307| TheCUBE Research 2026预测：企业ROI元年

全文概览

2026年，theCUBE Research给出明确信号：AI正从“试验时代”迈入“产出与回报时代”。报告覆盖了从OpenAI与Anthropic的企业化之争，到应用开发（AppDev）由实验走向生产、代理工作流进化、网络从带宽资源变为AI成果的控制平面，以及决策智能、知识图谱与因果层对企业信任与可审计性的关键作用。同时，网络安全复原力被视作AI规模化的先决条件。

对存储从业者、证券分析师和学术研究者来说，这些预测不仅关乎技术选型，更关乎成本结构、数据治理和可衡量的业务KPI。你所在组织的AI架构，是否能把算力和数据治理转化为可验证的ROI？边缘到云的网络与存储设计，如何配合知识图谱与可解释性层，才能支持决策级代理产生可审计的业务结果？本文将帮助你把这些战略命题拆解为技术与衡量指标，便于在讨论与落地中快速定位关键优先级。

阅读收获

• 明确指标优先级：用GPU利用率、训练完成时间、推理延迟和CX/EX关键指标（CSAT、NPS、响应时间）来衡量AI投入回报。
• 架构方向建议：将网络、存储与数据治理视为端到端AI供应链的一部分，优先保障确定性网络和可恢复的数据路径。
• 开发与运营实践：推动代理优先的AppDev与可观测性平台，结合平台工程与自动化DevSecOps以缩短从试验到生产的时间。
• 信任与可审计性：在设计中嵌入语义层、知识图谱与因果决策层，为高价值决策提供可追溯的证据链。

👉 划线高亮 观点批注

BREAKING ANALYSIS 作者：David Vellante, Paul Nashawaty, Bob Laliberte, Sam Weston, Scott Hebner and Christophe Bertrand[1]

观察人士常说人工智能仍处于"早期阶段"。现实是AI的发展远比许多人认为的要成熟得多。

2012年，AlexNet[2]成为深度学习的分水岭时刻，当时大规模且免费的互联网数据集与英伟达公司的图形处理单元相结合。这才是真正启动了现代AI时代，随后引发了进一步的突破，如生成对抗网络[3]。2017年，谷歌研究人员[4]向世界介绍了Transformer架构[5]，随后发表了关于缩放规律[6]的关键研究。当然，大规模应用始于ChatGPT引发的当前AI军备竞赛。

进入现代AI时代14年后，我们的研究表明AI正在迅速成熟。数据表明我们正在进入企业生产力阶段，在这个阶段我们超越了基于检索增强生成的聊天机器人的新奇性和代理实验。在我们看来，2026年将被记为启动数十年企业AI价值创造的一年。

我们无法保证这个过程不会混乱。白领工作压力、AI安全、新的安全和治理威胁都隐约出现。但AI列车不会停止，不上车的企业将面临被淘汰的风险。

在这份Breaking Analysis中，来自theCUBE Research团队的顶级分析师（包括Dave Vellante、Paul Nashawaty、Bob LaLiberte、Sam Weston、Scott Hebner和Christophe Bertrand）分享了我们对2026及以后的预测。

TheCUBE Research 2026预测一览

我们的预测以直白的格式呈现。一位分析师做出预测，然后一两位其他分析师表示同意、反对或辩论。目标是实时测试这些想法，最好能有可衡量的指标，以便在一年后确定预测是否成真。我们将推动分析师承诺如何在一年后衡量预测。

我们从对Anthropic和OpenAI之间竞争战役的预测开始，Bob和其他人评论。之后，Paul接棒，阐述应用开发和代理工作流注入的看法，随后与小组进行讨论。接下来，Bob从网络角度提出预测，指出AI中网络重要性的提升在2026年变得更加明显。Sam随后讨论她关于生产力的预测，客户和员工体验在2026年越来越受到关注。然后Scott就决策智能提出看法，包括围绕知识图谱的数据点（Paul也会涉及）。我们以Christophe关于网络安全复原力的预测作为结束，Sam评论了这一观点。

