2027年Gartner十大战略技术趋势，关键词是“自主化”-智能经济-至顶网

过去两年，业内不时有人提出“人工智能可能是人类社会最后一次重大技术革命”的判断。

如果有一天，AI真的拥有远超人类的智能，并且能够不断自我进化，那么从科学研究、技术开发到工业生产，甚至种地、养猪这样的日常劳动，都有可能由AI完成。人类或许不再需要像今天这样推动一轮又一轮的技术创新。

谁能更好地驾驭AI，就可能在这一轮技术变革中获得更多机会。今年Gartner十大战略技术趋势也都与AI息息相关，AI正在从一种独立的技术能力，逐步演变为影响整个企业技术体系的基础性力量。

“过去，企业可以把AI视为一种应用功能，例如智能客服、内容生成或数据分析。但随着AI智能体能够自主执行任务、编写软件并参与决策，它开始同时改变企业的生产方式、软件架构、安全体系和组织运营模式。”Gartner研究副总裁高挺说道。

从十大战略技术趋势来看，Gartner的关注点已经延伸到如何让模型理解业务环境的AI上下文平台、管理智能体权限的身份技术，以及重新定义软件生命周期的可抛弃型应用。甚至主权技术和湿件即服务这样的趋势，也分别反映了AI发展带来的技术依赖与计算资源问题。

当AI成为推动整个技术架构重新设计的重要力量，这能很好地解释为什么Gartner今年提出的十大战略技术趋势，几乎都绕不开AI。

Gartner希望通过十大战略技术趋势，为企业未来五年的技术布局提供参考。今年，Gartner将十大趋势设计成了一份“菜单”，关键词就是“自主化”。

AI进入企业后自主化越来越强，企业也面临各种挑战。例如，AI生成代码的速度已经超过人工审核的速度，如何保证软件质量与安全？智能体被赋予更多操作权限，企业该如何管理和控制这些权限？部分业务流程对单一技术供应商的依赖，也可能带来新的风险。

高挺谈到，今年的菜单设立了三道菜：驾驭非文本前沿、治理自主智能体平台、构建持久敏捷性，希望为企业未来的技术布局提供参考。

驾驭非文本前沿

在真实的企业业务场景中，需要处理的信息远不止文字，还有像科学计算中的数值数据、声音信号，以及现实物理世界中的复杂变化。Gartner将这驾驭非文本前沿的三个技术趋势概括为：计算、聆听、模拟，分别对应大型定量模型、语音推理模型、世界模型。

大型定量模型（Large Quantitative Model）是一类专门用于处理和分析定量数据的模型，采用模块化混合神经网络架构，通过大量观测、实验和仿真数据进行训练，学习真实系统的运行规律。

大型定量模型的价值主要体现在三个方面，第一，提高复杂数学决策的准确性和可靠性。大语言模型虽然也能处理数学问题，但其基本机制仍然是预测下一个Token，在涉及复杂数值计算时，可能存在准确性和合规性风险。大型定量模型针对定量任务进行专门训练，在适用场景中能够提供更可靠的计算和分析结果；第二，在处理同类定量任务时，大型定量模型通常不需要大语言模型那样庞大的参数规模，可以减少计算资源消耗。第三，大型定量模型能够帮助企业在采取实际行动之前，先通过模型进行模拟和预测，提前评估不同决策可能产生的结果，减少事后纠错的成本。

Gartner预测，到2030年，大型定量模型将在25%的预测和建模任务中取代大语言模型。Gartner提出了三点建议，首先可以从产品设计、能源调度、风险建模等数学和量化需求较强的场景入手，通过试点验证实际价值。其次不用将大型定量模型与大语言模型对立起来，两者可以采用混合架构协同工作。最后企业需要明确LQM的适用范围和误差边界。

语音推理模型（Speech Reasoning Model）是一类能够直接理解音频并进行推理的AI系统。语音推理模型可以直接处理音频信息，结合对话上下文理解用户意图，并决定下一步采取什么行动。

例如，同样一句“好吧，就这么干吧”，不同的语气、语调可能表达完全不同的态度。如果转换成文字，这些信息就可能丢失。语音推理模型能够结合语气、语调等声音特征，更好地判断用户的真实意图，并以相对自然的语气和情感作出回应。

语音推理模型有望改变业务规模与人员数量之间的关系，让企业在不同比例增加人力和成本的情况下，处理更多语音交互。语音AI的应用也可以从被动接听电话，扩展到主动预约、业务提醒和客户回访等服务，并进一步应用于医疗、金融等对专业判断和合规要求较高的领域。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年这一比例还不到10%。

