Gartner预测2025年IT支出将大幅增加

简介: Gartner预测2025年IT支出将大幅增加

文章来源: 企业网D1net

Gartner预计2025年全球IT支出将达到5.75万亿美元,增长9.3%,创本世纪最大增幅之一。GenAI基础设施需求、软件价格上涨及疫情期间设备更换需求是主要推动因素。数据中心支出预计在2025年将增长15.5%,而软件支出将增长14%。虽然AI项目将在企业中持续推进,但许多企业的IT支出将更多地集中在其他企业需求上,如CRM和云计算。与此同时,设备支出将在2025年增长9.5%,推动力来自于2020年和2021年居家工作和学习期间购买设备的更换需求。


全球IT投资将超过5.7万亿美元,这一增长由多种因素推动,包括AI基础设施、价格上涨以及疫情期间设备更换需求。


Gartner预计2025年全球IT支出将增长9.3%,这是本世纪最大的增长之一,而这仅部分由AI推动。


Gartner的新预测显示,2025年全球IT支出将达到5.75万亿美元,基于其对2024年8.2%增长的预测,数据中心支出预计在2024年将增长近35%,以应对GenAI基础设施需求的增加。


预计2025年数据中心支出将再次增长15.5%,但软件支出——规模是数据中心支出的四倍——将增长14%,达到1.24万亿美元。Gartner的杰出副总裁分析师John Lovelock表示,软件支出的增加将由多个因素推动,包括价格上涨、许可证基础的扩大以及部分AI投资。


“企业正在努力建设将运行GenAI的数据中心,并训练AI,”他说,“明年,这些支出不会减少,科技公司仍将全力运转。”


Lovelock预测,到2026年,超大规模云计算企业将在AI优化服务器上的支出将超过他们之前在任何其他服务器上的支出。他表示,这些AI基础设施的投资可能会让投资者感到困惑,因为他们不会看到直接的销售增长路径,因为大部分超大规模云计算企业的AI投资将专注于内部用途。


“GenAI可能会让资本投资者像以往任何技术一样感到困惑。”他补充道。


释放AI潜力


与此同时,大多数企业将在GenAI软件部署上仅花费其IT预算的一小部分,Lovelock说。在某些情况下,AI附加功能将采用订阅模式,比如Microsoft Copilot,而在其他情况下,这些功能将是免费的,比如Salesforce Einstein。


Lovelock补充说,许多情况下,CIO和其他IT领导者已经超越了对GenAI的过高期望,开始对这项技术的未来有了更加现实的看法。


“CIO对GenAI能为他们带来什么的预期将在明年持续下降,”他说,“今年他们进行了概念验证(POC),但结果不如预期,核心信息是‘放慢节奏’。”


虽然AI项目将在2025年之后继续,但许多企业的软件支出将更多地由其他企业需求驱动,例如CRM和云计算,Lovelock说。


Forrester最近也预测,2025年AI战略将从实验转向追求短期的实质收益。


设备更换周期


除了2025年数据中心和软件支出的大幅增长,Gartner还预测设备支出将增长9.5%。Lovelock表示,设备支出将是数据中心支出的两倍多,主要由2020年和2021年在远程办公、远程学习和居家娱乐时代购买的笔记本电脑、手机、平板电脑等硬件的更换需求推动。


尽管许多设备制造商正在大力推动客户购买支持AI的产品,但市场尚未完全发展起来,他补充道。不过,到2028年之后,几乎很难买到不经过AI优化的设备。“


消费者的购买周期其实并没有真正改变,”他说,“他们会先看看自己有多少钱可以购买这些设备,然后再选购在预算范围内最好的设备。”


对先进IT的投资


一些企业和IT领导者表示,他们也预计2025年IT支出会增加。


TRECIG是一家网络安全和IT咨询公司,其首席执行官兼总裁Roy Rucker Sr.表示,公司将在2025年增加对IT的投入,尤其是在AI、机器学习和云计算等先进技术上的投资。他表示,这些先进技术对保持竞争优势、提高运营效率和提升客户体验至关重要。


他还补充说,公司计划增加对网络安全工具和人员的投入,并将更多资源集中于高级分析、数据管理和存储解决方案。


虽然Rucker对全球经济和不断上升的技术成本表示担忧,但他认为,许多IT支出增长是必需的。


“数据的快速积累需要更加复杂的数据管理和分析解决方案,这也推动了存储和处理成本的上升,”他说,“这些支出不仅是对当前趋势的响应,更是战略性投资,能够促进长期创新、增强弹性并保持竞争优势。”


全球IT和外包公司Computer Generated Solutions的全球CIO John Samuel表示,公司并不预计2025年IT支出会有大幅增加。不过,公司的IT创新仍是重点。


“我们始终在评估技术需求,确保我们的平台高效、安全并具备可扩展性,”他说,“我们的策略是最大化现有IT资源的影响,并有选择性地投资与客户成果和长期增长直接相关的技术。”


不过,Samuel也认同Gartner的预测。他表示,市场普遍存在投资增加的趋势,包括对AI和自动化的支出。


“在CGS,我们看到客户对AI驱动的解决方案的需求不断增加,这些解决方案可以解决复杂的技术挑战、简化工作流程并提供更加个性化的客户体验,”他说,“这种对AI的日益关注,源于其加速决策、提高预测准确性以及支持可扩展增长计划的能力。”