Dave Vellante分析师预测：OpenAI的企业收入在2026年超过Anthropic

我们以一个冒险的预测开启讨论：OpenAI Group PBC的企业收入在2026年超过Anthropic PBC。我们注意到两家公司都以运行率收入的方式谈论数字，OpenAI在2025年底的运行率为200亿美元，Anthropic约为90亿美元。调整至日历年2025年，我们估计OpenAI约为130亿至150亿美元，Anthropic约为40亿至50亿美元。

我们估计OpenAI 2025年收入的20%至25%来自企业——约30亿美元——而Anthropic的绝大多数收入来自企业，约40亿至50亿美元。展望未来，我们预计OpenAI 2026年总收入接近400亿美元，而Anthropic约为其一半，约150亿至200亿美元。这个预测的关键转折点是混合。我们预测OpenAI 2026年超过一半的收入来自企业——约200亿美元——形成一场势均力敌的角逐，"终点线处的激烈竞争"，我们选择更远距离的赛道，即OpenAI。

ETR数据显示Anthropic在企业账户中取得巨大进展，OpenAI在企业账户中表现良好

现在我们转向Enterprise Technology Research的机器学习和AI部门观点以获取背景信息。下面图表的纵轴是基于ETR专有Net Score方法的支出势头，横轴是重叠度，代表大约1,700名受访者的基于账户的调查中的渗透率。数据呈现中有三个突出点：

• Anthropic取得了显著进展，获得企业份额，势头超过红色40%线（高度提升）。
• Meta Platforms Inc.的Llama几年前在顶部，现已远低于40%线。
• OpenAI通过与Microsoft Corp.的关系在企业账户中深度渗透。

普遍看法是Anthropic专注且在获得市场份额，凭借Claude Code和其他创新，而OpenAI似乎缺乏关注，出现了Code Reds、广告的反复无常和Microsoft关系中的明显紧张。我们援引Andy Grove的一句话，John Furrier经常引用——"让混乱统治，然后控制混乱"——我们论证OpenAI可能正是这样做的。

我们的论点基于OpenAI的两个优势。首先，它拥有深厚的账户渗透和超过1,000个客户的企业基数，正在快速增长。其次，我们辩称OpenAI的消费者规模是优势而非劣势，因为规模很重要，数据很重要，OpenAI从英伟达获得先进技术（如最新一代GPU Vera Rubin）的优先分配权，这降低了每个token的成本。我们转向Bob Laliberte以获取反应。

分析师反馈

Bob Laliberte同意该预测是合理的，并辩称OpenAI正在明确推向企业开发者领域。他说消费化模式正在重复——消费者采用通常推动更快的企业采用——他将OpenAI的超级碗出场视为一个标志，有Codex广告和背后的实质支出。

他说他听说企业以有意义的方式使用Codex，包括多达四分之三的编程由Codex完成的案例，以及关于首个100% Codex开发产品的讨论。他强调，推动更广泛采用需要依靠早期采用者，展示使用案例，并显示生产力收益，以便它们能够在各个环境中复制。

他补充了两个警告。首先，这些工具在新场景应用上工作得更好，而不是遗留环境，所以针对企业意味着要利用新场景机会，而不是试图一次性改造所有东西。其次，企业需要开始采用，而采用需要领导力。他引用了Cisco Systems Inc.的Fran Katsoudas，说AI采用不来自电子邮件，而是来自身体力行——如果领导者希望团队使用AI工具编码，需要他们先做示范。

我们通过注意超级碗广告动态结束了交流——Anthropic对OpenAI发起攻击，OpenAI用Codex进行反击——并引用了开发者行为，包括OpenClaw创作者Peter Steinberger因工作流原因从Claude转向Codex，表明代码工具竞赛仍然充满机会。

