夜雨聆风
本文较长，阅读约 7 分钟，建议先收藏。
过去，一家企业决定要不要用 AI，通常是 IT 部门的事。
买几个账号。
接一个模型。
做一个知识库。
找一个部门先试。
投入不大，风险有限。效果不好，可以暂停；模型不合适，也可以更换。
但现在，这件事正在发生变化。
越来越多企业不只是“用 AI”，而是开始建设 AI。
服务器要买。存储要扩。网络要升级。数据要整理。模型要部署。团队要长期运维。
当 AI 项目从几十个账号，变成一整套基础设施，决定它的就不再只是 IT 部门。
财务部门、CEO，甚至董事会，都要开始参与。
因为 AI 正在影响的，不只是企业使用什么工具，而是企业把有限的钱，优先投向哪里。
一、IBM 财报里的一个信号
7 月 14 日，IBM 公布第二季度初步业绩。
公司预计营收低于市场预期。IBM 在说明中提到，一些客户担心服务器、存储和内存继续涨价，因此优先采购相关基础设施，一些软件和其他项目被推迟。
IBM 同时也承认，部分大型交易延期、自身执行节奏等因素，同样影响了业绩。
所以，不能把 IBM 的问题全部归因于 AI，也不能由此判断企业已经全面停止采购软件。
但这条消息仍然值得关注。
因为它让一个原本藏在企业内部预算会里的变化，第一次清晰地出现在一家大型科技公司的财报中：
为了优先建设 AI，一些原来的 IT 项目开始往后排了。
二、以前，AI 花的是“尝试的钱”
生成式 AI 刚进入企业时，大多数投入都来自创新预算。
一家企业可能先买几十个大模型账号，让客服部门试试自动回复，让研发团队试试代码生成，让行政部门搭一个内部知识库。
这些项目通常不会影响原来的 IT 规划。
ERP 继续升级，CRM 继续续费，数据库继续扩容，数字化项目照常推进。
AI 更像预算表中新增的一行。
当时，企业讨论的问题是：
AI 值不值得试？
只要投入不大，很多公司的答案都是：可以先试。
三、现在，AI 开始花“正式的钱”
真正把 AI 接入业务以后，企业很快会发现，模型只是最前面的一层。
后面还有数据、系统、算力和运维。
如果只是调用外部模型，成本可能还相对可控。
但只要企业开始建设内部 AI 平台，或者希望把 AI 接进客服、供应链、研发、生产和管理系统，投入就会迅速扩大。
这时候，AI 不再是一笔小额的软件费用，而开始变成长期基础设施投资。
假设一家企业今年的 IT 预算是 1 亿元。
原计划可能包括 ERP 升级、数据库改造、数据平台建设、办公系统更新、安全和运维投入。
后来，公司决定建设自己的 AI 平台，需要新增服务器、存储、网络和模型部署能力。
预算总额没有翻倍。
于是，真正的问题出现了：
ERP 能不能晚半年？数据库是不是先完成核心部分？原来的咨询项目要不要缩减？哪些项目今年不做，也不会立刻影响经营？
AI 所谓“挤掉”原来的 IT 项目，并不一定是彻底取消。
更多时候，它表现为延期、缩减和重新排序。
但对一家软件公司、一家咨询公司，或者一个原本等待立项的数字化项目来说，晚一年拿到预算，已经是真实的影响。
四、真正变化的，是谁有资格排在前面
过去，企业做 IT 预算，主要是在不同数字化项目之间排序。
哪个系统更重要，哪个部门更急，哪个项目能提升效率。
现在，AI 加入了这张表，而且很容易排到靠前的位置。
原因并不只是 AI 热。
更重要的是，AI 基础设施有明显的前置性。
服务器不到，后面的模型部署无法开始。存储和网络不够，系统很难稳定运行。数据没有整理，业务部门也无法真正使用。
软件项目可以分阶段上线，咨询项目可以缩小范围。
但硬件一旦面临涨价、缺货和交付周期延长，企业就可能选择先锁定资源。
这不是软件突然失去了价值。
而是 AI 让企业重新判断：什么东西必须现在买，什么东西可以以后再做。
五、AI 第一次开始竞争企业的资本
这是这条新闻真正值得看的地方。
过去，AI 公司主要争夺用户。
谁的模型更强，谁的产品更好用，谁能获得更多调用量。
现在，AI 开始进入另一场竞争。
它开始竞争企业每年最有限的一项资源：资本。
当一项投入金额更大、周期更长，还会直接影响其他项目时，它就不再只是一次 IT 采购，而是企业的资本配置。
一套软件可能由业务部门或 IT 部门决定。
但当一个项目需要数千万甚至更大投入，还要持续几年建设时，它就会进入更高层级的决策。
CEO 会问，为什么现在一定要投。
CFO 会问，钱从哪里来。
董事会会问，这笔投入能带来什么回报。
AI 项目也因此第一次需要证明：它为什么比 ERP 升级更紧迫，为什么比数据库改造更重要，为什么值得让其他项目等待。
从这一刻开始，AI 面对的竞争对手就不只是其他 AI 产品，而是企业原来的每一项投资选择。
六、被重新审视的，不会只有软件
把这件事理解成“硬件赢了，软件输了”，仍然过于简单。
真正会被重新审视的，是所有回报不够明确、优先级不够高的项目。
可能是一套计划升级的软件，可能是一个长期咨询项目，可能是一项效果难以衡量的数字化建设，也可能是另一个 AI 项目。
未来，企业不会因为一个项目带着“AI”两个字，就自动给它预算。
恰恰相反。
当 AI 开始占用更大资金以后，企业会更加严格地追问：能不能接进真实业务？能不能减少成本？能不能提高收入？多久能够上线？多久能够看到结果？
没有明确回报的 AI 项目，同样可能被挤掉。
AI 进入企业资本配置，并不意味着 AI 企业从此更容易赚钱，而是意味着 AI 要接受比过去更严格的审查。
七、对算力行业来说，卖出去只是第一步
这件事对服务器、芯片和算力企业同样重要。
客户因为担心涨价或交付周期，可能提前购买一批设备。
但这不等于下一年还会继续扩容。
如果设备买回去以后，模型迁移困难，集群利用率不高，业务部门没有真正使用，企业很快就会重新调整预算。
第一年，客户可能因为稀缺而购买。第二年，客户只会因为效果而继续购买。
这也解释了为什么算力行业的竞争正在变化。
早期比的是有没有卡。
后来比的是能不能交付。
接下来比的，是谁能证明这些设备真正产生了业务价值。
客户最终关心的，不是买了多少服务器，而是花出去的钱，有多少变成了可以持续使用的生产力。
结语
很多人把 AI 落地理解成员工开始使用 ChatGPT、Claude 或其他工具。
那当然是一种落地。
但它还停留在使用层面。
更深的一层，是 AI 开始影响一家企业如何分配资本。
当 CEO 和 CFO 开始讨论，为了建设 AI，哪些项目需要延期；当董事会开始审视 AI 投入能否产生回报；当传统 IT 项目开始因为 AI 调整顺序，AI 的身份就已经变了。
它不再只是 IT 部门采购的一项工具。
它开始成为企业经营中的一项重要选择。
IBM 这次业绩预警真正值得看的，也许并不是哪项业务少卖了一些。
当一种技术开始改变一家企业的资本配置，它就已经不再只是技术。
