从 2.52 万亿到 2.67 万亿：Gartner 八个月三次上调 AI 预测意味着什么

2026 年 9 月 16 日，John-David Lovelock 在宣布 Gartner 最新 AI 支出预测时提到一个细节：自今年 1 月以来，Gartner 为 2026 年的 AI 支出估计增加了大约 1430 亿美元，其中约 1180 亿（占 83%）来自更高的基础设施预测。

1430 亿、1180 亿、83%。这三个数字比"2.67 万亿美元"这个头条数字信息量大得多。它们说明的不是"AI 很热"，而是市场分析师在 8 个月里反复修正自己，而修正的方向高度一致——把更多的钱归到"让 AI 跑起来"这件事上。

一、三次上调的完整轨迹

把 Gartner 2026 年内三次 AI 支出预测并排放，能看到一条非常陡的曲线：

（注：英文媒体 THE Journal 依据 Gartner 报告核算的口径为 1 月 2.53 万亿/1.37 万亿、5 月 2.60 万亿/1.43 万亿、9 月 2.67 万亿/1.48 万亿，与官方通稿的取整口径一致。）

八个月里，总支出上调 6%，增速上调 5.5 个百分点，基础设施上调 8%。三个指标的调整幅度并不一致，基础设施的调整幅度最大——这正是 83% 那个数字的来源。

二、为什么"83% 来自基础设施"才是重点

如果三次上调是均匀的，那只是"预期在变好"。但 83% 的增量集中在基础设施，说明的是另一件事：制约 AI 发展的瓶颈，从"模型不够强"转移到了"算力不够用"。

这个瓶颈转移在现实中是可以观察到的。2026 年上半年，AI 产业链上最紧的几个环节依次是：

• 电力接入。超大规模数据中心的新建与扩容，受限于电网容量申请与并网时间，周期以季度计。
• 高带宽内存与液冷。内存价格出现上涨，液冷方案从"可选项"变成 AI 机柜的默认配置。
• 网络互联。单个超大集群内部的数据搬运带宽，成为限制训练效率的物理天花板。

Lovelock 在 9 月报告里专门回应了"内存涨价会不会抑制需求"这个问题，结论是：需求"依然强劲，且未受存储相关价格上涨压力的明显影响"。这句话的分量在于——涨价没有减少采购量，只改变了采购的成本结构。在传统 IT 周期里，硬件涨价通常会直接压低出货量；AI 基建领域的这种"价格弹性低"，是判断周期位置的一个强信号。

三、资本开支的交叉验证：钱在同向印证

预测上调不是孤立的，它与科技巨头实际披露的资本开支互相印证。2026 年公开信息显示：

把这些数字和 Gartner 的预测放在一起，会看到一个有意思的错位：四巨头单家 capex（2200 亿美元）已经接近 Gartner 预测的"AI 基础设施"总额（1.48 万亿）的 15%。也就是说，基础设施这一类里，接近六分之一的支出来自四家企业。

这个集中度提醒我们一件事：Gartner 的"AI 基础设施"是一个统计口径，它并不等于"企业能买到的算力"。这个行业的一小部分玩家，掌握着绝大部分物理供给。这意味着基础设施环节的定价权，短期内会高度集中。

四、Dell'Oro 的第二个视角：五年 1.8 万亿

Gartner 从"支出"角度切，2026 年 8 月 12 日 Dell'Oro Group 的报告则从"组件市场"角度给出了另一个时间尺度：数据中心 IT 半导体与组件市场将在未来五年内超过 1.8 万亿美元，增量分布在加速器、内存、存储、CPU 与网卡上。Dell'Oro 同时指出，这预测相比 2026 年 1 月的报告已大幅修订，反映出对数据中心 capex 和电力容量扩张的更高预期。