分析师预测：Paul Nashawaty关于AppDev、代理工作流和进入平台的安全

Paul Nashawaty表示应用开发正在分叉。业务线和公民开发者承担了更多责任，从事历来由专业开发者处理的工作。他说专业开发者不会消失——他们的工作转向"真正的专业开发"，而业务线开发者专注于即时结果。

他总结了这一转变如下：2025年是实验之年，2026年是实施之年。 他说代理优先开发和意图驱动的代理工作流正从实验进入生产，改变了应用程序的设计方式，并将界面转向用户意图和自动化代理。

他强调了五个AppDev趋势：

• 代理优先开发——意图驱动的代理工作流进入生产，改变应用程序的设计方式。
• 实时数据无处不在——企业优先考虑查询引擎和数据即产品架构，以便AI应用可以访问新鲜的、分布式的数据，而无需成本高昂的提取/转换/加载流程。
• 合作伙伴运营堆栈——在2026年，大多数组织依靠服务交付合作伙伴和集成商来运营云原生和AI就绪平台，因为内部技能仍然受限。他引用了研究表明67%的组织更多地招聘通才而非专家。
• 可观测性成为AI运营的控制平面——统一的遥测、指标和可观测性平台被视为保护、调试和管理AI应用的一级基础设施。
• 成本意识的AppDev——FinOps的复兴，使用量计费和云优化成为更重要的因素，因为AI的规模扩展。

Nashawaty说DevSecOps和AppSec在2026年成为一个主要因素。他描述了AI加速安全软件交付成为标准实践，政策引擎和安全默认工作流将安全前移到开发阶段，并将治理集成到持续集成和交付或CI/CD管道中。他说平台工程集中了"安全即服务"，AppSec围绕AI、应用程序编程接口和行为控制进行现代化，供应链安全转向持续验证，软件物料清单演变为活生生的运营工件，SecOps成为AI增强的工作流，代理在安全运营中心中充当首次应对者。

他随后对预测进行了量化。到2026年底，在金融服务、医疗和政府等受监管环境中，30%的应用工作负载和运营已直接将AI嵌入生产工作流。在监管较少的行业中，他预测了更快的采用——40%至60%的非受监管应用工作负载利用AI驱动的自动化、代理工作流和嵌入式生产系统中的智能。 他说差距反映了减缓生产部署的治理、可审计性和合规性要求。

他引用了支持数据，如超过90%的软件组织正在积极使用或评估其管道中的AI开发，AI辅助代码自动化带来的生产力提升为20%至40%，可观测性成为关键任务，超过60%的公司推动云原生和AI工作负载的实时遥测，SBOM采用在受监管企业中超过50%，AI辅助安全扫描和自动化正在上升。他说这些信号表明AI优先开发、平台工程和自动化DevSecOps正从实验性转向结构性。

分析师反馈

Sam Weston说AppDev是一个跑步机，不会消失，Paul可以每季度做一次这个节目，每次都有新东西可讲。她说她很想听听后来节目中关于受监管行业的角度，并将她的问题集中在可观测性上。

Weston说许多公司声称使用6至15种不同的可观测性工具，并表示希望进行整合，而可观测性功能也被添加到产品和平台中，顶部叠加AI。她提出了四个问题：1）产品级可观测性是否优先于纯玩可观测性供应商；2）这是否整合工具堆栈还是只是向下推动功能；3）是否出现混合方法，其中产品级可观测性提供使用可观测性供应商的统一视图和AI；4）这对可观测性供应商有什么影响。

Nashawaty说可观测性在组织内部变得双向。他说主要的可观测性供应商通过将见解提供到IDE中，在开发者所在的地方与他们相遇，而不仅仅是IT运营。他引用了Kiro（由Amazon Web Services Inc.）、Dynatrace Inc.、Chronosphere Inc.和Splunk Inc. 作为例子。他说更成熟的平台正在将来自供应商的可观测性见解直接整合到他们的平台中。

