通信世界网消息（CWW）作为一种经典的分析理念和框架，Gartner曲线描述了新技术从诞生到成熟的完整生命周期，对于深入洞察技术发展阶段具有重要参考意义。从2024年开始，Gartner连续三年面向中国市场推出定制化子曲线——中国基础设施战略技术成熟度曲线，入选的皆是对中国企业具有战略意义的基础设施技术。
近日，2026中国基础设施战略技术成熟度曲线新鲜出炉，共有32项技术入选，与2025年相比新增7项、移除4项。值得注意的是，新增的7项几乎均与AI相关，足以见得伴随生成式AI和AI智能体采用率的不断增长，AI已成为基础设施战略技术的关键词。
哪些技术被移除？
Gartner认为，一项技术从“萌芽”到“成熟期”大致经历五个生命周期阶段，包括技术萌芽期、炒作高峰期、泡沫破裂低谷期、稳步爬升复苏期、生产力高原期。Gartner研究总监张吟铃（Elaine Zhang）强调，并非所有登上成熟度曲线的技术都能走过完整的五个阶段——有些技术可能在某个阶段就会消失，原因可能是技术本身存在问题、技术发生变革、被其他技术吞并，或是推出后完全无法落地而最终从市场上消失。
与2025年相比，有4项技术创新从成熟度曲线上移除：芯片液冷技术、零信任网络访问、SD WAN（软件定义广域网）、大语言模型可观测性。张吟铃详解了变化背后的原因。
谈起芯片液冷技术，张吟铃表示，该技术被移除并非表示不再重要，而是被整合进可持续数据中心的更大范畴中。虽然热能管理对于AI数据中心运营至关重要，但I&O领导者不能只关注液冷或者降温，而是需要着眼更广泛的技术创新组合，关注如何提高AI就绪型数据中心的可持续水平。
零信任网络访问被移除，是因为该技术发展相对成熟，已进入生产成熟期。同时，零信任网络访问正作为安全访问服务边缘解决方案的组成模块进行交付。
SD-WAN在中国已被众多企业规模化采用，很早进入成熟期，落地案例丰富，已不是陌生技术，因此今年予以移除。
大语言模型可观测性（LLM Observability）去年纳入成熟度曲线。随着AI落地实践加深，企业需要的不再局限于模型层面的可观测性，而是端到端的观测能力。因此Gartner今年将其移除，同时新增了“AI可观测性”。
哪些技术新上线？
在移除4项技术的同时，Gartner将7项新技术纳入曲线，使得入选技术总量增加到32项，充分体现了中国市场创新的活跃度。这7项技术包括AI超级节点、分布式AI云、AI算力管理平台、AI可观测性、生成式AI增强型云运维、AI驱动型DevOps、以智能体为中心的I&O。
第一，AI超级节点。张吟铃表示，AI超级节点将CPU、GPU、AI专用集成电路整合至面向工作负载优化的架构，融合高密度计算、虚拟机和高速网络，可采用机柜或多机柜集群，单套架构集成数十、上百甚至上千个加速器。这一技术帮助国内企业缓解先进芯片供给约束，同时支撑大规模AI工作负载，尤其是高密度智能体对算力的需求。
第二，分布式AI云。传统分布式云由超大规模公有云提供统一架构、统一管理的基础设施。进入AI时代，很多企业受限于组织架构、人力、技术能力，购买硬件后无法有效运维管理。分布式AI云由公有云厂商提供硬件与运维能力，帮助企业简化AI工作负载部署。同时，还可依据数据隐私安全、网络时延要求部署节点——既可以部署在自有数据中心，也可以部署在边缘节点，大大简化企业操作。在企业同时使用公有云和私有环境的情况下，可通过统一的操作平台和工具链管理分布式架构，提高效率，缓解人员不足或能力不足的问题。
第三，AI算力管理平台。很多强监管、高数据安全要求的企业，希望在自有环境内部署算力。与分布式AI云不同，企业希望将底层技术的管理权掌握在自己手中，为此会在自有环境中部署硬件。近年来，国内自研AI芯片快速发展，已有十余家厂商实现量产，产品既供给云厂商，也供企业自建选用，因此存在异构算力管理的问题。此外，国内企业也普遍选择同时采用多家厂商的AI芯片服务器，由此带来异构算力统一纳管的难题。AI算力管理平台可纳管多厂商芯片服务器，完成算力资源的调度、编排和优化，提高算力利用率。
第四，AI可观测性。张吟铃解释，AI系统进入生产环境之后，AI可观测性需求凸显。尤其AI应用上线后，涉及模型、数据集、检索机制、智能体工作流等，这些均离不开可观测能力。因此，需要引入AI可观测性，通过评估、可追溯性及治理能力，帮助企业发现隐性故障，建立对AI系统的信任，支撑AI业务在生产环境中安全运行。值得一提的是，AI可观测性并非脱离于传统可观测体系，而是在其基础上的能力延伸。
第五，生成式AI增强型云运维。该技术依托云原生工具的AI能力，对监控数据做定期检查、实时分析。张吟铃表示，传统监控仅发出告警，而生成式AI增强型云运维除发出告警之外还给出解决方案，解决方案可能是文字方案，也可能结合AI智能体，通过自动化脚本生成模板，让技术人员执行确定性工作。技术人员可一键执行修复操作，从而缩短平均纠错时间，减少对业务的影响。
第六，AI驱动型DevOps。该创新将AI能力嵌入软件交付每个阶段，覆盖开发变更、测试、集成、部署、发布、运营全流程。既可以缩短软件交付周期，也可以提升混合基础设施的运维管理效率。
第七，以智能体为中心的I&O。成熟度曲线一直面向企业级基础设施和运维团队。Gartner观察到，未来I&O组织将更多呈现以智能体为中心的组织形态，这是一种组织变革——基础设施和IT运营模式需要演进，让人员更多地使用相关工具，更高效地管理环境。“因此，不仅技术层面有创新和发展，在AI影响下，整个I&O组织也需要变革。未来，I&O部门将更多以智能体为中心进行变革，管理人员和运维人员也需要通过这种变革增强自身能力——从现在的‘操作员’角色，转变为管理智能体的负责人角色。”张吟铃表示。
