Token导航 LogoToken导航

AI 资讯 · 21世纪经济报道

红帽曹衡康谈企业AI应用为何焦虑

更新 2026-11-1721世纪经济报道正文 2391字阅读约 8分钟1 张图片

21世纪经济报道记者 董静怡

如果你是一家企业的CIO,大概率经历过这样的时刻:花了几个月选定的模型,还没来得及大规模铺开,一个效果更好的新版本就冒了出来;刚算清楚GPU采购的账,供应商却告诉你交期还要再等半年。AI深入企业业务的路,走得并不容易。

日前,红帽全球副总裁兼大中华区总裁曹衡康接受21世纪经济报道记者专访时表示,从其接触的企业客户来看,AI应用仍处于发展初期,大量项目尚停留在试点阶段,真正深入业务流程和生产链路的应用并不多。

与此同时,AI支出仍在快速膨胀。Gartner此前预测,2026年全球AI支出将冲上2.7万亿美元,同比增长49.5%。预算热、落地冷是当前企业AI应用的真实困境。

AI的技术栈变化太快,而企业的经营架构不能跟着重写。当模型、芯片、云环境都在加速迭代,企业真正焦虑的是如何在这个时代保持灵活。

“客户唯一明确的诉求,就是要有更高的弹性。”曹衡康向记者表示。

 图片

模型变化快、硬件成本高,企业重新计算ROI

AI已经成为企业战略中的高频词,但从战略重视到实际业务价值,中间仍存在不小的距离。

红帽发布的《2026中国企业级AI实践调研分析年度报告》显示,仅25.9%的受访企业实现了多年期战略性AI投入,68.7%的企业仍停留在年度项目制或PoC(概念验证)试点阶段。曹衡康表示,结合调研结果和日常与CIO的交流来看,大量企业AI项目仍处于实验阶段。

这一现象并非中国市场独有。麦肯锡2025年全球AI调研也显示,近三分之二的受访企业尚未开始在全企业范围内规模化部署AI,尽管62%的受访者表示其所在组织已经开始尝试AI智能体,但AI真正体现为企业整体息税前利润改善的比例仅为39%。

企业并不缺少尝试AI的意愿,真正稀缺的是将技术转化为经营成果的能力。目前,企业AI的应用更多集中在员工个人生产力层面,例如邮件处理、文档整理、会议纪要生成和内部知识库查询等。AI要进一步进入核心业务流程、生产系统和复杂决策链条,仍需要解决数据、流程、系统集成和风险管理等问题。

更重要的是,AI本身的发展仍伴随着巨大的不确定性,企业不得不在这个过程中计算AI的ROI。

曹衡康观察到,DeepSeek等模型的出现,让企业更加直观地感受到技术迭代的速度。“今天选定了一个模型,第二天就冒出效果更好的新模型。模型的变化太快了。”

因此,企业CIO如今很少愿意轻易锁定单一模型。不同模型在推理、工作流处理等方面各有优势,未来企业很可能同时使用多种模型,甚至根据具体业务任务动态选择模型。对于企业而言,模型选择已经不仅是技术部门的决策,也开始涉及长期投资和成本管理。

曹衡康向记者表示,当前CIO关注的一个重要指标是Token消耗量。“不管用什么模型,一个根本成本是Token的使用量。大家都希望在效果一样的情况下,使用Token最少。”

非营利研究机构Epoch AI发布报告称,达到同等性能水平的AI成本自2023年以来以每季度约47%的幅度下降,一年之内推理成本降至原先的十三分之一。这也反映出模型更新迭代速度之快,以及企业选择的不确定性加大。

他同时强调,推理成本并不是单一模型或芯片能够决定的。GPU等核心硬件的供给、价格和采购周期都可能影响企业的技术部署节奏。曹衡康表示,未来几年CPU、GPU、服务器和存储等设备可能持续面临缺货压力。对于企业来说,成本不可控的风险也在提升。

从这个角度看,AI时代的竞争正在发生变化,除了比拼模型自身能力,还要比拼企业应对不确定性的能力。 

“唯一明确的诉求是弹性”

一边是AI基础设施投资持续扩大,另一边是AI时代下越来越复杂的成本结构。如何提高现有资源利用率,避免重复建设和资源闲置,已经成为企业IT管理的重要课题。

“在这样的背景下,客户必须很聪明地用好自身的物理资源、虚拟资源。”曹衡康向记者表示。

这也让企业重新审视过去的IT建设方式。传统模式下,企业往往根据业务需求采购服务器、建设数据中心,再将应用部署在相对固定的环境中。

但在AI时代,算力需求具有更强的不确定性:不同业务对GPU资源的需求不同,模型更新可能带来新的计算要求,业务规模变化也可能使原有基础设施很快面临容量瓶颈。如果完全依赖新增硬件来满足需求,不仅采购成本较高,还可能受到供应周期的限制。

曹衡康认为,企业现在最明确的诉求之一,就是希望保留更多选择权,而不是被绑定在某一种模型或某一类芯片上。“客户唯一明确的诉求,就是要有更高的弹性。”曹衡康表示。

这种弹性诉求也在改变企业对云的态度。早些年,上云被视为降本捷径,用久了才发现云未必便宜,成本往往取决于使用规模、配置和场景。“有些场景下,公有云可能比本地部署还贵。”曹衡康说。

于是混合云从“过渡方案”变成“长期架构”:核心、敏感业务留在本地,敏感度不高的放在公有云,根据成本与合规要求动态搭配。

“现在许多大型企业都是混合云模式,很少有企业完全跑在公有云上,或是全部在本地部署。”曹衡康向记者表示。

这一观察与混合云市场的持续扩张相互印证:Flexera报告显示,73%的组织运行混合环境,而多云的采用持续上升。企业正在用脚投票,把“可选择性”当作AI基础设施的第一性要求。

所有的这些改变,都源于企业的降本需求——AI时代的成本控制越来越难。曹衡康观察到,制造业目前对成本控制的需求更加明显:“制造业要降本增效,对成本管控的诉求很强。”

在曹衡康看来,无论是模型的选择、加速器的选择,还是云环境和智能体的选择,企业都需要避免过度依赖某一个技术供应商。红帽将这一方向概括为“四个任意”:任意模型、任意加速器、任意云环境和任意智能体。

从更长远来看,AI正在改变企业基础设施投资的逻辑。过去,企业关注的是如何建设一套能够稳定运行的系统;如今,企业还必须考虑这套系统能否随着技术变化持续调整。这或许也是AI产业从技术探索迈向规模化应用过程中越来越重要的趋势。

文章标签算力应用落地

资讯来源:由AI资讯编辑整理自互联网公开内容,版权归原作者所有,未经许可,不得转载。