在最新一期的科技动态中，VentureBeat发布的VB Pulse调查揭示了企业AI基础设施领域的显著转向：未来12个月内，39.4%的企业表示会评估非英伟达加速器，而计划评估英伟达下一代GPU（如Blackwell GB300）的比例仅为25.3%，两者相差14个百分点。这一信号背后，是企业对AI投资策略的深层调整，也为AI独角兽们带来了新的想象空间。
非英伟达芯片异军突起：评估榜单上的14点差距
过去几年，英伟达几乎是企业构建AI算力时的默认选项。然而，最新的调查数据却描绘出截然不同的图景：当企业买家开始制定下一轮AI加速器评估清单时，他们更有可能把非英伟达芯片写进去，而不是英伟达自己的下一代GPU。AWS Trainium、Google TPU、AMD Instinct、Intel Gaudi以及自研ASIC，这些名字开始频繁出现在企业的备选名单上。
这并非意味着英伟达已经失去市场主导地位——在大多数生产环境中，英伟达依然是默认选择。但一个明显的趋势是，企业不再把英伟达视为唯一值得评估的选项，而是开始真正构建可选的加速器策略。这种“可选性”思维，正是成熟市场的典型特征：买家开始根据具体工作负载、成本模型和供应链稳定性来做出决策，而非惯性延续。
从AI投资的角度看，这一变化意义深远。过去资本高度集中于英伟达生态，如今多元化的算力选项正在吸引更多资金涌入，推动整个AI硬件供应链的竞争与创新。对于新入局的芯片厂商而言，这无疑是一个窗口期。
值得注意的是，这种对替代方案的兴趣并非始于本月。6月的调查中，已有31.8%的企业表示有意评估非英伟达加速器，而7月这一数字攀升至39.4%。在拥有战略采购权的高管群体中，兴趣增长更为明显：C-suite受访者中，计划评估非英伟达芯片的比例从42.9%升至57.1%。这表明，加速器多元化已从工程团队的技术讨论，上升为董事会层面的战略议题。
企业AI基础设施的真实增长点在哪？
如果说评估清单反映的是未来意向，那么生产环境的数据则揭示了当下的真实投入。7月的调查显示，企业正在更密集地运营AI基础设施，并将更多供应商平台投入生产。
微软Azure实现了主要平台中最大的生产采用增长：报告Azure处于生产环境的受访者比例从6月的29%跃升至7月的47.1%，增幅达18.1个百分点。当然，这一跳跃部分与受访者构成有关——7月的受访者更偏向大型企业（1000人以上组织占比57%，6月为37%），而Azure的采用率本就随企业规模上升。谷歌的Gemini依然是最常用的平台，生产采用率从41.1%微升至47.6%，略高于Azure。OpenAI的生产采用率从40.2%升至49.4%，Anthropic则从12.1%翻倍至24.7%。
另一个值得关注的数据是GPU利用率。在自主运营GPU的企业中，半载及以下运行的比例从6月的83%降至7月的69%，而利用率超过50%的比例从13%升至23%。这意味着企业不再只是“囤积”算力，而是开始认真优化现有资源的使用效率。这种精细化管理，正是基础设施成熟度提升的标志。
基础设施有效性的定义也在变得更加运营化。选择“正常运行时间和可靠性”作为重要有效性指标的比例从42.1%升至51.2%，选择“吞吐量”的比例从21.5%升至24.7%。实施便利性的平均评分从3.84升至4.04（5分制），总体满意度仅从4.07微升至4.14，感知价值基本持平在3.9左右。
这一组合颇具启示：企业并没有因为部署更多基础设施而报告价值的大幅提升，而是通过更好的架构成为更有能力的运营者，同时为基础设施设定了更高的标准，尤其是可靠性。换句话说，盲目堆算力的时代正在结束，精细化运营的时代正在开始。
平台更换紧迫感为何向外推移？
7月调查中最强的反向信号，是计划立即更换平台的企业比例显著下降。预计在0至3个月内进行平台变更的比例下降了9.5个百分点，而3至6个月窗口的比例上升4.1个百分点，6至12个月窗口上升5.3个百分点。无变更计划的比例基本持平在40%左右。
这种紧迫感向外推移的现象，表明企业正在从“快速换引擎”转向“先优化再决定”。开放权重模型和开源工具链的讨论，在其中扮演了关键角色：企业需要判断哪些组件值得增强，哪些组件应该彻底替换。
选择标准也支持这一解读。与现有云和数据栈的集成依然是首要因素，6月和7月分别稳定在41.1%和40.0%。优先考虑性能的比例从24.3%升至35.3%，优先考虑每百万token成本的比例从7.5%升至15.9%，而优先考虑GPU访问权的比例从18.7%升至23.5%。相比之下，选择综合拥有成本（TCO）作为首要因素的比例从34.6%降至21.8%。
