過去兩年，業內不時有人提出「人工智慧可能是人類社會最後一次重大技術革命」的判斷。
如果有一天，AI真的擁有遠超人類的智能，並且能夠不斷自我進化，那麼從科學研究、技術開發到工業生產，甚至種地、養豬這樣的日常勞動，都有可能由AI完成。人類或許不再需要像今天這樣推動一輪又一輪的技術創新。
誰能更好地駕馭AI，就可能在這一輪技術變革中獲得更多機會。今年Gartner十大戰略技術趨勢也都與AI息息相關，AI正在從一種獨立的技術能力，逐步演變為影響整個企業技術體系的基礎性力量。
「過去，企業可以把AI視為一種應用功能，例如智能客服、內容生成或數據分析。但隨著AI智能體能夠自主執行任務、編寫軟體並參與決策，它開始同時改變企業的生產方式、軟體架構、安全體系和組織運營模式。」Gartner研究副總裁高挺說道。
從十大戰略技術趨勢來看，Gartner的關注點已經延伸到如何讓模型理解業務環境的AI上下文平台
、管理智能體權限的身份技術，以及重新定義軟體生命周期的可拋棄型應用。甚至主權技術和濕件即服務這樣的趨勢，也分別反映了AI發展帶來的技術依賴與計算資源問題。
當AI成為推動整個技術架構重新設計的重要力量，這能很好地解釋為什麼Gartner今年提出的十大戰略技術趨勢，幾乎都繞不開AI。
Gartner希望通過十大戰略技術趨勢，為企業未來五年的技術布局提供參考。今年，Gartner將十大趨勢設計成了一份「菜單」，關鍵詞就是「自主化」。
AI進入企業後自主化越來越強，企業也面臨各種挑戰。例如，AI生成代碼的速度已經超過人工審核的速度，如何保證軟體質量與安全？智能體被賦予更多操作權限，企業該如何管理和控制這些權限？部分業務流程對單一技術供應商的依賴，也可能帶來新的風險。
高挺談到，今年的菜單設立了三道菜：駕馭非文本前沿、治理自主智能體平台、構建持久敏捷性，希望為企業未來的技術布局提供參考。
駕馭非文本前沿
在真實的企業業務場景中，需要處理的資訊遠不止文字，還有像科學計算中的數值數據、聲音信號，以及現實物理世界中的複雜變化。Gartner將這駕馭非文本前沿的三個技術趨勢概括為：計算、聆聽、模擬，分別對應大型定量模型、語音推理模型、世界模型。
大型定量模型（Large Quantitative Model）是一類專門用於處理和分析定量數據的模型，採用模組化混合神經網路架構，通過大量觀測、實驗和仿真數據進行訓練，學習真實系統的運行規律。
大型定量模型的價值主要體現在三個方面，第一，提高複雜數學決策的準確性和可靠性。大語言模型雖然也能處理數學問題，但其基本機制仍然是預測下一個Token，在涉及複雜數值計算時，可能存在準確性和合規性風險。大型定量模型針對定量任務進行專門訓練，在適用場景中能夠提供更可靠的計算和分析結果；第二，在處理同類定量任務時，大型定量模型通常不需要大語言模型那樣龐大的參數規模，可以減少計算資源消耗。第三，大型定量模型能夠幫助企業在採取實際行動之前，先通過模型進行模擬和預測，提前評估不同決策可能產生的結果，減少事後糾錯的成本。
Gartner預測，到2030年，大型定量模型將在25%的預測和建模任務中取代大語言模型。Gartner提出了三點建議，首先可以從產品設計、能源調度、風險建模等數學和量化需求較強的場景入手，通過試點驗證實際價值。其次不用將大型定量模型與大語言模型對立起來，兩者可以採用混合架構協同工作。最後企業需要明確LQM的適用範圍和誤差邊界。
語音推理模型（Speech Reasoning Model）是一類能夠直接理解音訊並進行推理的AI系統。語音推理模型可以直接處理音訊資訊，結合對話上下文理解用戶意圖，並決定下一步採取什麼行動。
例如，同樣一句「好吧，就這麼幹吧」，不同的語氣、語調可能表達完全不同的態度。如果轉換成文字，這些資訊就可能丟失。語音推理模型能夠結合語氣、語調等聲音特徵，更好地判斷用戶的真實意圖，並以相對自然的語氣和情感作出回應。
