配资是一种为投资者提供杠杆资金的金融服务！
高盛在最新研报中预测称，随着企业加速采用人工智能（AI），将带动企业服务器与网络收入大增。
以Katherine Murphy为首的高盛分析师团队4月7日发布报告，深入探讨了企业对本地（On-premise）及混合AI硬件解决方案的需求趋势。
高盛表示，企业正从AI的“概念验证（PoC）”阶段转向未来12-24个月的正式系统部署，这主要由两项新技术推动，分别是以OpenClaw为代表的自主AI代理（Autonomous AI agents），以及谷歌TurboQuant内存压缩算法。
作为能够提高AI推理效率的数据压缩技术，TurboQuant降低了使用门槛并可能增加使用频率。
这将带来两大需求：传统数据中心升级和新增AI算力投资。尽管短期内将导致成本上升和IT支出前置，但在AI需求的支撑下，企业服务器、存储、网络收入将在2026至2027年持续增长。
企业采用AI现状
报告称，截至2026年3月，约18.9%的美国企业已采用AI。预计在自动化潜力大的行业（如信息技术、专业科学、教育、金融）普及率更高。研究表明，采用AI可使生产力平均提高23%。
（美国企业AI采用情况）
企业采用AI主要有两大动机，即降本增效和创造新增收入。现阶段的发展趋势是向Agentic AI（自主智能体）演进，并使复杂业务流程自动化。
企业通常倾向于混合多云（Hybrid Multi-Cloud），即结合云端的灵活性与本地的受控性。2025年已有约70%企业采用该模式。
云端（IaaS/API服务）适合快速原型设计、实验及应对波峰负载，其优势在于灵活和无前期投入，缺点是数据安全和成本长期较高。
本地（On-premise）适用于稳定、高频任务，以及受严格法规监管的行业（如金融、医疗）。其优点是长期成本更低、数据完全控制且更易合规，但不足之处在于前期投入高、扩展性差。
与云服务（按2080亿Token的API调用量计算）相比，本地化部署在27个月后更具成本效益。本地LLM推理成本仅为云端的1/2，这一成本拐点是决定基础设施投资时机的关键。
分析师得出结论称，企业综合对灵活性和成本的考虑，最终会倾向于选择云端结合本地的混合模式。
80%的企业认为数据限制是AI扩展最大障碍。
许多AI项目失败是因为数据架构未统一组织，无法支持Agentic AI所需的实时决策。
此外，企业对AI能带来的实际价值和数据安全仍存疑虑。
截至2025年，仅7%的企业完成了全公司范围的AI整合。这表明企业AI仍处于早期阶段，2026年重点仍是数据准备。
硬件需求与市场预测
本地AI推理需要对整个IT栈进行升级。在硬件层面，企业需要采购GPU/CPU服务器、扩展型NAS存储、高带宽低延迟网络、AI PC及边缘设备；在软件层，则需要PyTorch、NeMo等框架，以及NVIDIA AI Enterprise等管理平台。
根据高盛的预测，预计2026年企业服务器收入增长20%，2027年增长26%，到2030年将达到1100亿美元，相较于2025年的530亿美元翻倍。
（高盛对企业服务器收入的预测）
数据中心网络收入预计在2026和2027年分别增长47%和26%，其中AI网络增长将超过100%。
非结构化数据存储（AI首选）在2020-25年间的年复合增长率为10%，2026至2027年将延续温和增长势头，营收增加约6%。
竞争格局与受益供应商
高盛认为，企业会更倾向于继续采购“传统IT供应商”，主要原因包括长期信任（可靠性）、完整产品组合和渠道能力。
分析师对比了两种销售方式，分别是单独卖服务器/交换机，和提供整套方案，即所谓“AI工厂”（AI Factory）模式。
“AI工厂”是一种将原始数据持续转化为智能产出的运营模型。在这一模式下，硬件供应商不仅卖单台服务器，还提供预先验证的全栈解决方案。
销售完整的“AI工厂”解决方案利润率高达约20%，远高于单台GPU服务器的8-10%。
高盛给予以下硬件厂商“买入”评级，认为它们凭借强大的销售渠道和可靠性记录在AI浪潮中占据先机。
戴尔：拥有庞大的直销团队（约是超微SMCI的70倍）及完整的AI工厂方案。
惠与科技：拥有强劲的渠道伙伴关系，通过GreenLake提供灵活的消费模式。
NetApp：在AI所需的非结构化数据存储领域表现强劲。
Penguin Solutions：其OriginAI方案在工厂内完成预配置，部署速度快。
报告也列出了一些核心风险，包括传统IT支出疲软、组件成本上涨压低毛利、白牌厂商竞争、宏观经济波动以及AI需求不及预期。
一鼎盈提示：文章来自网络，不代表本站观点。
