德勤預測數據瓶頸將推動2026年人工智能基礎設施的超級周期

根據德勤的《2026年TMT（Tech, Media & Telecom）預測：差距縮小，但依然存在》報告，智能體（AI Agent）和支持人工智能的數據中心將成為2026年企業轉型的引擎。研究結果表明，隨著企業實踐成果終于開始趕上雄心壯志，人工智能正在進入全面實用的階段。

德勤將這一轉變描述為兩股主要潮流同時運動。一個是推理工作量的爆發。這正在消耗大部分的計算預算，并迫使公司投資于更強大的芯片、本地AI服務器和數據中心，這些芯片可以全天處理負載。另一個是智能體驅動的系統位于硬件之上，開始改變日常工作的方式。它們塑造了團隊新的預算方式，甚至產品的定價方式，以及決策方式。

該報告表明，這種可擴展基礎設施和協調智能體的結合將迫使企業重新思考其整個技術架構。需要新的治理和簡化的工作流程進入多智能體系統中。該報告稱這是一個轉折點：從軟件驅動的自動化到智能體驅動的編排。

企業人工智能的下一階段是由德勤稱之為反效率預測的驚人見解所塑造的：對計算的需求增長速度超過了優化的收益。推理超越了訓練，運行模型的成本成為關鍵的壓力點。

根據德勤的分析，人工智能的下一階段可能需要更多的計算能力，而不是更少。德勤強調：“世界正在從僅僅訓練人工智能模型轉向大規模使用它們。”“許多人認為這意味著更多的消費邊緣計算和更少的數據中心計算。但這兩種情況都不太可能在2026年發生。”

這不是許多人想象的順利平穩的未來。這是一個硬件密集、功耗更高的階段，推動企業升級其物理骨干，以大規模支持人工智能。這推動了德勤所說的數據中心超級周期。組織正在擴展到人工智能優化的設施，并部署本地計算節點。他們還集成了先進的冷卻和能源系統，以處理不間斷（通常是前所未有的）工作負載。

德勤還指出了生態系統中的一個結構性弱點：先進的半導體供應鏈仍然狹窄（并且被政治化）。一小部分地區控制著尖端芯片的生產，將計算變成了一種戰略資源。這正成為人工智能可擴展性的關鍵限制因素。

除了這些計算壓力，德勤還強調了一系列以數據為中心的轉變。它預測，嵌入搜索引擎的生成式人工智能（GenAI）將在日常使用中超越獨立模型。大多數用戶將在熟悉的界面中被動地體驗人工智能。搜索成為一個綜合層，檢索、排名和推理都在這里融合。這給數據質量、索引新鮮度、沿襲跟蹤和治理帶來了新的權重。這是有道理的，因為一個模型無法超越給它供料的管道。

該報告還預計，主權計算和主權數據基礎設施將得到更有力的推動。政府將把云區域和國內模型訓練作為戰略重點。對于全球企業來說，這引入了一種平衡行為，他們必須遵守區域碎片化，同時保持統一的內部系統。人工智能的部署不僅關乎技術能力，還關乎監管的流暢性。

報告強調：“對主權的渴望并不新鮮，但向技術主權的轉變可能會在2026年加快。”“在未來十年，大量投資將流向云計算、半導體、數據中心、人工智能模型、連接和衛星通信工作。在一個相互聯系的世界里，任何國家或地區都不太可能實現完全主權，但許多國家或地區的目標是至少變得更加主權。”

隨著基礎設施在物理層的擴展，軟件層也在發生轉變。在這里，自主智能體占據了中心舞臺。德勤描述了從單一模型系統到處理復雜工作流程決策的自主智能體網絡的轉變。它認為2026年這些系統將超越受控演示，進入生產環境。

這一變化從根本上改變了軟件環境。智能體框架現在正被供應商直接集成到SaaS平臺中。定價模型從基于軟件轉向基于使用甚至基于結果。隨著智能體開始在實時系統上進行互操作，這些工作流程需要新的治理水平：可觀察性、可審計性和安全護欄。

智能體不會取代現有的工具，但會位于它們之上，充當跨企業連接數據和執行的編排層。

德勤強調了智能體從實驗到操作規范的轉變速度。因此，現在的重點是工作流需要多少智能體？我們如何衡量績效？監督應該放在哪里？這些未來的自主系統需要更透明的標準、通信協議和企業審計機制。

這一進展與德勤的引力預測相一致：隨著智能體能力的提高，他們會將更多的邏輯拉向自己，將軟件從目的地變成他們的行動。這提高了速度，但也帶來了新的協調復雜性。新的下一階段將不是如何采用人工智能，而是怎樣擴展它。

與 Ai 時代前沿合作，將大門向更多普通用戶敞開！無論你是對新技術充滿好奇心的愛好者，還是希望提升自己技能的職場人士，這里都有適合你的課程和資源。歡迎掃碼加入我們！