語音推理模型有望改變業務規模與人員數量之間的關係，讓企業在不同比例增加人力和成本的情況下，處理更多語音交互。語音AI的應用也可以從被動接聽電話，擴展到主動預約、業務提醒和客戶回訪等服務，並進一步應用於醫療、金融等對專業判斷和合規要求較高的領域。Gartner預測，到2030年，超過70%的企業語音交互將由語音模型自主處理，2026年這一比例還不到10%。
Gartner建議首先從風險較低的內部場景入手，選擇即使出現錯誤也容易補救的業務進行試點，再逐步擴展到客戶服務及受監管的業務場景。其次，企業需要儘早建立語音數據的隱私保護、授權同意和審計機制，避免業務規模擴大後再補充相關管理措施。最後，從實際業務結果衡量應用價值，例如語音模型能夠獨立解決多少問題、減少多少人工成本、縮短多少處理時間。
世界模型（World Model）是一種面向物理世界的AI技術，能夠理解時間、空間以及物體之間的因果關係。與主要通過語言學習知識的大語言模型不同，世界模型更關注物理環境的狀態及其變化規律。世界模型能夠根據當前環境的資訊，預測下一時刻可能發生什麼，並通過模擬不同的行動及其結果，幫助AI作出決策。
例如，在自動駕駛場景中，世界模型可以根據當前環境預測下一時刻可能發生的變化，模擬不同行動可能產生的結果，幫助系統作出決策。世界模型也被視為物理AI發展的重要基礎，在機器人、自動駕駛等領域具有較大的應用潛力。
Gartner預測，到2030年，40%的機器人應用將採用世界模型在動態環境中輔助作出最優決策，2025年這一比例還不到1%。
Gartner建議企業先從模擬駕駛、遊戲環境等風險較低的場景開展試點，驗證技術能力，同時避免對短期應用效果抱有過高預期。由於世界模型需要處理複雜的空間資訊和物理仿真任務，企業還應提前評估對晶片、計算資源及數據中心基礎設施的需求。預計到2031年，世界模型將重新定義空間AI、數字孿生和智能仿真的能力。
治理自主智能體平台
當AI越來越深入企業業務，不論是代碼生成還是智能體執行任務，安全可靠問題也被提上日程。Gartner總結了四個技術趨勢，AI上下文平台、AI編碼智能體框架、AI智能體身份和自主式暴露修復，重點關注如何對智能體的訪問權限、執行過程和安全風險進行管理。
AI上下文平台是通過統一的語義體系描述企業業務，將實時數據與企業知識連接起來，讓智能體既了解企業的業務規則，也能掌握當前的業務狀態，並圍繞具體目標執行任務。
企業的知識往往分散在不同部門和業務系統中，AI上下文平台可以將這些碎片化的資訊整合起來，形成一套能夠持續更新的企業知識體系。高挺將其比作企業的「AI大腦」，讓智能體能夠在理解業務的基礎上，更準確地執行複雜工作流。
Gartner預測，到2027年，優先做好AI就緒數據語義建設的企業，智能體AI的準確率最高可提升80%，成本最多可降低60%。
目前AI上下文平台市場尚未完全成熟，企業很難通過採購單一供應商的產品獲得完整解決方案。Gartner建議優先採用開放、模組化且具備互操作性的技術架構，例如通過REST API、OpenAPI和MCP等標準接口，連接不同的上下文服務、業務系統和智能體，降低對單一供應商的依賴。
AI編碼智能體框架（AI Coding Agent Harness）是一種用於管理軟體開發生命周期中AI自主開發行為的控制系統。Harness一詞原本有「馬具」的意思，就像一匹馬需要通過馬具來控制行動方向，AI編碼智能體也需要一套規則和約束，才能在企業的軟體開發流程中安全、可靠地工作。
AI編碼智能體框架可以為智能體提供執行環境、上下文和行為規範，明確它能夠訪問哪些資訊、使用哪些工具，以及應該按照什麼標準生成代碼。企業可以基於現有的開源框架或供應商平台，加入自身的編碼規範、業務規則和安全要求，構建適合自己的開發管理體系。
Gartner預測，到2028年，擁有AI編碼智能體框架的企業，上線後的軟體缺陷將比沒有採用這一框架的企業減少60%。
