研究报告
AI 创新永不止步。企业的云基础亦应如此。
助力企业采用无悔举措，构建 AI 就绪型云
5 分钟阅读
2026/03/18
概述
- AI 正推动云技术，成为企业提升生产力、实现增长与构筑竞争优势的基础。
- 但目前仍有 59% 的工作负载停留在本地或传统环境中，仅 8% 专门用于前沿技术试验。
- 本行动指南揭示了三大战略路径及相应行动，助力企业提升云成熟度，依托 AI 实现企业全面重塑。
AI 就绪度滞后。云转型的步伐不能停歇。
许多企业一旦达成可扩展性和可用性目标、完成了现代化改造清单，便认为云迁移之旅就算大功告成。但现实是，云转型之路前路漫漫。AI 正在加速演进，从经典算法和机器学习，扩展至生成式 AI、智能体 AI、环境 AI 和物理 AI。这也重新定义了云所必须扮演的角色：既要成为 AI 创新的基础，也要驱动企业整体竞争优势。
当企业不再把云视为单一目标，而是将其打造为现代数字核心的基础时，AI 便能作为一个集成系统而非一系列孤立的举措来运行，从而产生可衡量的影响。企业的其他各个维度——战略与商业模式、工作与员工队伍——都有赖于这一云基础。
为什么云是 AI 创新的基础
云是现代数字核心的基础，提供支持 AI 创新所需的可共享性、可扩展性和安全性。它提供了对基础模型、数据产品和 AI 服务等灵活组合的访问；交付了在企业内部大规模训练、部署和运行 AI 用例所需的弹性计算与存储能力；并将控制与治理机制嵌入从数据到模型、智能体再到平台的各个层面。
如今，云的能力正在由 AI 的需求所定义。AI 对延迟、可观测性和数据保真度提出了更高要求。它倾向于实时事件流而非批量处理作业，倾向于可组合服务而非单体架构，倾向于内置数据质量规则而非事后核查。它也是企业构建、组织与运营模式的基石，需整合 AI 原生服务以及 API、自动化可观测性和 FinOps 等原则。
当云、数据与 AI 作为自适应系统协同运作时，能够带来更快的部署和更精准的洞察，平台本身也会形成复利式的竞争优势。
什么是云？
云的定义正在不断扩展
要规模化扩展 AI，企业需要一个为持续变革而设计的、富有韧性的现代化数字核心。对于大多数组织而言，云是这一切的基础。如今的云已不再是一个终点，而是一段涵盖公有云、私有云、混合云、多云、主权云和边缘云的旅程，工作负载的部署位置取决于延迟、政府法规、风险和经济性等因素。这意味着在正确的位置运行正确的工作负载，将治理、安全与可观测性内嵌其中，并积极采用云原生工具与实践。
云基础的现状
我们对 216 个云资产进行评估后发现，大多数核心工作负载仍停留在本地，或困于维护不足、超期服役的陈旧系统之中（图 1）。三分之一的系统仅进行了刚好足以维持稳定运营的现代化改造。仅有 8% 专门用于先进技术试验。
简单的迁移已经完成，但复杂的系统——如营收、合规与管控流程中的单体架构、大型机和受监管工作负载——依然存在。宏观环境使局面更加复杂：经济波动、地缘政治割裂、监管压力与激烈竞争等因素，共同决定了云与工作负载的部署定位，而跨环境集成问题则可能阻碍现代化进程。
与此同时，AI 创新永不止步，企业云资产亦须紧跟步伐。86% 的企业高管计划在 2026 年增加 AI 投资，其中 78% 认为 AI 更侧重于推动营收增长而非削减成本。¹ 随着模型与智能体加速演进，云和数据成熟度的任何滞后都将制约企业的增长与韧性。
停滞不前的代价
-
战略与执行脱节战略与执行脱节
超过 60% 的云战略与长期业务目标不一致。因此，云投资带来的只是渐进式 IT 改善，而非业务重塑。
-
错失创新错失创新
投资仍更倾向于运营效率而非创新：仅有 22% 的企业将突破性投入优先用于新体验。每一次延误，都会让企业囿于当下，寸步难行。
-
结构性成本效率低下结构性成本效率低下
五分之四企业的 IT 领域可观测性处于中等偏弱水平，40% 的企业缺乏追踪云价值或云支出的机制。为削减成本而暂停现代化改造，反而适得其反，技术债务也随之攀升。
-
数据瓶颈数据瓶颈
除非在云中连接并治理更多数据，否则 AI 试点将难以规模化。仅 39% 的企业正在迁移非结构化数据（即 AI 的“燃料”），仅 2% 的企业已全面集成数据与 AI 以实现实时洞察。
-
网络安全与控制暴露风险网络安全与控制暴露风险
AI 加剧了网络风险，但只有 11% 的组织在云和本地环境中部署了实时、集成的网络安全体系。没有“设计即安全”的架构，威胁加剧时风险敞口就会扩大。
依托云实现 AI 就绪的三大战略路径
所有组织都需要跨越这些鸿沟，不断提升云成熟度，以实现借助 AI 进行的持续业务重塑。差别只在于快慢而已。埃森哲研究表明，根据起点的不同，企业大致处于三条通往云成熟的路径之上：
稳固型企业：夯实基础，重建对云的信任
