根據 Gartner 最新預測，2026 年全球 IT 支出將達 6.31 兆美元，年增 13.5%。其中 AI 基礎架構與生成式 AI 軟體成為最大驅動力，資料中心系統支出將暴增 55.8%，IT 服務與軟體支出也同步成長，顯示企業正加速轉向超大規模雲端與 AI 算力投資，此趨勢同時加大資安風險與防護複雜度。
市場研究機構 Gartner 近期發布最新版全球 IT 支出預測，顯示 2026 年全球 IT 支出將從 2025 年的 5.56 兆美元，拉升至 6.31 兆美元，年增 13.5%。這項數字代表企業在數位轉型與 AI 部署上的投資規模持續擴張，尤其在資料中心、雲端基礎設施與 AI 軟體領域更為明顯。
在各項支出中，資料中心系統（Data Center Systems）成長最為突出，預計 2026 年支出將達 7,879.9 億美元，年增 55.8%。這類系統包含伺服器、儲存與網路設備，主要用於支援 AI 與雲端工作負載。IT 服務仍是整體支出最大類別，2026 年預估達 1.87 兆美元，年增 9%，其中雲端基礎架構、實施與託管服務需求尤為強勁。
軟體支出亦持續成長，2026 年預估達 1.44 兆美元，年增 15.1%。生成式 AI（Generative AI）相關的模型開發與軟體工具，是推動成長的核心動能，預期其支出成長幅度將較前一年增加逾一倍。相較之下，裝置支出預計為 8,561.89 億美元，年增 8.2%，但受記憶體成本上升與平均售價提高影響，部分市場的換機需求已受到壓抑。
從技術架構來看，這波成長主要由 AI 基礎架構與超大規模雲端（Hyperscale Cloud）所推動。為了支援生成式 AI 模型訓練與推理，企業與雲端服務供應商（CSP）大量投資於高階 GPU、加速卡與高頻寬記憶體（HBM），並擴建大型資料中心與邊緣節點，形成「多速」（Multi‑speed）市場格局，其中 AI 與雲端相關投資增速明顯高於傳統 IT 項目。
資料中心系統的暴增，意味著伺服器與網路設備的部署密度與複雜度大幅提升，同時也伴隨大量叢集管理平台、容器化與微服務架構的普及。此類環境常見容器化技術與 CI/CD 管道，若未妥善配置與監控，容易衍生未授權存取、配置錯誤（Misconfiguration）與 API 滲透等風險。
在軟體層面，生成式 AI 模型開發與部署涉及大量第三方函式庫、ML 框架與雲端 AI 服務。這些元件若未及時更新或包含已知漏洞，可能成為攻擊者滲透的入口，尤其是在開發與測試環境未與生產環境隔離的情況下。
此外，IT 服務與雲端基礎設施的成長，也代表企業對 SaaS、IaaS 與 PaaS 的依賴度提升。主權雲（Sovereign Cloud）與區域化 IaaS 投資增加，雖強化資料在地化與合規性，但也可能因多雲環境（Multi‑cloud）與混合雲（Hybrid Cloud）架構，增加身份與存取管理（IAM）、網路分區與事件監控的複雜度。
這波 IT 支出成長對企業與資安團隊的影響，可從三個層面來看：資產擴張、攻擊面擴大與合規壓力。
首先，資料中心與雲端基礎設施的快速擴張，將導致企業資產清單（Asset Inventory）迅速膨脹，包括伺服器、虛擬機、容器、API 端點與雲端資源。若缺乏自動化資產發現與分類工具，資安團隊可能無法即時掌握所有資產的風險狀態，形成「盲區」，成為攻擊者優先鎖定的目標。
其次，生成式 AI 與 AI 服務的採用，將使企業對外部 API、第三方模型與雲端 ML 服務的依賴度提高。這類服務若未經過嚴格安全部署評估，可能導致資料外洩、模型竊取或提示注入（Prompt Injection）等攻擊。同時，若 AI 模型訓練資料包含敏感資訊，也可能因不當存取或 API 漏洞而遭提取，違反相關資料保護法規。
最後，主權雲與區域化 IaaS 的投資，將使企業面臨更多地緣政治與法規合規要求，例如資料本地化（Data Localization）、跨境資料傳輸限制與國家級監管框架。這意味著資安團隊必須在多雲環境中，同時滿足不同司法管轄區的合規要求，並建立細緻的資料分類與加密策略，否則可能面臨高額罰款或業務中斷風險。
面對這波以 AI 基礎架構與雲端為主軸的 IT 投資浪潮，企業資安團隊應從「架構設計」、「身分與存取管理」、「資產與漏洞管理」與「監控與回應」四個面向著手，建立更具韌性的防護體系。
在架構設計上，企業應採用零信任架構（Zero Trust Architecture），以「永不信任、持續驗證」為原則，對所有使用者、裝置與工作負載進行最小權限存取控制。在資料中心與雲端環境中，應利用網路分區（Network Segmentation）、微分段（Micro‑segmentation）與嚴格防火牆規則，限制 AI 工作負載與敏感系統之間的橫向移動。
在身分與存取管理方面，應強化 IAM 與多因素驗證（MFA），並對雲端與 AI 服務的 API 金鑰與服務帳戶進行嚴格輪替與監控。企業應避免使用永續權杖（Permanent Token），改採短期存取金鑰與角色式存取控制（RBAC），並在 CI/CD 管道中嵌入安全掃描，防止機密金鑰被意外提交至程式碼庫。
在資產與漏洞管理上，企業應導入自動化資產清單與軟體物料表（SBOM）工具，對所有伺服器、容器映像、ML 框架與第三方函式庫進行持續掃描，並與已知漏洞資料庫整合，即時發現高風險漏洞。對於 AI 與雲端相關元件，應優先修補高風險漏洞，並建立自動化修補與部署流程，避免手動作業造成的延遲。
在監控與回應方面，企業應對雲端與資料中心環境進行 24/7 監控，並設定異常行為警報（如異常 API 呼叫頻率、未授權存取嘗試）。同時，應建立專門針對 AI 與雲端環境的事件回應計畫，包含模型存取日誌審計、資料外洩偵測與事件復原流程，以縮短攻擊者滯留時間（Dwell Time）。