2026 年 9 月 16 日，Gartner 发布了一年之内第三次上调的全球 AI 支出预测：2026 年 AI 总支出 2.67 万亿美元，同比增长 49.5%。相比总量，更值得逐行读的是那张分项表——它把 2.67 万亿拆成九个类别，每个类别的绝对值和增速都在告诉你，AI 这笔钱到底花在了哪里。
一句话概括这张表传达的核心事实：你听到的 AI 故事和 AI 的钱，讲述的是两件完全不同的事。ChatGPT、Claude、Gemini 这些霸占头条的生成式 AI 模型，2026 年预计只分到 282.66 亿美元；而让它们跑起来的机房、服务器、芯片和网络，拿到 1.48 万亿。Gartner 分析师 John-David Lovelock 的原话是：AI 数据中心产能的建设是人类有史以来规模最大的基础设施项目。
一、完整分项表：九个类别的钱去哪了
下面是 Gartner 2026 年 9 月发布的 2025–2027 年全球 AI 支出预测（单位：百万美元）：
| 市场分类 | 2025 年 | 2026 年 | 2027 年 |
|---|---|---|---|
| AI 基础设施 | 981,920 | 1,484,397 | 1,977,685 |
| AI 服务 | 434,046 | 576,481 | 745,655 |
| AI 软件 | 288,168 | 461,637 | 656,353 |
| AI 网络安全 | 25,920 | 51,347 | 85,997 |
| AI 智能体与助手 | 16,481 | 29,219 | 65,472 |
| 生成式 AI 模型 | 13,021 | 28,266 | 51,620 |
| 数据科学与机器学习 AI 平台 | 19,405 | 26,445 | 35,552 |
| AI 应用开发平台 | 6,885 | 9,541 | 12,478 |
| AI 数据服务 | 826 | 3,126 | 6,480 |
| AI 总支出 | 1,786,671 | 2,670,460 | 3,637,292 |
把这张表读透，需要做三次除法。
二、第一次除法：每 1 美元模型，对应 52 美元基建
2026 年生成式 AI 模型支出 282.66 亿美元，AI 基础设施支出 1.484 万亿美元。两者相除，比例是 1:52.5。
这个比值是理解 2026 年 AI 产业最重要的一把尺子。三年前，这个行业的叙事重心还停留在模型能力竞赛上——参数、评测分数、多模态。而 2026 年的钱告诉你，产业的利润中心已经转移到了模型的运行成本上。
原因并不复杂。模型本身是高度集中且商品化的：头部几家提供商的模型能力趋同，价格逐年下降，模型层很难形成持久的高毛利生意。真正稀缺、真正难以复制、真正需要巨额前置资本的是算力的物理供给——芯片、互联网络、供配电、液冷、选址与电力接入。这类资产一旦建成就是长期壁垒，但它的投入是一次性且金额巨大的。
这解释了一个此前难以理解的现象：为什么模型发布会的热度在下降，而"数据中心选址遭居民反对""液冷方案涨价""电力接入排队 18 个月"这类新闻却频频出现。前者是故事，后者是账单。
三、第二次除法：增长最快的是网络安全，不是智能体
把 2025 到 2026 的增速算一遍，会发现一个和舆论热度不太一致的结果：
| 类别 | 2025→2026 增速 | 2026→2027 增速 |
|---|---|---|
| AI 网络安全 | +98.1% | +67.5% |
| AI 数据服务 | +278.5% | +107.3% |
| AI 智能体与助手 | +77.3% | +124.0% |
| 生成式 AI 模型 | +117.1% | +82.6% |
| AI 基础设施 | +51.2% | +33.2% |
| AI 软件 | +60.2% | +42.2% |
| AI 服务 | +32.8% | +29.3% |
| 数据科学与 ML AI 平台 | +36.3% | +34.5% |
| AI 应用开发平台 | +38.6% | +30.8% |
三个结论浮出水面：
其一，AI 网络安全是 2026 年增速最高的成熟类别，从 259.2 亿跳到 513.5 亿，接近翻倍。这个需求的来源非常具体——企业把模型接进了内部系统和数据，就同时打开了新的攻击面：提示注入、越权调用、数据外泄、Agent 误操作。Gartner 5 月的预测里已经提示，AI 服务支出将同比增长 40%，而 AI 安全从 2025 年到 2027 年要涨 232%。