他说永远不会有单一界面，但客户选择很重要。他说开放的生态系统允许直接利用调用，以便组织可以使用一个界面使事情更加统一。他引用数据表明54%的组织在可观测性中寻求统一解决方案。

Vellante随后询问如何在一年后对预测进行评分。Nashawaty说标准是整个CI/CD管道中更快、更简化的自动化。他引用AppDev研究表明24%的组织希望每小时发布代码，但今天只有8%能够做到。他说这8%应该上升到至少15%，并同意将其定为16%作为"翻倍"。

分析师预测：Bob Laliberte关于网络成为AI成功的结构性必需品

Bob Laliberte表示2026年将被记为网络停止与AI相邻而成为AI成功的结构性必需品的一年。他说网络长期以来一直被定位为通过更多带宽、更低延迟和更快的网络结构来实现AI，但2026年感觉不同，因为网络成为AI结果的决定因素。他说供应商必须将AI复杂性转化为控制、信任和可衡量的业务结果，而那些继续销售带宽和设备但没有业务背景的组织将落后。

他说企业将基于可衡量的AI结果评估网络，包括GPU利用率、培训完成需要多长时间、推理延迟和每个工作负载的成本效率。他说400G至800G及以上的网络速度成为基本要求，差异化来自于可预测的性能、多租户隔离和经济效率，特别是当GPU即服务提供商、新云和主权云要求硬分割和确定性网络结构时，传统云网络抽象从未被设计来支持这些。

他随后预测网络的角色将扩展到数据中心之外，成为端到端的故事，广域网成为AI供应链的一部分，连接分布式数据源、集中式培训集群和边缘推理端点，受主权和政策约束。他说AI工作负载本质上分布更广，使延迟、司法管辖权和带宽弹性成为战略变量，而不是运营细节。

他表示运营模式从AIOps作为见解演变为代理操作，在明确定义的护栏内自主行动，因为AI时代的网络太动态了，无法在规模上进行人在回路中的操作。他说会有一个舒适期，在这期间人在回路中仍然很重要，但他引用了詹森在最近Cisco AI峰会上的措辞：这不是关于人在回路中，而是关于AI在回路中。

他补充说在边缘，网络从设备连接转向实时推理实现。他举例说5G启用汽车中的路由器，汽车成为迷你数据中心，以及具有需要亚秒级决策的自主机器人的零售、医疗和工业环境。他说安全、治理和执行从叠加转向内在能力，网络成为受信任AI执行的控制平面。

他以表示2026年标志着网络价值不是以千兆位而是以其能提供的智能来衡量的时刻而结束。他说对话从速度和性能转向AI经济学、确定性和信任，企业将期望网络最大化GPU投资、执行主权政策并在边缘提供实时结果。他说赢家不会简单地构建更快的网络，他们将构建使AI工作的网络。

分析师反馈

Dave Vellante抓住了Laliberte对英伟达首席执行官詹森·黄"AI在回路中"评论的引用，并指出了更广泛的含义：网络不再只是在单个环境内的纵向扩展和横向扩展，而是越来越多地扩展并跨越AI工厂[7]。

Vellante随后询问该小组应如何在一年后衡量预测，以英伟达成为收入第一的网络公司的预测为例，这在2024年会是一个很棒的判断。

Laliberte说有多种方式来回顾，并开玩笑说在被指责IT问题25年后，网络"再次变得酷"。他说衡量将来自他引用的结果指标：GPU利用率、培训完成速度、推理在边缘实时建立的有效性，以及这些是否推动业务成果。他说这不会以谁首先达到下一个吞吐量里程碑来衡量，而是以推动AI结果的端到端解决方案来衡量。

他还强调，虽然英伟达是一个主要参与者，侧重于后端，企业AI分布在云、私有数据中心、托管中心和边缘位置，网络必须执行嵌入网络本身的政策、主权、治理和安全。他说有许多因素使网络成为控制平面，虽然他没有提供单一的具体百分比目标，但他预期更多的智能和更多的AI采用模式中网络的端到端使用会出现。