Gartner建議首先由開發人員主導，因為開發人員最了解企業內部的編碼規範、業務規則，以及過去項目中積累的經驗和教訓，需要將這些內容融入框架；其次，框架需要持續疊代，根據實際開發過程中遇到的問題，不斷收集工作流中的反饋，完善相關規則；最後，企業應將AI編碼智能體框架視為一項持續演進的技術資產。
AI智能體身份是一種用於識別和管理智能體身份及訪問權限的身份與訪問管理（IAM）技術。一個AI智能體通常由模型、系統提示詞、工具和權限憑證等多個要素組成，而且這些要素可能隨時發生變化，同時智能體還可能代表不同人員或系統執行任務。AI智能體身份需要將智能體的各個組成要素及其行為關聯起來，建立一套「複合身份」機制，確保智能體的行為可以被追蹤和問責。
Gartner預測，到2028年，25%的企業安全漏洞事件將追溯至AI智能體濫用。一方面，智能體可能被賦予過高的權限，大量權限憑證也容易成為攻擊者利用的目標。另一方面，傳統依賴靜態密碼和固定權限的身份管理方式，難以適應智能體持續運行、動態變化的特點，無法及時對其訪問行為進行有效約束。
Gartner提出了三點建議，首先，企業應採用基於策略的動態訪問控制機制，減少對高風險靜態憑證的依賴，根據具體任務和訪問範圍授予權限，並在任務結束後自動撤銷；其次，企業需要將每個智能體作為獨立身份進行管理，全面盤點並登記企業內部的智能體，包括未經正式登記的「影子智能體」。智能體不能直接借用員工帳號，應通過授權委託代表人員執行任務，並明確對應的人類負責人；最後，企業還需要結合智能體的操作意圖、實際行為和業務上下文實施實時訪問控制，並對高風險操作設置審批機制。
自主式暴露修復（Autonomous Exposure Remediation, AER）主要通過AI與自動化工具相結合，幫助企業識別數位權益中的安全漏洞，確定修復優先級，並自動完成修復。
企業完全消除安全漏洞幾乎不可能，尤其隨著AI技術的發展，漏洞發現的速度不斷加快，攻擊者也開始利用AI尋找和利用系統弱點，企業面臨的安全壓力進一步增加。Gartner的研究顯示，漏洞平均需要約50天才能得到修復。
在漏洞持續存在的情況下，企業面臨的關鍵問題是如何縮短從發現到修復的時間，減少風險暴露窗口。Gartner預測，到2030年，三分之一的組織將藉助人機協作的自動修復機制，在48小時內持續處理高度可被利用的安全暴露。
自主式暴露修複目前仍處於發展早期，預計還需要4至6年才能達到較為成熟的階段。Gartner建議企業保持合理預期，持續關注相關技術從漏洞發現到實際修復的能力進展；其次，企業應在系統設計和開發階段就考慮自動修復能力，將安全要求融入整個開發流程，減少事後補救的成本；最後，自主式暴露修復需要安全、開發和運維團隊共同參與，根據漏洞的風險程度確定修復優先級，協同推進修復工作。
構建持久敏捷性
構建持久敏捷性需要關注三個問題，企業能否掌握關鍵技術的自主權；軟體生命周期能否跟上企業業務需求的變化；當傳統矽基計算面臨能源消耗瓶頸時，未來還有哪些新的計算方式。
主權技術（Sovereign Tech，SovTech）是一套從技術和法律層面進行架構設計的技術棧，具有三個特點。第一，覆蓋從晶片、伺服器、雲平台、資料庫到應用、智能體和AI模型的完整技術體系。第二，在設計時就考慮供應商退出機制，即使關鍵供應商無法繼續提供服務，企業或第三方仍然擁有繼續運行相關系統的法律權利和技術能力。第三，保障技術的持續可用，避免供應商鎖定，確保業務運營的連續性。
主權技術之所以重要是因為：第一，隨著地緣政治環境不斷變化，主權要求正沿著技術棧向上延伸，從數據主權、運營主權擴展到對整個技術體系的掌控，經過驗證的供應商退出策略變得更加重要。第二，保護關鍵技術免受供應商鎖定的影響，避免關鍵業務因供應商突然中斷服務而受到影響。第三，關係到國家經濟。
