近年來，業(yè)界總是在談?wù)撝鳤I改變一切，將其又一次奉為“工業(yè)革命”級別的技術(shù)。不久前，在Gartner發(fā)布的2026年十大戰(zhàn)略技術(shù)趨勢中，與AI直接相關(guān)或以AI為核心的技術(shù)，達到了至少6項，包括：AI原生開發(fā)平臺、AI超級計算平臺、多智能體系統(tǒng)、特定領(lǐng)域語言模型、物理AI、AI安全平臺。
Gartner研究副總裁高挺表示：“2026年的各項重要戰(zhàn)略技術(shù)趨勢將密切交織，折射出一個由人工智能（AI）驅(qū)動的高度互聯(lián)化世界的現(xiàn)實圖景。在這樣一個世界，企業(yè)機構(gòu)必須推動負責(zé)任的創(chuàng)新、卓越運營和數(shù)字信任。”
圖片
對于今年的Gartner重要戰(zhàn)略技術(shù)，Gartner研究副總裁高挺還將其歸類為三位新“英雄”，分別是：架構(gòu)者、協(xié)調(diào)者、哨兵。可謂構(gòu)成了企業(yè)運營中的三個維度，架構(gòu)者構(gòu)建安全、可擴展的AI平臺和基礎(chǔ)設(shè)施；協(xié)調(diào)者命令多智能體系統(tǒng)、專用模型和物理AI實現(xiàn)自適應(yīng)、特定領(lǐng)域的解決方案；哨兵提供主動網(wǎng)絡(luò)安全、數(shù)字來源和治理，確保信任、合規(guī)性和數(shù)字完整性。
新基礎(chǔ)設(shè)施：架構(gòu)者
關(guān)乎架構(gòu)者的兩項重要技術(shù)是AI超級計算平臺和AI原生開發(fā)平臺。AI不僅正在成為從云到邊的超級大腦，思考分析各種問題，也越來越落地在實際工作之中，成為重要的生產(chǎn)助手。
AI超級計算平臺本質(zhì)上就是未來AI的算力底座。通過整合CPU、GPU、AI ASIC、神經(jīng)網(wǎng)絡(luò)計算和替代性計算范式，使企業(yè)能夠統(tǒng)籌復(fù)雜工作負載，同時釋放更大的性能、效率與創(chuàng)新潛力。這些系統(tǒng)融合了強大的處理器、海量存儲、專用硬件及編排軟件，可處理機器學(xué)習(xí)、仿真模擬和分析等領(lǐng)域的數(shù)據(jù)密集型工作負載。
從對于不同算力單元的整合不難看出，混合AI算力正在成為關(guān)鍵詞，GPU、CPU、NPU在AI計算中各揮所長，無論是云端的AI DC還是端側(cè)的PC與智能手機均采用此種運算邏輯。另一方面，算力調(diào)度也在成為加速超級計算的關(guān)鍵，例如英偉達剛剛發(fā)布的NVQLink和CUDA-Q技術(shù)，能夠讓傳統(tǒng)算力幫助量子計算進行糾錯，或是將不同任務(wù)發(fā)送給不同計算架構(gòu)去執(zhí)行。
AI原生開發(fā)平臺正在成為一種全新的工作生產(chǎn)方式，例如在目前的社交媒體中，就經(jīng)常能夠看到開發(fā)者們對于AI開發(fā)在日常工作中的贊許，這類AI開發(fā)工具在工作方式上可以通過在瀏覽器中輸入提示詞后，便能支持生成前后端一體的網(wǎng)頁，或是在已有開發(fā)環(huán)境中指揮AI來幫助撰寫代碼。
據(jù)不完整統(tǒng)計顯示，目前一些科技公司使用AI寫代碼的替代率在20%-40%之間。同時，AI執(zhí)行任務(wù)的時間也正在指數(shù)級增長，一條比較完整清晰的命令，就能讓AI自己工作很長時間。Gartner預(yù)測，到2030年，80%的企業(yè)將通過AI原生開發(fā)平臺將大型軟件工程團隊轉(zhuǎn)變?yōu)楦 ⒏艚莸膱F隊并通過AI賦能這些團隊。
新應(yīng)用架構(gòu)：協(xié)調(diào)者
