Gartner 押注 2.67 万亿美元 AI 支出：2026 年，企业到底该把钱花在哪
研究机构的预测常有，但一年之内把同一个数字上调三次，并不常见。Gartner 在 2026 年 1 月给出的全球 AI 总支出预测是 2.5 万亿美元，5 月上调到 2.59 万亿，9 月再上调到 26704.6 亿美元（约 2.67 万亿），同比增长 49.5%。三个季度，三次上调，方向一致——这不是情绪，是真金白银的采购订单在推着数字走。Gartner 资深分析师 John-David Lovelock 的判断更直接："AI 基础设施建设，是人类有史以来规模最大的基建项目。"
钱很多，故事很好，但另一组数据却泼了冷水：麦肯锡《State of AI 2026》（2026 年 5-6 月调研）显示，88% 的组织已经在用 AI，而能说出企业层面利润（EBIT）受到影响的，只有 37%；真正从 AI 里拿到 5% 以上利润贡献的"高绩效者"，一年下来纹丝不动，停在 6% 左右。一边是天量支出，一边是少数人赚钱，中间这道鸿沟，恰恰是 2026 年每一家准备上 AI 的企业必须先看懂的东西：钱花在哪里，才不算白花。
一张支出表看清：钱都流向了哪里
Gartner 2026 年 9 月发布的分市场支出表（单位：百万美元）值得每个 CIO 和创业者逐行看一遍：
- AI 基础设施：14843.97 亿（2025 年为 9819.2 亿），占全年总支出 26704.6 亿的 55% 以上，包括 AI 优化型 IaaS、AI 服务器、AI 网络与处理半导体；
- AI 软件：4616.37 亿（2025 年为 2881.68 亿），增速约 60%；
- AI 服务：5764.81 亿（2025 年为 4340.46 亿）；
- AI 智能体与助手：292.19 亿（2025 年为 164.81 亿），接近翻倍；
- 生成式 AI 模型：282.66 亿（2025 年为 130.21 亿），Gartner 把 2026 年模型市场的增长预期从 110% 进一步上调至 117%；
- AI 应用开发平台：95.41 亿，短期增长预期从上一轮的 28% 大幅上调至 39%；
- AI 网络安全：513.47 亿（2025 年为 259.2 亿），实现翻倍。
把这张表翻译成人话：这轮 AI 支出的大头仍然在"买铲子"——机房、算力、网络、芯片；其次是"装铲子套"——软件平台与开发工具；而真正"用铲子挖金子"的部分（智能体与助手 292 亿美元）目前只占总支出的约 1.1%。这就是为什么 88% 的企业用了 AI、却只有 37% 见到利润影响：钱堆在底层资产上，顶层的业务价值转化链还没有打通。
但对做企业软件与 AI 落地的服务商来说，这张表恰恰是路线图。Gartner 预测到 2027 年，AI 智能体与助手市场将从 2026 年的 292 亿冲到 654.72 亿，再算上另一份 2026 年 5 月的口径——更宽泛的 AI Agent 软件市场 2026 年为 2065 亿美元、2027 年 3763 亿美元——应用与智能体层是未来两年增速最快、也是竞争格局尚未固化的窗口期。基础设施的军备竞赛是大厂的游戏，而把 AI 能力翻译成业务流程和利润，是中小企业服务商真正的机会。
生成式 AI 进入"幻灭低谷期"，反而是采购的好时候
Gartner 9 月报告里有一句容易被忽略的话：生成式 AI 在 2026 年正步入技术成熟度曲线的"幻灭低谷期"。听起来是坏消息，实际上是企业买方难得的窗口——泡沫挤出后，采购逻辑从"要不要跟上潮流"变成了"哪个功能真能省钱增收"。
同一个报告还观察到两个behavioral转变。其一，软件厂商正在把 Agentic AI（代理式 AI）功能快速嵌入现有产品，以抵御跨职能新型智能体的冲击——这意味着企业用户很快能在自己已经在用的 ERP、CRM、OA 里"顺手"用上智能体，而不必另起炉灶。其二，企业越来越少委托服务商做大规模转型项目，转而用小型、间接的项目去挖掘现有系统里已装的 AI 能力。Lovelock 明确说了：即便存在厂商锁定、数据主权、成本失控这三重风险，也没有阻碍买家采用这些专有技术能力。
这对预算的启示很实际：2026 年把钱花在"把已有系统里的 AI 能力用起来"，性价比大概率高于"再上一套全新的 AI 系统"。先盘点、再集成、后新建，顺序不能反。
