不止国产芯片翻4倍，Gartner：AI安全将迎14倍爆发，中国企业准备好了吗？

　　3月12日消息，随着地缘政治紧张局势持续加剧，以及人工智能技术的飞速迭代，中国企业在AI领域的布局正迎来关键转折点。Gartner近日发布最新预测指出，到2030年，中国80%的本地AI基础设施将采用本土研发的AI芯片，而目前这一比例仅为20%。与此同时，AI安全、数据合规与自主运营等领域的增长空间同样不容小觑，将成为企业未来竞争的焦点。

　　国产芯片突围：从20%到80%的跨越

　　Gartner研究总监金玮表示，美国政府对高性能AI加速器和先进半导体制造技术的出口限制，直接推动了中国自主AI芯片的加速研发。作为回应，中国政府在本地AI基础设施投资中强力推进自给自足，为国内AI芯片供应商创造了庞大且相对稳定的市场。

　　“中国半导体企业已具备替代全球领先厂商的AI芯片设计能力。”金玮指出，以海思为代表的国内企业正在采用与算法高度契合的芯片架构（AASA），专门针对AI工作负载（尤其是推理任务）进行优化。此外，阿里、百度等科技巨头也在积极投资布局AI芯片领域，形成从基础模型、AI应用到开发平台和基础设施的完整生态系统。

　　这一预测背后是明确的时间表和增长空间：从目前的20%提升至2030年的80%，意味着未来几年国产AI芯片将迎来爆发式增长。

　　Gartner研究副总裁盛陵海(Roger Sheng)向表示，如果以去年国内市场规模从单纯AI芯片的角度看，20%差不多是10多亿美元的水平，（如果整体AI加速卡的话，价值要翻几倍，到50亿美元左右）。到2030年，整体国内AI芯片市场将会成长到80%，就意味着预期超过100亿美元（AI加速卡超过250亿美元）规模。

　　Gartner建议，首席信息官应积极与中国芯片厂商及开源生成式AI模型提供商合作，评估并采用针对本地需求优化的AI解决方案，通过量化产品性能、供应链韧性及厂商财务实力，选择最适合自身的基础设施平台。

　　AI安全：从5%到70%的刚需爆发

　　如果说国产芯片是“硬件自主”的硬指标，那么AI安全则是企业规模化应用AI的“软门槛”。Gartner预测，到2029年，70%的中国企业将实施AI安全测试，作为现有应用安全测试和渗透测试的补充，而目前这一比例还不到5%。

　　金玮坦言，无论是个人使用还是企业级应用，AI工具的大量引入带来了诸多安全隐患，如提示词注入、数据篡改、传统网络安全测试覆盖不足等问题。尤其当企业开始使用AI智能体实现业务流自动化时，外部调用安全、身份凭证安全、行为可控性等挑战愈发突出。

　　安全不是“重要”而是“本质”。金玮强调，AI发展如此之快，企业在将产品推向市场时，既要快又要安全，就必须实现AI安全测试的高度自动化，无缝衔接到现有安全工作流中，避免安全成为瓶颈。目前，国内安全厂商如绿盟等已开始积极布局，将AI能力融入态势感知和安全分析，为即将到来的爆发式需求做准备。

　　Gartner建议，企业应尽早将AI安全测试纳入整体安全策略，采用自动化工具加人工专家的混合模式，确保在快速创新的同时守住安全底线。

　　数据合规与自主运营：被低估的增长赛道

　　除了芯片和安全，Gartner的预测还覆盖了数据合规与自主运营两大领域。

　　在数据合规方面，Gartner预测到2028年，因采用超过三种以上不同区域的AI模型所产生的数据主权合规及AI偏见问题，将占到AI数据管理量的50%。随着全球AI模型流通加速，中国企业既使用DeepSeek等国产模型出海，也集成海外大模型，数据来源“大杂烩”成为常态。但各国数据法规差异、数据质量参差不齐，使得合规风险急剧上升。金玮指出，企业不能依赖单一厂商，而要从数据生态整体入手，通过数据属地化、虚拟化等技术手段，实现全流程管理。

　　在自主运营方面，Gartner预测到2029年，大型中国企业中的AI智能体将承担超过40%的IT运营工作，而目前这一比例还不到1%。中国企业系统复杂、跨部门协作多，传统运营方式已难以应对指数级增长的工作量。AI智能体可通过对话式交互，实现问题分流、初步诊断和效率提升。但金玮也提醒，这并不意味着完全“无人化”，AI幻觉风险和控制机制不成熟决定了关键节点仍需人工监工。企业应从简单任务试点，逐步扩展到复杂场景，同时建立人机协作框架，培养AI工程师、AI架构师等新型岗位。

　　焦虑驱动创新，企业如何不掉队？

　　在Gartner的调研中，中国CIO面临的压力持续加大：业务部门对IT的要求越来越高，降本增效、拉动增长、吸引客户，但IT预算并未跑赢通胀，人员规模不增反降。这种情况下，企业对AI的期望却在不断攀升。

　　“驱动力是焦虑。”金玮直言，从CIO到普通员工，从DeepSeek到OpenClaw，每一次技术热潮背后都是对掉队的恐惧。但她建议企业决策者保持理性：“新闻里的东西要去做比对，别人能实现不代表我们能实现。”

　　对于希望规模化落地AI的企业，金玮给出几点建议：第一，不要被裹挟，多了解市场真实情况，Gartner经常给客户“降降温”；第二，培训要深入，不仅仅是1小时的分享，而是专场培训甚至脱离工作环境的系统学习；第三，关注人的情绪和影响，技术落地最终靠人；第四，找准瓶颈，不要追求“全上”，而是结合自身情况分步实施。（果青）