Gartner預測，到2028年，中國60%的大型企業將部署集成了DeepSeek功能的分布式人工智能（AI）基礎設施方案，而2025年這一比例不到20%。2025年Gartner CIO和技術高管調研顯示，2025年中國企業計劃增加對生成式人工智能（GenAI）和人工智能的技術投資，平均增幅分別為40.3%和33.3%。這一快速增長的投資預計將主要集中在AI基礎設施上。

Garter研究副總裁周玲表示： “AI功能顛覆業務模式和流程的吸引力是不可否認的。然而，在現實中，這些投資中的很大一部分未能實現其預期的業務成果，造成數百萬美元投資和寶貴時間的浪費。”

實現AI基礎設施目標的旅程成功不易，需要應對AI基礎設施轉型的紛繁復雜局面，包括各類挑戰、盤根錯節的問題以及未能滿足的期望。為了有效推動更有效的AI基礎設施投資，中國基礎設施和運營（I&O）領導者需要了解以下中國企業AI基礎設施投資失利的三大原因。

技術優先于實際AI業務用例導致投資失敗

全球AI熱潮使中美兩國對高端圖形處理器（GPU）的需求都大幅提升。AI基礎設施是下一代計算基礎架構，AI和GenAI引發了一系列變革，涉及服務器（如液冷服務器）、網絡、存儲、專用集成電路（ASIC）、現場可編程內陣列（FPGA）和高能耗的新型超算數據中心設計。訓練和運營這些模型的基礎設施成本高昂。

周玲表示：“最近，DeepSeek獲得了極大關注，因其使用經過驗證的技術，顯著減少了大語言模型（LLM）的訓練成本，并使推理場景對最新高性能GPU的依賴降低。如果得到驗證，這種方法可以從根本上改變AI基礎設施市場。”

中國的I&O領導者必須避免因擔心芯片短缺和將基礎設施置于實際用例之上的自上而下策略而倉促投資。一個常見的錯誤是，在未評估投資回報率的情況下就貿然投資于新技術熱潮，以期實現快速采用。

周玲強調：“中國的I&O領導者應采取與上述相反的做法，首先觀察AI市場變化、新業務模式和新興的業務環境。在投資之前，應謹慎確認、定義和采用相關用例，確保AI基礎設施的整體投資計劃與企業的AI戰略協調一致。”

AI基礎設施資源碎片化導致低利用率和低投資回報率

由于AI基礎設施資源分散和異構架構錯綜復雜，企業面臨眾多問題。一些企業機構可能由于數據主權要求、監管合規要求、安全問題或特定延遲需求等因素而限制對公有云服務的使用。這些企業機構的I&O領導者應優先使用AI超級計算數據中心主機托管提供商或云服務提供商提供的專有AI基礎設施解決方案。與嘗試獨立構建基礎設施相比，此方法在滿足企業AI基礎設施需求方面更加有效。

周玲表示：“為有效使用云服務或托管服務提供商的現有專有AI基礎設施產品，中國的I&O領導者應與業務、數據和分析（D&A）、AI和安全團隊合作，對解決方案進行全面評估。” （見圖1）

圖1：專有AI基礎設施評估框架

人才短缺阻礙Al超級計算中心的有效運營和管理

2024年Gartner標志性I&O領導者調研顯示，開發和獲取技能仍然是在I&O領域內實施（和集成）GenAl的痛點和挑戰。除此之外，I&O領導者在實施GenAI時，還面臨AI基礎設施部署方面的挑戰。

周玲表示：“隨著AI技術在企業機構中的快速整合，對新技能的需求也隨之激增。I&O領導者應制定重要的再培訓和提升技能戰略，以增強員工的適應性并提高生產力。”