（来源：银信科技）
银信科技
数据中心IT基础设施服务总包商
股票代码：300231
前言
过去几年，AI几乎成为企业数字化转型中最受关注的话题。从大模型部署到智能助手上线，从知识库建设到智能运维实践，越来越多企业开始将AI从概念验证（PoC）推向生产环境。然而，当AI项目逐渐走到我们的面前，一个新的问题开始摆在企业管理者面前：AI究竟能创造多少价值？
事实上，许多企业已经发现，部署AI只是第一步。真正决定项目成败的，往往不是模型本身，而是其背后的运营成本、基础设施效率以及长期可持续性。
在近日举行的HPE Discover 2026大会上，“AI经济性（AI Economics）”成为一个重要议题。大会释放出的信息十分明确：未来企业竞争的不仅是谁拥有AI，而是谁能够以更低成本、更高效率持续运营AI。
从大会内容来看，企业提升AI投资回报率（ROI）主要围绕四个关键方向展开。
]article_adlist-->AI时代
网络正在成为新的核心基础设施
]article_adlist-->
]article_adlist-->
长期以来，企业建设数据中心时更关注服务器、存储和计算资源。但在AI时代，网络的重要性正在被重新定义。
随着企业AI应用场景不断扩展，模型训练、推理、知识库检索、多智能体协作等业务对数据传输能力提出了更高要求。大量数据需要在GPU、存储系统和应用之间高速流转，网络性能已经直接影响AI系统整体效率。
如果网络能力不足，即使企业投入了大量GPU资源，也可能因为数据传输瓶颈导致计算资源无法得到充分利用。
这意味着，AI基础设施建设已经不再是单纯采购算力设备的问题，而是需要从网络、存储、计算和数据管理多个维度进行整体规划。
对于企业而言，未来AI项目规模越大，对网络架构现代化的需求就越明显。
过去“服务器优先”的建设思维，正在逐步转向“网络驱动”的整体架构思维。
]article_adlist-->AI成本失控
Token经济学开始受到重视
]article_adlist-->
]article_adlist-->
如果说2024年企业关注的是如何使用AI，那么2026年的企业更关注的是：AI到底花了多少钱。
随着大模型应用规模不断扩大，Token消耗正在成为新的成本来源。
对于许多企业来说，最初的AI试点项目规模有限，费用并不明显。但当AI助手被推广到研发、运维、客服、市场等多个部门后，调用量往往会呈指数级增长。
更值得关注的是，Agentic AI（智能体AI）的兴起正在进一步放大这一问题。
与传统对话式AI相比，智能体不仅需要理解用户需求，还会主动调用工具、执行任务、进行推理和协作。在这一过程中，Token消耗可能增长数千倍甚至数万倍。
这也是为什么越来越多企业开始重新评估AI部署模式。
一些企业选择建设私有化AI平台，通过自有算力资源降低长期使用成本；另一些企业则开始关注GPU利用率优化、推理效率提升以及数据准备流程优化。
从本质上看，企业已经从“购买AI能力”逐步转向“经营AI能力”。
未来，AI成本管理很可能像云成本管理一样，成为企业IT治理的重要组成部分。
]article_adlist-->AI正在反向改变IT运维模式
]article_adlist-->
]article_adlist-->
对于IT运维团队而言，AI不仅是一项需要支持的新业务，也正在成为提升运维效率的重要工具。
近年来，企业IT环境持续复杂化。混合云、多云架构、容器平台、边缘计算以及不断增长的数据量，使运维团队承担着越来越大的管理压力。
与此同时，AI项目的快速增长又进一步增加了IT部门的工作负担。面对这种挑战，越来越多厂商开始将生成式AI和智能体技术融入基础设施管理平台之中。
AI驱动的可观测性平台能够自动分析海量监控数据，快速定位故障根因；智能运维助手能够帮助管理员完成配置查询、告警分析和故障排查；自动化引擎则能够实现部分问题的自主修复。这些能力的价值并不仅仅在于节省人力。更重要的是，它们正在帮助IT团队从“被动救火”转向“主动运营”。
过去，运维人员大量时间消耗在重复性工作上；未来，越来越多标准化任务将交给AI处理，而运维团队则可以将更多精力投入到架构优化、业务创新和数字化战略支持之中。
AIOps的发展，正在推动IT运维从传统保障型职能向价值创造型职能转变。
]article_adlist-->老旧架构，正在吞噬企业AI预算
]article_adlist-->
]article_adlist-->
除了新增AI投入之外，许多企业还面临另一个长期存在的问题——传统IT架构成本。
大量企业仍然运行着历史遗留系统。这些系统虽然能够维持业务运行，但往往存在资源利用率低、维护成本高、升级困难等问题。
当企业开始推进AI建设时，会发现预算并不是无限增长的。
每投入一部分资金建设AI平台，就需要考虑如何从现有IT环境中释放更多资源。
因此，近年来虚拟化平台替代、基础设施整合、混合云优化以及数据中心现代化改造逐渐成为企业关注重点。
越来越多企业开始重新审视传统架构成本，希望通过技术升级降低运营支出，将更多预算投入到创新业务和AI项目中。
从某种意义上说，企业推进AI转型的过程，也是一次IT基础设施优化升级的过程。
]article_adlist-->AI竞争的下半场
是运营能力的竞争
]article_adlist-->
]article_adlist-->
回顾过去几年AI发展历程，可以发现一个明显变化：企业关注的重点正在从“模型能力”转向“运营能力”。最初大家讨论的是模型参数规模、推理性能和生成效果；
如今越来越多企业开始关注：
AI项目是否真正创造价值；
GPU利用率是否足够高；
网络和存储是否成为瓶颈；
运维团队能否支撑规模化运行；
AI投入是否能够持续产生回报。
这些问题的背后，其实都指向同一个关键词：AI运营。
未来，企业AI建设将不再只是采购模型和算力，而是一项涉及网络、存储、数据治理、自动化运维以及成本管理的系统工程。
谁能够构建更加高效、稳定且可持续的AI运营体系，谁就更有可能在AI时代获得长期竞争优势。
对于企业而言，AI项目成功的关键已经不再是“能否部署AI”，而是“能否运营好AI”。
]article_adlist-->结语
]article_adlist-->
]article_adlist-->
AI正在从概念验证阶段走向规模化应用阶段。
随着应用范围不断扩大，企业面临的挑战也正在发生变化。如何优化基础设施投入、控制AI成本、提升资源利用率以及实现智能化运营，正在成为影响AI投资回报率的重要因素。
作为企业数字化转型的重要支撑力量，IT运维的价值也正在被重新定义。从保障系统稳定运行，到支撑智能化业务持续创新，专业IT服务能力将在AI时代发挥更加关键的作用。
对于企业而言，真正值得思考的问题已经不是“是否拥抱AI”，而是如何让AI长期、稳定、高效地创造价值。
关于我们
= END =
]article_adlist-->
扫码关注
]article_adlist-->银信科技 ]article_adlist-->视频号丨银信科技300231抖音号丨银信科技
]article_adlist-->
海量资讯、精准解读，尽在新浪财经APP
下一篇：没有了