2026年技术领导者调研：重塑技术领导者使命，为规模化智能体AI筑牢IT根基

2026年技术领导者调研 重塑技术领导者使命 为规模化智能体AI筑牢IT根基 大中华区洞察 关于本研究 2026年第一季度，IBM商业价值研究院与牛津经济研究院合作，对来自全球33个地区和19个行业的2,000位CIO、CTO及其他最高管理层技术领导者开展了调研。其中，大中华区有170名技术领导者接受了调研。本研究探讨企业在AI从试点迈向生产应用的过程中，如何应对随之而来的财务、运营和治理挑战。我们的分析结合分群与建模方法，评估组织的准备度、管控能力和效率，包括云可移植性、AI财务管理和治理成熟度，从而形成可供比较的洞察，揭示组织如何以韧性和严谨的管理推动AI规模化。详见第32页“研究方法”。 目录 序言3 引言 4 第一部分 基础设施适应力：赋能AI规模化落地8 设计内嵌治理：让AI管控成为可能16 第三部分 投资组合管理：重塑AI投资效率25 序言 技术领导力，决定速度与可能 当前正是引领技术变革的决定性时刻。 随着AI加速发展，首席信息官(CIO)与首席技术官(CTO)正在信息不完整、压力持续、条件实时变化的环境中，作出事关重大的决策。如今，这些决策决定着企业前进的速度以及可以追求的目标。 关键制约因素在于适应能力。多数组织围绕管控、标准化和效率构建。然而，在AI驱动的格局下，架构、治理和投资决策才真正决定企业能以多快的速度行动、能承受多大的风险、以及哪些机会仍然可行。 Matt Lyteson 首席信息官IBM技术平台转型 这一转变把CIO和CTO的角色推向全新的战略高地。我们的职责，不仅是守护韧性、安全、成本和信任，更在于主动塑造业务本身。技术决策不再被动响应战略，而是直接界定战略的边界。 压力只会进一步加剧。首席执行官(CEO)希望更快地规模化AI，业务领导者希望拥有自主权，各方对问责的要求也在不断提高。然而，许多组织仍在使用为人工决策节奏而设计的架构、管控机制和资金投入模式，来运行如今已达到机器速度的系统。 在IBM，我们也不得不直面这些现实：保留选择权需要成本，人工监督无法规模化，而当模型以月为单位迭代时，面向多年资产生命周期的投资逻辑已不再适用。这些都是结构性问题，且正逐渐成为决定成败的关键。 本报告揭示了技术领导者当前面临的问题。如果您感到AI的变化速度与组织响应能力之间的差距正在扩大，应当认识到，这不仅是运营差距，更是战略差距。要弥合这一差距，就必须重新设计企业本身――包括架构、管控机制和运营模式。 引言 IT架构定义业务战略 如今，制约企业经营业绩的最大瓶颈，并非发展愿景或技术能力，而是企业IT基础设施能否以机器级响应速度适配业务快速迭代，同时兼顾管控能力、系统韧性与成本管控规范。 菲利普莫里斯国际全球首席数字与信息官(CDIO)Michael Voegele表示：“AI不只是又一次技术变革。不同于以往的创新，AI会加速自身发展，几乎像一个自我驱动的有机体，不断加快创新步伐。” 因此，技术领导者的职责范围正在扩大，而且往往比企业自身变化得更快。CIO和CTO已不再只是为业务战略赋能，他们越来越多地参与界定哪些战略真正可行。具体路径因环境而异――受监管行业、重资产行业和对主权高度敏感的地区面临不同挑战――但为适应机器速度的变化而重新设计IT底座，同样迫在眉睫。 如今，技术架构决策直接决定企业能够追求什么，以及能够以多快的速度推进。 对于CIO、CTO及其他最高管理层技术领导者而言，真正的挑战不在于部署新工具，而在于对原本为更缓慢、更可预测的环境而构建的企业技术底座进行重新设计。AI正在打破任何可预测节奏的表象，也在暴露那些无法快速适应的运营模式。 职责范围的扩大已带来切实影响。IBM商业价值研究院（IBM IBV）近期发布的《2030年企业展望》预测，到本十年末，竞争压力将迫使企业作出重大押注。1但仅有雄心并不能构成战略。