其二，智能体（Agent）是增速换挡最快的一类。2025→2026 涨 77.3%，2026→2027 预计涨 124.0%，是所有类别中唯一在 2027 年加速的。原因在于 Agent 的商业模式是"按任务量计费"，它的收入弹性远高于按席位计费的软件。当企业真正把 Agent 放进流程，支出会从"买工具"变成"用多少付多少"。
其三，基础设施增速在降，但基数在涨。51.2% → 33.2%，看起来在降温；但绝对值从 1.48 万亿涨到 1.98 万亿，一年增加 4930 亿美元。这个"降速不等于降温"的判断，是很多分析在 2026 年容易出错的地方。
四、第三次除法：2027 年的钱，已经决定了 2026 年的动作
把三年连成一条线，有几个交叉点值得标记：
- 2027 年 AI 服务（7457 亿）将首次超过 AI 基础设施（1.978 万亿）的一半？不是——但 AI 软件从 4616 亿涨到 6564 亿（+42.2%），是所有大类中两年增幅最大的。如果把这个趋势外推，2028 年前后软件与服务合计将超过基础设施。
- 智能体与助手（2027 年 654.7 亿）将超过生成式模型（516.2 亿）。这意味着 2027 年开始，行业的收入叙事将从"模型能力"切换到"应用封装"。Gartner 在 5 月的判断正是如此：智能体 AI 2026 年支出预计增长 141%，有望在 2027 年超越聊天机器人和虚拟助手支出。
- AI 数据服务从 8.26 亿涨到 64.8 亿，六年八十倍。基数小，弹性大。这个类别指数据标注、合成数据、数据清洗与治理服务。它的暴增是 AI 训练与评测需求外溢的直接结果。
这三条交叉点连起来，指向一个判断：2026 年是基础设施的收获年，也是应用层的播种年。现在进入应用层竞争，比 2027 年再进入要便宜得多、位置要好得多。
五、这份表对中小企业的三个实操结论
1. 别去卷模型，去卷"用得起"
模型层 282.66 亿美元，基础设施层 1.48 万亿，这个比例意味着模型正在快速商品化。对中小企业来说，选哪个模型、用哪个版本、怎么压低单位调用成本，比追逐榜单排名重要得多。真正该投入的是"同样的业务效果，我用更便宜的模型组合能不能做到"。
2. AI 安全必须和第一期项目同时做
AI 网络安全是 2026 年增速最高的成熟类别，这不是恐慌营销，是真实暴露出来的需求。如果你的第一个 AI 项目里没有权限控制、日志审计、提示注入防护、数据边界这四件事，那么它不仅有安全风险，还会在规模化时成为拦路虎。建议的做法是把这四项当成第一期的验收条件，而不是二期迭代。
3. 优先做能被计量的 Agent 场景
智能体支出 2027 年预计翻倍，本质原因是它按量计费。落到企业侧，就是一个务实的判断：只有能被计量的场景才值得自动化。比如"每月自动生成 XX 份报表""每次询盘 10 分钟内给出带引用的回复"——这些有明确单位、有明确成本、能算出替代了多少人工小时的场景，才是 Agent 落地的主战场。而"让 AI 帮我们做品牌"这类无法计量的目标，短期内基本不会有回报。
六、两个必须提醒的误读
误读一："基础设施占 56%，说明应用层没机会了。"恰恰相反。基础设施的高占比是周期特征，不是永久结构。Gartner 自己的判断是：到 2030 年，综合业务转型项目与轻量化间接项目，AI 服务市场将迎来 1.2 万亿美元的商业机会。基建的钱是少数人的，应用的钱才是多数人的。
误读二："Lovelock 说没有资金从其他 IT 领域转移到 AI，所以 AI 需求是纯增量。"这个说法需要加一个注脚。他确实指出 CIO 们在 2024 年获得了一些用于 AI 的净新增资金，2025 年也有少量增加，"所以这不是转移，现在他们的支出更多是重新定位而非转移"。但"重新定位"本身仍然意味着——企业内部的预算排序在改变，只是总量还没变。对具体项目而言，这和"钱被抽走"没有本质区别。
结语：数字的诚实之处在于它不好看
2.67 万亿美元是本轮 AI 热潮最响亮的口号，但这张分项表提供了更有价值的东西：一张诚实的成本结构图。它告诉我们，行业最赚钱的环节不在最会讲故事的环节，在最重的环节。这对任何人都是好消息——因为它意味着，只要你的价值落在"让重资产跑得更有效率"或"让重资产被用得更充分"这两个方向上，你就在钱的流向里。
数据来源：Gartner《Worldwide AI Spending Guide》2026 年 9 月版（2026-09-16 发布），经 THE Journal 2026-09-21 报道核对。