分析师预测：Samantha Weston关于AI ROI成为不可协商，由CX和EX主导

Sam Weston表示2026年是AI投资回报率成为不可协商的一年。AI不再能是没有结果的实验或创新项目。她将她的观点与小组之前关于2025年是实验之年、2026年是部署之年的主题联系起来，并表示她对2026年的关注是ROI。

她引用了2025年初的研究，显示大约25%的IT预算被分配给AI计划，但她说，在与组织交谈时，许多计划是模糊的，没有明确定义的业务目标或方向。花了很多钱，部署了许多LLM驱动的聊天机器人，但没有明确定义的价值。

她引用了那句经常被引用的麻省理工学院报告，该报告称2025年95%的AI计划未达到生产。她说这个标题听起来很令人担忧，但在实验期间5%的成功率不是失败，而是一项投资，其中组织区分新奇与价值。她将2025年描述为尝试许多想法、看看什么适合的一年，然后收回。

随着2025年的进展，她说对话开始转向AI ROI。在她的研究中，当被问及自助AI基础设施或托管AI平台是否会产生更高的ROI时，大多数人说自助会提供更高的ROI，很少有人说自助会提供比托管服务更低的ROI。她说组织支持AI价值将是内部的想法，她预计这在2026年会改变。

她引用了另一项支出意向研究，其中机器学习和AI在2025年下半年到2026年排名第一，约70%，领先于云基础设施。她说AI不会褪色，使技术成为基础性的而非趋势的因素是ROI。她说组织现在接受AI不能消失，他们想要更多，但他们必须证明价值，她看到2026年作为转折点。

Sam引用72%的商业领袖正式测量AI ROI，目标是将生产力回报增加到约30%。她说这是要关注的结果指标，与大约6%的生产力增长相比较，一些受访者今天报告。她说这个转变来自从结果而不是工具开始，为ROI结果构建和购买，并在行动推动指针的地方应用AI。

她说最快增长的AI投资ROI将出现在客户体验和员工体验中，因为关键绩效指标定义明确。她列举了CSAT、NPS、分辨率时间、员工生产力和周期时间作为例子，并表示影响立即显现，因为指标已建立并被广泛接受。她以说2026年是AI停止以潜力评判、开始以结果评判的一年而结束，客户体验和员工体验是问责制首次出现的地方。

分析师反馈

Dave Vellante同意CX和EX是ROI明显出现的地方，并将ROI与tokenomics联系起来，将ROI描述为收益除以成本。他说Vera Rubin大量出现降低了分母，当你在分数中降低分母时，结果会变大，这就是2026年会出现的情况。他设定了Bob Laliberte说新云很重要，因为他们提供基础设施、访问智能和GPU，他们的成本对用户来说不断改善。

Bob同意Sam关于ROI的观点，并说在全国零售联合会展览上，在零售中，人们不是在谈论技术，而是在谈论结果、价值和回报。他举了一个超越联系中心的例子：对一线零售员工应用相同的AI能力，可以访问知识库和库存，以实时回答楼面上的客户问题。他说这些不是抽象的未来想法，他们是实际的和已部署的。他还将ROI速度与新云构建多租户GPU环境相关联，帮助组织更快地扩展并更快地获得ROI，他说他很期待看到当AI为CX和EX中的一线员工带来有形好处时统计数据如何改善。

Paul Nashawaty同意ROI焦点但挑战了提供ROI和稳定状态之间的差异。他引用了2025年研究，显示40%的受访者从自己构建中看到了更高的ROI。他说自己构建意味着你拥有它，没有企业级支持，你无法消除这笔债。他说托管服务和托管交付可以更快地驱动价值实现时间并解放团队，但可能会限制功能。他说他不相信定制解决方案将是2026年的首选交付模型，并期望供应商构建的平台和企业环境随着内部技能保持受限而降低复杂性并解决技能差距。

