焕新旧体系：制胜AI时代

2026年4月IDC简报赞助商：MongoDB 焕新旧体系：制胜AI时代 Simon Piff研究副总裁IDC亚太区 William Lee博士IDC亚太区服务提供商与核心基础设施研究高级研究总监 目录 执行概况3 第4部分：领先企业的成功启示：规划成功之路14 领先企业的关键启示：人员、流程、技术15 第1部分：AI就绪度差距4 三倍回报要求有相应的投资级别16 旧数据：AI成功的重大障碍5现代化改造的阻碍因素：技术债务、安全挑战与遗留系统6摆脱困境：现代化改造为领先企业群组带来回报7 成功的现代化战略的基本步骤17 研究方法18 第2部分：数据和混合云8 附录：数据表格19 运营数据不佳：项目延迟与失败的常见原因9数据和云：现代化改造的核心投资10 关于IDC分析师21 赞助商寄语22 第3部分：改造基础设施，迎接AI时代11 超越数据管理：制定基于AI的数据库战略12 底层数据库技术亟待变革13 执行摘要 AI的成功取决于能否为AI系统及引擎提供正确、优质的数据。为探究旧有基础架构、数据挑战与AI就绪度之间的关联，IDC在亚太区八个市场进行了一项调研1。调研结果揭示了以下关键发现： 已开始现代化改造，解决了历史遗留问题，提高了数字收入 领先企业群组 B尽管亚太区企业普遍认识到高质量运营数据及转型的必要性，但只有小部分企业——即IDC所称的“领先企业群组”——迅速采取措施，通过创新确保企业制胜未来数字时代。 现代化步伐较慢，AI应用成效欠佳，导致数字收入增长受限 B“领先企业群组”不仅包括“云原生”企业，也涵盖制造业、建筑业等传统行业。尽管面临与其他企业相似的技术、流程及人才挑战，他们仍积极推进现代化，并取得了不俗的业务成效。凭借战略性的选择，他们克服了传统包袱的束缚，抢占了AI制高点，其数字收入达到区域平均水平近三倍，充分印证了现代化与商业变现之间的强关联。 主流企业群组 B持续开展应用现代化升级，再加上领导层面的集体支持及对人才的投入，为他们的成就奠定了基础。尽管“直接迁移”策略见效快，但要获得长期价值，必须投资更现代化的平台，并将应用程序重构至云原生环境。 领先企业群组企业所产生的数字收入比同业高出近3倍 本IDC InfoBrief（IDC简报）对“领先企业群组”与“主流企业群组”——即仍在推进现代化改造的其他受访企业——进行了对比分析。尽管两组企业面临相似的现代化挑战，但领先企业群组凭借更强有力的高管支持和优先发展技能的战略，所受影响更小。 未来，具备变革能力的领导层将至关重要。IDC预测，到2028年，亚太地区前1000强企业中，60%的首席信息官（CIO）职位将由具有变革魄力的领导者担任，他们将跨整个企业统一实施AI赋能的全新业务模式，并同步推动IT现代化以满足AI业务需求。2在当今AI驱动的数字世界中，拒绝转型并非可行之策——那些率先引领变革与创新的企业，必将赢得超越同行的先发优势。 调查概览1 B亚太区覆盖市场：澳大利亚、中国、中国香港、印度、印尼、新加坡、韩国、泰国 B线上调查于2025年9月至10月期间进行B1,400家IT企业 第1部分：AI就绪度差距 旧数据：AI成功的重大障碍 破这些限制，但以云为中心的数据管理平台——尽管这是未来12个月排名第一的投资计划——的采用率仍未达到IDC的预期。 数据已成为提升经济价值的关键引擎，IDC预测，亚太区大数据与分析软件市场规模将从2023年的167亿美元增长至2028年的472亿美元，年复合增长率（CAGR）达23.1%1。这一增长得益于企业对数据驱动决策以及AI与机器学习一体化的需求日益提升。 IDC预测，到2027年仍未启动数据债务治理的CIO，其AI失败率将高出50%，且成本持续攀升，因为模型表现不佳归根到底是数据碎片化、重复或质量差等问题造成的2。 然而，传统关系型数据库仍是根本问题所在——对当今需求而言，它们过于僵化、成本高昂且速度缓慢。