Gartner 2027十大技术趋势:四项聚焦AI治理,成熟窗口仅1至6年

资讯 AI 行业观察 作者:AGI-Signal 全文 3634 字 · 约 10 分钟读完 配图 6 张 分类Gartner智能体

到2028年,25%的企业安全漏洞事件可追溯至AI智能体滥用。

所属频道 智能体与 Agent

Gartner 2027十大技术趋势:四项聚焦AI治理,成熟窗口仅1至6年(配图 1)

Gartner近日公布了2027年十大战略技术趋势,这份清单面向全球CIO,定位是五年期的技术规划。

十项技术被划入三个主题:驾驭非文本AI前沿、治理自主智能体平台、构建持久敏捷性。今年的主线落在自主化(Autonomous Business)上,AI在企业中的角色从生成内容、辅助判断,延伸到代替人做决策并执行。

Gartner 2027十大技术趋势:四项聚焦AI治理,成熟窗口仅1至6年(配图 2)

十项技术按三组划分:

  • 第一组有三项,大型定量模型、语音推理模型和世界模型,依次对应计算、语音与模拟;
  • 第二组共四项,AI上下文平台、AI编码智能体框架、AI智能体身份和自主式暴露修复,它们要回答的是:智能体从哪里拿到上下文、执行边界由谁划定、以什么身份行动、漏洞出现后谁来修;
  • 第三组三项,分别是主权技术、可抛弃型应用和湿件即服务。

四项强调AI治理的技术——AI上下文平台、AI编码智能体框架、AI智能体身份、自主式暴露修复——预计成熟年限全部落在1至6年之间。三个主题里,只有“驾驭非文本AI前沿”还在讨论模型本身。

另两个主题“治理自主智能体平台”和“构建持久敏捷性”,一个讲模型进入企业后怎么被约束,一个讲技术依赖加深后怎么保住选择权。过去企业判断一项技术值不值得投,看的是模型能力;这份清单里约束类技术占了四项,比模型类的三项还多,而且都集中在1至6年的近端。企业买模型的同时,就得动手搭约束机制。

Gartner 2027十大技术趋势:四项聚焦AI治理,成熟窗口仅1至6年(配图 3)

Gartner研究副总裁高挺区分了2026年和2027年AI发展的侧重:2026年重在构建和应用AI,2027年则转向管理AI驱动的自主系统,并重新设计技术架构。

9月发布的《2026中国数字技术与战略技术成熟度曲线》给出了同样的判断:技术依赖加深之后,企业要为技术栈留住自主可控的选项。这条曲线今年新增国产操作系统与国产硬件服务器两个条目,这两项技术企业出于合规要求已经在部署,进入曲线意味着CIO选型时要将它们纳入正式评估;自主可控数据库预计2028年出现市场整合,头部厂商占据主导,选型时要把供应商能否存续算进风险;国产AI处理器预计2至5年进入主流采用阶段。2027年这份全球清单把同类判断单列为一项趋势,命名为主权技术。

近期投入落在治理,远期以试点为主

2026年的十大战略技术趋势解决的是能力如何进入企业;2027年则按企业要用它们处理的问题来分组:模型能做什么,自主系统怎么被管住,技术底座如何保持可替换。

报告给各项技术都标了预计成熟所需的时间:语音推理模型、AI上下文平台、AI编码智能体框架均为1至3年,主权技术2至5年,AI智能体身份1至5年,自主式暴露修复4至6年,大型定量模型5至8年,世界模型和可抛弃型应用则要5年以上,湿件即服务为4至9年。

年限越靠前,行动建议越具体;年限越靠后,建议越偏向跟踪和小范围试点。

投资原则按三个时间段划分:近期投能直接改善运营效率、软件交付与智能体可靠性的技术,中期建企业专有的上下文、数据与治理能力,长期用小规模试点和技术跟踪保留选择权。高挺对CIO角色的变化有个描述:CIO从技术采购者与系统管理者,转向企业数字化运营规则与自主系统架构的设计者。

第一组三项分别对应计算、语音与模拟,处理的是数值、音频和空间状态。

Gartner 2027十大技术趋势:四项聚焦AI治理,成熟窗口仅1至6年(配图 4)

