专业分析师带你看懂Gartner十大战略技术

不久前,Gartner发布《Gartner十大战略技术趋势报告(2025)》,十大战略趋势又可以分为三个主题,分别是AI相关,计算技术相关和人机协同相关的部分。最近,Gartner研究副总裁 高挺在一次采访中详细介绍了这些趋势。

每年的十大趋势报告都会引起很多关注和讨论,所以,很多人都很好奇Gartner是如何筛选出技术趋势的,这次分享中,高挺提到了Gartner确定技术趋势的做法。

Gartner每年汇集全球2000多位分析师的见解,由专门的委员会来筛选出趋势。这些趋势不仅要得到CXO的关注,要具备全球性、跨行业的颠覆性影响,要有实验室的研究和风险投资的支持,还要是跨越性创新。

这就不难理解Gartner总结的十大趋势为什么会引起关注了,接下来,我将简明扼要地分享高挺的介绍内容,帮大家看懂Gartner所总结的十大战略技术。

代理型AI(Agentic AI)将成为你的数字员工

高挺介绍称,“代理型AI”(Agentic AI)在国内市场经常被叫做“AI智能体”,事实上,代理型A不仅包括AI智能体,还涉及代理型搜索和多代理系统等概念,Gartner提出的“机器客户”的概念也包含在其中。

“代理型AI”描绘了一个美好的愿景。未来每个人都会有一个AI代理,AI代理的本质是一个软件化的机器人,它也可以是一个不需要休息、不需要发工资,而且可以“7×24”,365天无休工作的数字员工。

大模型技术的出现让这一切成为可能。在OpenAI定义的AGI路线中,第一阶段是具备用自然语言对话的能力。第二阶段是具备推理能力,让AI具备解决问题的能力。第三阶段是代理能力,让AI能够自主执行任务。

目前,我们正在向代理型AI阶段过渡,代理型AI将能够像人类一样执行任务。它会将复杂目标拆解成多个任务,并通过记忆、计划、感知和调用工具等核心功能来完成一些复杂的任务。其终极目标是让人通过简单的语音指令让AI执行复杂任务。

高挺也提到,尽管代理型AI具有颠覆潜力,但目前在长任务链的可靠性方面还存在挑战,容易因单个步骤出错而影响整体效果,完成复杂任务的能力有限。

需要以AI治理平台应对AI技术失控的风险

随着AI技术的迅速发展,越发需要AI治理平台来应对技术失控的风险。

Gartner指出,“AI治理平台”帮助企业从法律、伦理等多维度管理和监督AI系统,属于“AI信任、风险和安全管理”(AI TRiSM)框架的一部分。这些平台的核心功能包括模型生命周期管理、模型透明度与可解释性、模型验证、系统监控及合规管理。

生成式AI的兴起加大了治理难度,近年来已出现因AI失误而引发的社会事件,例如人脸识别误判、错误的客服信息、甚至滋生“黑灰产业”。因此,建立AI治理机制成为企业发展的关键一步。尽管市场上已有相关厂商提供AI治理功能,但一站式的解决方案仍然稀缺,不同厂商的能力存在差异。

高挺认为,未来,各国将出台更多AI监管法规,企业也将设立“数字合规部门”以保障AI安全。Gartner认为,负责任的AI将如同网络安全一样,逐渐成为企业的“标配”,成为未来合规发展的必需品。

以“虚假信息安全”来应对恶意虚假信息

高挺提到,生成式AI在带来效率提升到同时,也大幅降低了制造虚假信息的成本。Gartner认为,这需要用“虚假信息安全”做出应对。

所谓虚假信息安全指的是一种新兴技术,用于保障信息传播的真实性和完整性,可以用来防止冒充和追踪有害信息传播。这类技术涵盖了实时通信验证、媒体真实性审查、大语言模型驱动的监控系统、社交媒体内容追踪、以及数字测谎等能力。

越来越多的企业开始意识到虚假信息的危害。生成式AI的普及加剧了传统网络安全问题,如网络钓鱼、社会工程攻击和虚假内容传播,传统的人工和规则识别手段已不足以应对这一挑战,需要如深度伪造检测等新技术来抵御和识别恶意虚假信息。

以后量子密码学来应对加密危机

量子计算的快速发展正带来重大加密风险,或许比“千年虫问题”更为严峻。

当前广泛使用的非对称加密(公钥/私钥体系)虽然在传统计算下几乎无法破解,但在量子计算面前将变得脆弱不堪。量子计算可以在几分钟内破解需要数百年计算才能解开的加密,直接让现有的安全机制失效,可以威胁如网银等现在广泛使用的加密链路。

为应对这种威胁,“后量子密码学”正成为新的解决方案,“后量子密码学”可以开发对抗量子破解的加密算法。美国国家标准与技术研究院(NIST)正进行新一轮加密算法评选,预计将在2025年春季更新部分后量子加密算法。

然而,许多企业尚未意识到这一转变的重要性。高挺提到,一些黑客已开始存储企业的加密数据,等待量子计算成熟后再破解,企业需逐步采用“后量子密码”来保护核心敏感信息,以防未来风险。

