在 Gartner 2026 年 9 月 16 日那份刷屏的"2.67 万亿美元"报告里，有一句话被大多数中文转载漏掉了。它不是关于 2.67 万亿的，而是关于一个更慢、更具体、更贴近中小企业的数字：预计到 2030 年，AI 服务市场将迎来 1.2 万亿美元的商业机会。
说出这句话的是 John-David Lovelock。他在这份报告里还讲了另一件事——"企业越来越少地委托服务商开展大规模业务转型项目，更多选择小型间接项目，挖掘现有软件系统自带的 AI 能力"。这两句话必须连起来读，因为它们描述的是同一个转变的两面：蛋糕很大，但吃法变了。
一、1.2 万亿是怎么算出来的：先看 5765 亿这条基线
Gartner 把 AI 服务列为 2026 年第三大支出类别，仅次于基础设施：
| 年份 | AI 服务支出（百万美元） | 同比增速 | 在 AI 总支出中占比 |
|---|---|---|---|
| 2025 | 434,046 | — | 24.3% |
| 2026 | 576,481 | +32.8% | 21.6% |
| 2027（预测） | 745,655 | +29.3% | 20.5% |
如果把这个趋势简单外推到 2030 年，只能得到 1.1 万亿到 1.2 万亿之间。所以"1.2 万亿"这个数字并不是凭空跳出来的乐观假设，它基本上就是 2026–2027 增速的线性延展。
但真正需要注意的是另一件事：AI 服务是 Gartner 这张表里增速最慢的大类。2025→2026 是 +32.8%，2026→2027 降到 +29.3%，在 AI 基础设施（+51.2%）、AI 软件（+60.2%）、生成式 AI 模型（+117.1%）、AI 网络安全（+98.1%）的一片高增中，它是垫底的一个。
服务行业增速最慢，看起来是坏消息。但把它和另一句话放在一起，结论会反过来：企业不需要大规模转型项目了，但企业仍然需要有人帮它把 AI 用起来。需求总量在涨，需求形式在碎。
二、"小型间接项目"：一个被误解为贬义的词
Lovelock 的原话值得逐句拆开，因为每个短语都对应一个具体的商业现实：
"企业越来越少地委托服务商开展大规模业务转型项目，更多选择小型间接项目，挖掘现有软件系统自带的 AI 能力。尽管存在厂商锁定、数据主权、成本失控等风险，但并未阻碍企业采用这些专有 AI 能力。综合业务转型项目与轻量化间接项目，预计到 2030 年，AI 服务市场将迎来 1.2 万亿美元的商业机会。"
这里的三个关键词需要分别理解。
"大规模业务转型项目"为什么在退潮
传统 IT 服务业最赚钱的产品形态，是几年期的整体改造合同：ERP 换版、数据仓库重建、核心系统重构。这类合同单价高、周期长、收入可预测，代价是企业要为此冻结业务变化、承担巨额风险、经历漫长的组织震荡。
2026 年的现实是——AI 带来的变化速度，远远快于这类合同的交付周期。企业在合同第二年就会发现，原定的三年蓝图已经过时。所以 CIO 们开始主动缩短承诺周期，把大额预算切成多个可以随时调整的小块。
"挖掘现有软件系统自带的 AI 能力"是什么
这是本轮 AI 最实用、也最少被谈论的一层：你买的软件里已经埋了很多 AI 功能，只是你没用。Gartner 在同一份报告里描述的场景是——软件厂商正快速把 agentic AI（智能体式 AI）功能集成进现有产品，用来维持市场竞争力、抵御新兴跨职能智能体产品的冲击。
换句话说，2026 年最大的一个误区是"我们公司要不要上 AI"。正确的问题往往是"我们已经在用的那 17 个系统里，有几个开了没用的 AI 功能"。后者成本低到接近零，效果却往往立竿见影。
"间接项目"（indirect projects）
Gartner 用"间接"这个词描述一种不直接产出业务成果、但改善业务基础能力的投入：数据治理、集成中间件、流程编排、权限体系、可观测性。这类项目过去很难通过商业立项——因为它们的效果要绕一圈才能看见。
AI 改变了这件事。原因是：AI 项目的瓶颈从"模型能力"转移到了"数据与流程是否就绪"。这就把过去那些"没人愿意投的间接项目"，变成了 AI 落地的前置条件。它们从"锦上添花"变成了"必需品"，而必需品是有预算的。
三、同一份报告里另外三个被忽略的信号
信号一：AI 应用开发平台增速从 28% 上调到 39%
Gartner 明确提到，随着企业、软件供应商和服务机构纷纷开发符合自身特定需求的定制化 AI 应用，AI 应用开发平台的短期增长预期已从上一轮预测中的 28% 上调至本季度的 39%。
一个季度的预测上调 11 个百分点，这个幅度在 Gartner 的历史里并不常见。它说明企业对"定制化 AI 应用"的需求正在加速外溢，而承载这些定制的平台，正好卡在这个外溢的必经之路上。