分析师预测：Scott Hebner关于决策智能和决策级代理架构

Scott Hebner首先对两个早期预测进行了简要评论。关于OpenAI与Anthropic的预测，他说有两个价值因素：1）生态系统，他认为有利于OpenAI；2）质量控制或护栏，他认为有利于Anthropic。他说生态系统通常是使科技企业成功的因素，OpenAI在那方面有优势。关于网络，他引用了电子商务时代，说早期相邻的电子商务网站表现不佳，直到它们被整合到核心基础设施中，赢家加倍投入于网络，解决延迟和性能问题。他说AI遵循相同的模式，在规模上需要网络能力。

Hebner的主要预测是，2026年，赢家从仅限大语言模型的代理转向构建在分层架构上的决策级代理。他描述了三层：

• 用于流畅性和连贯性的LLM加RAG加思维链层
• 用于业务、行业和地区特定的含义和背景的语义层
• 用于交互式决策分析的因果决策智能层

他说企业越来越会要求决策级系统，因为下一波ROI取决于在企业审查下站得住脚的决策，他辩称目前的代理堆栈在今天还不是决策级的。

他将转变与AI信任联系起来，说信任正在成为代理AI ROI的限制因素，正在减缓更高价值用例的采用。他引用了代理AI未来指数，说只有49%的625名AI专业人士报告对LLM结果有高度的信任。

他随后指出最近1月份来自卡内基梅隆、牛津、约翰·霍普金斯、麻省理工和东北大学的发表研究，说LLM加RAG加思维链倾向于向用户错误表示其潜在推理，在事实之后编造解释，不一定反映决策的推导方式。他说约翰·霍普金斯甚至表示LLM基本上在向你撒谎。

他说用户希望代理帮助做出决定，但他们会想干预、问假设问题、测试反事实以及看看如果条件改变会发生什么。他说信任是企业AI的ROI货币，因为决策是后果性的，必须解释和证明，触发行动和投资，邀请来自监管机构、风险和合规团队的审查。他说这在2026年驱动了一个基于可解释性的分层架构，以便决策可以被验证、追踪和值得信任足以满足企业要求。

他说除非信任被设计到架构中，否则代理AI ROI斜坡会侵蚀，赢家不是那些代理最多的，而是那些每个代理中最多决策级结果的。

他总结了弧线为：

• 2024年是流畅性和连贯性之年
• 2025年是自动化和自主性之年
• 2026年将是决策智能、可解释性和可防御性之年

他引用了代理AI未来指数投资意向信号，说大约30%到44%计划在未来18个月内投资决策智能技术、知识图谱、因果AI和人工干预能力。

在衡量方面，他说语义层和知识图谱部署在全球企业中今天介于5%和10%之间，在十亿美元以上企业中可能高达20%，他预计2026年翻倍，在较大企业中达到40%。对于因果层，他说今天在所有企业中约为3%至5%，在较大企业中可能为15%，他预计2026年翻倍。

分析师反馈

Paul Nashawaty说Hebner的预测是激进的，这是市场想要走的方向，但他提出了采用问题。他说供应商通常领先广泛采用三年，并质疑在技能差距、复杂性和成熟度方面大多数组织是否准备好2026年决策智能和可防御性推动。他询问Hebner如何为没有起点的组织合理化竞争优势。

Hebner回应说，如果员工和高管根据基于LLM的系统做出决定，他不会这样做，因为它会造成责任陷阱。他说"AI告诉我这样做"不是一个可防御的立场，引用了特拉华州信托法例子，说公司官员仍需要解释和证明决策。他说企业面临一个选择：部署不可信的系统并接受可审计性和合规性风险，或者放慢速度，从一开始就正确地做。他说仅LLM架构不够，思维链不是推理，企业需要含义和背景。他给出了一个区分相关性和因果关系的例子，使用湿度和管道冷凝，说因果方向改变行动和投资。他说信任问题是真实的，这就是为什么部署正在放缓，这些层帮助为知识工作者创建信心。

