Gartner 2027十大技术趋势:四项落在AI治理,成熟窗口1至6年

资讯 钛媒体 全文 3634 字 · 约 10 分钟读完 配图 5 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:四项落在AI治理,成熟窗口1至6年(配图 1)

Gartner近日公布了2027年十大战略技术趋势,清单面向全球CIO,用作五年技术规划参考。

十项技术分属三个主题:驾驭非文本AI前沿、治理自主智能体平台、构建持久敏捷性。今年贯穿其中的主线是自主化(Autonomous Business)——AI在企业里的角色,从生成内容、辅助判断,走到代替人做决策并执行。

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

十项技术按三组排列:

  • 第一组三项: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。这四项要回答的是:智能体从哪里取上下文、执行边界由谁划定、以什么身份行动、漏洞冒出后由谁去修。
  • 第三组三项: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——预计成熟年限都落在1至6年。三个主题里,只有“驾驭非文本AI前沿”还在谈模型本身。

另两个主题分别管两件事:“治理自主智能体平台”讨论模型进了企业之后怎么被约束,“构建持久敏捷性”讨论技术依赖加深后怎么保住选择权。以往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四项,多过模型类的三项,而且全在1至6年的近端。也就是说,买模型的同时就得动手搭约束机制。

Gartner研究副总裁高挺区分了2026年和2027年AI发展的侧重:2026年重点是构建和应用AI,2027年转向管理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》给出了相同判断:技术依赖加深之后,企业要为技术栈留住自主可控的选项。这份曲线今年新增国产操作系统与国产硬件服务器两个条目,两项技术企业出于合规要求已在部署,进入曲线意味着CIO选型时要把它们纳入正式评估;自主可控数据库预计到2028年出现市场整合,头部厂商占据主导,选型时需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成一项趋势,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重新分组: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。

报告对各项技术给出了预计成熟年限:语音推理模型、AI上下文平台、AI编码智能体框架为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,世界模型与可抛弃型应用在5年以上,湿件即服务4至9年。

年限越靠前,行动建议越具体;越靠后,建议越偏向跟踪和小范围试点。

投资原则分三个时间段:近期投直接改善运营效率、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,长期用小规模试点加技术跟踪保留选择权。高挺对CIO角色的变化有过描述: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:四项落在AI治理,成熟窗口1至6年(配图 3)

大型定量模型(Large Quantitative Model,LQM)排在5至8年。它的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,即便完成了数学推理,也不保证数值预测准确;LQM训练的对象是数值。

Gartner预测,到2030年,LQM将在25%的预测与建模任务中取代大语言模型。报告给出的行动建议是:聚焦产品设计、能源调度、风险建模这类量化场景,在混合架构中让大语言模型理解并拆解任务、LQM承担模拟计算、关键结果交由传统求解器复核。

语音推理模型在1至3年,直接在音频上推理,语气里的信息得以保留。客户说“好吧,就这么干吧”,语调不同,对这次服务的满意程度就不同,这类信息在转写成文字时已经丢了。Gartner预测,到2030年,超过70%的企业语音交互将由语音模型自主处理,2026年这一比例不到10%。语音是企业交互量最大、自动化程度最低的渠道,语音推理模型让企业的业务量与人员规模不再绑定。

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,等规模化之后再补,代价很高。

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

世界模型被划在5年以上这一档。它学到的是对世界的抽象表征,语言并非必经的中介。拿杯子从桌面掉落来说,大语言模型输出的是文字描述,世界模型给出的则是施力后产生的运动轨迹和结果。难点在于仿真到现实的落差:虚拟环境里跑得好,不代表真实环境里就能用。

Gartner预计,到2030年,40%的机器人应用会依靠世界模型在动态环境中做决策,而2025年这个比例还不到1%。商业化路径上,数字内容与虚拟场景生成会先行,物理世界仿真随后跟进。高挺的判断是,未来三年工业机器人将率先在仓储物流、分拣这类标准化场景中跑出可复制的商业价值。针对中国企业,报告的建议是拿开放基础模型和现成仿真平台做底子,再叠加行业专有数据,搭建行业专用的世界模型。

治理智能体的四类工具

第二组四项有个共同背景: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是1至3年。它把实时数据和企业知识接起来,扮演面向代理型AI的治理层。智能体如果拿不到业务规则和实时运营状态,模型再强也进不了核心业务流程。

Gartner预计,到2027年,把AI就绪数据语义做在前头的企业,代理型AI准确率可提升最多80%,成本可下降最多60%。这个市场还没成熟。报告的建议是优先挑开放、可互操作的服务,用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自己攒下的数据和上下文这一层,别人很难复制。

AI编码智能体框架的周期同样是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,装了这套框架的企业在上线后软件缺陷会少60%。高挺还判断,模型能力往上走,框架的分量会慢慢变轻;眼下离不开它,是因为模型执行任务时还需要约束。

AI智能体身份的周期在1至5年。智能体的模型、提示词、工具和权限凭证经常变,还可能替多个系统干活。所以得有一套跟企业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能追溯到AI智能体滥用。报告建议拿基于策略管控的动态访问机制替掉静态凭证,按任务授权,任务一结束就自动失效;每一个智能体都要建清单登记,影子智能体也算在内。

