AI 的转折点

AI 的影响力远超我们过往所经历的一切，而目前我们才刚刚开始发掘其潜力。

2026 年将是至关重要的一年。在这一年，具有前瞻性的实体与数字基础设施战略将使行业领军者脱颖而出，与追随者拉开差距。以下是企业必须把握的五大关键预测，以充分借力 AI 革命。

从实现到卓越：热管理新时代。

转变：尽管 2025 年已确立液冷技术作为基础性需求，但 2026 年将着重实现微观层面的精准冷却。IDC 预测，到 2027 年，90% 的高性能计算部署将采用液冷技术，然而，当前竞争优势已从单纯应用该技术转向通过微流体技术与芯片直喷散热方式，实现对热能管理的深度掌控。IDC 预测，到 2027 年，90% 的高性能计算部署将采用液冷技术，然而，当前竞争优势已从单纯应用该技术转向通过微流体技术与芯片直喷散热方式，实现对热能管理的深度掌控。¹

鉴于 Nvidia 全新推出的 Vera Rubin 架构支持在比以往更高温度下实现冷却，“精准冷却适配精准计算”的时代已然来临，且这一趋势不可逆转。

企业的当务之急：对企业而言，这意味着仅依据楼面承重和电力供应等简单条件来选择数据中心场地的时代已终结；2026 年的部署战略必须优先构建具备热管理适配能力的基础设施，以便随着冷却战略的不断成熟实现同步升级。

部署成功与否的衡量标准，将取决于能否与这些精密系统实现集成，以最大化每瓦特算力，而非仅仅维持系统运行时间。今后，最具韧性的战略将不再把热管理视为单纯的设施配套，而是将其视为硅基性能架构中的关键组成部分。

凭借二十余年在前沿冷却战略适配领域的深厚积淀，Digital Realty 具备所需的设计与工程专长，可紧跟热能管理智能化发展趋势，让您的企业得以专注于商业智能。

AI 控制平面将助力实现异构芯片策略

转变：2026 年，行业将从硬件单一化格局转向由多家供应商、多代产品构成的异构芯片高性能推理阵列。这一转变源于对高性价比规模化扩展的迫切需求；据 Gartner 预测，到 2028 年，40% 的领军企业将采用“混合计算范式架构”，以实现跨不同 CPU、GPU 和 ASIC 的工作负载调度。

据预测，至 2031 年，AI 推理需求将以 36.9% 的复合年均增长率持续攀升。当前，技术突破已不再局限于芯片本身，而在于控制平面能否将碎片化的硬件资源池整合为统一、可弹性扩展的架构。通过硬件层抽象化处理，运营商得以激活老旧机架中的“暗硅”（未充分利用的芯片资源），以满足推理请求的爆发式增长。

企业的当务之急：对企业而言，这意味着部署战略必须从孤立的硬件采购模式转向软件定义的计算模式。随着投资回报率压力日益增大，能够从未充分利用的旧芯片和异构边缘设备中挖掘算力的编排层，将在推理需求扩大时，成为控制 AI 成本的关键手段。要有效利用这一资源池，需借助相关工具与连接技术，实现基于任意可用芯片实时成本和延迟的流量路由。

Digital Realty 通过 ServiceFabric® 实现这一编排功能。该平台作为全球化的软件定义互连层，可将不同代际的芯片及多厂商硬件整合为统一的高性能计算架构。

伟大的“推理反转”年

转变：2026 年，行业将迎来一个历史性转折点，推理任务所处理的词元数量将正式超越模型训练所用的词元量。这一“推理反转”现象并非源于训练需求的下降，而是由推理需求的迅猛增长所驱动。

Gartner 预测，今年将有 40% 的企业应用程序集成特定任务型 AI 智能体。这一趋势将引发自主 AI 智能体的爆发式增长，使其能够执行实时推理和多步骤任务。尽管外界对 AI 实验失败率多有讨论，但将 AI 智能体嵌入 SaaS 应用程序会推动推理需求持续增长，即便企业自主研发过程中仍面临诸多挑战。

