随着企业加速引入人工智能，关注点也正从“实验”阶段，转向将其应用于实际服务和整体业务的大规模部署。在这个过程中，浮现出的核心课题并非单纯的模型性能，而是能够稳定支撑AI智能体、大语言模型(LLM)以及现代开发环境的“企业级AI架构”。
IBM的高级总监伊格纳西奥·里耶斯戈(Ignacio Riesgo)在2026年红帽峰会现场接受采访时表示：“一年前的核心话题还是现代化，但现在，智能体和LLM已成为对话的中心。”“讨论的水平和复杂性已经上升到了一个完全不同的阶段。”
此番言论出自他与媒体平台SiliconANGLE旗下直播平台theCUBE的访谈。里耶斯戈与IBM院士兼IBM云首席技术官(CTO)杰森·麦吉(Jason McGee)分析认为，随着企业AI部署进入实质性阶段，安全性、可扩展性以及与现有系统的集成已成为更重要的议题。
开发者、CIO、DevOps，面临的AI挑战也各不相同
据IBM称，在企业内部，不同角色看待AI的优先级也截然不同。开发者关注选择何种工具，首席信息官(CIO)则对安全和控制更为敏感，而DevOps团队必须考虑AI智能体如何与现有应用程序连接。
不过，也存在共同点。由于AI的普及速度迅猛，整个技术组织都在重新调整原有的优先事项。特别是，仅靠简单的概念验证(PoC)难以在企业现场取得有意义的成果，而构建能够在实际运营环境中稳定运行的结构这一需求正日益增长。
不只是GPU的问题……AI智能体也加重了CPU负担
麦吉解释说，关于AI基础设施的讨论，如今已超越获取GPU，扩展到对整个计算架构的重新设计。他指出，过去讨论的资源配比大约是每1个CPU对应8个GPU，而现在正在迅速改变，几乎接近“1比1”的比例。
其背后原因在于AI智能体。AI智能体在执行任务的过程中会产生大量的API调用和各种工具调用，这意味着它给后端系统和传统计算资源带来了更大的负载。换句话说，AI不仅仅是简单地增加一项新服务，而是在对整个企业的基础设施栈施加压力。
这也表明企业级AI架构并非单纯的云扩展问题。解释指出，只有同时考虑云、本地环境、大型主机以及能效至关重要的系统，才能实现真正可运营的AI部署。
IBM，通过OpenShift虚拟化管理服务连接“传统IT”
为了应对此类需求，IBM在IBM云上推出了全托管的OpenShift虚拟化服务。这被解读为旨在连接现有IT环境与基于容器的平台。这是因为，近期AI智能体主要在容器环境中开发和运营，因此与遗留系统的无缝连接正成为企业实际引入的关键变量。
麦吉表示：“‘有趣的试点项目’与能给组织带来实质性变革的部署之间的区别，取决于你是否能在真实环境中与整个团队一起进行部署。”这意味着，AI项目的成功与否，最终并非由演示决定，而是取决于它能否安全地嵌入业务系统，并在运营过程中保持可扩展性和复原力。
企业AI竞争，如今“现场部署能力”成为决胜关键
IBM此番传递的信息表明，企业AI竞争正从模型演示阶段转向实际部署竞赛。随着AI智能体和LLM应用的增加，基础设施的负担将进一步加大，安全与运营稳定性的重要性也很可能随之提高。
最终的分析认为，未来的决胜点不在于谁能推出更华丽的AI功能，而在于能否根据企业环境，安全且可扩展地将这些功能实现。企业级AI架构如今已非可选项，而是正在成为大规模AI转型的基本条件。
TP AI注意事项 本文使用基于TokenPost.ai的语言模型进行摘要。正文主要内容可能存在遗漏或与事实不符的情况。