生成式人工智能跨过技术演示阶段，加速融入生产系统，底层算力基础设施的供需逻辑正发生深刻变化。在Gartner最新发布的2026年中国区基础设施战略成熟度曲线中，算力演进展现出两条交织的主线，一边是供应链现实倒逼下的本土技术主权加速落地，另一边则是企业面对算力折旧、运维重构与投资回报率难以显现的现实焦虑。

围绕AI就绪型基础设施的建设路径，Gartner研究总监张吟铃在接受媒体采访时中指出，算力产业的竞争已经脱离单纯的算力堆砌阶段，进入到软硬件工程调优、异构管理和组织运维全面协同的深水区。

跨越低谷期的工程解法

本土技术主权成为今年基础设施战略的核心主题。受到宏观战略指引与供应链不确定性影响，国内芯片自主创新的节奏明显加快。目前国内已有二十余家自主研发AI芯片的企业，其中约十家实现了产品量产，部分产能供给大型云厂商，另一部分则进入企业自建的数据中心。

“（AI芯片）当前处于第三阶段，泡沫破裂低谷期，”对于作为算力核心的AI芯片，张吟铃给出了明确的产业定调，并指出，这一阶段并不代表市场对国产算力失去信心，而是技术落地过程中的必然沉淀。从技术指标来看，国产芯片与国际先进GPU相比仍存在性能差距，各家芯片能力参差不齐，这使得企业在选型和落地时必须承担繁重的适配成本。

生态层面的迁移难度更加棘手。全球主流开发生态长期依托英伟达CUDA构建，国内开发者已经习惯了成熟的工具链。即便部分本土芯片厂商推出了代码迁移工具，在实际工程落地过程中，平台迁移依然需要消耗大量的人力和时间进行底层调优。并非所有企业都具备强大的底层代码重构与调优能力，许多企业最初设想硬件买来即可开箱即用，实际落地后才发现必须在系统调优上投入巨大精力。

为了在单芯片性能受限的前提下应对大模型与智能体集群对算力的爆发式需求，“AI超级节点”成为今年曲线上新增的技术方向。这类集成几十甚至上千加速器的超级节点，包括华为在内的众多中国科技企业的工程尝试，正是国内产业界用来克服先进芯片供给限制、满足大规模AI工作负载与高密度算力需求的工程解法。

警惕算力沉没与盲目扩张

“资产折旧太快，对企业压力很大，是一个非常大的挑战。”谈及算力基础设施建设的最大挑战，张吟铃直言，传统企业IT基础设施通常拥有五到七年的服役周期，资产折旧节奏平缓。相比之下，当前AI硬件的迭代速率极高，叠加底层模型的跳跃式发展，导致算力设备的物理与技术生命周期大幅缩短，资产快速折旧带来的成本压力成为产业普遍痛点。

张吟铃强调，当前国内大部分企业在AI基础设施上的重金投入，短期内很难在业务端兑现投资回报。这一现象在模型选型上尤为典型。部分企业在看到类似Kimi K3等新一代模型在精度上取得进展后，急于将现有业务模型替换上线，却忽略了参数量倍增对算力消耗的指数级放大。如果企业的算力配置需要翻倍甚至采购最新型号芯片来支撑，业务产出却无法形成匹配的正向现金流，此类基础设施投资就会迅速沦为沉没成本。

“通过结合不同的AI模型去实现业务最大化，而不是为了一些不需要的智能功能去买单。”张吟铃强调，企业应优先结合小模型、垂直专有模型以及传统机器学习技术，先在公有云或租赁环境中完成轻量化试错，明确商业变现闭环之后再展开克制的私有化扩建。

运维底座与组织重构

对底座和组织的重构，一直是Gartner在技术领域中强调的重点。

算力建设从来不只是服务器上架的单一动作，它对数据中心风火水电的物理承载能力以及上层运维工程提出了严苛挑战。由于大算力芯片带来的功耗飙升，电力供给与热能管理成为制约智算中心运转的关键瓶颈。

在今年的技术演进中，针对单点芯片的液冷技术已被重新整合进可持续数据中心这一宏观概念中。对于基础设施运营者而言，冷却降温已不再是单纯的技术模块堆叠，而是要结合整体能源利用效率，寻求算力密度与能耗支出的平衡。

比物理环境改造更为紧迫的，是算力复合型人才的断层。

“以前都是服务器管理服务器的、网络管理网络的、存储管理存储的，”张吟铃表示，现在的智算基础设施要求工程师既要理解AI硬件特性与集群网络通信，又要通晓高压电力配给与液冷管路运维，还要根据上层模型框架的变化协同软硬件调优。这种跨学科复合型技术人才在全行业都极度稀缺，直接限制了算力基础设施的深层运营能力。

在软件与系统运维层面，传统的监控体系同样面临失效。生成式AI系统进入生产环境后，传统的报错告警往往无法捕捉模型偏见、输出漂移或合规偏差。这促使行业将大模型可观测性演进为全栈的AI可观测性，通过在数据管道、模型推理与智能体工作流的各个层级引入评估机制，识别隐性故障，建立起对AI应用全生命周期的控制力。

技术复杂度的跃升最终驱动着组织形态的进化。在生成式AI增强型云运维与AI驱动型DevOps的支撑下，基础设施运维正由传统的人工被动响应走向半自主协同。关于团队形态的未来演进，张吟铃相信IT部门将以智能体为中心产生变革，同时也要求运维人员从“操作员”向智能体负责人这个角色转变。

智算基础设施的竞争已经越过单向度的硬件堆卡阶段。在技术主权与商业理性的双重约束下，打通芯片生态迁移堵点、管理异构算力资产、培养跨学科复合人才，正在成为中国算力产业穿越周期低谷的必经之路。