Вертикальный: Мировые расходы на ИИ достигнут 2,52 триллиона долларов в 2026 году

BlockBeats News, 14 марта. Международная исследовательская компания Gartner опубликовала свой последний прогноз, предсказывая, что мировой ИИ ​общий объем расходов достигнет 2,52 триллиона долларов в 2026 году, что на 44% больше, чем в 2025 году. ИИ претерпевает фундаментальную трансформацию: базовый слой испытывает рационализацию, в то время как прикладной слой становится свидетелем взрыва инноваций. Gartner обобщает это как «развитие с двойной скоростью» — когда базовые модели созревают, а уровень приложений ускоряет инновации.

Gartner отмечает, что к 2026 году генеративный ИИ вошел в «углубление разочарования» на кривой зрелости технологий. Это не технологический сбой, а необходимая корректировка, поскольку рынок возвращается к рациональности. Исследование, проведенное командой проекта NANDA Массачусетского технологического института, показывает, что 95% пилотных проектов в области генеративного ИИ в корпоративной среде не принесли измеримой коммерческой выгоды, что подчеркивает серьезные проблемы с внедрением.

Корпоративные стратегии закупок смещаются в сторону прагматизма, все больше склоняясь к получению встроенных возможностей ИИ от существующих поставщиков программного обеспечения, что сигнализирует о том, что ИИ становится стандартной функцией корпоративного программного обеспечения. Прагматичные закупки не помешали инвестициям в инфраструктуру. В отчете указано, что расходы на инфраструктуру ИИ достигнут 1,36 триллиона долларов в 2026 году, что на 49% больше, чем в 2025 году.

В прикладном программном обеспечении наблюдается взрыв инноваций. Gartner прогнозирует, что к 2028 году более половины моделей генеративного ИИ, используемых предприятиями, будут обладать специализацией в определенной области, причем значительный прогресс уже очевиден в 2026 году.

В 2026 году агентивный ИИ становится ключевым технологическим трендом. В отличие от традиционного генеративного ИИ, агенты ИИ могут самостоятельно принимать решения, планировать и выполнять задачи. Например, в оптимизации затрат на облачные вычисления агенты ИИ могут непрерывно отслеживать и автоматически настраивать параметры, переводя оптимизацию затрат из категории "видимости после события" в категорию "непрерывной реализации". Системы с несколькими агентами дополнительно усиливают этот потенциал.