这种僵化导致了“数据债务”——孤立、重复、过时及低质量的数据不断堆积，削弱了AI性能并推高了成本。若不加以治理，有缺陷的数据将导致模型表现不佳，引发输出不稳定、模型偏差及成本上升等问题。尽管领先企业都在着重推进现代化改造，以突 然而，亚太区的企业仍在低估这一问题的严重性。我们的调查显示，约三分之一的受访企业受困于数据质量差、安全集成不足及业务部门参与有限等问题，另有四分之一的企业认为难以让工作流程适应不断变化的需求3。 现代化改造的阻碍因素：技术债务、安全挑战与遗留系统 调查结果显示，企业在迈向AI就绪和现代化的过程中面临多重阻碍。受访者表示，审计与合规审查经常暴露出老旧应用的潜在风险，包括安全漏洞、运营效率低下、合规问题及业务连续性威胁。在极端情况下，遗留系统甚至可能在重大事故发生后危及企业的正常运营能力。 安全挑战、数据迁移及成本是普遍存在的共性难题，不过领先企业群组在技能短缺与优先级冲突方面困扰较少，更多聚焦于标准化建设与合规性约束。1 导致这些风险的一个关键深层因素是技术债务，对绝大多数受访者而言，这是横亘在前进道路上的主要障碍。IDC将技术债务定义为：因追求敏捷、资金不足或监管缺失而未完成的技术工作所累积的长期成本负担。在亚太地区，这一问题正逐渐显现，若不及早处理，可能演变为严峻挑战。 安全仍是重中之重：IDC预测，到2030年，60%的企业将在DevOps和DevSecOps中使用AI智能体管理风险和标准化流程2 89%的亚太区企业承认技术债务是实现现代化的主要障碍1 摆脱困境：现代化改造为领先企业群组带来回报 相比之下，领先企业群组通过采用新一代技术、赋能团队、优化流程，成功突破遗留系统的僵化困境，实现了更优的业务成果。他们在现代化改造与数据战略上的布局取得了卓越成效，包括更强劲的数字财务表现——这使他们在AI就绪度与数字领导力方面与主流企业群组拉开了差距。 我们的研究显示，亚太地区相当一部分企业（即主流企业群组）仍深陷于过时的系统中，这些系统拖慢了创新步伐、增加了风险、损害了客户体验，并抑制了增长。 旧有应用带来的种种问题以及为静态任务设计的僵化数据库，使企业陷入僵化陷阱——耗费大量时间与资源，削弱其竞争优势。 58%的领先企业群组已部署多个项目持续应对遗留系统现代化改造问题 领先企业群组 B这些创新领军企业通过推进核心基础设施现代化、投资AI，并将高管支持与技能培养作为加速转型的核心要素，其数字收入达到同业水平的近三倍。 的亚太区企业尚未启动任何现代化改造举措 系统变旧在所难免，但不等于放任不管。领先企业通过有效的现代化改造流程解决遗留系统带来的挑战，让企业能够用上新技术、新工具。 B因此，他们相较于主流企业群组具备更有利的站位，能够更早地从AI中获取最大红利。 高昂的维护成本、过时的数据库和无法嵌入AI是最大的障碍，但要取得实质性进展，需要的不仅仅是技术层面的更新换代，更需要跨职能团队的协作与长期投入。这些障碍理应被克服，而不应成为推诿的借口。 第2部分：数据和混合云 运营数据不佳：项目延迟与失败的常见原因 在IDC亚太区的调研中，95%的受访企业表示曾遭遇项目延迟，90%的企业坦承有过现代化改造计划失败的经历。尽管导致延迟和失败的最常见的5个原因各不相同，但“数据质量差”一个共同的主要原因。 供了契机。然而，亚太区在采纳公有云的过程中，常常忽视数据作为战略资产的属性，导致“数据蔓延”问题，令无缝现代化愈发复杂。即便在提供本地与离线服务的混合云战略下，数据孤岛的问题也随时间推移日益加剧。在过去，由于数据无法直接变现，CIO们往往优先关注其他领域。因此，企业如今走到了一个关键时刻：缺乏对数据战略价值的关注已累积至临界点，所以，应用现代化改造不仅迫在眉睫，底层数据的现代化同样成为亟待优先处理的核心任务。 核心问题在于：数据为何会成为横亘在现代化进程中的重大障碍？