版权声明:本文为企业网D1net编译,转载需在文章开头注明出处为:企业网D1net,如果不注明出处,企业网D1net将保留追究其法律责任的权利。

相关文章
|
2月前
|
存储 人工智能 云计算
Gartner最新报告:阿里云2025年IaaS市场份额登顶中国,全球增速领跑!
Gartner《2025全球IaaS市场份额报告》显示:阿里云以32.8%市占率稳居中国第一,亚太及全球份额分别升至22.5%和7.7%,增速(35.4%)远超行业均值(25.3%)。AI基础设施与通义大模型全栈能力成核心驱动力。
|
7月前
|
机器学习/深度学习 人工智能 自然语言处理
构建AI智能体:三十八、告别“冷启动”:看大模型如何解决推荐系统的世纪难题
协同过滤是推荐系统中广泛使用的技术,其核心思想是利用用户行为数据发现相似用户或物品进行推荐。摘要包括:1)协同过滤基于用户历史行为数据,通过计算相似度(如余弦相似度、皮尔逊相关系数)预测用户偏好;2)主要分为基于用户(寻找相似用户群体)和基于物品(发现相似物品)两种方法;3)面临冷启动、数据稀疏性等挑战,可通过混合推荐(结合内容特征)和矩阵分解等技术解决;4)典型应用包括电商猜你喜欢和流媒体推荐;5)结合大语言模型可增强语义理解能力,提升推荐准确性。
892 9
|
机器学习/深度学习 数据采集 人工智能
《深度剖析:基于PaddlePaddle打造高性能AI应用的策略》
PaddlePaddle是百度开源的深度学习框架,以其卓越性能和丰富工具助力开发者打造高效AI应用。本文从模型架构设计(如选择合适模型、模型压缩与剪枝)、数据处理与加载(如高效预处理、优化加载机制)、训练过程(如优化器选择、分布式训练)及推理过程(如引擎优化、模型缓存)四个方面,深入探讨性能优化策略,帮助开发者充分挖掘PaddlePaddle潜力,实现高性能AI应用落地。
459 8
|
12月前
|
存储 缓存 分布式计算
高内存场景必读!阿里云r7/r9i/r8y/r8i实例架构、性能、价格多维度对比
阿里云针对高性能需求场景,一般会在活动中推出内存型r7、内存型r9i、内存型r8y和内存型r8i这几款内存型实例规格的云服务器。相比于活动内的经济型e和通用算力型u1等实例规格,这些内存型实例在性能上更为强劲,尤其适合对内存和计算能力有较高要求的应用场景。这些实例规格的云服务器在处理器与内存的配比上大多为1:8,但它们在处理器架构、存储性能、网络能力以及安全特性等方面各有千秋,因此适用场景也各不相同。本文将为大家详细介绍内存型r7、r9i、r8y、r8i实例的性能、适用场景的区别以及选择参考。
|
9月前
|
存储 网络协议 算法
ISIS协议详解
ISIS协议是一种链路状态路由协议,广泛用于大规模网络中。它最初基于OSI模型设计,后经扩展支持TCP/IP协议。ISIS通过SPF算法计算最短路径,使用NSAP地址进行设备寻址,具备灵活的区域划分和分层结构。协议通过L1、L2及L1/2路由器实现区域内部与骨干区域的通信,支持P2P和广播网络类型,具备邻接建立、LSDB同步、路由计算等核心机制,广泛应用于运营商和企业骨干网中。
|
11月前
|
存储 算法 fastjson
火点监测:Nasa高分卫星接入
NASA(美国国家航空航天局)是美国联邦政府的一个独立机构,负责国家的航空航天研究和探索任务。NASA成立于1958年,其使命是探索太空并推动科学技术的发展。NASA的主要任务包括研究地球和太空的物理特性、开发和测试航空航天技术、进行太空探索和科学研究,以及促进航空航天技术的应用和技术转移。这里使用其开发的系统firms(火灾资源管理系统),通过Http请求获取数据来实现火点的监测,帮助需要实现相关功能,有类似开发任务的朋友。
436 6
|
计算机视觉
YOLOv11改进策略【Neck】| TPAMI 2024 FreqFusion 频域感知特征融合模块 解决密集图像预测问题
YOLOv11改进策略【Neck】| TPAMI 2024 FreqFusion 频域感知特征融合模块 解决密集图像预测问题
584 11
YOLOv11改进策略【Neck】| TPAMI 2024 FreqFusion 频域感知特征融合模块 解决密集图像预测问题
|
存储 数据采集 监控
Flume 拦截器概念及自定义拦截器的运用
Apache Flume 的拦截器是事件处理组件,位于Source和Channel之间,用于在写入Channel前对数据进行转换、提取或删除。它们支持数据处理和转换、数据增强、数据过滤以及监控和日志功能。要创建自定义拦截器,需实现Interceptor接口,包含initialize、intercept、intercept(List<Event>)和close方法。配置拦截器时,通过Builder模式实现Interceptor.Builder接口。在Flume配置文件中指定拦截器全类名,如`TestInterceptor$Builder`,然后启动Flume进行测试。
867 0