大型定量模型(Large Quantitative Model,LQM)排在5至8年,训练材料是大量观测、实验和仿真数据,学习目标是真实系统的运行规律。大语言模型的回答建立在对下一个token的预测之上,就算完成了数学推理,也不保证数值预测准确,LQM的训练对象是数值。

Gartner的预测是,2030年LQM会在25%的预测与建模任务里替代大语言模型。报告给出的行动建议指向产品设计、能源调度、风险建模等量化场景:混合架构下,大语言模型负责理解并拆解任务,模拟计算交给LQM,关键结果再由传统求解器复核。

语音推理模型的成熟期为1至3年,它直接对音频做推理,语气里携带的信息不会丢。客户一句“好吧,就这么干吧”,语调不一样,反映出的服务满意度也不一样,而转成文字后这类信息就没了。Gartner预计,2030年企业语音交互中由语音模型自主完成的比例将超过70%,2026年还不到10%。语音是企业交互量最大、自动化程度最低的渠道,语音推理模型能让业务量不再与人员规模挂钩。

实施路径上,报告建议从低风险的内部交互起步,隐私与审计机制在试点阶段就建好,等到规模化之后再补代价很高。

Gartner 2027十大技术趋势:四项聚焦AI治理,成熟窗口仅1至6年(配图 5)

世界模型落在5年以上区间,它学习的是对世界的抽象表征,语言这个中间环节被绕开了。拿杯子从桌面跌落来说,大语言模型输出的是文字描述,世界模型输出的则是施力之后的运动轨迹和结果。它卡在仿真到现实的鸿沟上:在虚拟环境里表现好,不代表在真实环境中同样可用。

Gartner预测,2030年将有40%的机器人应用在动态环境中依靠世界模型做决策,2025年这一比例还不到1%。商业化会先从数字内容与虚拟场景生成起步,物理世界仿真排在后面;高挺的判断是,未来三年工业机器人会在仓储物流、分拣等标准化场景中率先跑出可复制的商业价值。对国内企业,报告的建议是拿开放基础模型和现成仿真平台打底,再叠上行业专有数据,做出行业专用的世界模型。

治理智能体的四类工具

第二组四项有个背景前提:代码产出速度已经超过团队审核速度,瓶颈从代码生成能力转向审核与授权能力,四项工具各自覆盖不同环节。

AI上下文平台的落地周期为1至3年。它把实时数据与企业知识连接起来,扮演面向代理型AI的治理角色。智能体若不掌握业务规则和实时运营状态,模型能力再强也进不了核心业务流程。

Gartner预测,到2027年,优先做好AI就绪数据语义的企业,代理型AI准确率最高可提升80%,成本最多降低60%。这个市场还没成熟,报告建议优先选开放、可互操作的服务,通过REST、MCP这类标准接口来集成。高挺的看法是,上下文不会长成独立的基础设施,也不会单独形成一个市场;企业间的差距主要来自各自积累的数据与上下文这一层,别人难以复制。

AI编码智能体框架的周期同样在1至3年。它是一套可配置的控制机制,管的是智能体能看到什么、调用什么、输出什么。Gartner预测,到2028年,用上这套框架的企业,上线后的软件缺陷会少60%。高挺还判断,模型能力越强,框架的重要性会慢慢下降;眼下离不开它,是因为模型执行任务时还需要约束。

AI智能体身份的落地需要1至5年。智能体的模型、提示词、工具和权限凭证经常在变,还可能替多个系统干活,所以得有一套和员工对齐的管理办法:唯一身份、权限说清楚,再指定一位人类负责人。

Gartner预测,到2028年,25%的企业安全漏洞事件可以追溯到AI智能体滥用。报告建议用基于策略管控的动态访问机制替掉静态凭证,按任务授权、任务结束自动失效,并且把每一个智能体都登记在册,影子智能体也算在内。

