AI创业热潮方兴未艾，但IBM近日发布的业绩预警却为整个行业投下阴影。公司预计第二季度营收低于预期，原因在于企业客户将大量资本支出投向数据中心基础设施，而非软件产品。这一信号表明，最新科技的浪潮正在重塑企业IT预算结构，AI技术虽然催生了新的机遇，却也带来了意想不到的冲击。
IBM预警：资本支出的“大挪移”
IBM首席执行官Arvind Krishna在致投资者的信中透露了一个令人不安的趋势：在6月的最后几周，客户突然调整了季度资本支出计划，将资金从软件采购转向服务器、存储设备和内存。原因是企业希望在价格进一步上涨前锁定供应紧张的硬件资源。这一“大挪移”直接导致IBM第二季度营收预计仅为172亿美元，低于市场预期的178.6亿美元，调整后每股收益也低于预期。
消息传出后，IBM股价盘前暴跌约20%，拖累整个软件板块。微软、ServiceNow、Salesforce和Intuit等巨头股价均下跌3%至5%。投资者显然意识到，这不仅仅是IBM一家的问题，而是整个软件行业面临的系统性风险。长期以来，市场一直担心AI工具会自动化大量日常软件功能，从而降低企业对传统软件的需求。但如今，就连围绕AI展开的硬件投资热潮，也在挤压软件预算——这比纯粹的功能替代更加直接。
IG Group首席市场分析师Chris Beauchamp指出，这是IBM和整个软件行业“非常糟糕的时刻”。市场最关心的问题在于：这种从软件到基础设施的资本转移会持续多久？如果只是短期波动，市场或许还能承受；但如果形成长期趋势，软件股将面临严重质疑。值得注意的是，IBM自己也承认在应对上出现了“失误”，导致许多大型订单未能如期签约。这反映出即便是巨头，也难以精准预测最新科技浪潮下的预算变化。
为何企业纷纷押注AI基础设施？
企业从软件转向基础设施并非偶然。随着大模型训练需求的爆发式增长，传统的云计算架构已经难以满足日益增长的算力消耗。训练一个前沿的AI大模型需要数千张GPU卡连续运行数周甚至数月，而推理阶段同样需要高性能计算资源。企业为了保证业务连续性，不得不提前储备硬件——这就像在干旱季节抢购储水罐一样，是一种“恐慌性采购”。
其次，供应链的紧张局势加剧了这种焦虑。全球芯片产能依然受限，尤其是高端AI芯片如NVIDIA H100/B200等供不应求。企业担心未来价格上涨或断供，于是集中将资本支出转移到硬件采购上。这种“先占坑”的行为在最近几个季度成为常态，进而挤压了软件和服务的预算。
此外，越来越多的企业开始尝试自建AI基础设施而不是完全依赖公有云。一方面，长期来看自建可能降低边际成本；另一方面，数据主权和合规性要求也促使一些行业（如金融、医疗）构建私有基础设施。企业数字化转型的深入，使得基础设施投资成为优先级更高的选项。但问题在于，当大部分预算被硬件吃掉后，用于购买优化软件和管理工具的经费就捉襟见肘了。
软件行业承压：AI创业公司首当其冲？
对于AI创业公司来说，这个趋势尤为致命。很多初创企业依赖第三方云服务或开源框架来开发应用，而云服务的底层就是大量的基础设施。当企业客户将预算转投硬件时，他们可能会削减对SaaS产品、数据分析工具以及AI应用层的采购。这意味着AI创业公司不仅要面对来自巨头的竞争，还要承受终端客户预算收缩的压力。
然而，硬币的另一面是：AI创业公司本身也是基础设施投资者。如果一个创业公司需要训练自己的模型，它同样要购买GPU资源。在资金紧张的情况下，创业公司可能不得不减少对AI画图、文生图等创意工具的投入，转而将更多预算用于计算硬件。这反过来又会影响其产品的迭代速度。
实际上，最新的宏观环境正在倒逼AI创业公司更精细地审视自己的成本结构。过去几年，许多创业者习惯于“烧钱换增长”，依靠大量软件订阅和服务来维持运营。但当基础设施成本飙升、软件收入承压时，生存哲学必须改变。一些头部创业公司已经开始尝试与基础设施提供商签订长期采购协议，以锁定价格，同时通过AI工具导航寻找更高效的协同办公方案，以削减非核心支出。
