如果你是一家企業的CIO,大機率經歷過這樣的時刻:花了幾個月選定的模型,還沒來得及大規模鋪開,一個效果更好的新版本就冒了出來;剛算清楚GPU採購的帳,供應商卻告訴你交期還要再等半年。AI深入企業業務的路,走得並不容易。
日前,紅帽全球副總裁兼大中華區總裁曹衡康接受21世紀經濟報導記者專訪時表示,從其接觸的企業客戶來看,AI應用仍處於發展初期,大量項目尚停留在試點階段,真正深入業務流程和生產鏈路的應用並不多。
與此同時,AI支出仍在快速膨脹。Gartner此前預測,2026年全球AI支出將沖上2.7兆美元,同比增長49.5%。預算熱、落地冷是當前企業AI應用的真實困境。
AI的技術堆疊變化太快,而企業的經營架構不能跟著重寫。當模型、晶片、雲環境都在加速迭代,企業真正焦慮的是如何在這個時代保持靈活。
“客戶唯一明確的訴求,就是要有更高的彈性。”曹衡康向記者表示。
模型變化快、硬體成本高,企業重新計算ROI
AI已經成為企業戰略中的高頻詞,但從戰略重視到實際業務價值,中間仍存在不小的距離。
紅帽發佈的《2026中國企業級AI實踐調研分析年度報告》顯示,僅25.9%的受訪企業實現了多年期戰略性AI投入,68.7%的企業仍停留在年度項目制或PoC(概念驗證)試點階段。曹衡康表示,結合調研結果和日常與CIO的交流來看,大量企業AI項目仍處於實驗階段。
這一現象並非中國市場獨有。麥肯錫2025年全球AI調研也顯示,近三分之二的受訪企業尚未開始在全企業範圍內規模化部署AI,儘管62%的受訪者表示其所在組織已經開始嘗試AI智能體,但AI真正體現為企業整體息稅前利潤改善的比例僅為39%。
企業並不缺少嘗試AI的意願,真正稀缺的是將技術轉化為經營成果的能力。目前,企業AI的應用更多集中在員工個人生產力層面,例如郵件處理、文件整理、會議紀要生成和內部知識庫查詢等。AI要進一步進入核心業務流程、生產系統和複雜決策鏈條,仍需要解決資料、流程、系統整合和風險管理等問題。
更重要的是,AI本身的發展仍伴隨著巨大的不確定性,企業不得不在這個過程中計算AI的ROI。
曹衡康觀察到,DeepSeek等模型的出現,讓企業更加直觀地感受到技術迭代的速度。“今天選定了一個模型,第二天就冒出效果更好的新模型。模型的變化太快了。”
因此,企業CIO如今很少願意輕易鎖定單一模型。不同模型在推理、工作流處理等方面各有優勢,未來企業很可能同時使用多種模型,甚至根據具體業務任務動態選擇模型。對於企業而言,模型選擇已經不僅是技術部門的決策,也開始涉及長期投資和成本管理。
曹衡康向記者表示,當前CIO關注的一個重要指標是Token消耗量。“不管用什麼模型,一個根本成本是Token的使用量。大家都希望在效果一樣的情況下,使用Token最少。”
非營利研究機構Epoch AI發佈報告稱,達到同等性能水平的AI成本自2023年以來以每季度約47%的幅度下降,一年之內推理成本降至原先的十三分之一。這也反映出模型更新迭代速度之快,以及企業選擇的不確定性加大。
他同時強調,推理成本並不是單一模型或晶片能夠決定的。GPU等核心硬體的供給、價格和採購周期都可能影響企業的技術部署節奏。曹衡康表示,未來幾年CPU、GPU、伺服器和記憶體等裝置可能持續面臨缺貨壓力。對於企業來說,成本不可控的風險也在提升。
從這個角度看,AI時代的競爭正在發生變化,除了比拚模型自身能力,還要比拚企業應對不確定性的能力。
“唯一明確的訴求是彈性”
一邊是AI基礎設施投資持續擴大,另一邊是AI時代下越來越複雜的成本結構。如何提高現有資源利用率,避免重複建設和資源閒置,已經成為企業IT管理的重要課題。
“在這樣的背景下,客戶必須很聰明地用好自身的物理資源、虛擬資源。”曹衡康向記者表示。
這也讓企業重新審視過去的IT建設方式。傳統模式下,企業往往根據業務需求採購伺服器、建設資料中心,再將應用部署在相對固定的環境中。
但在AI時代,算力需求具有更強的不確定性:不同業務對GPU資源的需求不同,模型更新可能帶來新的計算要求,業務規模變化也可能使原有基礎設施很快面臨容量瓶頸。如果完全依賴新增硬體來滿足需求,不僅採購成本較高,還可能受到供應周期的限制。
曹衡康認為,企業現在最明確的訴求之一,就是希望保留更多選擇權,而不是被繫結在某一種模型或某一類晶片上。“客戶唯一明確的訴求,就是要有更高的彈性。”曹衡康表示。
這種彈性訴求也在改變企業對雲的態度。早些年,上雲被視為降本捷徑,用久了才發現雲未必便宜,成本往往取決於使用規模、配置和場景。“有些場景下,公有雲可能比本地部署還貴。”曹衡康說。
於是混合雲從“過渡方案”變成“長期架構”:核心、敏感業務留在本地,敏感度不高的放在公有雲,根據成本與合規要求動態搭配。
“現在許多大型企業都是混合雲模式,很少有企業完全跑在公有雲上,或是全部在本地部署。”曹衡康向記者表示。
這一觀察與混合雲市場的持續擴張相互印證:Flexera報告顯示,73%的組織運行混合環境,而多雲的採用持續上升。企業正在用腳投票,把“可選擇性”當作AI基礎設施的第一性要求。
所有的這些改變,都源於企業的降本需求——AI時代的成本控制越來越難。曹衡康觀察到,製造業目前對成本控制的需求更加明顯:“製造業要降本增效,對成本管控的訴求很強。”
在曹衡康看來,無論是模型的選擇、加速器的選擇,還是雲環境和智能體的選擇,企業都需要避免過度依賴某一個技術供應商。紅帽將這一方向概括為“四個任意”:任意模型、任意加速器、任意雲環境和任意智能體。
從更長遠來看,AI正在改變企業基礎設施投資的邏輯。過去,企業關注的是如何建設一套能夠穩定運行的系統;如今,企業還必須考慮這套系統能否隨著技術變化持續調整。這或許也是AI產業從技術探索邁向規模化應用過程中越來越重要的趨勢。(21世紀經濟報導)

