AI基础设施的竞争，正在从“买更多算力”进入一个新阶段。
近日，Gartner发布《2026年中国基础设施战略技术成熟度曲线》。这是该曲线连续第三年发布，今年共涵盖32项技术创新，其中新增7项、移除4项。新增技术几乎全部围绕AI展开，包括AI超级节点、分布式AI云、AI算力管理平台、AI可观测性、生成式AI增强型云运维、AI驱动型DevOps，以及以智能体为中心的I&O。
这背后反映出一个明显变化：随着生成式AI和智能体从试验走向生产系统，企业关心的问题已经不只是“有没有算力”，而是算力如何管理、AI系统如何稳定运行，以及投入能否真正产生回报。
Gartner将今年中国基础设施的变化归纳为四个方向：技术主权、AI就绪基础设施、AI增强运营和基础设施韧性。相比前两年更多讨论自主可控，今年进一步转向“如何实现自主可控”。同时，AI进入生产系统，也对基础设施的性能、运维和稳定性提出了更高要求。
01、超级节点火了，但不是所有企业都需要
今年新进入曲线的AI超级节点，是国内基础设施市场最热的技术之一。
它将CPU、GPU及AI专用芯片通过高速网络整合进一个面向AI工作负载优化的架构，可以集成几十、上百甚至上千个加速器，通过系统级互联缓解先进芯片供应受限带来的算力瓶颈，并支撑大规模AI和高密度智能体负载。
不过，Gartner观察到，目前真正采购超级节点的企业仍然有限。
一类是自身AI和智能体业务已经达到一定规模、无法使用公有云的企业；另一类希望建设算力基础设施，并将富余能力对外输出。对于部分企业而言，甚至只需要几十张卡规模的小型超级节点。
真正的约束已经从技术转向经济账。
“不是所有客户都需要。”Gartner研究总监张吟铃表示，目前超级节点费用较高，企业越来越纠结于“投资之后，回报到底能不能回来”，现阶段整体投资回报率仍然偏低。
这也是当前AI基础设施建设正在发生的变化：过去关注的是算力规模，现在企业越来越关心算力利用率以及最终能够创造多少业务价值。
02、从“部署AI”走向“运营AI”
超级节点之外，今年新增的技术还透露出另一个趋势：AI基础设施开始进入复杂运营阶段。
中国市场已有20多家自主研发AI芯片厂商，其中约10家开始量产。由于很多企业不希望被单一硬件厂商绑定，多厂商、多类型芯片并存之后，异构算力如何统一纳管、调度和编排，正在成为新的问题。AI算力管理平台因此首次进入Gartner曲线。
与此同时，Gartner将去年的“大语言模型可观测性”移出，替换为更完整的“AI可观测性”。
原因在于，AI进入生产环境后，故障不一定来自模型，还可能来自数据、检索系统或智能体工作流。传统监控甚至可能显示“一切正常”，但AI已经产生偏差、错误或不符合治理要求的输出。企业因此需要从模型监控走向端到端AI系统监控。
更深层的变化则发生在人。
Gartner今年首次加入“以智能体为中心的I&O”。未来AI智能体可能越来越多地参与基础设施运维的自主或半自主决策，而人的角色随之变化。
张吟铃表示，未来运维人员将不再只是今天意义上的“操作员”，而会“更多成为管理这些智能体的负责人”。
03、技术迭代太快，先别急着重资产投入
面对AI投资热潮，Gartner给企业的另一个重要提醒是：避免过早进行大规模基础设施建设。
当前AI芯片处于成熟度曲线的“泡沫破裂低谷期”。国产芯片虽然快速量产，但与先进GPU仍存在性能差距，不同芯片还需要不同的适配和优化。
张吟铃建议，企业的基础设施投入首先要与自身AI战略保持一致。处于试错阶段时，如果条件允许，可以先使用公有云或租赁环境验证，确定应用能够产生价值之后，再考虑小规模自建。
原因很现实：芯片和模型仍在快速迭代。
“前期如果做了很多投资，尤其是在第二年、第三年，有可能就会变成很多沉没成本。”张吟铃说。
对于模型也同样如此。企业并非越大、越新的模型越好，而需要计算新增算力投入与业务收益是否匹配。Gartner建议结合大模型、小模型、专用模型乃至传统AI/ML技术，以模型多样性寻找更合理的ROI，而不是“为了一些不需要的智能功能买单”。
从这个意义上说，2026年中国AI基础设施正在跨过一个分水岭。
当AI从“试点”真正进入“生产”，竞争已经不只是芯片数量和算力规模，而是企业能否把复杂的算力、模型和智能体组织起来，并最终转化成能够持续产生回报的生产力。
热门跟贴