提升。
热门跟贴