這條由萌芽期—期望膨脹期—泡沫破滅低谷期—穩步爬升恢復期—生產成熟期共同組成的成熟度曲線，見證并推動了行業的發展。去年，Gartner首次發布聚焦中國本土市場的基礎設施戰略技術成熟度曲線（以下簡稱“成熟度曲線”），得到了行業的廣泛關注和認可。近日，Gartner對外正式發布了2025成熟度曲線，再次引發行業熱議。
Gartner研究總監張吟鈴表示，盡管生成式AI已經并將繼續帶動技術發展，但持續的地緣政治和經濟不確定性，將對基礎設施技術產生更為顯著的影響。張吟鈴介紹，今年的成熟度曲線涉及四個方面共計29項技術，反映出市場的多樣性。
四大趨勢繼續強化
張吟鈴指出，2025年的成熟度曲線呈現出自主可控計劃、提升生成式AI采用的影響、確保基礎設施韌性以及保持運營效率等在內的四大主題趨勢；與去年相比，并沒有太大的調整，這也反映出了趨勢的長期性。
首先時自主可控，越來越多的中國企業會采用自主研發的基礎設施軟硬件、工具，規避美國政府的技術限令。客戶側的強烈需求也在驅動供給側快速前行，本土軟硬件也得到了快速的發展、采用與規模落地。
包括國產人工智能處理器、國產芯片服務器、自主可控數據庫、國產服務器虛擬化軟件等軟硬件產品，在Gartner成熟度曲線上都在快速的挪動。尤其是業界關注比較高的國產AI芯片，根據Gartner 8月份發布的關于中國芯片新興技術報告。Gartner預測：“到2030年，中國本土AI芯片廠商將在中國國內AI芯片收入當中占據超過一半的份額，并且在中國以外的市場也會占據超過10%的份額。”
其次是生成式AI采用的影響，以DeepSeek R1的為代表的高品質開源大模型問世，降低了AI推理對算力的需求，很多企業開始使用DeepSeek來部署AI應用。而隨著AI應用的漸次落地，AI Agent和代理式AI開始火爆，這都對底層基礎設施的服務交付提出了新需求。
第三是基礎設施韌性，隨著千行百業數字化轉型的加速和深入，基礎設施作為其能力底座，需要有更高的穩定性、可用性和韌性，確保在面對不確定性問題時，它能夠抵抗、并且能夠快速恢復及提升自己適應性的能力。在今年的曲線中，Gartner將低軌衛星和安全訪問服務邊緣SASE納入其中，希望業界能夠從網絡和安全角度，去考慮如何將兩個新興的技術運用到確保基礎設施的性能、韌性方面。
第四是基礎設施保持運營效率，受到經濟大環境影響，最近幾年IT預算增幅非常小，甚至呈現出下降的趨勢。對于基礎設施的部門來說，需要進一步減少開支并提高效率；在這方面，部分技術及創新可以去利用、并且推動部門更有效的運行。
把握新技術的戰略機會點
雖然從四大趨勢的角度來看，沒有發生太大的變化，但創新卻是無處不在，特別是在AI基礎設施、生成式人工智能一體機、算力即服務以及分布式混合基礎設施（DHI）等技術領域。
在AI基礎設施層面，張吟鈴表示，Gartner將中國的AI基礎設施定義為支持AI和機器學習的工作負載的開發、部署及管理所必須的完整的技術棧和技術系統，包括計算、存儲、網絡、、模型、AI平臺和工程化工具實現等在內的多種組件。
張吟鈴指出，AI的發展需要非常強大并且靈活的AI基礎設施，但在考慮AI基礎設施，特別是異構AI基礎設施環境投資時，需要充分考慮投資回報率以及人才技能，“企業需要全面考慮企業自身的需求和能力，不能過度的投資。”
在生成式人工智能一體機層面，張吟鈴表示，作為專門為運行AI工作負載而設計的集成式計算設備，一體機可以給不同的用戶群體提供“開箱即服務”的體驗，縮短AI部署周期，降低技能需求及滿足數據本地化的要求，吸引了很多企業機構的關注。
但張吟鈴提醒，是否采用一體機需要考慮企業內部AI部署的戰略，以及對于未來基礎設施的規劃。因為隨著市場的快速演進，一體機的價值有可能會迅速的貶值。面對不同的AI應用，企業不可能每一次都買一體機來做落地。同時，用戶還同時需要去評估一體機提供商，確保不是一次性的買入用完之后就不用了，而是需要廠商確保產品使用生命周期的持續支持。
在談到算力即服務（GPU as a Service）時，張吟鈴指出，“算力即服務”其實是一種基于“云”的消費模式，企業可以按需付費的形式使用高性能的GPU資源，用作短期的模型微調、可以突破當前超大規模云地域的限制。
但張吟鈴認為，“算力即服務”依然處于比較早期的階段，Gartner會推薦企業優先考慮成熟度比較高的云服務產品。另外，企業還要去考慮將來“算力即服務”廠商的長期投資能力，他們會不會長遠的在這個市場上面去運營下去。
除了上述幾個技術之外，“分布式混合基礎設施（DHI）”也出現在了成熟度曲線上。張吟鈴指出，分布式混合基礎設施還是以“云”為中心的運營模式，提升了公有云在基礎設施范圍以外的工作負載的靈活性和便捷性的部署要求。企業可以用到類似于公有云的基礎設施優勢，同時可以確保對于部署的位置管控，可以提供給到企業很多的便捷性。
無安全，不AI。生成式AI快速發展，也帶來一些諸如“數據安全、倫理道德”等問題。張吟鈴指出，對于AI安全治理，Gartner非常關注，在今年的成熟度曲線上就增加了大語言模型可觀測性的技術，可以針對大模型的行為、性能監控、分析洞察，解決大模型的一些指標、幻覺、偏見，以及包括資源利用率等問題。但大語言模型可觀測性技術仍處于研發早期。“數據安全或者倫理道德的問題，更多的是取決于模型的選型、以及國家政策的要求。”
