科技巨头预测2026年AI发展趋势：治理和投资回报成关键

当下正值科技领袖们预测未来的时节。来自戴尔、微软、Salesforce、ServiceNow和Snowflake的高管们发布了他们对2026年职场AI发展的预测，一致认为AI智能体的安全保障和投资回报率将是客户的首要关注点。

戴尔首席技术官约翰·罗斯认为，AI的未来将在本地部署，让组织能够更好地控制安全性、治理和成本。他指出，智能体和聊天机器人等AI工具在缺乏充分政策框架的情况下就匆忙投入生产。

罗斯写道："这不仅有风险，而且不可持续。到2026年，对强大框架和私有环境的需求将变得不可否认，以确保稳定性和控制力。在本地运行模型——无论是在企业内部还是在受控的AI工厂中——将成为常态，为组织提供稳定的基础并避免外部干扰。但这不仅仅是预测，更是紧急呼吁。"

虽然罗斯表示在能够整合AI的大型企业中已经开始出现可观的投资回报率，但ServiceNow表示，2026年AI的价值将完全由其对底线的贡献来定义。

ServiceNow AI产品平台管理集团副总裁希思·拉姆齐在视频预测中说："这是唯一重要的问题。领导者面临一个简单的指令：快速将AI投资转化为可衡量的价值。"

拉姆齐敦促企业从小处着手，寻找"浪费时间和金钱"的任务，然后用AI端到端地解决它。但要使其有效，他将话题转回治理。

"你需要一个明确政策和审批的统一入口点，"他说。"AI的安全基础是将孤立的成功转化为可在整个业务中扩展的可重复模式的关键。"

在AI智能体治理方面，Snowflake首席信息安全官布拉德·琼斯表示，他的同行们面临的任务是在为智能体行为设置护栏和为操作者留出实验创新空间之间找到平衡，这是数据治理的工作。

琼斯在公司的2026年AI预测中说："公司中可能有许多文档或数据集的权限没有正确锁定。如果将这些输入生成式或智能体AI，工具可能会暴露不应该暴露的数据。"

根据Salesforce的预测，不仅内部生产力面临风险，每家公司在市场中的形象和声誉也是如此。Salesforce AI执行副总裁兼总经理亚当·埃文斯预测：

"到2026年，品牌将不再由标志或口号定义，而是由其AI来定义。这些可定制的智能体将成为终极品牌大使：智能、个性化，并在每次交互中持续进化。在这种新现实中，差距将是绝对的，获胜的品牌将是那些AI能够提供始终如一的卓越体验的品牌，其他所有品牌都将落后。"

根据微软的2026年预测，微软认为信任是正确部署AI智能体的关键要素。

微软安全企业副总裁瓦苏·贾卡尔表示，要让人类依赖智能体执行任务或做决策，智能体需要明确的身份、访问系统的限制、管理其创建数据的协议，以及保护这些信息免受攻击者侵害的方法。

她在预测报告中说："每个智能体都应该具有与人类类似的安全保护，以确保智能体不会变成携带未受控制风险的'双重间谍'。"

这家全球最大的软件公司还对硬件提出了热门观点，表示AI增长不仅仅取决于谁拥有最大的数据中心。行业资深人士、微软Azure首席技术官马克·鲁西诺维奇表示，2026年的关键是高效利用计算资源。

鲁西诺维奇说："最有效的AI基础设施将在分布式网络中更密集地打包计算能力。"

他预测2026年将看到"灵活的全球AI系统的崛起——新一代链接的AI'超级工厂'——这将降低成本并提高效率。"

微软今年9月在威斯康星州揭幕了第一个链接的AI超级集群，拥有120万平方英尺的占地面积和数千个互连的英伟达GB200，在337兆瓦的设施中每秒能够处理865,000个Token。该公司计划将这个设施与其他正在建设的AI超级工厂连接起来。

回到戴尔——这家在x86服务器销售和AI系统使用的多个高端商业数据存储类别中占据全球市场领导地位的公司——罗斯表示，AI硬件的广泛部署重新定义了2026年韧性和灾难恢复的目标。

他预测："焦点从简单地备份系统转向确保AI能力保持功能正常，即使主要系统下线也是如此。这涉及保护向量化数据和其他独特的AI工件，让系统的智能在任何中断中都能持续存在。实现这一点需要整个AI价值链的创新——从数据保护和网络安全公司到核心AI技术提供商。"

Q&A

Q1：为什么科技公司都认为本地部署AI是未来趋势？

A：戴尔CTO认为本地部署能让组织更好地控制安全性、治理和成本。目前AI工具缺乏充分的政策框架就匆忙投入生产，这既有风险又不可持续。本地运行模型能为组织提供稳定基础并避免外部干扰。

Q2：AI智能体在数据安全方面面临什么挑战？

A：Snowflake CISO指出，公司中可能有许多文档或数据集的权限没有正确锁定，如果将这些输入生成式或智能体AI，工具可能会暴露不应该暴露的数据。微软也强调每个智能体都需要明确身份和访问限制。

Q3：2026年AI基础设施会有什么变化？

A：微软预测最有效的AI基础设施将在分布式网络中更密集地打包计算能力，出现新一代链接的AI"超级工厂"。这不仅仅依赖于数据中心大小，而是要高效利用计算资源，降低成本并提高效率。