在AI驱动型企业中，随着量子能力逐步显现，差异化优势不在于是否大胆，而在于组织能否快速、严谨且有把握地作出重大押注。 随着AI规模化应用，系统持续、自主地作出决策，其决策量之大，任何以人为中心的治理模式都无法有效监督。本报告以“机器速度”概括决策规模、自主程度和频率的变化，以及这种变化对企业系统提出的要求。 当然，这并不是技术第一次重塑决策方式。互联网如此，云计算亦然。此次不同之处在于速度――架构、治理和投资选择正以前所未有的速度成为业务战略的结构性约束。 “最大的变化，是变化本身的速度。长期路线图和单体项目，已无法适应当下的节奏。” Rohan Kapoor 英国北爱尔兰电力网络，首席信息官 结构性准备度建立在三大支柱之上。这些是技术领导者如今必须在组织中构建的能力。IBM IBV与牛津经济研究院联合开展的最新研究显示，这在实践中意味着： 基础设施适应力，赋能AI规模化落地。对CIO和CTO而言，这意味着构建这样的基础：即便切换云服务商、轮换AI模型或引入新能力时，也无需迁移至新平台或进行大规模重构改造。1 设计内嵌治理，让AI管控成为可能。当AI代理每天作出数千项决策时，管控手段已不能再单纯依赖人工审批节点。技术领导者必须在系统架构设计阶段就预先划定并内置约束规则，明确智能代理的数据访问权限、强制终止触发条件，同时保障所有决策全程可审计追溯。2 投资组合管理，重塑AI投资效率。面对更短的AI模型生命周期和不对称回报，技术领导者必须重构IT投资组合，快速更新模型、清退收益不达预期的项目，规模化落地成熟方案，且不必受制于传统预算周期。3 “CIO首先必须是业务领导者。真正的价值不在于交付技术，而在于把技术转化为商业模式，创造积极的财务影响。” Gavin Wood 澳大利亚APA集团，首席信息官 “2026年的技术领导力，核心在于为团队提供跟上变革节奏所需的‘氧气’。” Graham Robinson 英国Smart DCC，首席技术官 当融入AI为先的运营环境时，这三大支柱会相互强化（见图1）。基础设施适应力为行动创造空间，但前提是从一开始就将治理工程化嵌入系统架构。投资组合管理为二者提供资金支持，使CIO和CTO能够依据可量化证据更新AI模型、重新分配云资源，并扩大已验证能力的规模。缺少任何一项，都会削弱另外两项――速度会变成风险敞口，管控会成为阻力，投资会陷入惯性。 在AI规模化阶段，仅看部署数量已无法有效衡量进展。关键在于，组织能否预先明确预期成果，并持续据此衡量绩效。缺乏这种管控，适应力、管控能力和投资组合管理的严谨性就只能停留在愿景层面，无法转化为运营能力。 当CIO和CTO同步构建三大支柱时，就能把相互强化的循环从制约因素转化为竞争优势。我们的分析显示，技术领导者已经建立基础设施适应力、设计内嵌治理和投资组合管理的组织，预计2026年营收增长率高出38%，营业利润率高出7%，目前部署的AI代理数量也已达到其他组织的2.6倍。 然而，对大多数组织而言，差距仍在扩大。许多技术领导者仍在使用以稳定性为优化目标的IT架构、依赖人工审核的治理模式，以及面向多年资产生命周期的投资框架。这些做法无法跟上AI的速度。在我们对全球19个行业、33个地区的2,000位及大中华区的170位技术领导者开展的调研中，尽管80%表示转型任务直接来自CEO，但仅有11%表示已为未来一年预计的AI代理部署规模做好充分准备。 “适应日新月异的技术发展格局，是企业的核心竞争力。企业要遵循技术自身的底层逻辑，在产品、生产方式、组织架构与盈利模式四大维度持续创新，方能持续领跑行业。” 杨勇 赛力斯汽车有限公司，产业研究首席专家 这是结构性错配，而不是意愿不足。正在取得进展的技术领导者并未试图全面重构IT，而是通过定向投资，消除制约速度、管控能力或资本效率的最大结构性障碍。 本报告将重点说明，CIO、CTO及其他技术领导者如何通过建立基础设施适应力、设计内嵌治理和投资组合管理，构建结构性准备度；并指出随着AI在企业范围内规模化，应优先从何处着手。 