Nashawaty补充说问责压力通过监管和合规上升，引用了EU CRA和2026年9月应用报告要求以及更广泛的2027年12月底合规要求，不合规处罚。他说问责和实验必须走到一起。

Hebner说人们应该看看Microsoft和IBM Corp.，他说已经将语义层和知识图谱整合到他们正在做的事情中，他建议AWS似乎也在朝这个方向发展。他说企业参与者将把知识图谱作为一个步骤合并，随着时间的推移理解因果关系变得重要，以了解系统是如何被使用的。他说目标是可信的AI，可追踪、可审计和解释的，这就是为什么他期望更多投资。

Vellante引用了Palantir Inc.作为今天赢的，具有相当于知识图谱、企业的4D地图，并提到Salesforce Inc.、ServiceNow和Celonis SE正在朝这个方向发展。他说AI信任目前是一个阻碍者，采用将是不稳定的，坏事会在过程中发生，但企业必须将信任构建到系统中，否则冒着市值和声誉损害的风险。

Hebner以补充Anthropic开始在工作流元素中使用知识图谱而结束，并说企业技巧是民主化工具，所以你不需要博士学位，知识图谱成为代理架构的一部分，同时更大企业设计更深层的实施。Vellante指出知识图谱在历史上很有表现力但难以查询，并说步骤改变是，现在你可以与他们交谈，而不是回到较旧的查询方法。

分析师预测：Christophe Bertrand关于网络安全复原力作为AI扩展的先决条件

Christophe Bertrand说网络安全复原力成为AI扩展的先决条件，这不仅仅是关于备份，而是关于整个应用组合的恢复。他说感觉像土拨鼠日，因为行业之前来过这里，引用了早期采用周期，其中信任阻碍了进展，包括云和其他技术。他说AI会以相同的方式发展，但很早，基础仍然很重要。

他说基础设施必须具有网络安全弹性，数据也必须有弹性。他说如果你没有将数据复原力注入基础设施、治理和合规，你无法达到小组描述的结果。他说人们没有获得ROI，许多人不知道他们正在运行什么风险。

他引用了表明AI部署成熟的研究，约45%的受访者自称AI充分整合到一些业务流程，约30%说他们在开发中。他说由于多重挑战，信任缺乏和ROI问题正在出现。他说受访者引用的第一大挑战是高成本和成本从实施的角度来看已失控。他说第二个挑战是网络复原力和安全问题，百分点差异很小，来自第一大挑战，使其接近等同于第一。他说其他挑战包括技能集和集成，缺乏成熟与之前的技术采用模式一致。

他说AI正在创造大量额外的数据，组织还不知道那看起来像什么，为攻击者创建肥沃的土壤。他说AI基础设施通常是初生的，治理不足，人们没有醒来思考可恢复性、全面安全和相关的基础。他说已经有针对AI基础设施的攻击实例，攻击者也在利用AI。

他描述了关于与AI相关的攻击的调查结果，指出这是一个挑选毒药问题，结果没有加到100%。他说46%引用了数据推理攻击，36%引用了数据中毒和36%引用了数据腐败，泄露和未授权访问也排名很高。他指出未授权访问是第5位，他建议在受限基础设施中应该更容易控制，但它仍然出现了。

他说如果组织有强大的恢复和备份实践，这些攻击就不会是这么大的问题。他引用了研究，只有11%说他们备份了超过75%的AI生成数据。他说这只是关于生成的数据，甚至不是关于保护基础设施本身，价值和ROI在生成的数据中，然而许多人没有备份它。

他说围绕数据治理和合规的挑战仍然很大。他说扩展AI需要信任，信任从受信任的基础设施开始，受信任的和受保护的数据，可恢复的网络安全复原力数据，以及合规和治理的数据，以便组织不使用创建业务风险的数据。他说合规有多个层：使用的数据的合规和决策过程的合规，包括可审计性和可追踪性。他将其与代理系统中的决策可审计性需求联系起来。

