在企业技术领域深耕二十余年的从业者指出，人工智能浪潮正成为继云计算、大数据之后又一让组织陷入困境的技术趋势。与以往不同，这一波冲击并非源于技术本身的不可预见性，而是企业在预期之中却未做好基础设施准备。
当前企业 IT 界的讨论焦点多集中于模型选型及输出管理，却往往忽视了当 AI 代理（AI Agents）大规模运行时对底层基础设施，尤其是遥测数据产生的深远影响。近期 Omdia 针对北美和西欧 300 多家企业 IT 决策者的研究揭示了这一被低估的风险。
多数组织滞后于指数级数据增长
在代理人工智能全面普及之前，现状已不容乐观。数据显示，超过半数的受访企业报告称，过去 12 个月内其遥测数据量增加了三倍以上，平均增幅达 3.7 倍。其中，人工智能和机器学习工作负载贡献了这轮增长的 43%。这表明大多数企业此刻正在经历而非预测未来的指数级数据膨胀。
展望前景，数据更为严峻。企业预计未来两年内，源自代理人工智能工作负载的遥测数据将平均增加 9.5 倍。值得注意的是，近一半受访者预计增幅将在 6 倍至 100 倍之间。Omdia 高级市场研究分析师凯尔·沃克 (Keir Walker) 强调：“这只是增长曲线的开端，我们正处于‘冰球棒’效应的起始阶段。”
然而，大部分组织尚未做好准备。约三分之二的企业自评“仅略有准备”或状况更差，22% 的企业甚至未开始考虑数据激增带来的含义。与此同时，35% 的企业已广泛部署智能 AI。这种部署野心与基础设施就绪度之间的巨大缺口构成了主要风险。
可观测性成本超越计算资源支出
一项关键发现显示，69% 积极运行代理人工智能项目的组织表示，其可观测性（Observability）成本现已超过计算和基础设施成本。支持 AI 运行的监控技术已成为 AI 预算中最大的单一支出项。
具体而言，企业平均每年在可观测性上的支出为 317 万美元，同比增长 28%。35% 的企业预算增幅超过 52%，几乎五分之一企业的年支出突破 500 万美元。面对压力，81% 的组织正在积极寻求降低成本的方法。
管理不善的后果不仅限于财务层面。59% 的组织因监控成本过高而终止或推迟至少一次 AI 部署。这些被搁置的项目并非实验性质，而是涉及网络安全监控、合规性及欺诈检测等核心业务。调查显示，27% 和 26% 的受访者将这些领域作为暂停或取消部署的直接后果。这意味着，部分公司可能因无法承担监控成本而放弃对关键 AI 代理的有效监管，这本质上属于风险管理失败。
传统基础设施假设失效，需引入智能路由层
当今大多数企业依赖的可观测性基础设施建立在可预测的数据量、可控的成本以及集中式平台这三个旧时代假设之上。代理人工智能同时打破了这三点。
问题的根源在于架构设计。现有平台通常采用“先全量吸收，后排序处理”的模式，这在数据量稳定时有效，但面对自主 AI 系统带来的 9.5 倍遥测数据激增时，单纯增加存储和后端容量已难以为继，且预算无法支撑。因此，需要在遥测源与可观测平台之间建立一个具备路由、过滤、丰富和管理功能的智能中间层。
Omdia 的研究表明，拥有遥测管道的企业应对 6 倍及以上数据增长的可能性高出 50%；而部署成熟管道的企业，有 80% 的概率能避免早期限制运营的昂贵成本挑战。管道并非简单的解决方案，而是使持续可观测性投资在 AI 规模下具备可行性的架构基础。Omdia 首席分析师 Torsten Volk 指出：“可扩展性是根本问题，目前看不到收益递减或数据量增速放缓的趋势。”
行动窗口收窄，市场竞争格局开放
市场反应迅速：97% 的组织已经实施或正在积极考虑遥测管道解决方案，其中 70% 处于积极评估阶段。
值得注意的是，近四分之一的受访者表示，现有的供应商关系并非购买决定的重要因素，显示出该领域的竞争环境比预期更为开放。买家最看重的功能包括多目的地路由、数据减少与采样、以及基于内容的路由，而非仅仅扩展现有的可观测平台。
这些数据标志着一个关键的决策节点。那些在基础设施问题演变为预算危机前解决挑战的组织，将能够按自身节奏扩展代理人工智能；反之，其他组织将面临在“监控 AI 部署”与“支付高昂费用”之间做出艰难抉择的局面。