对应到分项表：AI 应用开发平台从 2025 年的 68.85 亿美元涨到 2026 年的 95.41 亿，再到 2027 年的 124.78 亿。绝对基数不大，但增速方向明确，而且它是九个类别里唯一被 Gartner 单独点出"上调了增速预期"的。
信号二：模型增速从 110% 上调到 117%
同一份报告里，Gartner 把生成式 AI 模型的 2026 年增长率预期从上一轮预测的 110% 上调至当前的 117%。
这看起来和"模型在商品化"的直觉相反，但其实是两件事同时发生：整体模型支出在快速膨胀（因为调用量暴涨），同时单位价格持续下降（因为同质化）。量增掩盖了价跌，这是软件行业最经典的规模效应陷阱。对采购方是好消息，对模型层创业者才是坏消息。
信号三：DSLMs——小而确定的机会
报告里提到，对于模型供应商而言，"提供更具成本效益且契合企业实际应用场景的模型的压力，正为特定领域语言模型（DSLMs）创造出虽小但呈增长态势的机遇"。
翻译一下：当通用大模型的调用价格压到某个临界点之后，为某个具体行业（法律、医疗、制造、外贸）训练一个更小、更准、更便宜、更懂行话的专用模型，就重新变得划算了。这不是技术理想主义，是成本算术。
四、企业侧的两个真实困境
困境一：成本评估从"上线"转向"使用"
报告里有一句很实在的描述：企业正指望供应商协助管控成本，并将使用情况追踪功能整合进工作流程，以便评估应用成效。
这句话点出了 AI 项目评估方式的一个根本变化。传统软件是一次性采购，项目结束时验收，用的是"功能是否实现"；AI 是持续消耗，项目永远在运行，用的必须是"每解决一个任务花多少钱"。
对甲方来说，这意味着预算科目要从"软件采购费"挪到"服务费/用量费"，而这两类费用在很多公司的财务制度里根本不是一个审批流程。这是 2026 年 AI 项目落地最常见的行政障碍——不是技术不行，是合同签不了。
困境二：三重风险没有消失
Lovelock 明确点了三个风险，而且指出它们"并未阻碍买家采用这些专有 AI 能力"：
- 厂商锁定。你把 AI 能力用进了核心流程，切换供应商就意味着流程重写。
- 数据主权。数据出了境、进了第三方模型、或者被用于供应商自己的训练，都可能触碰合规红线。
- 成本失控。按量计费意味着账单随使用量增长，而使用量可能由流程缺陷放大而非业务增长驱动。
"并未阻碍采用"这句话值得玩味。它不是说风险不重要，而是说这些风险在 2026 年的商业现实里是可接受的代价——因为不采用的代价更大。这个判断本身就是当前市场成熟度的标志。
五、给中小企业的三个具体动作
- 先盘存量软件，再谈新建系统。列出你正在用的全部业务系统，逐个确认有没有未启用的 AI 功能。这一步通常零成本，但往往能覆盖 20% 到 30% 的"AI 提效"需求。Gartner 说的"挖掘现有软件系统自带的 AI 能力"，本质就是这个动作。
- 把项目切成 4 到 8 周的小块。不要签三年期合同。做一个小切口，验收标准写成可测量的数字（比如"合同审核环节平均处理时间从 3 小时降到 40 分钟"），跑完再决定要不要扩大。这既符合 Gartner 观察到的"小型间接项目"趋势，也把厂商锁定和成本失控两个风险降到了可承受范围。
- 补齐"用量追踪"这一项基础能力。在做任何 AI 应用之前，先确认你能看到：每个场景每天调用多少次、单次成本多少、人工介入率多少。这三个数字缺一个，你就无法判断这个 AI 项目是在产生价值还是在烧钱。
六、结语：最慢的类别，往往是最容易进的门
AI 服务是这张表里增速最低的类别，+32.8% 和 +29.3% 放在一堆高增数字里毫不起眼。但 1.2 万亿这个 2030 年的目标提醒我们：它的绝对值是第二大的，而且它的进入门槛是最低的。
基础设施要几十亿美元的前置资本，软件要产品化能力和工程团队，模型要算力和算法。而服务——尤其是"挖掘现有软件自带的 AI 能力"这类小切口服务——需要的只是对一个行业流程的理解，以及把它做小、做快、能验收的能力。
Gartner 分析师的那句话其实给了答案：企业正在更多地用服务商做规模较小的间接项目。那么反过来说，对服务提供方而言，机会不再是去投标更大的标，而是去回答更具体的问题——你手上这个客户的哪三个环节，最适合现在就用上软件里已经有的 AI？
能回答这个问题的公司，2026 年就有单子。回答不了的，1.2 万亿跟你无关。
数据来源：Gartner《Worldwide AI Spending Guide》2026 年 9 月版（2026-09-16 发布）；John-David Lovelock 分析师评论原文；THE Journal 2026-09-21 报道核对。