把 Gartner 和 Dell'Oro 放在一起，得到一个交叉验证的结论：

短周期（2026 年）：Gartner 看到支出在快速上修。
长周期（2026–2031）：Dell'Oro 看到组件供给侧在同步扩产。

需求预测上修 + 供给侧扩产同时发生，这在传统周期里通常意味着两到三年后的产能过剩风险。但 AI 领域的特殊性在于：算力是一种会持续折旧的消耗品。芯片的物理折旧与它的算力价值之间存在严重的不对称——一块加速器三年后可能还在跑，但单位算力价格已经跌到当初的十分之一。这意味着即使总量供给过剩，"有效算力"的短缺仍可能持续。

这也是 Dell'Oro 报告里那句话的深意：AI 将持续作为数据中心基础设施支出的主要驱动力，其中加速器占组件市场的最大份额。

五、三个必须同时看到的事实

事实一：这是史上最大规模的基建，但"最大"不等于"最危险"

Lovelock 的原话是"人类有史以来规模最大的基础设施项目"。这个类比（铁路、电网、互联网主干）容易让人联想到过度建设的历史教训。但有一个关键区别：铁路和电网的产出是可排他的物理服务，供给过剩会导致资产闲置；算力的产出是可瞬间消失的服务，不用的算力每小时都在贬值。

事实二：支出上修 ≠ 应用层受益

1430 亿的上调里有 1180 亿在基础设施。这 1180 亿的受益者，主要是芯片厂、服务器厂、数据中心运营商、电力与散热供应商。对于做应用、做集成、做服务的企业，这 1180 亿基本不流向自己。应用层能分到的，是 2.67 万亿里剩下的 1.19 万亿——虽然绝对值依然巨大，但增速和确定性都远不如基建。

事实三：不同的账本，差出五倍

同一件事，三本账差出五倍：高盛约 1 万亿美元、Gartner 2.67 万亿美元、IDC 统计到 4870 亿美元。差异不来自谁对谁错，而来自"什么算 AI 支出"这个定义根本没有统一。Gartner 把服务器、机房、电力都算进去；IDC 可能只算软件与模型；高盛的模型又是另一套。

所以看到任何一个"全球 AI 市场规模 X 万亿"的数字，第一件事应该是问：这个数字的口径里包不包括机房和电费？如果包括，那它衡量的更接近"AI 基建投资强度"，而不是"AI 产品市场规模"。这两件事在商业判断上完全不是一回事。

六、给决策者的三个动作

1. 如果你在选供应商，先问它的算力来源是否稳定。当 83% 的预测增量都在基建、且四巨头 capex 还在加速时，算力供给的分配能力就是核心壁垒。一个依赖单一算力渠道的 AI 项目，风险不在技术而在供应。
2. 如果你在做应用层，不要被"2.67 万亿"误导预算预期。应用层分到的是扣除基建后的部分，而且 2026–2027 增速将从 60.2% 回落到 42.2%。做增长预算时应该按 42% 而不是 60% 来算。
3. 如果你的采购决策依赖市场数据，把"口径"记下来。同一个"AI 市场"，三个机构给三个答案。2026 年之后再有人拿"万亿美元"数字来做论证时，第一个问题永远是：谁的口径、含什么、不含什么。

结语：预测的价值不在数字，在修正的方向

八个月、三次上调、1430 亿、1180 亿、83%——这组数字最有价值的地方在于它揭示了一个判断方法：看一个分析师的预测怎么被修正，比看它最终给出什么数字更有信息量。因为预测本身是判断，而修正的方向是事实。

八个月里，事实告诉我们的是：AI 的瓶颈在物理侧，不在逻辑侧。这个判断会持续影响接下来两年所有的采购决策、定价策略和投资节奏。而对绝大多数企业来说，这句话的实际含义只有一句——不要在算力上省钱，要在应用和数据上花钱。

数据来源：Gartner 2026 年 1 月/5 月/9 月三轮《Worldwide AI Spending Guide》；Dell'Oro Group《Data Center IT Semiconductors and Components Market》2026-08-12；TrendForce 资本开支追踪；穆迪研究 2026 年超大规模云商 capex 预测。