为什么用了 AI 的企业里，只有 6% 真赚到钱
回到麦肯锡的数据。《State of AI 2026》的对比很有意思：AI 在"企业级规模化"的比例从 38% 升到了 44%，大型企业中规模化部署智能体的比例从 27% 跳到 40%，但小企业原地踏步，停在 22%。同时，认为 AI 会减少雇员数量的组织从 32% 上升到 39%。规模化在推进，红利在集中——大公司在把智能体变成生产力，小公司在观望，而裁员预期反而在升温。
更能说明问题的是那个恒定的 6%：无论哪一年调研，能从 AI 中获得 5% 以上 EBIT 贡献的高绩效组织始终只有约 6%。麦肯锡的分析指向同一个原因——高绩效者不是模型用得更好，而是把工作流、数据、评测、责任人这条"无聊"的链路真正打通了。多数企业的 AI 支出停留在订阅费和演示会，没有走到"某个流程因为 AI 缩短了 X 天、省了 Y 万元"的可核算状态。
Gartner 的另一组预测是给这场幻觉降温的：今天上马的 agentic AI 项目，到 2027 年可能有超过四成被砍掉，原因是成本超标、复杂度失控、业务价值算不过账。被砍掉的项目有一个共同特征——立项时就没有定义清楚"成功长什么样"。所以在签任何 AI 合同之前，先把三件事写进需求：这个智能体替代或增强的是哪个具体流程、验收的量化指标是什么（人效、周期、错误率至少占其一）、数据边界和私有化部署怎么安排。这三问说不清，2.67 万亿的洪流里就没有你的位置。
2030 年 1.2 万亿美元的服务机会：属于"会落地的人"
Gartner 在 9 月的报告里给出了一个对服务商极其关键的数字：转型项目与间接小项目相加，到 2030 年将催生 1.2 万亿美元的 AI 服务市场。注意结构——它不再是过去那种"咨询画饼、外包堆人"的大转型项目为主，而是大量小、快、贴着业务流程的间接项目累积出来的盘子。这正好是中小软件公司的体型优势：大厂做不动一条产线、一个财务共享中心的智能体定制，而这类项目恰恰数量最庞大。
同时被上调的还有 AI 应用开发平台的增长预期（28%→39%），背后的逻辑是企业想开发符合自身特定需求的定制化 AI 应用；而特定领域语言模型（DSLM）也被 Gartner 点名为"规模虽小但在增长"的机会——通用大模型太贵且不够专，把行业语料喂进垂直模型、再包进业务系统，正是企业级 AI 定制的标准打法。私有化部署、数据不出域、按业务流程定制智能体，这三点在 2.67 万亿支出的叙事里看似渺小，却是最贴近"利润兑现"那一端的环节。
给中国企业预算的三条实操建议
把 Gartner 和麦肯锡的数据落到国内企业的年度预算上，可以浓缩成三条：
- 先挖存量，再买增量。你正在用的办公软件、ERP、客户关系系统里，2026 年大多已经嵌入了 AI 功能（Gartner：软件厂商正快速嵌入 Agentic AI）。先用小项目把这些已有能力跑通、核算出人效，再决定要不要新建系统——这正是 Gartner 观察到的"间接小项目"路线，也是把 88% 的使用率变成 37% 利润影响的必经之路。
- 给智能体项目设"价值锚"和止损线。2027 年可能被砍掉的四成 agentic 项目，多数死在"说不清省了多少钱"。立项时就约定：周期缩短多少、错误率降到多少、多少人力被释放，达不到就收缩。AI 智能体开发不是一次性采购，而是持续运营——评测集、监控、数据回流都要算进 TCO。
- 把数据主权写进合同。Gartner 明言厂商锁定、数据主权、成本失控三大风险并未阻止采购，这说明风险是真实存在的。核心业务数据要不要出内网、模型能否私有化部署、源码和知识库归属谁——这三条谈判筹码，比模型选型本身更值得 CIO 花时间。
2.67 万亿美元是时代的注脚，不是你的成绩单。对企业来说，真正的议题从来不是"AI 值不值得投"，而是"投下去的钱能不能在某个流程上听见响"。基础设施的军备交给巨头，把智能体嵌进业务流、把使用率变成利润率，才是 2026 年企业 AI 预算该有的纪律。
美辰信息技术聚焦企业级 AI Agent 定制与私有化部署，围绕智能体开发、知识库建设、业务流程自动化提供从需求盘点到上线运营的全程服务，帮助企业把 AI 预算花在能兑现价值的环节上。
