Nasuni 的《2026 年企业文件数据年度报告》发现企业 AI 采用速度超过数据准备度

Nasuni 新发布的 《2026 年企业文件数据年度报告》 描述了一个企业世界正在积极地采用 AI，同时发现大多数现有的数据基础设施并不是为现代 AI 系统所需的规模、复杂性和运营需求而设计的。

报告基于对美国、英国、法国、德国、奥地利和瑞士 1,000 名企业采购决策者的调查，表明下一阶段的企业 AI 竞争可能取决于组织如何管理非结构化的运营数据，而不是模型访问。

AI 采用速度超过企业准备度

调查结果显示，AI 已成为 2026 年企业的首要 IT 投资优先事项。59% 的受访者将 AI 计划确定为他们的主要投资领域，较上一年有所增加。

同时，企业越来越意识到 AI 部署 不能与更广泛的数据管理现代化努力分开。云数据管理、数据智能、分析和非结构化数据管理都成为主要的投资优先事项。77% 的受访者表示计划在未来 18 个月内增加对数据智能和分析能力的投资，而 60% 表示预计在未来 18 个月内增加对非结构化数据管理的支出。

报告表明，许多组织低估了 AI 系统对干净、可访问、治理良好的企业数据的依赖程度。几乎一半的组织表示 AI 计划已经暴露了数据质量或治理的差距。公司的 AI 部署越成熟，就越可能发现严重的数据问题。

Nasuni 的研究还表明，企业可能仍处于理解大规模代理 AI 部署的要求的初期阶段。虽然 97% 的组织报告了一定程度的 AI 代理部署或测试，但只有 18% 实现了企业范围内的 AI 代理部署。

非结构化数据已成为主要的企业瓶颈

报告中最明显的主题之一是非结构化数据的日益重要性。文档、电子邮件、图像、录音、设计文件、工程数据和协作资产现在占组织数据的 90% 以上。

然而，尽管这些数据在企业运营和 AI 工作流中发挥着至关重要的作用，但 94% 的受访组织表示难以有效地管理非结构化数据。安全问题被列为最大的挑战，其次是灾难恢复困难、协作问题、碎片化环境和合规复杂性。

报告反复强调碎片化是核心的运营问题。组织目前平均使用四个独立的系统进行存储、备份和灾难恢复，而 22% 的组织报告同时使用六个以上的供应商。

根据调查结果，使用多个断开的系统的企业经历了更长的恢复时间、更大的运营压力和更大的难度来扩展 AI 计划。

Nasuni 还发现，只有 21% 的企业目前拥有集中管理的文件环境，能够在各个地点提供一致的性能。其他组织依赖于碎片化的系统、手动传输、基于电子邮件的共享或不一致的集中基础设施的混合。

这种不一致性似乎对生产力有直接的影响。超过三分之一的企业表示，文件访问速度慢或不一致会显著损害员工的生产力。

AI 基础设施成本的上升正在重塑 IT 支出

报告还出现在 AI 扩张相关的基础设施成本迅速增加的时期。42% 的组织预计在未来一年内 AI 工具和生成 AI 平台的支出会显著增加。

Nasuni 指出，基础设施硬件价格也在迅速上升，特别是内存和存储组件。报告引用了预测，DRAM 和 SSD 的价格可能在 2026 年底之前上升 130%。

这在企业 IT 预算中造成了紧张。46% 的受访者表示，数据增长增加了存储基础设施的支出，而 43% 的受访者报告直接在存储基础设施和 AI 计划之间进行预算折衷。

调查结果表明，许多企业开始意识到 AI 扩张不仅仅是一个软件问题。大规模 AI 部署引入了与存储性能、治理、安全、备份、灾难恢复和跨位置数据访问相关的重大运营需求。

网络安全和恢复弱点仍然显著

网络安全和运营恢复力在报告中出现了另一个主要问题。

71% 的组织报告称，在过去一年中遭受了网络攻击，高于上一年的 69%。然而，只有 26% 的组织能够轻松检测、缓解和恢复这些攻击。

恢复时间尤其令人担忧。根据调查结果，70% 的组织需要超过一周才能从网络攻击中完全恢复，平均恢复时间超过四周。

报告还发现，62% 的组织仍主要依赖传统的基于备份的恢复系统，而不是连续保护或不可变的数据环境。Nasuni 认为，这些较旧的方法可能不适合日益数据密集的 AI 环境，在这种环境中，停机和运营中断可能变得更加昂贵。

有趣的是，拥有更成熟的集中数据基础设施的组织似乎能够更快地从网络攻击中恢复。使用集中或连续保护的数据系统的公司更有可能快速恢复运营，并且往往报告更高级的 AI 部署成熟度。

报告强调了建筑、工程和建筑业等行业是最受影响的行业之一，82% 的调查的 AEC 组织报告称，在过去一年中遭受了网络攻击。制造业和汽车公司也报告了更高的攻击率，这加剧了人们对运营行业的担忧，这些行业拥有宝贵的知识产权和关键基础设施，正在成为网络犯罪者的更具吸引力的目标。

同时，调查结果表明，许多企业可能高估了他们的恢复能力。虽然只有 38% 的组织报告拥有集中管理、不可变或连续保护的数据系统，旨在快速恢复，但两-thirds 的受访者仍然对他们在重大事件后恢复关键非结构化数据的能力表示信心。

AI 治理成为董事会问题

报告中确定的组织转变之一涉及 AI 计划的决策权。

首次，C 级高管已经超过 IT 部门成为企业 AI 战略的主要决策者。52% 的组织表示，AI 决策现在主要由 CEO、CTO、CDO 和 CAIO 等高管驱动，而只有 26% 的组织主要由 IT 部门领导。

Nasuni 表示，这反映了 AI 在组织转型努力中的日益战略重要性，包括工作人员结构、运营工作流、产品战略和长期竞争力。

然而，报告还指出，高管层的 AI 野心和 IT 团队面临的基础设施现实之间日益增长的脱节。虽然 70% 的受访者认为他们的文件数据基础设施可以支持 AI 扩张，但报告反复强调了持续存在的碎片化存储、治理差距、不一致的访问和弱恢复系统的问题。

这种脱节可能会变得更加明显，因为企业从轻量级生成 AI 工具转向更自治的 AI 代理，能够跨企业系统执行运营任务。

下一轮 AI 竞争可能是关于数据基础设施的

虽然大部分公共 AI 对话仍然集中在基础模型、基准和聊天机器人能力上，但 Nasuni 的调查结果表明，企业技术栈中正在发生一个更安静但可能更有影响力的转变。

报告表明，未来的 AI 成功可能越来越多地取决于运营文件基础设施，而不是仅仅依赖模型访问。拥有碎片化存储系统、不一致的协作环境、弱治理和过时的恢复策略的组织可能难以在企业范围内可靠地部署 AI，即使他们可以访问最新的模型。

报告还暗示了企业对专有数据的思考方式的更广泛转变。运营文件数据，包括工程文件、内部文档、协作记录、图像、录音和工作流工件，正在被视为一种战略资产，能够为 AI 系统提供公司特有的背景和机构知识。

同时，报告警告说，没有可信的集中和治理的数据环境，扩展 AI 可能会放大安全风险、运营低效和组织复杂性。

Nasuni 的 《2026 年企业文件数据年度报告》 最终将企业 AI 采用框定为不仅仅是一场独立的软件革命，而是一场更深层次的基础设施转变，这可能需要组织从根本上重新思考他们存储、治理、保护和运营数据的方式。