每經記者｜張梓桐    每經編輯｜余婷婷    

當2026年的AI浪潮從實驗室沖向產業深水區，中國企業正站在一個前所未有的分岔路口：是擁抱開放架構實現自主可控，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亞太區副總裁兼解決方案架構負責人Peter Lees在接受《每日經濟新聞》記者采訪時直言，自己此前提出的“2026年亞太企業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：企業供圖

在Peter Lees看來，當前中國企業的核心焦慮，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設施難題；但代價同樣致命——后續漲價、生態排他、迭代受限，一旦綁定便難以抽身，企業最終可能從技術主導者淪為單一廠商的“附庸”。這一痛點，在當前開源與閉源路線激烈博弈的企業級市場中，已成為整個行業需要共同面對的核心挑戰。

2026年拐點：中國企業的AI焦慮，與全球殊途同歸

SUSE是全球頭部獨立開源軟件公司，其產品與方案覆蓋全球數十萬家企業，超六成財富500強依賴其構建核心IT架構，在企業Linux、容器云、邊緣管理賽道穩居第一梯隊。依托這樣的行業地位與技術積淀，在負責人Peter Lees看來，在全球開源模型大規模鋪開、企業級市場進入白熱化競爭背景下，中國市場的特殊性，在于轉型速度與落地訴求更為激進。

據Peter Lees觀察，中國企業在AI開發與實用化落地方面的節奏，明顯快于亞太其他地區，更強調“快速見效、自主可控、數據合規”。大家不愿在黑盒模型中妥協，尤其金融、醫療、制造等強監管行業，對數據主權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，拒絕廠商鎖定。

Peter Lees認為，企業需要的不是“唯一解”，而是一個開放、兼容、可擴展的底座。無論采用何種上層應用、模型或硬件，底層基礎設施都應保持互操作性，不設限、不捆綁，讓企業在技術迭代中始終掌握主動權。

2026年，Agentic AI（智能體）成為行業熱詞，AI從被動響應走向主動執行，對基礎設施的穩定性、生命周期與自動化能力提出了空前要求。SUSE在此節點推出的SLES 16，被定義為全球首款面向Agentic AI的企業級Linux系統，SUSE大中華區解決方案架構師總監蘇顯揚告訴記者，這是為了直擊行業兩大核心矛盾。

首先，解決長周期穩定與快速創新的平衡。蘇顯揚在采訪中強調，SLES 16提供“長達16年的官方支持周期”，這一設計是為匹配企業核心業務的生命周期需求。對此，蘇顯揚解釋，AI技術迭代日新月異，三個月一小變、半年一大變，但企業的核心系統、生產業務無法隨之頻繁重構。16年的穩定底座，意味著企業可以在底層不變的前提下，自由適配上層AI模型、應用與硬件的快速迭代，同時針對底層問題完成前瞻性修復，徹底解決“上層創新、底層飄搖”的行業困境。

與此同時，產品內置的MCP（模型上下文協議）工具庫，進一步將AI能力嵌入運維底層。它如同系統內置的智能助理，能自動執行策略校驗、性能監測、異常排查，將IT團隊從繁瑣的重復性工作中解放出來。過去70%的資源耗費在存量系統維護，未來可被壓縮至更低水平，讓人力與預算真正投向高價值創新。

其次，則是智能制造的邊緣規模化管理難題。中國制造業進入深水區，海量邊緣設備的統一部署、升級與運維，成為制約智能化轉型的關鍵瓶頸。傳統模式下，產線升級可能需停機數小時甚至數天，造成巨大產能損失。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，通過中央統一管控，邊緣設備可實現無停機遠程部署、版本切換與一鍵回滾。

開源破局：走出AI誤區，兼顧成本與合規

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

不少企業在轉型過程中陷入了認知與執行的雙重誤區，要么盲目跟風技術浪潮，要么忽視合規安全底線，要么面臨難以控制的投入成本，最終導致項目推進受阻、轉型效果不及預期。針對行業普遍存在的這些痛點，SUSE兩位高管在采訪中也逐一拆解，并結合自身的技術理念與實踐經驗，給出清晰的破局思路。

在采訪中，兩位高管直指當前企業AI轉型的三大普遍誤區。第一個誤區是為AI而AI，缺乏明確業務目標。許多企業高層迫于競爭壓力，盲目啟動AI項目，卻沒有清晰的業務痛點與落地路徑，最終導致資源錯配、項目懸空。

Peter Lees強調，AI的本質是解決問題，而非追趕風口。企業必須先定義“用AI改善什么業務指標”，再選擇開放靈活的技術棧，避免為短期便捷付出長期被綁定的代價。

第二個誤區則是重創新、輕合規與安全。“很多企業在AI轉型中，一門心思搞創新，卻忽略了合規與安全，最終導致項目失敗。”蘇顯揚補充道，這是中國企業AI轉型中，一個非常普遍且致命的誤區。尤其是在強監管行業，合規與安全是AI項目落地的前提——如果無法滿足合規要求，即使項目做得再好，也無法上線運營。

最后一個誤區是AI投入成本失控，中小企業望而卻步。“GPU（圖形處理器）算力高昂、資源利用率低下、調用無管控，是當前企業AI成本飆升的主要原因。”Peter Lees坦言，這一問題不僅困擾著中小企業，也讓很多大中型企業感到頭疼。尤其是在2026年，AI大模型的規模化應用，對GPU算力的需求越來越大，算力成本已經成為企業AI轉型的“沉重負擔”。

他表示，很多企業尤其是中小企業，之所以不敢啟動AI轉型，就是擔心成本失控——投入大量的資金，采購昂貴的設備、組建專業的團隊，最終卻無法控制成本，導致企業陷入財務困境。

而SUSE給出的解決方案，是通過開源架構與智能化工具，幫助企業實現成本的管控。其中，SUSE Observability可觀測性工具便是核心抓手之一。“這款工具，能夠實現對AI服務、GPU調用、資源消耗的全鏈路監測，精準識別低效與浪費的環節。”Peter Lees稱。

對外部客戶而言，這意味著可量化的成本優化。蘇顯揚補充道，很多客戶在使用這款工具后，都實現了算力利用率的提升和成本的降低。“比如，有一些制造企業，通過這款工具，監測邊緣設備的算力消耗，優化資源配置，在不增加硬件投入的前提下，提升了邊緣設備的運行效率，降低了運維成本；還有一些AI企業，通過這款工具，監測GPU的調用情況，避免了算力的浪費，降低了成本。”

展望2026年，開源已不是可選項，而是企業AI轉型的“必答題”。

對于資本市場與產業參與者而言，這一信號同樣明確：2026年的企業IT投資，將從單純的AI應用比拼，轉向基礎設施底座的價值重估。具備開源基因、長周期支持能力、邊緣與AI協同能力的技術服務商，將成為企業數字化轉型的核心伙伴，也將在行業洗牌中占據更有利的位置。