稳固型企业（约占 60%）的云旅程大多陷入停滞：云战略与业务目标不一致，导致初期努力止步不前，信任不断流失。老旧系统、局部自动化和薄弱的可观测性拖慢了发布速度，令每次变革都沦为风险。预算倾向于维持基本运转，而非推动业务向前发展。
其机会在于务实：将云重新定位为释放资金与容量的杠杆。对少数可见系统进行现代化改造，实时衡量价值，减少事故与成本，逐步重建发展势头。
稳固型企业在关键 AI 就绪维度上达标的百分比
13%
可观测性（高级或实时）
2%
创新就绪型应用
0%
运维全自动化
16%
对变革性项目的重大投资
1%
数据与 AI 深度集成，以实现实时洞察
行动建议
- 将业务价值与云战略挂钩：将当前的业务需求与长期增长目标转化为明确的现代化标杆，并建立治理机制，将云决策与业务价值挂钩。
- 设计现代企业架构基础：选择 AI 就绪的计算、数据、安全与平台服务，搭建安全着陆区，并梳理数据，使模型始终能快速找到正确信号。
- 实现全链路现代化：在本地、混合云及多云环境中构建现代化能力；采用敏捷与 DevOps 实践，建立现代化数据基础。
- 全面推进全栈 FinOps：实现多云/混合云资产中云支出的透明化，依托实时可见性，将每次部署与可衡量的业务价值挂钩。
- 提升可观测性与安全性：构建配备实时指标的系统，形成反馈闭环以持续提升 AI 就绪度。保护云环境中的数据、应用程序和 AI 工作负载，建立端到端可见性与明确的访问管理。
优化型企业：从一次性项目迈向可复用的创新
优化型企业（约占三分之一）已完成核心迁移并建立了稳定的云资产，但其设计初衷是维持运转，而非驱动创新。自动化程度浅，AI 用例聚焦辅助而非变革，价值追踪模糊，导致财务与技术部门难以协同。包括安全与合规、无序蔓延和集成在内的数据挑战，制约了 AI 的规模化应用。
优化型企业的目标是打破渐进主义：将成本、性能和智能与成果挂钩，端到端重塑一条攸关营收的业务旅程，将坚实基础转化为可复用的创新引擎。
优化型企业在关键 AI 就绪维度上达标的百分比
26%
可观测性（高级或实时）
13%
创新就绪型应用
0%
运维全自动化
29%
对变革性项目的重大投资
0%
数据与 AI 深度集成，以实现实时洞察
行动建议
- 将智能嵌入可组合的 AI 平台：使用可复用的数据产品、数据流水线、护栏和模板来组装解决方案，并在具有业务上下文的受治理云层上统一数据。
- 利用云和 AI 能力加速现代化：借助 API 和事件驱动架构逐步推进应用现代化，并使用 AI 工具加速这一进程。引入 AI FinOps，管理其在 AI 工作负载规模化扩展过程中的价值。
- 推进由人主导的自主化运营：部署 AI 驱动的预测性可观测性与智能自动化，以主动管理系统健康。
- 从源头实现安全自动化与 AI 安全：应用零信任原则和已批准的云架构，并嵌入安全与负责任的 AI 治理。
- 打造 AI 赋能团队，而非轮换人员：组建专门的跨职能 AI 团队，以可持续的方式构建和管理 AI 系统。为其配备 AI 助手，并加大技能提升投入。
创新型企业：将平台实力转化为规模化重塑
创新型企业（占 8%）正从局部 AI 用例快速迈向企业级重塑。这类企业已熟练掌握试点项目、云原生模式和 AI 实验——现在需要将 AI 融入工作流，重新设计核心流程与商业模式。挑战正在于此：数据与 AI 的全面集成仍难以实现，自动化也尚未达到理想水平。
当下的机遇在于将 AI 深度嵌入核心工作流、统一数据流，并瞄准董事会层面的成果——新营收、利润率提升与市场份额，将来之不易的云转型成果转化为复利式 AI 优势。
创新型企业在关键 AI 就绪维度上达标的百分比
71%
可观测性（高级或实时）
47%
创新就绪型应用
29%
运维全自动化
41%
对变革性项目的重大投资
24%
数据与 AI 深度集成，以实现实时洞察
立即行动，弥合云差距
AI 正在加速拉大那些能适应数字核心的企业与无法适应者之间的差距。云不再是标志一迁移的里程碑，而是实现重塑的操作系统。于任何行业、角色、职能而言，坚实的云基础都是优先要务，它能够助力企业释放战略转向、实验与迭代所需的敏捷性。那些对公有云、私有云、混合云、边缘云及主权云进行整体架构设计的企业，能够推动 AI 规模化，从而驱动更高的生产力、增长与竞争优势。
多数企业的云转型仍未收官，而 AI 的发展速度容不得半点拖延。停滞不前的代价不菲。云布局仍然是企业的无悔之举。企业可以通过有序分步举措，理清发展阻碍与潜在机遇，逐步达成这一 AI 就绪水平。
夯实基础。让价值清晰可见。 积极将 AI 与业务整合然后重复这一过程，从而更快、更自信地获取实施成果。
¹ 来源：《埃森哲变革脉动高管调研》，2026 年 1 月。样本量 = 3650。