F5：2026年应用战略现状报告（31页）.pdf

核心数据速览： 平均AI模型数量：7个（生产环境）。 自行运营推理的组织：78%。 使用多模型编排的组织：52%。 混合多云环境运营：93%。 推理为主要AI活动：77%。 备战智能体AI：98%。 AI Agent身份管理担忧：77%。H2：报告核心数据解读。H3：推理——从“实验”到“运营基础设施”的跨越。AI推理已跨过企业往往只有事后才意识到的重要门槛。77%的受访者表示推理是其主要AI活动，远超模型训练或微调。组织平均同时运行或积极评估七个AI模型。当推理成为生产环境的一部分时，具有竞争力的企业需要在提供AI能力的同时，保持现有应用的集成、控制每次请求的成本，并在系统故障时维持可用性。H3：混合多云——AI的基础运行环境。93%的组织在混合多云环境中运营，86%跨本地、公有云和托管环境运行应用。平均管理5个自有数据中心、5个托管机房和4个不同的公有云服务提供商。AI的进步跨越了所有这些环境——当工作负载变得至关重要时，现有流程会围绕其进行调整，推理已经达到这一里程碑。H3：AI Agent——下一波变革的浪潮。98%的组织正在准备部署智能体AI。最常见挑战是身份数量爆炸式增长，77%预计身份和访问控制会出现问题。AI Agent将推动应用架构的根本性变革——企业需要部署身份感知基础设施，使AI Agent能够像经过验证的用户一样安全地访问应用。（数据来源：F5《2026年应用战略现状报告》）。H2：报告独有数据价值——产业级与结构级颗粒度。 全球IT决策者调研完整数据：基于1,100+全球IT决策者的调研，涵盖组织规模、行业分布、决策层级等完整样本画像。 AI推理部署完整数据：78%自营推理、平均7个模型、52%多模型编排、88%已部署AI应用服务的完整数据。 混合多云部署完整数据：93%混合多云、86%跨环境运行、平均5个自有数据中心+5个托管机房+4个公有云服务商的完整基础设施分布数据。 AI在IT运维中的角色演进数据：64%使用AI调整策略/配置、AI从顾问到受约束执行引擎的转型数据。 可观测性与自动化数据：运营数据使用率从较低水平跃升至近100%、API优先自动化的完整趋势数据。 AI Agent部署与挑战数据：98%备战智能体AI、77%担忧身份管理、47%部署身份感知基础设施的完整数据。 多模型驱动因素数据：成本优化、合规要求、战略多元化、弹性、API兼容性等完整考量因素排名。 推理交付与安全服务数据：AI身份认证/API访问管理、AI流量监控、敏感数据泄露防护、跨模型负载均衡的完整采用率数据。 生成式AI价值预期数据：更快决策（33%）、生产力提升（32%）、成本节约等完整价值排名。H2：谁需要这份报告？ 企业CIO与CTO：报告提供了AI推理从实验到基础设施的完整转型数据，是制定AI战略和基础设施投资决策的核心参考。 IT架构师与平台工程负责人：报告详细分析了多模型编排、混合多云部署、AI Agent带来的架构挑战，是系统设计的重要依据。 安全与合规负责人：报告揭示了AI推理带来的新型安全风险（身份管理、提示词注入、敏感数据泄露），是安全策略调整的参考。 应用交付与运维团队：报告提供了推理作为生产工作负载的运营要求（可观测性、自动化、负载均衡），是日常运维的指南。 投资机构与行业分析师：报告系统呈现了AI基础设施化的趋势数据和企业决策者的真实判断。H2：FAQ区块。Q1：报告的核心判断是什么？A1：AI推理已从实验性技术转变为生产级基础设施。组织不再仅仅是“使用”AI，而是通过AI管理业务。推理不再像单一端点那样运行，而开始像一个分布式系统一样运作。主要挑战不再是模型能力，而是组织和架构层面的可扩展性。Q2：为什么组织平均使用七个AI模型？A2：多模型方法由业务需求驱动——不同模型具有不同的成本结构、接口方式和失败模式。考量因素包括成本优化、合规要求、战略多元化（避免供应商锁定）、弹性和API兼容性。没有任何单一模型能在所有任务上表现最优。Q3：AI在IT运维中是如何被实际使用的？A3：64%的组织使用AI自动调整策略和配置。AI正从“顾问角色”转变为“受约束的执行引擎”——在可逆、可衡量的运维任务中自主执行（如流量调整优化），在关键决策中辅助人类。AI并没有取代人类监督，而是通过执行决策增强控制循环。Q4：AI Agent时代的主要挑战是什么？A4：77%预计身份和访问控制会出问题。核心挑战包括：需要管理的身份数量爆炸式增长（AI Agent数量远超人类用户）、凭证盗窃风险、传统IT和安全模型无法应对的可视化问题、AI Agent权限管理。Q5：推理作为生产工作负载需要哪些运营能力？A5：需要可观测性（运营数据已成为系统本身的一部分）、自动化（AI驱动的策略调整）、负载均衡（跨模型流量路由）、安全防护（输入过滤、提示词处理、身份认证）、成本管理（每次请求成本监控）和多模型编排。Q6：报告对数字领导者有什么建议？A6：如果AI失败，原因不会是模型能力不足，而是低估了运营重要性、复杂性和安全风险。需要前瞻性地整合AI系统控制措施，构建统一的控制平面和共享的交付与安全服务，把AI当作任何关键生产系统一样管理。H2：完整PDF报告包含内容。获取《2026年应用战略现状报告》完整PDF，将获得以下全部内容及原始文件： 全球1,100+IT决策者调研完整数据与样本画像。 AI推理部署完整数据（自营比例、模型数量、编排使用率）。 混合多云部署完整数据（数据中心、托管机房、公有云服务商数量）。 AI在IT运维中的角色演进完整数据。 可观测性与自动化使用率完整趋势。 AI Agent部署与挑战完整数据。 多模型驱动因素完整排名。 推理交付与安全服务完整采用率数据。 生成式AI价值预期完整排名。 应用分布与现代化进程完整数据。 按行业、收入规模、决策层级的交叉分析数据。 报告全文PDF及全部数据图表。延伸阅读：如需了解市场趋势与战略洞察，可返回查看本报告深度分析页面。数据来源说明：本下载页所有数据均引自F5发布的《2026年应用战略现状报告》，这是F5第十二次年度调查，基于全球1,100多位IT决策者的调研数据。