虽然AI是当下的技术驱动因素，但此前的技术转折点——如商业智能、云战略及大数据——同样为数据现代化提 数据和云：现代化改造的核心投资 忘掉“数据管理”，将数据视为驱动AI、分析和卓越客户体验的价值倍增器。 最成功的企业都在利用先进的数据战略来获得洞察、实现决策自动化并自信地扩大运营。要实现这种级别的敏捷和智能，需要一套以混合云实施为中心的AI基础设施战略。 IDC研究表明，现在大多数企业都在混合云环境中运行AI工作负载，将本地部署方案与云平台相结合，在实现可扩展性的同时也获得了成本效益。 2026年亚太区投资热点正反映了这种对混合云环境日益增强的依赖： 的亚太企业表示，以云为中心的数据管理/平台是他们2026年用于现代化改造的首要技术投资 第3部分： 改造基础设施，迎接AI时代 超越数据管理：制定基于AI的数据库战略 领先企业群组的一个关键差异化优势在于，他们高度重视识别和利用能够推动其AI战略的各类数据。虽然传统架构通常存储结构化数据，但AI成功所需的大量最新和相关数据现在都驻留在非结构化存储系统中。这就要求采用能够跨数据类型无缝集成的新数据库技术，使企业能够充分利用AI。 数据详情，请参阅数据表格。 企业可借鉴领先企业群组的做法，从单纯的“管理”数据转向积极释放数据的潜力。这些表现优异的企业较少纠结于成本问题，而是更注重对多样化数据结构和类型的支持，这反映出他们在应对AI发展挑战时拥有更成熟的心态。 所有受访企业在选择以云为中心的数据库时最先考虑的特性是其是否支持AI。对于领先企业群组而言，受AI不断演进的需求驱动，他们的优先考虑因素还包括数据库的安全性及能否为多样化数据结构与类型提供稳健支持。相比之下，主流企业群组的首要考虑因素是性能和可扩展性。 领先企业群组 主流企业群组 前3个因素 前3个因素 AI支持能力性能需求可扩展性要求 AI支持能力 安全与合规 数据结构和类型 底层数据库技术亟待变革 在CIO的认知中，现代化往往等同于风险，而风险是他们竭力规避的对象。然而，成本才是导致现代化升级计划延迟的主因，因为企业无论是获得所需的新技能，定义和学习新流程，还是引入新技术，都需要付出成本。但是，如果企业能从战略高度推进现代化，这些投入将带来积极的经济回报。 安全仍是阻碍AI快速应用的一大障碍，领先企业群组对此影响有着更为清醒的认知。相较之下，领先企业群组较少提及文化与数据质量方面的挑战。这通常是那些采用以数字收入为核心的业务模式的企业所具有的典型特征，而这种模式本身就要求高度的业务协同，并用统一的方式来应对挑战并抓住机遇。 IDC研究发现，表现优异的企业在整个运营体系中展现出AI战略的高度一致性。领先企业群组通常更具前瞻性，能够主动应对数据质量问题——他们深知，稳健的数据治理正是解决数据质量问题的直接途径。 资金不足这一长期存在的问题，仍是过去现代化项目失败的首要原因，这凸显出正面应对并改变成本认知的必要性。若不直面这些挑战，AI潜力不仅发挥不出来，企业更有可能重蹈过往项目的覆辙。 IDC的研究表明，全球领先企业都遵循一套严格的投资回报率（ROI）管理机制：能够识别项目的前期费用、预期收益，并在整个项目交付过程中设定可量化的中期阶段性目标。这种做法通常能使项目更贴合企业的业务目标，提高取得积极成果的几率，又能帮助缓解对前期成本的担忧。 然而，所有企业都面临一个关键挑战：其旧有数据库的可扩展性极为有限。这些系统最初为静态任务而设计，而如今的AI对数据的要求呈现动态且快速扩张态势，致使这些系统难以提供支持。这种可扩展性的缺失限制了系统集成能力，阻碍了数据流动，并为快速适应与创新添加了障碍。 导致AI应用延迟的原因 数据详情，请参阅数据表格。 第4节： 领先企业的成功启示：规划成功之路 领先企业的关键启示：人员、流程、技术 表现优异的企业善于将大胆的技术选择与更智能的运营模式相结合。领先企业群组的成功建立在以下三大支柱的均衡发展之上