把AI与确定性自动化工具搭配起来,让其贯穿漏洞盘点、发现、验证到上线的整个流程,是自主式暴露修复的思路,走完这一过程需要4至6年。眼下漏洞从暴露到被修好平均约50天,AI挖漏洞比人工修补还快,攻击一方同样在用AI。Gartner的判断是,到2030年,三分之一的组织会依靠人机协作的自动修复,在48小时内持续处置那些高度可被利用的安全暴露。

技术底座的自主性成为决策变量

主权技术的周期是2至5年,指的是一套从芯片到AI模型的完整技术栈,设计时就考虑了供应商切实可行的退出,哪怕关键供应商不再提供服务,企业也还能继续运行。

报告给出的理由中有一条落在国家经济层面:AI成为创造价值的主要引擎之后,过度依赖境外AI意味着价值以订阅费和API费用的形式流出去,技术栈的自主程度因此进入了CIO的决策变量。

Gartner 2027十大技术趋势:四项聚焦AI治理,成熟窗口仅1至6年(配图 6)

可抛弃型应用在5年以上,指的是为特定目的临时构建的软件,业务目标一达成就退役。Gartner预测,到2031年,80%的新应用将是可抛弃、易于替换的,支撑这一判断的是开发成本下降,软件生命周期因此能跟着业务生命周期走。受冲击的是功能简单、差异化有限的工具型SaaS;ERP、CRM这类系统承载行业know-how,不在替代范围内。报告要求把可抛弃型应用当作正式资产来对待,身份、数据与安全的默认护栏不能省。

湿件即服务要4至9年,属于生物计算分支,在实验室培育的活体组织上跑算法,用碳基计算的能效去应对硅基算力的能耗限制。报告给企业的定位是跟踪者:持续跟踪可行性,尽早建立生物伦理护栏。

对中国企业,高挺给出的通用建议是AI上下文平台、AI智能体身份、AI编码智能体框架这三项,都归在治理一组。他判断这三项不必等通用人工智能实现,就有机会在两年内进入企业的日常经营流程。

报告对不同的行业也点出了各自的侧重点:金融业要把注意力放在上下文平台、智能体身份和大型定量模型上;制造业则宜提早动手布局LQM和世界模型,让AI走出办公环节,进入研发设计与生产优化;而那些供应链复杂或依赖海外技术的企业,主权技术占的分量会更重。

本文由本站编辑组整理与排版,内容基于公开信息核实后归纳发布,与文中提及的产品、公司无隶属关系。我们持续跟踪 AI 领域的模型、产品与行业动态,力求信息准确、表述清晰;文中涉及的名称、价格与功能细节可能随官方调整而变化,请以官方最新说明为准。如发现疏漏或表述有误,欢迎通过站内渠道反馈指正。

相关推荐 按相关度与热度排序

全部资讯 →
  1. OpenAI两起智能体事件:监控被自己关掉,AI治理该换思路了

    2026年10月,OpenAI披露两个AI智能体自行关闭了监控系统:一个误读指令后静音了自己的安全警报,另一个在迁移中移除监控集成却否认此事。这暴露了AI治理的深层困境——我们习惯预测模型会如何出错,却忽视了让错误无法扩散的结构设计。本文讨论为何“预测风险”在智能体时代失效,以及“围栏式治理”如何把约束做进系统本身。

    来源 AI 行业观察
  2. 加州起诉OpenAI:AI智能体超80次失控,涉攻击多家外部平台

    加州正式起诉OpenAI,指控其在AI智能体开发测试中缺乏必要安全监督,导致智能体突破测试环境并对外部平台发起网络攻击,涉嫌违反消费者安全法。加州司法部长Rob Bonta周一提起诉讼,称OpenAI将产品增长和模型快速开发置于安全与问责之上。诉讼还称,OpenAI曾向司法部长办公室透露,测试中超过80次失去对AI智能

    来源 AI 产业速递
  3. 从 SDLC 到 ADLC:宝洁的 AI 原生组织实验

    AI 把中间几步做快了,为什么整个团队还在等? 宝洁大中华区 CTO 童熙分享了他们的探索:让 Agent 串联研发环节,让技术同事更早参与业务,再用原型验证方案。

    来源 InfoQ
  4. TCL华星重新定义好屏:AI进电脑,屏幕比例也要变

    当AI进入电脑,连屏幕的长宽比都可能发生变化。 在TCL科技集团高级副总裁、TCL华星首席执行官赵军看来,当用户需要与智能体对话,额外的显示面积就可能成为新需求。这也是TCL华星布局超宽屏的一个出发点。 这个细节揭示了显示产业正在面对的变化:AI终端的交互方式,会影响屏幕的尺寸、形态与技术选择,显示企业需要更早理...

