作者：王聪彬

OpenClaw的走红固然有多重驱动力，但其背后更值得关注的是，AI浪潮所引发的集体焦虑正在被放大，而在企业中这种压力也传导到CIO群体。

降本增效、拉动增长，提高服务质量等等，业务对IT的要求越来越高。Gartner研究总监金玮在与CIO访谈过程中明显感受到，这一角色正承受越来越大的压力。

中国拥抱AI进行创新的速度肉眼可见，企业高管对于AI有着很高的期望。但现实往往是成本并不会马上下降，更早体现出来的通常是效率提升，而真正的成本回报仍需要时间。

AI投入中，增效比降本来的更明显

Gartner调研显示，去年中国企业IT预算增速为-0.8%，今年回升至2%。表面上由负转正，但仍未跑赢通胀水平，这意味着企业IT预算并没有真正增加。

“企业的IT投资逻辑正从防御型投资变成差异化竞争，每一分钱都要用在刀刃上。”金玮说道，在IT预算没有增加的情况下，还需要在AI上进行投入，实际上IT在其他地方的预算在减少。

增效的效果已经在一些细分环节开始显现，例如需求分析、软件测试等领域。数据显示，2024年相关效率大约提升了10%-15%，预计到2028年将提升至30%。很多情况下，限制效果释放的并不是技术本身，而是企业环境和流程还没有完全准备好。

并且中国CIO正在逐步增加本土技术的投入，其中很大的原因是来自地缘政治带来的不确定性。目前超过六成企业正在调整技术策略，更多基于本土技术能力与区域合作伙伴展开布局，而非继续以全球厂商为主要依赖。

Gartner还对比了美国和非美国企业对于本土技术使用上的态度。美国企业对地缘政治因素的敏感度相对较低，因为全球主流AI技术和厂商本身就高度集中在美国本土，因此大多北美企业只要产品好用即可，对供应商来自欧洲还是其他地区，并没有特别强的限制。

但在非美国企业中，情况明显不同。不只是中国，很多国家的企业都开始更加关注技术来源与供应安全。一部分企业倾向于优先选择本土技术，另一部分则希望通过多供应商策略来分散风险，简单来说就是避免把“鸡蛋放在同一个篮子里”。

在金玮看来，AI的发展确实伴随着不少现实约束，例如企业在落地过程中面临的成本压力、技术挑战，以及出口限制等外部因素。

但与此同时，中国本土的技术创新和产业发展依然保持着很快的节奏，新技术、新应用不断涌现。中国企业和用户对新技术的接受度更高，也更愿意在真实场景中尝试和落地，这在很大程度上加速了创新的扩散与应用。

AI新阶段，如何应对四个新变量

Gartner《预测2026：应对中国AI驱动的演变》报告从四方向进行预测，包括硬件自主、数据合规、AI安全、自主运营。CIO为了实现营收增长和运营效率，必须同时应对四个不同的前沿领域。

硬件主权

由于受到芯片出口限制等外部因素影响，中国正在加速推进AI芯片的自主化。Gartner预测，到2030年，中国约80%的本土AI基础设施将采用本土研发的AI芯片，目前这一比例大约只有20%。

一方面，外部技术限制客观上推动了国内产业加速向前；另一方面，中国政府也在持续加大对本土AI基础设施的投入和支持。除了半导体企业已经具备设计高端AI芯片的能力，中国互联网与科技公司也在积极布局自研 AI 芯片。

数据合规

AI应用效果的好坏，很大程度取决于数据质量。数据质量越高，模型输出的准确性和稳定性通常越好，如果数据本身存在问题，最终的AI效果也很难保证。因此在AI落地过程中，数据管理正在成为数据分析师和企业IT团队面临的一大现实难题。

Gartner预测，到2028年，由于企业同时采用来自三个及以上不同区域的AI模型，由此带来的数据主权合规和AI偏见问题，将占企业AI数据管理工作量的50%。随着模型来源越来越多样化，数据来源自然也会变得更加复杂。

数据质量、安全和治理等因素叠加在一起，就容易引发数据合规问题，甚至直接影响AI应用的效果。中国企业的数据挑战中，数据可读性被认为是最主要的问题之一。

目前越来越多企业开始通过数据生态合作的方式，引入多种数据管理能力，既简化治理流程，也更好地理解不同地区的监管要求，从而推动AI项目在合规框架下落地。

人工智能安全

Gartner预测，到2029年，约70%的中国企业会把AI安全测试纳入现有的应用安全测试和渗透测试体系，作为重要补充，目前这一比例还不到5%。

这一变化主要与企业AI应用扩张过快有关。很多企业在尚未建立完整治理体系的情况下，就已经开始大量尝试各种AI工具。在企业环境中，提示注入、数据篡改，以及传统安全测试等，都可能成为AI工具使用带来的安全风险。

在AI快速发展的背景下，企业既希望加快产品和服务的推出速度，也需要确保系统安全。所以AI安全测试需要尽可能自动化，并能够与现有安全流程衔接，避免成为开发流程中的瓶颈。

Gartner预测，未来的AI安全更可能会采用自动化工具与安全专家混合的模式实现。

自动化运维

目前越来越多企业开始尝试在运维环节引入AI能力，尤其是AI智能体。Gartner预测，到 2029年，大型中国企业中约40%的IT运营工作将由AI智能体承担，目前这一比例不到1%。

中国企业的IT环境往往比较复杂，系统之间的关联度高，跨部门协作较多。这种环境下，AI智能体更适合承担一些基础性工作，例如通过对话式交互进行问题分流、初步诊断，或者帮助运维人员快速定位问题。

同时，并不是所有IT运维问题都适合用AI解决。一些场景本身可以通过传统自动化手段完成，或者问题本身来自流程和管理，如果盲目引入AI，反而可能增加系统复杂度。

在Gartner来看，AI运维长期更可能是一种人机协同模式，AI负责处理大量重复性和基础性的任务，人在关键环节进行监督。这也会对企业产生新的要求，例如需要投入更多资源管理AI、建立相应的安全与治理机制，以及设立AI工程师、AI架构师等新岗位。