环境隐形智能将会有丰富的新应用场景

环境隐形智能这个概念有点让人摸不着头脑,其实,Gartner所说的“环境隐形智能”是指利用成本低、功耗小的智能标签和传感器,能实现对环境的智能感知与数据采集。

这些低功耗小型设备会采用包括蓝牙在内的连接技术,有些设备可以通过收集射频能量,具备近乎无限的寿命。预计到2025年,这类设备将被大规模应用,带来丰富的新场景,例如,可以在仓库中实时监控数百万件商品库存,可以在食品运输中追踪温度和行进路径以减少损耗等。

高挺介绍称,智能标签的成本正快速下降,将从每个约20美分降至10美分,这将使几乎所有商品都能嵌入智能标签,为客户带来创新的互动体验。例如,在服装店,顾客可将商品放入自动扫描设备中完成结账,这正是低功耗智能标签的应用。

节能计算,用更少的能耗去进行更多的计算

在AI对算力要求不断攀升的情况下,全球数据中心不断扩建,电力不足的问题日益严重,且各地对企业碳排放控制的要求日趋严格。而Gartner所说的“节能计算”指的是在降低能耗的同时,满足日益增长的计算需求。

高挺介绍称,“节能计算”的目标就是是用更少的能耗去进行更多的计算,这样的目标并非一蹴而就的事儿,是需要分为短期、中期、长期策略。

短期内,可以通过使用绿色能源和低能耗硬件,或将负载转移到更环保的云数据中心;中期策略包括使用更高效的算法和硬件来提高能效;长期来看,2030年前可能出现如光学计算、DNA存储等新技术,其能效远超传统硅基芯片。此外,神经形态系统等前沿技术也被视为未来高效AI计算的潜在方向,但目前仍在早期阶段。

混合计算将整合多种计算范式

Gartner认为,未来的计算将走向“混合型计算”,而不仅仅是依赖单一计算方式,比如量子计算。

混合计算是通过整合多种计算范式(如神经形态计算、量子计算、光计算、生物计算和碳基计算等)来解决不同类型的问题。各计算方式将在特定领域发挥独特优势,例如光计算适合优化问题,而量子计算在药物发现和材料科学中表现出色。

Gartner认为,混合计算的愿景是通过一个系统编排多种计算方式,使其协同工作,充分发挥各自能力。当前,混合计算主要体现在小规模的异构资源整合(如CPU与GPU),但要在大规模下实现协调仍需时间,预计混合计算成熟应用需3至10年时间。

空间计算的现状与未来发展

高挺解释称,“空间计算”是指将物理和数字对象融合在一个超越屏幕显示的共享框架中,通俗点说,就是把数字世界和物理世界的内容去叠加和混合。

空间计算的关键技术包括对物理世界中的人、地点和事物在数字空间的映射与识别,AR/VR/XR技术就是其核心组成部分。现阶段,苹果的Vision Pro和Meta的Quest3等新型头戴设备的推出,使空间计算逐步从概念走向现实。

然而,空间计算当前仍面临诸多挑战。比如,设备昂贵,佩戴不适,续航不足且操作复杂,用户需要适应。更重要的是,目前还没有吸引用户的“杀手级”应用,用户面对着硬件、软件及内容生态的碎片化现状,这些都阻碍了空间计算的普及与发展。

多功能机器人普及带来的价值与担忧

Gartner所说的多功能机器人,指的是可协助人类完成多项任务的机器人,既可以是人形的也可以是犬形。高挺强调说,多功能机器人的设计目标在于多任务适应,而不仅限于单一用途。

Gartner预测,到2030年,80%的人类将与智能机器人互动。预计,未来五到十年将会出现10万元左右的家用机器人,就像现在的家用汽车一样普及,比如,能做饭、洗碗、拖地,在更多种场景中的功能表现,就能带来更高的投资回报率。

高挺也提到了多功能机器人的普及可能引发的人际关系新问题。机器人不仅会替代工厂劳动力,也可能进入家庭和办公室,甚至影响人的隐私。人们或许会考虑如何与一个电子同事相处的问题。

可为未来社会和经济带来深远影响的神经增强技术

高挺介绍说,“神经增强”其实就是现在常说的脑机接口技术,是一种利用脑机接口技术提升人类认知能力的前沿科技,通过读取、解码、甚至写入大脑信息来实现“大脑透明度”。

这一领域进展迅速,Neuralink等公司已获FDA批准进行人体试验。神经增强的技术路径从非侵入式的单向读写逐步发展到微创双向读写,未来可能大幅提升人类的认知和反应能力。

Gartner认为,神经增强技术可以带来三大潜力:

首先,增强记忆力和注意力等认知技能,帮助人类在AI时代保持竞争力,把人变成增强性人类;第二,在营销领域,它可直接获取用户大脑中的偏好数据,可以提供更精准有效的反馈数据;最后,可提升人类神经功能,有助于预防事故、延缓老化并延长大脑健康寿命。

Gartner认为,这项技术将为未来社会和经济带来深远影响。

结束语

以上就是Gartner提到的十大战略技术的主要内容。其中提到的一些趋势在近几年就会有较大影响,比如关于代理型AI、AI治理平台、虚假信息安全,也有的离现在还有些遥远的预测。不论如何,这些都是比较受关注的趋势,值得关心技术发展的朋友多看几眼。