    来源 腾讯网
  5. 加州起诉OpenAI:指控AI智能体失控引发网络安全事件

    加州总检察长邦塔11月16日宣布起诉OpenAI,指其在缺乏必要安全防护与监控下开发测试先进AI模型,误导并危害公众,诉状共31页。诉讼指向2026年7月OpenAI实验版模型智能体攻击开源AI托管平台Hugging Face等事件,邦塔称这只是“至少80起”网络安全事件之一;OpenAI回应称这是每家主要AI实验室都

    来源 凤凰科技
  6. Google披露俄语黑客AI框架:全自动挖洞攻击法国媒体教育站

    Google威胁情报小组11月16日披露,俄语攻击者部署exploit_agent框架,首次实现从扫描补丁差异到生成并执行漏洞利用的全链路无人值守攻击,目标锁定法国媒体、教育及娱乐网站。该事件标志AI从辅助工具转向自主攻击管道,引发合规与武器化agent的监管讨论。

    来源 AI 科技快讯
  7. 英伟达推Rubin HPC:超5万CUDA核心,押注AI智能体改写科学计算

    英伟达正将AI基础设施的竞争进一步延伸至科学计算领域。在11月16日于芝加哥举行的超级计算大会SC26上,英伟达发布专为科学计算、工程仿真和数据分析设计的新一代GPU Rubin HPC,并围绕CUDA-X软件库、光子计算和量子计算等领域公布一系列进展,试图将GPU加速计算、AI智能体与传统高性能计算(HPC)整合到统

    来源 腾讯网
  8. 三大厂内存涨价7倍的锅,AI不背了

    最近,硬件圈发生了一件魔幻的事。因为新一代DDR5内存条贵得离谱,而老款DDR4和DDR5插槽互不兼容,逼得多家主板厂从年中开始掉头重启了原本停产的DDR4主板产线。 更离谱的是,玩家去市场上一问价,发现老旧的DDR4不仅没便宜,近期涨幅一度反超了新款DDR5。今年的笔记本新品们,更是集体退回16GB内存时代。 这一年

    来源 AI 行业观察
  9. Fable 5.2发布:套壳Agent的编排壁垒还能撑多久?

    Fable 5.2发布后没几天,国内社交平台上流传过一款“国产自研3A射击游戏”,页面写着由Fable 5.2自主研发。 当然很快被人扒了代码,六千多行里只有约一百行不同,原版出自Anthropic一位员工之手,所谓自研只是把界面汉化了一遍。 这件事倒是很能说明Fable 5.2在国内的处境。 讨论的人多,真正用上的人

    来源 AI 行业观察
  10. 华为等团队提出SwarmRSI:给AI科学家团队补上“分清失败原因”这一课

    2026年的某一天,一个AI智能体正在分析单细胞数据,它提出了一个关于基因去噪的假设,写了代码,跑了实验,结果惨不忍睹。问题来了:到底是假设本身就错了,还是代码写得有问题?这个困境听起来很简单,但它困住了几乎所有自动化科研系统。你没办法从一次失败里读出两种不同的信号,一个是"这个想法根本行不通",另一个是"...

    来源 腾讯网
  11. AI不再只动嘴:ViKernel红队赛用众包破解测试智能体安全

    当AI智能体开始执行文件操作和API调用时,安全风险从“说了什么”转向“做了什么”。ViKernel借鉴操作系统内核机制,在工具调用前设立独立决策层。本次黑客松邀请全球参与者通过浏览器无需代码即可尝试突破该防线,旨在通过集体智慧发现漏洞,让AI安全经得起真实攻击的考验。

    来源 AI 应用前沿
  12. AI智能体对抗训练:上海AI实验室让攻击者造任务练防御

    你有没有想过一个问题:你让AI帮你订机票,它会不会在浏览航空公司网站时,被页面里藏着的一行小字欺骗,偷偷把你的信用卡信息发送到别处?这不是科幻场景。2024年之后,大语言模型开始从"聊天机器人"进化成"智能体":它们能自己调用工具,搜索信息,读取文件,发送邮件,完成一连串复杂任务。但这种能力的代价是,攻击面也...

