InfoQ 2026年云计算与DevOps趋势报告

InfoQ 趋势报告就我们认为架构师和技术领导者应优先关注的主题为 InfoQ 的读者提供了简明且富有见解的概述。除了本报告和最新的 DevOps 及云计算 InfoQ 趋势图表外，我们还提供了一期 配套播客 "，其中有几位 InfoQ 编辑与 InfoQ 的朋友就这些趋势展开了讨论。 年度趋势报告的一个重要组成部分是趋势图表，它展示了哪些趋势和主题已经进入了创新者类别，哪些已被提升至早期采用者和早期多数类别。这些类别是根据 Geoffrey Moore 的著作《跨越鸿沟》（ Crossing the Chasm "）来划分的。在 InfoQ，我们主要关注尚未跨越鸿沟的类别。以下是今年的趋势图： 自去年 InfoQ 团队讨论趋势报告以来（参见下方的 2025 年趋势图），已经出现了一些重大的创新和发展。 本文重点介绍了趋势图，上面展示了技术采用的不同阶段，并详细介绍了自去年趋势报告发布以来新增或升级的各项技术。此外，我们还探讨了采用趋势图中被重点推广的技术和趋势。 以下是自去年报告发布以来发生的一些主要变化。 创新者 在我们的采用趋势图中，第一类是创新者，其中涵盖了当前仅由最具前瞻性的团队在开发的新兴方法。今年，新入榜的项目反映出，AI 基础设施已经迅速成为架构设计中的首要关注点。 企业级 AI 平台与 AI 网关 今年最明显的转变之一，是从独立的 AI 助手向集中管理的 AI 平台转型，尤其是在企业内部。企业不再让每个团队各自搭建模型，而是开始构建内部 AI 平台，其中配备了集中式网关、经过审批的模型目录以及预配置的团队工作区。这种模式直接借鉴了成熟的 API 管理理念，并将其应用于模型、工具和智能体。 Steef-Jan Wiggers：这是一种“毂辐式（hub-spoke）”模型，其中有集中式 AI 网关，基本上就是你所说的 API 管理，只不过是针对 AI 的。我认为 Apigee 具备这一功能，微软也有自己的 API 管理方案，但你也可以将其定位为 AI 网关。在其背后，有一个集中式的模型目录，其中包含允许使用的模型。随后，这些模型将流向所谓的“辐条”，也就是在平台上进行开发的团队。 这些平台仍然处于早期阶段。正如 Wiggers 所指出的那样，毂辐式模型在实践中将如何展开，目前仍然是一个未知数。但发展方向毋庸置疑：通过模型路由实现成本控制，通过内部托管保障数据主权，并建立受管控的模型目录，以避免上百个团队各自为政地做出模型决策。 面向 AI 和 Token 经济的 FinOps 云端 FinOps 是一门成熟的学科，但 AI 支出开辟了一片新领域，而现有工具尚未能充分覆盖这一领域。Token 消耗已经成为一项主要的运营开支。与会专家坦率地指出，将这部分支出与价值挂钩的问题还没有得到解决。Matt Saunders 直截了当地指出了这一矛盾。 Matt Saunders：FinOps 工具可以告诉你，Matt Saunders 在 Opus、Fable、Sonnet 等平台上分别花费了 X、Y、Z 美元购买 Token。但据我所知，没有一款工具能够真正将这些支出与实际成果联系起来。 Renato Losio 指出，AI 成本往往是其他因素的替代指标，这使得其优化难度远高于存储类别或数据传输等确定性成本项目。此外，还存在更深层次的不确定性：当前的模型定价究竟是为了通过补贴来实现用户锁定，还是真实地反映了长期成本。Shweta Vohra 则从 FinOps 基金会的视角阐述了这一问题的本质。 Shweta Vohra：当前智能体带来的混乱程度，甚至超过了我们此前经历的微服务时代。在 AI 和云优化方面，我们已经遭遇了巨大的资源浪费这块“巨石”。但现在，我们面临着智能体形式的小型机遇与挑战——智能体如此之多。与那些大模型、巨额投资和 MLOps 相比，我们现在面对的只是些“小石子”。我们需要将它们收集起来并理清头绪。正因如此，FinOps 基金会也分出了 Tokenomics 基金会。与此同时，Agentic AI 基金会也在 Linux 基金会旗下应运而生。 主权云战略 数字主权已经从政策层面的讨论转向架构层面的探讨，尤其是在欧洲。各组织正在评估究竟需要采取哪些实际的措施，才能将数据——以及越来越多的模型——保留在区域边界之内。从业者的坦率回答是，鉴于企业基础设施的很大一部分都构建在美国平台和 SaaS 之上，要实现完全的主权控制非常困难。Steef-Jan Wiggers 指出，在他供职的公司中，几乎所有的应用程序、系统和超大规模云服务商都是美国的，甚至包括核心策略系统在内。因此，要实现完全的主权，就意味着几乎要对所有系统进行重建和重新设计。欧洲供应商可以提供 IaaS 和存储服务，但在平台和 SaaS 层——例如 Salesforce 这样的 CRM 系统——却没有明显的主权替代方案。 Renato Losio 对此持怀疑态度。他认为，当前欧洲出现的这波替代方案在技术深度上尚无法与超大规模云服务商相媲美。 Renato Losio：在欧洲，大多数提供替代方案的服务商，其实主要是在搞营销。他们提供的服务水平远不足以成为真正的替代方案。这让我想起 S3 推出的早期阶段，当时人人都声称拥有 S3 后端，但实际上不过是一台运行着 S3 API 的单一服务器罢了。 不过，他也承认，推动“主权区域”的举措至少让各团队意识到了一个此前许多人未曾考虑过的挑战。Mark Silvester 则从其受监管的欧洲客户群中得到了一个具体的反向信号。 Mark Silvester：我们的所有客户都在欧洲，而且他们坚决要求将所有数据都保留在欧洲境内。实际上，大约一半的客户正在逐步迁回本地部署。这绝对是我观察到的一种趋势。 早期采用者 在早期采用者类别中，我们重点介绍了用于云工程的 AI 智能体，以及更广泛的 AI 智能体基础设施竞赛。去年，我们将用于云工程的 AI 智能体归类于创新者类别；今年，尽管治理方面的摩擦依然存在，但其应用已经取得了长足的进展，因此我们将其晋升至早期采用者类别。 用于云工程的 AI 智能体 超大规模云服务商已经将智能体视为重点产品，而非要研究的新鲜事物。各大云平台相继推出了智能体注册中心、DevOps 智能体以及沙箱执行环境。Steef-Jan Wiggers 将此描述为一场基础设施军备竞赛。 Steef-Jan Wiggers：我认为，智能体基础设施的“军备竞赛”基本上已经打响。我们可以看到，许多超大规模云服务商已经在相关产品上投入了大量的资源。例如，亚马逊云科技推出了智能体注册中心和 DevOps 智能体。我认为微软也有 DevOps 智能体。此外，谷歌推出了 GKE 智能体沙箱，Cloudflare 则推出了动态工作负载服务。其中一些超大规模云服务商正在将 AI 基础设施真正地融入其产品之中。 然而，企业级应用的推广仍然受到治理和合规性的制约。Mark Silvester 和 Wiggers 均在受监管的环境中工作，他们描述了同样的问题：各个团队在缺乏共同基础的情况下争先恐后地推进 AI 应用，这导致了重复工作，并面临着诸如《数据开放与责任法案》（DORA）所要求的安全与合