每經(jīng)記者｜張梓桐    每經(jīng)編輯｜余婷婷    

當(dāng)2026年的AI浪潮從實驗室沖向產(chǎn)業(yè)深水區(qū)，中國企業(yè)正站在一個前所未有的分岔路口：是擁抱開放架構(gòu)實現(xiàn)自主可控，還是困在閉源“黑盒”中承受廠商鎖定與成本失控？

近日，在SUSE上海媒體專訪會上，SUSE亞太區(qū)副總裁兼解決方案架構(gòu)負(fù)責(zé)人Peter Lees在接受《每日經(jīng)濟(jì)新聞》記者采訪時直言，自己此前提出的“2026年亞太企業(yè)將面臨徹底否定還是擁抱變革的生死抉擇”觀點，放在中國市場同樣成立。

Peter Lees  圖片來源：企業(yè)供圖

在Peter Lees看來，當(dāng)前中國企業(yè)的核心焦慮，并非要不要AI（人工智能），而是如何選擇不會被“鎖死”的技術(shù)路徑。閉源平臺的短期誘惑顯而易見：開箱即用、快速落地，仿佛能一鍵解決所有基礎(chǔ)設(shè)施難題；但代價同樣致命——后續(xù)漲價、生態(tài)排他、迭代受限，一旦綁定便難以抽身，企業(yè)最終可能從技術(shù)主導(dǎo)者淪為單一廠商的“附庸”。這一痛點，在當(dāng)前開源與閉源路線激烈博弈的企業(yè)級市場中，已成為整個行業(yè)需要共同面對的核心挑戰(zhàn)。

2026年拐點：中國企業(yè)的AI焦慮，與全球殊途同歸

SUSE是全球頭部獨立開源軟件公司，其產(chǎn)品與方案覆蓋全球數(shù)十萬家企業(yè)，超六成財富500強(qiáng)依賴其構(gòu)建核心IT架構(gòu)，在企業(yè)Linux、容器云、邊緣管理賽道穩(wěn)居第一梯隊。依托這樣的行業(yè)地位與技術(shù)積淀，在負(fù)責(zé)人Peter Lees看來，在全球開源模型大規(guī)模鋪開、企業(yè)級市場進(jìn)入白熱化競爭背景下，中國市場的特殊性，在于轉(zhuǎn)型速度與落地訴求更為激進(jìn)。

據(jù)Peter Lees觀察，中國企業(yè)在AI開發(fā)與實用化落地方面的節(jié)奏，明顯快于亞太其他地區(qū)，更強(qiáng)調(diào)“快速見效、自主可控、數(shù)據(jù)合規(guī)”。大家不愿在黑盒模型中妥協(xié)，尤其金融、醫(yī)療、制造等強(qiáng)監(jiān)管行業(yè)，對數(shù)據(jù)主權(quán)與模型可解釋性的要求近乎苛刻。Peter表示，這種需求與SUSE的核心主張高度契合：堅持開源，保留未來選擇權(quán)，拒絕廠商鎖定。

Peter Lees認(rèn)為，企業(yè)需要的不是“唯一解”，而是一個開放、兼容、可擴(kuò)展的底座。無論采用何種上層應(yīng)用、模型或硬件，底層基礎(chǔ)設(shè)施都應(yīng)保持互操作性，不設(shè)限、不捆綁，讓企業(yè)在技術(shù)迭代中始終掌握主動權(quán)。

2026年，Agentic AI（智能體）成為行業(yè)熱詞，AI從被動響應(yīng)走向主動執(zhí)行，對基礎(chǔ)設(shè)施的穩(wěn)定性、生命周期與自動化能力提出了空前要求。SUSE在此節(jié)點推出的SLES 16，被定義為全球首款面向Agentic AI的企業(yè)級Linux系統(tǒng)，SUSE大中華區(qū)解決方案架構(gòu)師總監(jiān)蘇顯揚(yáng)告訴記者，這是為了直擊行業(yè)兩大核心矛盾。

首先，解決長周期穩(wěn)定與快速創(chuàng)新的平衡。蘇顯揚(yáng)在采訪中強(qiáng)調(diào)，SLES 16提供“長達(dá)16年的官方支持周期”，這一設(shè)計是為匹配企業(yè)核心業(yè)務(wù)的生命周期需求。對此，蘇顯揚(yáng)解釋，AI技術(shù)迭代日新月異，三個月一小變、半年一大變，但企業(yè)的核心系統(tǒng)、生產(chǎn)業(yè)務(wù)無法隨之頻繁重構(gòu)。16年的穩(wěn)定底座，意味著企業(yè)可以在底層不變的前提下，自由適配上層AI模型、應(yīng)用與硬件的快速迭代，同時針對底層問題完成前瞻性修復(fù)，徹底解決“上層創(chuàng)新、底層飄搖”的行業(yè)困境。

與此同時，產(chǎn)品內(nèi)置的MCP（模型上下文協(xié)議）工具庫，進(jìn)一步將AI能力嵌入運(yùn)維底層。它如同系統(tǒng)內(nèi)置的智能助理，能自動執(zhí)行策略校驗、性能監(jiān)測、異常排查，將IT團(tuán)隊從繁瑣的重復(fù)性工作中解放出來。過去70%的資源耗費在存量系統(tǒng)維護(hù)，未來可被壓縮至更低水平，讓人力與預(yù)算真正投向高價值創(chuàng)新。

