在企业IT决策圈，有一个已经持续了30年的传统：每当一个市场足够成熟，Gartner就会给它画一张”魔力象限”图（Magic Quadrant），把所有主要玩家放在一个两轴坐标系上，帮助企业CIO决定该跟谁买。

2026年7月29日，Gartner发布了一张新的图——云AI基础设施魔力象限（Magic Quadrant for Cloud AI Infrastructure）。这是这个类别的首次发布，17家公司被分配到四个象限中。

这张图的意义，不只在于谁被放进了”领导者”象限，更在于这个新类别的命名本身：AI算力正式成为独立于”通用云”的市场。企业买AI算力的方式，正在经历一次基础性的重构。

一个坐标系里的17家公司

领导者（Leaders）：AWS, Google, Microsoft, Oracle

这四家领导者的名字没有意外。但它们出现在”Cloud AI Infrastructure”而非”Cloud IaaS”的MQ里，意义发生了微妙变化。

传统的Cloud IaaS排名通常是AWS第一，Azure第二，Google第三。Oracle在通用IaaS领域不是主流选择。但在AI基础设施领域，Oracle凭借其RDMA高速网络（允许AI芯片集群以接近本地速度通信）和快速大规模GPU部署能力，赢得了包括OpenAI在内的大型AI训练合同。一家在通用云市场里的”老四”，在AI算力市场里成了”领导者”——这说明AI算力确实是不同于通用云的独立市场。

远见者（Visionaries）：CoreWeave, Nebius, Crusoe

CoreWeave的象征意义最为重要。它从2017年的以太坊挖矿公司，用7年时间成长为2025年IPO估值超过800亿美元的AI算力独角兽，核心竞争力就是一件事：比任何传统云都快地大量交付GPU集群。

挑战者（Challengers）：Vultr, OVHcloud, Tencent Cloud

细分市场（Niche Players）：Lambda, Cloudflare, Nscale，以及Huawei, Alibaba等

这张图里有一个值得关注的细节：亚洲代表腾讯云、华为、阿里云都出现在名单中，但主要在Challengers和Niche Players区间。中国AI基础设施的全球市场渗透率，仍然受到地缘政治因素的制约。

问题的重新定义

这张图最重要的贡献，是把一个原本模糊的问题变得清晰了：“企业级AI算力”是什么样的算力？

Gartner的定义很直接：专门为AI工作负载优化的云基础设施，包括AI模型的训练、推理和服务交付。这个定义把AI算力的特定需求——大量GPU、高速互联、低延迟推理服务——从通用云的范畴里单独拎了出来。

这个区分对企业CIO意味着什么？

以一家中型企业（500人规模，年营收5亿美元）为例：

  • 标准工作负载（网站、数据库、内部应用）：继续用AWS/Azure，成本可控，合规框架完善
  • AI训练任务（自研模型微调、定期批量训练）：可能更适合使用CoreWeave或Lambda，以更低单价获得GPU算力
  • AI推理服务（面向用户的实时推理）：可能需要靠近用户的地理位置分布，AWS/Azure的全球节点优势回来了

这种”多云AI战略”在两年前几乎不存在，因为没有足够成熟的AI-native云可以信任。Gartner把CoreWeave放进Visionaries象限，实质上是在告诉企业CIO：”这些新玩家已经足够可靠，你可以考虑把生产负载给他们了。”

三类企业的不同应对

已经在使用CoreWeave/Lambda等AI-native云的企业（通常是AI-first公司）： Gartner的认可不是新信息，但它简化了内部合规审批。很多大企业的IT采购流程要求供应商出现在Gartner MQ或类似权威评测中，CoreWeave入选后，那些想用但被采购部门卡住的工程团队，多了一张”通行证”。

正在评估AI策略的中大型企业： 这张图提供了一个系统性的评估框架。不再是在AI展会上看到哪家公司眼花缭乱，而是可以对照Gartner的评估维度——执行能力（Ability to Execute）和远见完整性（Completeness of Vision）——进行结构化比较。

还没有开始AI基础设施规划的保守型企业： 这张图的出现本身就是一个信号：等待的成本正在上升。当竞争对手已经在Gartner认可的AI算力平台上构建能力，你的”观望”策略正在形成可量化的竞争差距。

Gartner的局限性：这张图可能被高估的地方

诚实地说，Gartner魔力象限有一个众所周知的问题：它评估的是”已经成熟”的市场，而不是”正在形成”的市场。

CoreWeave在这张图上出现时，它的估值已经超过800亿美元，并已经在大规模服务OpenAI、微软等顶级AI客户。这对于已经关注AI基础设施的技术团队来说，不是新信息，而是”正式认证”。

更深层的问题：Gartner的评估方法设计于通用企业软件时代，当时”完整的产品愿景”和”执行能力”的评估维度相对稳定。但在AI算力市场，竞争格局可能在6个月内发生根本性变化——Nvidia的新架构、新能源法规、出口管制政策，都可以在短时间内重写市场格局。

把一张12个月才更新一次的图，用于判断一个3个月就可能发生重大变化的市场，这本身就是一种结构性风险。

实用建议：如何用好这张图，而不是被这张图用

对于企业决策者，这张Gartner MQ的最佳使用方式不是”按象限选供应商”，而是：

  1. 用它做初步筛选：把17家公司作为你的起点，而不是终点。
  2. 深入验证特定场景：CoreWeave可能在训练场景下是Visionary，但在你需要的亚太区域推理部署上，它的节点覆盖未必最优。
  3. 设定季度回顾机制：AI算力市场变化太快，不要让这张图成为一个固化的采购指南，而是一个每季度需要验证的基准。

一个完整的AI基础设施决策，最终取决于你的工作负载特性、预算模型、合规要求和地理分布——这些是Gartner的图无法替你决定的。但这张图至少告诉你：你面对的市场已经足够成熟，系统性地做这个决策，是时候了。

来源：CRN报道Gartner 2026 Magic Quadrant for Cloud AI Infrastructure（2026-07-29）