Klyftan mellan AI-ambition och operativ verklighet har aldrig varit mer uppenbar. Nyligen släppt , som undersökte IT-chefer och AI-infrastruktur beslutsfattare på stora företag och Fortune 1000-företag, organisationer blöder pengar på GPU-kapacitet som sitter tomma medan deras AI-team står i kö för tillgång. För ClearML Status för AI-infrastrukturen i skala 2025-2026 Siffrorna berättar en oroande historia: 35% av företagen rankar ökad GPU och datoranvändning som deras toppinfrastrukturprioritering under de kommande 12-18 månaderna.Men 44% medger att de fortfarande manuellt tilldelar arbetsbelastningar till GPU: er eller inte har någon konsekvent strategi för att hantera GPU-användning alls. Kostnadskontrollens paradox Kostnadsproblem dominerar företags AI-infrastrukturplanering. Undersökningen fann att 53% av respondenterna citerar kostnadskontroll som sin primära AI-arbetsbelastningshanteringsproblem, medan 70% listar det som sin främsta infrastrukturplaneringsprioritering för 2025-2026. Bättre GPU-användning kan ge omedelbar ROI på befintliga infrastrukturinvesteringar och potentiellt fördröja behovet av att köpa ytterligare hårdvara för att kompensera för dålig resurshantering på kort sikt. Endast 27 % av de undersökta organisationerna har implementerat automatiserade instrumentpaneler för resursdelning. Samtidigt förlitar sig 23 % fortfarande på manuella biljettsystem för databehandling, och 35 % rapporterar att tillhandahållandet av resursåtkomst till AI- och ML-team förblir ”svårt” eller ”mycket svårt”. Det flexibla imperativet Utöver användning och kostnad kämpar företagen med strategiska frågor om infrastrukturflexibilitet. Undersökningen visade att 44% flexibilitet och undvikande av leverantörslåsning är "mycket viktiga" när man väljer infrastrukturlösningar. Organisationer rör sig mot multi-cloud-metoder (37% av respondenterna) och utforskar aktivt olika hårdvarualternativ.Implikationen är tydlig: Företagen behöver infrastrukturstyrningsplan som kan hantera och orchestrera över heterogena miljöer utan att skapa nya låsscenarier. AI-agenter: höga ambitioner, låg beredskap Medan 89% av företagens IT-chefer planerar att implementera AI-agenter inom sex månader (split mellan anpassade lösningar på 49% och off-the-shelf-alternativ på 40%), saknar de flesta organisationer de grundläggande kapaciteterna för att stödja dessa implementeringar effektivt. När de tillfrågades om brister i operativ beredskap citerade företagets IT-chefer säkerhets- och efterlevnadsproblem (53%), otillräcklig intern expertis (46%), och utmaningar för spridning av behörigheter (46%). Bekymmerna för credential management är särskilt anmärkningsvärda: 58% oroar sig för automatisk spridning av känsliga credentials till beräkningsnoder, medan 38% identifierar credential-delning mellan användare som en stor sårbarhet. Regering och suveränitet tar centrum Nästan en tredjedel av de undersökta organisationerna identifierar genomförandet av starkare användarpolicyer, behörigheter och styrningskontroller över data, modeller och beräkningsresurser som deras högsta operativa prioritet. Denna betoning på styrning kopplas till framväxande bekymmer kring AI-suveränitet - förmågan att bevisa inhemskt ursprung, utveckling och utbyggnad av AI-system. Vad betyder detta för Enterprise AI-strategin Undersökningsdata pekar på tre konvergerande utmaningar som kommer att definiera : Enterprise AI-infrastruktur framgång 2025-2026 Att investera i avancerad GPU-hårdvara samtidigt som man upprätthåller manuella tillhandahållandeprocesser undergräver värdet av dessa investeringar. First, organizations must resolve the operational-technical disconnect. Med 63% som redan upplever förseningar från leverantörslåsning, kommer plattformar som bevarar valfrihet över hårdvara, moln och distributionsmodeller att vara avgörande. Second, infrastructure flexibility needs to move from feature request to architectural requirement.  De snabba antagningsplanerna för AI-agenter kräver infrastruktur som kan genomdriva policyer, hantera behörigheter och upprätthålla granskbarhet i stor skala. Third, security and governance frameworks must evolve to support autonomous AI systems.  De organisationer som hanterar dessa utmaningar kommer att få en konkurrensfördel.De som inte kommer att fortsätta att hälla pengar i underutnyttjad infrastruktur medan deras AI-initiativ stannar i kö. Den fullständiga rapporten State of AI Infrastructure at Scale 2025-2026 innehåller detaljerad metodik och ytterligare resultat från företagens IT- och AI-infrastrukturledarskap i organisationer med mellan 2 000 och 10 000 anställda i Nordamerika, Europa och Asien-Stillahavsområdet.

This story contains new, firsthand information uncovered by the writer.

This is a PR written by or for the company mentioned within it. The writer has a vested interest in the company and products mentioned within.

Det här ljudet är producerat på berättelsens originalspråk!

Nästan hälften av företagen slösar bort miljoner på underutnyttjad GPU-kapacitet

About Author

KOMMENTARER

HÄNG TAGGAR

DENNA ARTIKEL PRESENTERAS I

Related Stories

Light-Mode

Classic

Newspaper

Minty

Dark-Mode

Neon Noir

Minty

HN StartUps