这些数据描绘出一个正在进化的市场：从“笼统规划基础设施”转向“基于工作负载的细粒度审视”。买家越来越想知道，一个平台在生产推理场景下表现如何、运行是否可靠、每单位有效工作的成本是多少。这需要更细致的评估框架，也意味着供应商必须用更具体的数据来证明自己。
与此同时，企业也在借助各种工具提升内部效率。例如，一些团队开始使用AI工具导航来梳理可用的AI服务，用AI画图快速生成界面原型，用文生图产品设计创意素材，这些实践正在潜移默化地改变团队的协作方式。
对非英伟达替代方案的兴趣集中在高层
非英伟达加速器的吸引力并非均匀分布，而是集中在战略决策层和特定规模的企业中。7月数据显示，拥有战略采购权的C-suite受访者中，57.1%表示可能评估非英伟达芯片，而最终决策者中的这一比例为50%，均显著高于平均水平。
企业规模也呈现明显差异：251至1000人的组织中，相关比例从41.4%升至53.2%；101至250人的组织中，从33.3%升至57.7%。中小型企业似乎更愿意尝试替代方案，这或许是因为它们对成本更敏感，也没有沉重的历史包袱。相反，大型企业虽然也在探索，但受制于现有架构和合规要求，切换速度相对较慢。
这种“高层推动”的特征，使得加速器多元化成为一个自上而下的战略问题。当C-suite开始关注芯片选择时，它就不再仅仅是IT部门的采购决策，而是关系到企业整体竞争力的布局。对于芯片厂商来说，如何打动C-suite，或许比说服工程师更为关键。
从AI投资的角度看，中小企业的积极尝试为新型芯片供应商提供了宝贵的试验场。这些企业往往更愿意采用云上的替代加速器，比如AWS Trainium或Google TPU，从而在真实生产环境中积累认知和口碑。
值得注意的是，这次调查还发现，企业正在加强对其AI基础设施“缰绳”的控制。当被问及对未来基础设施的偏好时，受访者展现出对开放权重模型和开源工具链的浓厚兴趣。企业希望拥有更大的自主性，而不是被单一供应商绑定。这种心态与AI Agent技术的兴起相辅相成——智能体需要灵活调用不同模型和算力，而多元化的基础设施正是支撑这种灵活性的基础。
企业想要掌控“缰绳”：从硬件到开源生态
基础设施调查与另一项关于智能体上下文层的VB Pulse调查相互印证。企业正在构建自己的“智能体缰绳”，即控制模型行为、记忆和工具调用的中间层。这要求基础设施具备更强的可组合性和可观测性，而单一供应商的封闭生态难以满足这一需求。
开源权重模型和开源编排工具因此受到越来越多的关注。企业不再满足于仅仅调用API，而是希望拥有模型的部分控制权，能够针对特定场景进行微调或部署。这种趋势推动了大模型训练相关技术的普及，也催生了一批专注于模型优化和部署的公司。
与此同时，AI应用的多样化也让企业开始重新审视内部工作流。例如，在设计部门，AI图片生成工具被大规模用于快速生成概念图，而抠图和透明背景处理则大幅提升了素材制作效率。这些看似边缘的应用，实际上正在加速AI在企业内部的渗透，并为基础设施提出新的要求——低延迟、高吞吐、灵活调度。
从产业格局来看，企业对于“掌控缰绳”的渴望，正在改变AI独角兽的成长路径。过去，AI独角兽往往依靠单一模型或单一应用迅速崛起；如今，市场更青睐那些能够在多元基础设施之上构建可迁移能力的公司。这种转变意味着，AI投资逻辑正在从“押注单一赢家”转向“布局基础设施多元化”，而AI独角兽们则需要证明自己能够在不同芯片、不同云环境下都能高效运行。
对AI投资与AI独角兽格局的启示
回顾7月调查，企业AI基础设施正在经历一场静默的转型：从英伟达中心的“单极世界”走向多元并存的“多极格局”。评估清单上14个百分点的差距，正是这种转型的直观体现。
对于投资者而言，这意味着AI投资的机会不再局限于芯片本身，而是扩展到工具链、云服务、模型优化、应用层等多个维度。那些能够帮助企业降低切换成本、提升资源利用率的创业公司，将更具吸引力。而AI独角兽的估值逻辑，也可能从“拥有多少个GPU”转向“能够高效利用多少异构算力”。
当然，英伟达的护城河依然深厚，其生态成熟度和软件栈优势不容小觑。但企业“建立可选性”的行为本身，就是最强的市场信号。当大部分买家都希望在谈判桌上有第二选择时，市场结构必然会发生变化。
在这一过程中，企业需要更多实用的工具来辅助决策和运营。无论是通过AI工具箱评估不同模型性能，还是用艺术签名等创意工具提升品牌素材的独特性，这些细小的工具都在帮助企业构建更具韧性的AI工作流。
总而言之，企业AI基础设施的下一个阶段，不再是简单的算力军备竞赛，而是关于如何明智地选择、高效地运营、灵活地切换。科技动态将持续关注这一演进，为读者呈现更多深度洞察。而那些能够适应这种新现实的企业和投资者，将在下一轮竞争中占据先机。