从更长的时间维度看，这一波预算转移可能加速行业洗牌。只有那些能提供高附加值、不可替代的AI技术应用的公司才能存活下来。而仅仅做“套壳”或“微调”的创业公司，可能会在客户预算紧缩时被优先砍掉。
最新科技趋势下的预算博弈
最新科技的发展从来都不是线性推进的。AI技术虽然被视为第四次工业革命的核心，但它引发的资源争夺战却让上下游企业陷入新的博弈。回顾历史，每一次基础设施升级周期都会带来类似的阵痛：上世纪90年代互联网泡沫时，大量资金投入光纤网络建设，而应用层的软件公司却一度被冷落；2010年代云计算兴起时，企业也曾大规模迁移到云基础设施，导致传统软件许可收入下滑。
如今，AI基础设施投资热潮与当年的情景如出一辙。但不同的是，当前的基础设施不仅仅是“管道”，更是计算能力的直接载体。因此，这一轮预算转移的规模可能更大、持续时间更长。根据某些分析师的估算，到2025年，全球AI基础设施支出将超过2000亿美元，而企业软件支出增速可能从两位数降至个位数。
对于软件公司而言，这意味着它们需要重新定义自己的价值主张。单纯的“软件即服务”模式可能不够了，一些公司开始捆绑硬件或提供混合解决方案。比如，微软推出Copilot+PC，本质上就是通过深度集成硬件来巩固软件生态。而Salesforce和ServiceNow也在加大与芯片厂商的合作，以确保其AI功能能在客户的基础设施上高效运行。
同时，一个有趣的现象是：一些软件公司开始转型为“基础设施中间商”，为缺乏自建能力的企业提供AI图片生成之类的服务，但底层仍依赖第三方硬件。这种模式能在短期内缓解预算压力，但长期来看，利润空间会被硬件成本侵蚀。
企业如何在新格局中寻找平衡？
面对这种双重挤压，企业需要重新审视IT战略的优先级。首先，系统性地评估现有基础设施利用效率至关重要。很多公司在AI基础设施建设上存在“过度采购”现象——为了应对未来的峰值需求而大量囤货，实际上大量资源处于闲置状态。通过采用弹性算力调度和混合云架构，可以在保证性能的同时优化资本支出。抠图、背景去除等轻量级AI工具也提醒我们，并非所有任务都需要昂贵的GPU资源。
其次，软件采购策略需要从“功能驱动”转向“价值驱动”。当预算有限时，优先选择那些能直接提升业务收入或降低运营成本的软件，而不是盲目跟风购买各种工具套件。同时，鼓励内部开发轻量级应用，减少对外部软件的依赖。
对于AI创业公司来说，一个可行的策略是专注于垂直行业解决方案，通过深度定制来建立壁垒。例如，在医疗影像分析中，如果创业公司不仅能提供算法，还能与医院现有的硬件系统无缝集成，那么客户就不太可能因为预算原因取消订单。另外，创业公司也可以考虑与硬件厂商结成联盟，通过联合定价降低客户的综合成本。
当然，政策的引导也不可忽视。政府部门可以通过补贴、税收优惠等方式，鼓励企业在软件和基础设施之间保持均衡投入，避免“重硬轻软”的极端情况。毕竟，一个健康的科技生态需要硬件和软件协同发展。
AI技术的未来：基础设施与软件的共生
长期来看，AI技术的最佳形态必然是将基础设施与软件无缝融合。边缘计算、端侧AI的普及有望缓解对集中式数据中心的过度依赖。当更多推理任务在消费级设备上完成时，企业就不必为每一个应用新建庞大的基础设施。这类似于移动互联网时代，终端算力提升后，云端依赖度反而下降。
此外，新型架构的出现（如存算一体芯片、光子计算）可能会大幅降低AI训练和推理的能耗与成本，从而改变当前的预算分配格局。届时，软件产品将重新获得增长动力，而基础设施投资也会趋于理性。
但在此之前，行业需要经历一段痛苦的转型期。AI创业公司如果能活过这一轮“资本迁徙”，将迎来更加健康的成长环境。而投资者也需要用更长远的眼光看待这个行业——短期的预算波动并不代表软件价值的消失，只是热钱在追逐最新科技时的自然调整。
IBM的预警是一面镜子，映照出整个行业在新时代的适应性。当AI技术成为水电一样的基础设施时，谁能在软件层创造出无法复制的体验，谁就能最终胜出。或许，这正是当前困局给所有参与者上的最深刻的一课。