特定領(lǐng)域語言模型、物理AI、多智能體系統(tǒng)正在成為協(xié)調(diào)者。AI正在學(xué)習(xí)理解更多專業(yè)領(lǐng)域的知識，并發(fā)揮自身價值，同時也在更深入的理解這個世界。甚至擅長不同事務(wù)的AI還能構(gòu)建起一個團隊，來更加精準(zhǔn)的解決實際工作需求。
今年8月，美國麻省理工學(xué)院發(fā)布的一份報告顯示，盡管企業(yè)在生成式AI上已花費了300至400億美元，但95%的公司迄今并未能獲得商業(yè)回報。企業(yè)雖在試點生成式AI工具，但是極少能夠推進至部署階段，其中在行業(yè)層面的轉(zhuǎn)型推進中尤為明顯。
若想獲得成功的途徑正在于需要用特定領(lǐng)域的語言模型來進行訓(xùn)練，讓模型能夠理解特定行業(yè)知識與企業(yè)業(yè)務(wù)。Gartner預(yù)測，到2028年，企業(yè)使用的生成式AI（GenAI）模型中將有超過半數(shù)屬于特定領(lǐng)域模型。特定領(lǐng)域語言模型（DSLM）憑借更高的準(zhǔn)確性、更低的成本和更好的合規(guī)性填補了這一空白。DSLM是在針對特定行業(yè)、功能或流程的專用數(shù)據(jù)上訓(xùn)練或微調(diào)的語言模型。不同于通用模型，DSLM能更加精準(zhǔn)、可靠且合規(guī)地滿足特定業(yè)務(wù)需求。
目前，已經(jīng)呈現(xiàn)出一些AI時代特定領(lǐng)域模型的成功案例，像是面向法律行業(yè)的Harvey，或是有著醫(yī)生版ChatGPT之稱的OpenEvidence，例如，后者的數(shù)據(jù)源全部來自非常著名的相關(guān)醫(yī)療文獻、期刊、指南，面向醫(yī)生助力解決遇到的疑難雜癥治療問題，提升文獻資料查找的效率。
不同于最先學(xué)會扔?xùn)|西來了解萬有引力現(xiàn)象的嬰兒，AI的成長正在經(jīng)歷先語言學(xué)習(xí)，再理解物理世界的過程。物理AI通過賦能具有感知、決策和行動能力的機器與設(shè)備（例如機器人、無人機和智能設(shè)備），將智能帶入到現(xiàn)實世界。它能為自動化、適應(yīng)性和安全性至關(guān)重要的行業(yè)帶來可觀的收益。
目前物理AI主要分為兩個主要技術(shù)方向。其一是VLA模型，它通過類似訓(xùn)練語言模型的方式去訓(xùn)練AI理解圖片和視頻。其二是世界模型，它能夠理解物理世界里面的物理規(guī)律，包括對時空的認知。例如，一些具備輔助駕駛功能的汽車正在通過世界模型的路徑，來處理物理世界中的狀況，使駕駛具備更高的預(yù)判與規(guī)劃能力。
讓AI能夠做事更專業(yè)的方法還有一個便是組建多智能體系統(tǒng)，Github的開源項目TredingAgents就是一個很好的案例，作為一個股票分析項目，通過四個智能體來扮演四個分析師角色，分別來承擔(dān)技術(shù)面報告、基礎(chǔ)面報告、風(fēng)險評估、投資建議等任務(wù)，最終還有一個智能體來負責(zé)決策建議。這個結(jié)構(gòu)，解決了單一智能體的能力局限性問題，提升了目標(biāo)任務(wù)的執(zhí)行成功率。
高挺表示：“通過使用多智能體系統(tǒng)，企業(yè)可實現(xiàn)復(fù)雜業(yè)務(wù)流程的自動化、提升團隊技能并開創(chuàng)人類與AI智能體的新協(xié)作方式。采用模塊化設(shè)計的專業(yè)智能體通過在各工作流中重復(fù)使用成熟解決方案提升效率、加快交付速度和降低風(fēng)險。這種方案還便于擴展運營規(guī)模和快速適應(yīng)需求變化