自主式暴露修复要4至6年。它把AI和确定性自动化工具搭在一起,漏洞从盘点、发现、验证到上线全程覆盖。漏洞平均暴露约50天才被修复,AI找漏洞的速度已经快过人工修复,攻击方也在用AI。Gartner预测,到2030年,三分之一组织会靠人机协作的自动修复,在48小时内持续处理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

主权技术排在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退出这条路——关键供应商不干了,企业照样能跑。报告给出的理由里有一条是国家经济层面的:AI成了创造价值的主要引擎之后,过度依赖境外AI,价值就会以订阅费和API费用的形式流出去。技术栈的自主程度,已经进了CIO的决策变量。

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

可抛弃型应用在5年以上,说的是为特定目的临时搭的软件,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、好替换的。支撑这个判断的是开发成本在降,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这类系统装着行业know-how,不在替代之列。报告要求把可抛弃型应用当正式资产对待,身份、数据、安全的默认护栏一样不能省。

湿件即服务在4至9年,属于生物计算这条分支:在实验室培育的活体组织上跑算法,拿碳基计算的能效去对冲硅基算力的能耗限制。报告给企业的定位是跟踪者——盯着可行性,同时尽早把生物伦理护栏立起来。

对中国企业,高挺的通用建议是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。他判断这三项不用等通用人工智能落地,两年内就有机会进到企业的日常经营流程里。报告还按行业给了不同侧重:金融业重点看上下文平台、智能体身份和大型定量模型;制造业该更早布局LQM和世界模型,把AI从办公环节推到研发设计与生产优化;供应链复杂或依赖海外技术的企业,主权技术的权重更高。

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. 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
  2. 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
  3. 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
  4. 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
  5. 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
  6. 苹果收紧Mac权限:AI应用不能再全盘接管,古尔曼称提前2年铺路

    IT之家 11 月 17 日消息,苹果昨日(11 月 16 日)发布公告,宣布自今天发布的 macOS 27.3 Beta 2 开发者预览版开始,改革 Mac 的“完全磁盘访问”及“设备控制与数据访问”权限机制,重点防范 AI 智能体类应用过度获取用户数据或操控系统。 IT之家援引博文介绍,苹果提醒,部分应用若获得完全

    来源 AI 行业观察
  7. 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
  8. 酉术量子完成天使轮融资:原创算法落地AI量子计算平台

    近日,上海酉术量子科技有限公司(以下简称“酉术量子”)宣布完成天使轮融资。本轮新增投资方为云启资本、嘉铭浩春,老股东菡源资产、小苗朗程、启高资本持续加码。多维资本长期担任独家财务顾问。融资资金将主要用于原创量子算法研发、UnitaryLab量子科学计算平台及UnitarySpark异构计算产品迭代、AI与Agent驱动

    来源 AI 行业观察
  9. 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
  10. 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
  11. 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
  12. 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
  13. 加州起诉OpenAI:AI智能体至少80次失控,7月曾攻击Hugging Face

    IT之家 11 月 17 日消息,当地时间 11 月 16 日,美国加利福尼亚州正式起诉 OpenAI,指控该公司在开发和测试先进人工智能模型时缺乏必要的安全防护与监控措施,导致 AI 智能体多次失去控制,并对第三方网络发起未经授权的攻击。 IT之家注意到,加州检察长罗布 · 邦塔(Rob Bonta)在加州司法部官网

    来源 AI 行业观察
  14. 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
  15. CataX AI完成4000万元种子轮融资,启明创投孵化并独家投资

    近日,上海凯思达生物医药科技有限公司(简称“CataX AI”)宣布完成4000万元人民币种子轮融资,由启明创投孵化并独家投资。据了解,CataX AI创立于上海,是一家智能体(Agent)原生的创新药研发公司。CataX AI聚焦临床开发端,以智能体为技术底座,并由此构建“Clinical-of-One”(全栈临床)

    来源 AI 行业观察
  16. MiniMax Code团队揭秘:95%代码由AI写,审阅成本反而更高

    在 MiniMax Code 研发负责人 Ronny 的团队里,95% 以上的代码,甚至文档,都可能由 AI 完成初稿。写完之后,还会有多个 Agent 参与 review。但 AI 写得越快,并不意味着人就能越轻松。比如你的 Personal Agent,它的上下文需要有人长期维护:功能需求需要你管理,开发任务需要你

    来源 腾讯网
  17. AI越聪明选择越单调:马茨实验揭示算法如何压平人类多样性

    我们对 AI 的信任,正在达到史无前例的高度。 无论是在屏幕前码字,还是在生活中做决策,我们都习惯向 AI 寻求那个「完美建议」。用得多了,你甚至会发现它总是精准地踩中我们预期中的最优解。 这种顺滑,很可能是一种被精心设计的心理按摩。 哥伦比亚大学教授桑德拉·马茨用冰淇淋店 Baskin Robbins 做了一个实验。

    来源 AI 行业观察
  18. 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
向下滚动自动加载更多