其次，則是智能制造的邊緣規(guī)模化管理難題。中國制造業(yè)進(jìn)入深水區(qū)，海量邊緣設(shè)備的統(tǒng)一部署、升級與運(yùn)維，成為制約智能化轉(zhuǎn)型的關(guān)鍵瓶頸。傳統(tǒng)模式下，產(chǎn)線升級可能需停機(jī)數(shù)小時甚至數(shù)天，造成巨大產(chǎn)能損失。對此，SUSE給出的解決方案是基于Rancher與K3s的輕量級容器化邊緣架構(gòu)，通過中央統(tǒng)一管控，邊緣設(shè)備可實現(xiàn)無停機(jī)遠(yuǎn)程部署、版本切換與一鍵回滾。

開源破局：走出AI誤區(qū)，兼顧成本與合規(guī)

在企業(yè)加速推進(jìn)AI與智能制造深度融合的過程中，光鮮技術(shù)落地的背后，也暴露出諸多實踐層面的共性問題。

不少企業(yè)在轉(zhuǎn)型過程中陷入了認(rèn)知與執(zhí)行的雙重誤區(qū)，要么盲目跟風(fēng)技術(shù)浪潮，要么忽視合規(guī)安全底線，要么面臨難以控制的投入成本，最終導(dǎo)致項目推進(jìn)受阻、轉(zhuǎn)型效果不及預(yù)期。針對行業(yè)普遍存在的這些痛點，SUSE兩位高管在采訪中也逐一拆解，并結(jié)合自身的技術(shù)理念與實踐經(jīng)驗，給出清晰的破局思路。

在采訪中，兩位高管直指當(dāng)前企業(yè)AI轉(zhuǎn)型的三大普遍誤區(qū)。第一個誤區(qū)是為AI而AI，缺乏明確業(yè)務(wù)目標(biāo)。許多企業(yè)高層迫于競爭壓力，盲目啟動AI項目，卻沒有清晰的業(yè)務(wù)痛點與落地路徑，最終導(dǎo)致資源錯配、項目懸空。

Peter Lees強(qiáng)調(diào)，AI的本質(zhì)是解決問題，而非追趕風(fēng)口。企業(yè)必須先定義“用AI改善什么業(yè)務(wù)指標(biāo)”，再選擇開放靈活的技術(shù)棧，避免為短期便捷付出長期被綁定的代價。

第二個誤區(qū)則是重創(chuàng)新、輕合規(guī)與安全。“很多企業(yè)在AI轉(zhuǎn)型中，一門心思搞創(chuàng)新，卻忽略了合規(guī)與安全，最終導(dǎo)致項目失敗。”蘇顯揚(yáng)補(bǔ)充道，這是中國企業(yè)AI轉(zhuǎn)型中，一個非常普遍且致命的誤區(qū)。尤其是在強(qiáng)監(jiān)管行業(yè)，合規(guī)與安全是AI項目落地的前提——如果無法滿足合規(guī)要求，即使項目做得再好，也無法上線運(yùn)營。

最后一個誤區(qū)是AI投入成本失控，中小企業(yè)望而卻步?！癎PU（圖形處理器）算力高昂、資源利用率低下、調(diào)用無管控，是當(dāng)前企業(yè)AI成本飆升的主要原因?！盤eter Lees坦言，這一問題不僅困擾著中小企業(yè)，也讓很多大中型企業(yè)感到頭疼。尤其是在2026年，AI大模型的規(guī)模化應(yīng)用，對GPU算力的需求越來越大，算力成本已經(jīng)成為企業(yè)AI轉(zhuǎn)型的“沉重負(fù)擔(dān)”。

他表示，很多企業(yè)尤其是中小企業(yè)，之所以不敢啟動AI轉(zhuǎn)型，就是擔(dān)心成本失控——投入大量的資金，采購昂貴的設(shè)備、組建專業(yè)的團(tuán)隊，最終卻無法控制成本，導(dǎo)致企業(yè)陷入財務(wù)困境。

而SUSE給出的解決方案，是通過開源架構(gòu)與智能化工具，幫助企業(yè)實現(xiàn)成本的管控。其中，SUSE Observability可觀測性工具便是核心抓手之一?！斑@款工具，能夠?qū)崿F(xiàn)對AI服務(wù)、GPU調(diào)用、資源消耗的全鏈路監(jiān)測，精準(zhǔn)識別低效與浪費的環(huán)節(jié)?！盤eter Lees稱。

對外部客戶而言，這意味著可量化的成本優(yōu)化。蘇顯揚(yáng)補(bǔ)充道，很多客戶在使用這款工具后，都實現(xiàn)了算力利用率的提升和成本的降低?！氨热?，有一些制造企業(yè)，通過這款工具，監(jiān)測邊緣設(shè)備的算力消耗，優(yōu)化資源配置，在不增加硬件投入的前提下，提升了邊緣設(shè)備的運(yùn)行效率，降低了運(yùn)維成本；還有一些AI企業(yè)，通過這款工具，監(jiān)測GPU的調(diào)用情況，避免了算力的浪費，降低了成本?！?/p>

展望2026年，開源已不是可選項，而是企業(yè)AI轉(zhuǎn)型的“必答題”。

對于資本市場與產(chǎn)業(yè)參與者而言，這一信號同樣明確：2026年的企業(yè)IT投資，將從單純的AI應(yīng)用比拼，轉(zhuǎn)向基礎(chǔ)設(shè)施底座的價值重估。具備開源基因、長周期支持能力、邊緣與AI協(xié)同能力的技術(shù)服務(wù)商，將成為企業(yè)數(shù)字化轉(zhuǎn)型的核心伙伴，也將在行業(yè)洗牌中占據(jù)更有利的位置。