他将2026年描述为关注治理、合规、数据复原力、基础设施复原力和网络复原力的"回到现实"之年，以便组织知道他们在遭受攻击时将获得什么结果，并可以恢复和保护自己。他预测网络安全复原力在未来几年变得甚至更加相关，与数据治理和合规交织在一起。他还预测随着网络安全复原力越来越结合备份、存储、数据管理和网络安全，界线模糊，为最终用户在选择生态系统和下赌注方面创建新的挑战，M&A活动会增加。

当被问及谁被收购时，他说他不会提名，并建议惊喜是可能的，有私募股权动态、潜在首次公开募股路径和产品变成功能的想法。

分析师反馈

Samantha Weston说这是必要的破坏者，现实检查很重要。她说围绕AI采用的犹豫与治理和合规中的成熟度缺乏有关，关于成熟度看起来像什么的指导有限。她说在联邦层面，现有法律正应用于AI，在州层面，零碎的格局正在出现，引用了科罗拉多关于算法歧视的行动和加州要求训练数据的透明度和披露。她说这不足以涵盖快速推进技术的风险，让组织独立设置政策，这会出错。她询问市场是否会看到联邦和州监管的增加，或者开放标准或独立监管机构是否出现。

Bertrand说这取决于地理。他说欧洲已经开始规章制度，并期望更多。他说美国更两极化，可能更倾向于更少的监管，但全球公司将采用全球交易所需的最高合规标准，类似于GDPR。他说较小的企业可能面临较少，具体取决于他们的运营地点。

他随后重新强调了两个部分的合规风险。首先，你不能使用不合规的数据，你不能将任何数据提供到模型中而不小心暴露私人或专有数据的风险。其次，结果、可审计性和公平性在AI用于决策时重要，他引用了信用决策空间中的最终用户讨论作为例子。

他说他期望来自行业团体的指南和来自欧洲的更多监管，可能来自亚洲的一些部分，以及北美可能最终成为联邦的零碎州驱动的方法。他说这些动态会因网络安全复原力故障而加剧，他预测一些壮观的与AI相关的网络安全复原力问题将非常公开。

总的来说，我们同意Christophe的预测，我们完全期望2026年因为糟糕的安全和治理实践而出现一些显著的负面头条。但我们相信这不会停止AI列车，人们会继续前进。

不顾一切——全速前进....

延伸思考

这次分享的内容就到这里了，或许以下几个问题，能够启发你更多的思考，欢迎留言，说说你的想法~

• 在你的系统里，如何把网络和存储的性能指标直接映射为AI业务ROI？哪些度量最能说服C级管理层？
• 决策级代理需要可解释性与因果推断；当前的存储与数据治理实践存在哪些短板，会阻碍这类架构落地？
• 面对日益严格的合规与复原力要求，企业应如何在自建与托管服务之间权衡以实现最快的价值回收？

原文标题：TheCUBE Research 2026 predictions: The year of enterprise ROI[8]

---【本文完】---

👇阅读原文，搜索🔍更多历史文章。

丰子恺-护生画集-游山

1. https://siliconangle.com/author/guestauthor/ ↩
2. https://en.wikipedia.org/wiki/AlexNet ↩
3. https://en.wikipedia.org/wiki/Generative_adversarial_network ↩
4. https://proceedings.neurips.cc/paper_files/paper/2017/file/3f5ee243547dee91fbd053c1c4a845aa-Paper.pdf ↩
5. https://research.google/blog/transformer-a-novel-neural-network-architecture-for-language-understanding/ ↩
6. https://arxiv.org/abs/2001.08361 ↩
7. https://thecuberesearch.com/special-breaking-analysis-inside-the-ai-networking-fabric-debate-why-purpose-built-is-winning-and-why-openness-still-matters/ ↩
8. https://siliconangle.com/2026/02/15/thecube-research-2026-predictions-year-enterprise-roi/ ↩