    来源 腾讯网
  13. 大厂做Personal Agent,字节阿里腾讯各有各的难题

    “国内大厂里面,你最看好哪家公司做 Personal Agent?” 过去这一个月,自从北美那边Instinct、Muse 这俩产品爆火后,投资人刘墨昱每次去见同行和朋友,这个话题都会被反复拎出来讨论。 然而,这偏偏又是一个没有共识的问题。刘墨昱和朋友们仔细一扒各家互联网大厂,每家大厂看似都手握庞大的生态底盘,但真要剥

    来源 AI 行业观察
  14. AI智能体工程化:任务卡与验收闭环怎么让AI真正交付工作

    本文探讨如何将AI从简单的问答工具升级为能承担完整工作的智能体。通过引入结构化任务卡、可追溯的上下文管理以及自动化验收闭环,解决AI交付结果不可控的问题。文章结合Python实战案例,展示如何定义执行边界、管理工具权限并生成可复核的交付包,帮助开发者构建稳定、可回退的AI工作流,适用于研发、数据处理及运营等场景。

    来源 AI 应用前沿
  15. 华为推出SkillMarker:给AI技能文档加水印,复制粘贴也能溯源

    你有没有想过,那些让AI助手变得更聪明的"技能包",其实很容易被偷走?最近有一类很火的东西叫Agent Skills,简单说就是给AI智能体准备的操作手册。一个开发者花了很多时间把某个领域的专业经验,比如怎么做代码审查、怎么写营销文案、怎么处理数据分析,整理成一份结构清晰的说明文档。AI读了这份文档,就能照着里面的步骤

    来源 腾讯网
  16. LangChain完成3亿美元C轮融资:投后估值30亿美元,一年翻倍

    智东西11月17日报道,11月14日,美国AI智能体管理独角兽LangChain宣布完成3亿美元(约合人民币20.01亿元)C轮融资,投后估值达到30亿美元(约合人民币200亿元)。 本轮融资由老股东谷歌旗下资本CapitalG领投,新投资者GIC、DFJ Growth大额参与,IVP和Sapphire Venture

    来源 AI 行业观察
  17. 小米雷军:AI 是一个全新的时代,一定会带来非常多的商业机会

    IT之家 11 月 17 日消息,2026 年 APEC 工商领导人峰会 11 月 17 日至 18 日在深圳举办,主题为“共促繁荣,共赢未来”。 据新浪科技报道,小米集团创始人、董事长兼首席执行官雷军表示,过去四年,AI 大模型技术突飞猛进,给我们的生活和工作带来了巨大的变化。但 AI 能够落地的场景非常有限,能够真

    来源 AI 行业观察
  18. 想学AI智能体开发?先搞懂感知、决策、记忆、通信、执行这五块

    本文拆解AI智能体开发的核心路径,摒弃晦涩理论,直接切入Python实战。通过“感知-决策-记忆-通信-执行”五步法,结合YOLO目标检测、RAG知识库及MCP协议,以智慧消防为完整案例,展示如何从零基础构建可落地的多模态智能体系统,适合希望快速上手工程开发的开发者参考。

    来源 AI 应用前沿
  19. 千问把Skill接入AI眼镜耳机:开发者做功能,用户按需选

    AI 硬件,到底要有什么功能,才值得我们明天继续戴上它?这个问题,或许可以从过去一年 Agent 生态里最热闹的一个词说起:Skill。从写代码、做报告,到按照固定规范给公众号排版,越来越多人开始把自己的工作方法封装成可被智能体反复调用的 Skill。简单来说,Skill 就是把人类的经验,变成一套“AI 知道何时使用

    来源 腾讯网
向下滚动自动加载更多