企业的当务之急：随着词元生成与消耗量的持续攀升，数据传输的延迟成本和出口费用将成为影响人工智能战略价值与成本的关键因素。在智能体经济中，想要保持竞争力，企业部署战略必须将“数据引力”置于首位，即在数据所在位置就近部署推理集群，而非将海量数据集迁移至远程云端。成功与否将取决于能否构建“推理区域”，确保用户与内部系统获得亚毫秒级的低延迟访问体验。

PUE 逐渐淡出舞台，“PCE”占据中心位置

转变：2026 年，AI 领域的领军企业将超越电力使用效率（PUE）指标，转而采用电力计算效率（PCE）作为衡量 AI 基础设施的黄金标准。尽管 PUE 在衡量数据中心设施级能耗浪费方面发挥了数十年的重要作用，但它本质上是一个“空洞”的指标，忽视了服务器内部的运行情况；在机架功率高达 240kW 的时代，重点已从节省多少电力转向生成多少智能算力。

这一转变源于传统设施效率与代币经济学的双重考量。代币经济学旨在精准衡量高密度芯片将原始功耗转化为推理词元的效率。Nvidia 指出，当前前沿模型若要实现复杂推理，每个词元所需的计算量需提升 100 倍。在此背景下，行业将采用 PCE 指标，确保 AI 工厂的巨额能耗转化为最大计算产出，而非仅以 1.1 的 PUE 维持基本运行。

企业的当务之急：对企业而言，这意味着 2026 年的部署战略必须从审查“建筑设施”层面的能耗，转向审查“电力到词元”的转化链路效率。

与其只关注提供低 PUE 的服务商，企业更应优先选择那些能提供深度遥测数据和多样化芯片选项的合作伙伴，从而在整个服务器集群中优化 PCE。成功与否将取决于企业能否通过展示比竞争对手更高的每瓦特词元产出量，来证明其能源投入的投资回报率。

Digital Realty 在全球 30 多个国家/地区的 50 余个大都市区域拥有超 300 处数据中心设施，其资产组合具备多样化的算力资源，可满足企业在任意指定地点部署所需计算能力的需求。同时，借助 PlatformDIGITAL®，企业仍能获取所需数据。

AI 即资产：私有部署的 90/10 规则

转变：2026 年，企业 AI 战略重心将从“租赁词元”转向将 AI 视为可自主持有并优化配置的高收益资产。这一转变将由“90/10 规则”推动，即开源小型语言模型（SLM）仅需前沿模型 10% 的总成本，即可实现其 90% 的性能表现。

事实上，斯坦福 HAI 倡议项目的研究发现，领先的开源模型与闭源模型之间的性能差距已从 2024 年的 8% 缩小至 2025 年中的仅 1.7%。随着企业意识到，基于专有数据对私有模型进行微调，比使用通用公共 API 能获得更高的准确性和更低的延迟。通过将这些工作负载迁回私有基础设施，企业有效规避了公有云编排带来的复杂性成本，并将自身模型转化为可持续创造价值的专属知识产权。

企业的当务之急：对企业而言，这意味着 2026 年的战略规划应超越单纯的“API 优先”模式，转而评估如何将“AI 即资产”来构建差异化竞争优势。

企业应识别高频率、特定领域的任务，例如内部代码生成或专业客户情报分析。在这些场景中，私有化微调的 SLM 可降低供应链风险，并消除不可预测的按词元计费模式。成功与否将取决于企业能否构建模块化 AI 架构，既利用公有模型进行通用创意生成，又依托私有化自主资产执行核心业务。

为落实这一混合战略，ServiceFabric 提供了网络互联基础架构，将私有 AI 资产与全球数据源无缝对接，实现稳定高效的计算。

把握 2026 年的 AI 机遇

2026 年是采取果断行动的一年。AI 时代的成功，取决于对热智能系统进行精准规划、战略性地实现企业级混合 AI 集成、将推理集群部署于数据所在之处，以及优先选择能够精准衡量并推动正确效率指标的合作伙伴。

为迎接未来做好准备，需以审慎态度评估当前数字基础设施战略，并基于洞察作出果敢决策，方能在明日 AI 驱动的世界中蓬勃发展。

如需了解我们如何助力客户设计满足性能、合规性及业务负载需求的基础设施，请即刻联系我们的专家团队。

^{1 IDC，IDC 调查重点，文档编号 US54034025，2025 年 12 月。}

分布式私有 AI：构建可扩展的 AI 基础