图1Figure 1 “我的职责不是提出每一个转型构想，而是搭建基础，让组织内更有才智的人把这些构想变为现实。” Chad Jones 美国Baylor Scott & White Health，首席信息官 第一部分 基础设施适应力，赋能AI规模化落地 “我们不知道未来五年谁会胜出、谁会落后。因此，我们让AI模型保持即插即用，以随时适应格局的变化。” Dalton Gouws 英国VWG UK有限公司，IT总监兼董事会成员 过去，准备度意味着稳定性――整套体系遵循成熟的既定运行模式，以业务连续性、成本可控和结果可预测为优化目标。在技术能力迭代节奏缓慢、拥有充足规划窗口期的时代，这套定义完全成立。但在机器级速度变革的当下，该逻辑已然失效。模型、平台和工具的变化速度一旦快于规划周期，稳定性反而会变成发展桎梏。 如今，准备度取决于是否拥有选择权：能否在不引发大规模中断的情况下，调度工作负载、轮换模型和吸纳全新技术能力。按这一标准衡量，许多组织的准备程度低于自身预估。 选择权的具体落地形式因环境而异。在强监管行业和数据主权高度敏感的环境中，数字化准备度不仅取决于技术可迁移性，同样关键的还有数据本地存储合规能力与跨地域业务抗冲击韧性。在重资产行业，适应力通常需要围绕长生命周期的运营系统和参差不齐的基础设施现状来构建，而非从零开始打造灵活性。 这种灵活选择权并不仅限于基础设施，还包括：无需重构新平台即可集成全新技术能力，无需重写工作流即可替换模型，以及避免局部优化造成企业级技术锁定。要保有这种灵活性，企业必须提前进行专项规划投入。 “我们在架构和安全层面本应已经完成的所有工作，现在变得更加关键。如果这些基础尚未到位，我们就已经处于风险之中。” Francesc Suero 西班牙Audax Renovables，首席信息官 多数企业已丧失自身所需的架构灵活选择权。 随着组织把AI代理从数百个扩展到数千个，架构迁移受限就不再只是技术层面的麻烦，而是逐步演变为制约企业发展的战略短板（见图2）。 研究发现，企业实际云成本平均比初期预算高出48%，且全球80%及大中华区79%的技术领导者表示数据传输成本高于预期。根本原因在于底层架构存在缺陷：虽然全球88%的组织正在尝试或计划把业务负载迁移到其他云服务商，但技术领导者坦言，其中仅25%的业务负载是易于迁移的。大中华区的比例与全球接近，分别为87%和24%。 尽管在云上投入巨大，许多组织的灵活应变能力仍不及预期。那些导致业务负载难以迁移的架构方案，同样也会拖慢企业采用更优AI模型、更新工作流和引入全新技术能力的速度。准备度不只关乎基础设施，更决定了企业的业务响应速度。 如今显现的架构僵化的局面，往往源自早期看似合理的选择。本次受访的CIO和CTO表示，最初迁移上云主要是为了优化成本(60%)和创新赋能(59%)。这些选择虽然创造了业务价值，却也埋下了技术依赖的隐患。 “在复杂性不断增加的情况下维持传统系统，就像坐在一枚定时炸弹上。今天我们或许能应对一场危机，但明天未必如此。如果不加以简化，复杂性本身就会成为韧性风险。” Tawatchai Cheevanon 泰国Krungthai Bank PCL，首席产品与业务解决方案官 昔日的成本优化，束缚当下的架构弹性 当企业尝试迁移工作负载时，架构灵活选择权不足带来的各类弊端就会彻底凸显。研究显示，制约工作负载可移植性的因素集中于几类行业常见瓶颈：最常见的是数据传输成本/出站流量费用(全球69%、大中华区64%)、对服务商专属服务的依赖(全球61%、大中华区58%)以及技术复杂性高(全球52%、大中华区51%)。具体项目可能暴露问题，但架构决定了迁移的成本高低。 问题不再是工作负载最终能否迁移，而是当成本结构变化、绩效预期调整或新模型优于旧模型时，企业能否足够快地作出调整。如果不能，代价就会体现为：市场响应变慢、对供应