Gartner給出的建議是，第一，充分利用開放的公有雲服務生態。目前，越來越多的雲服務商通過開放生態，提供私有化、本地部署以及由本地合作夥伴運營的交付方式。第二，合理利用「n-1代技術」，也就是上一代技術。由於最前沿的技術未必能夠開放獲取，企業可以充分利用上一代技術，與合作夥伴開展互惠共享。第三，關注主權技術聯盟，包括供應商、國家和客戶之間建立的技術合作聯盟。
可拋棄型應用（Disposable Application）是為特定業務目標而開發的軟體，當業務目標完成或相關需求結束後，應用就可以隨之退役。
可拋棄型應用的重要性主要體現在三個方面。第一，AI大幅降低了軟體開發成本，讓軟體生命周期能夠與業務生命周期保持同步；第二，降低企業應用組合的風險和複雜性。很多企業內部存在大量已經無人使用、也缺乏維護的遺留系統，增加了管理負擔。可拋棄型應用可以加快應用系統的更新換代，減少長期保留無用系統帶來的問題；第三，推動AI應用創建的規模化治理。企業可以將部分應用開發權限交給業務部門，讓業務部門根據自身需求生成應用，IT部門則負責提供必要的安全護欄。
Gartner預測，到2031年，80%的新應用將是可拋棄、易於替換的。Gartner建議，識別過去不值得開發軟體、但具有短期價值的業務場景，例如原本依靠紙質表格、Excel或郵件完成的工作；尋找維護成本超過替換成本的場景，考慮用新應用替代老舊系統；制定可拋棄型應用戰略，建立身份、數據和安全等管理機制，根據風險程度實施治理，並實現應用自動退役。同時，為短期應用保留「轉正通道」，當業務發展為長期需求時，可以將其納入企業正式的應用組合。
濕件即服務（Wetware as a Service）是生物計算（Biocomputing）的一種形式，主要利用活體生物組織和細胞構建生物神經網路，在其中運行算法。
目前，AI主要依賴矽基晶片進行計算，隨著AI需求不斷增長，能源消耗也在持續增加。濕件即服務嘗試利用生物神經網路完成一些特定計算任務，探索能效更高的計算方式。例如，人腦只需要約20瓦的功率就能完成複雜的資訊處理，相比傳統矽基計算，生物計算在能效方面具有一定的潛力。
濕件即服務的重要性主要體現在三個方面。第一，降低計算能耗。當前大型AI系統需要大量電力，而生物神經元有望以遠低於矽基伺服器的功耗完成部分特定計算任務。第二，推動新的混合計算架構，將生物計算與類腦晶片等技術結合，形成新的計算方式。第三，支持自適應並行計算，讓生物神經網路能夠根據反饋進行調整和學習。
Gartner預測，到2030年，在優先開展專業化、低功耗AI研發的組織中，25%將把濕件作為主要的高能效計算方式；到2035年，高能效的濕件即服務有望全面實現。Gartner建議企業首先關注未來4至9年的技術可行性，將其視為研發探索方向，暫時不考慮全面替代現有計算體系。其次，可以嘗試訂閱現有廠商提供的遠程濕件服務，通過沙盒試點積累經驗。對於企業而言，重點在於尋找適合生物計算的應用場景，發揮應用場景發現者和協調者的作用。
從今年的十大戰略技術趨勢看，重點在於如何管理AI驅動的自主系統，並重新設計企業的技術架構。
Gartner在2027年趨勢報告的成熟度示意圖中，語音推理模型、AI上下文平台、AI編程智能體框架和主權技術列入未來1至3年的發展階段；AI智能體身份和可拋棄型應用主要處於3至5年的發展階段；大型定量模型、世界模型、自主暴露修復和濕件即服務的全面成熟則需要更長時間。高挺也強調，成熟度也並不意味著企業必須等待技術成熟才能行動，建議CIO採用「近期創造業務價值、中期建設核心能力、長期保留技術選擇權」的投資原則。
過去企業IT系統的權限、流程和安全機制大多圍繞人來設計，現在智能體自主調用、執行、決策，IT架構也應該重新設計。一些AI原生企業已經開始採用不同的思路，它們將AI視為企業的核心生產力，讓智能體承擔更多實際工作，甚至把AI作為企業的「大腦」，圍繞AI重新設計業務流程和組織方式。
對於傳統企業來說，長期形成的技術架構、管理體系和業務模式很難在短時間內改變，如何在這些既有體系中重新安排AI的角色，或許才是未來幾年更大的挑戰。