Gartner建议首先从风险较低的内部场景入手，选择即使出现错误也容易补救的业务进行试点，再逐步扩展到客户服务及受监管的业务场景。其次，企业需要尽早建立语音数据的隐私保护、授权同意和审计机制，避免业务规模扩大后再补充相关管理措施。最后，从实际业务结果衡量应用价值，例如语音模型能够独立解决多少问题、减少多少人工成本、缩短多少处理时间。

世界模型（World Model）是一种面向物理世界的AI技术，能够理解时间、空间以及物体之间的因果关系。与主要通过语言学习知识的大语言模型不同，世界模型更关注物理环境的状态及其变化规律。世界模型能够根据当前环境的信息，预测下一时刻可能发生什么，并通过模拟不同的行动及其结果，帮助AI作出决策。

例如，在自动驾驶场景中，世界模型可以根据当前环境预测下一时刻可能发生的变化，模拟不同行动可能产生的结果，帮助系统作出决策。世界模型也被视为物理AI发展的重要基础，在机器人、自动驾驶等领域具有较大的应用潜力。

Gartner预测，到2030年，40%的机器人应用将采用世界模型在动态环境中辅助作出最优决策，2025年这一比例还不到1%。

Gartner建议企业先从模拟驾驶、游戏环境等风险较低的场景开展试点，验证技术能力，同时避免对短期应用效果抱有过高预期。由于世界模型需要处理复杂的空间信息和物理仿真任务，企业还应提前评估对芯片、计算资源及数据中心基础设施的需求。预计到2031年，世界模型将重新定义空间AI、数字孪生和智能仿真的能力。

治理自主智能体平台

当AI越来越深入企业业务，不论是代码生成还是智能体执行任务，安全可靠问题也被提上日程。Gartner总结了四个技术趋势，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，重点关注如何对智能体的访问权限、执行过程和安全风险进行管理。

AI上下文平台是通过统一的语义体系描述企业业务，将实时数据与企业知识连接起来，让智能体既了解企业的业务规则，也能掌握当前的业务状态，并围绕具体目标执行任务。

企业的知识往往分散在不同部门和业务系统中，AI上下文平台可以将这些碎片化的信息整合起来，形成一套能够持续更新的企业知识体系。高挺将其比作企业的“AI大脑”，让智能体能够在理解业务的基础上，更准确地执行复杂工作流。

Gartner预测，到2027年，优先做好AI就绪数据语义建设的企业，智能体AI的准确率最高可提升80%，成本最多可降低60%。

目前AI上下文平台市场尚未完全成熟，企业很难通过采购单一供应商的产品获得完整解决方案。Gartner建议优先采用开放、模块化且具备互操作性的技术架构，例如通过REST API、OpenAPI和MCP等标准接口，连接不同的上下文服务、业务系统和智能体，降低对单一供应商的依赖。

AI编码智能体框架（AI Coding Agent Harness）是一种用于管理软件开发生命周期中AI自主开发行为的控制系统。Harness一词原本有“马具”的意思，就像一匹马需要通过马具来控制行动方向，AI编码智能体也需要一套规则和约束，才能在企业的软件开发流程中安全、可靠地工作。

AI编码智能体框架可以为智能体提供执行环境、上下文和行为规范，明确它能够访问哪些信息、使用哪些工具，以及应该按照什么标准生成代码。企业可以基于现有的开源框架或供应商平台，加入自身的编码规范、业务规则和安全要求，构建适合自己的开发管理体系。

Gartner预测，到2028年，拥有AI编码智能体框架的企业，上线后的软件缺陷将比没有采用这一框架的企业减少60%。

Gartner建议首先由开发人员主导，因为开发人员最了解企业内部的编码规范、业务规则，以及过去项目中积累的经验和教训，需要将这些内容融入框架；其次，框架需要持续迭代，根据实际开发过程中遇到的问题，不断收集工作流中的反馈，完善相关规则；最后，企业应将AI编码智能体框架视为一项持续演进的技术资产。

AI智能体身份是一种用于识别和管理智能体身份及访问权限的身份与访问管理（IAM）技术。一个AI智能体通常由模型、系统提示词、工具和权限凭证等多个要素组成，而且这些要素可能随时发生变化，同时智能体还可能代表不同人员或系统执行任务。AI智能体身份需要将智能体的各个组成要素及其行为关联起来，建立一套“复合身份”机制，确保智能体的行为可以被追踪和问责。

Gartner预测，到2028年，25%的企业安全漏洞事件将追溯至AI智能体滥用。一方面，智能体可能被赋予过高的权限，大量权限凭证也容易成为攻击者利用的目标。另一方面，传统依赖静态密码和固定权限的身份管理方式，难以适应智能体持续运行、动态变化的特点，无法及时对其访问行为进行有效约束。

Gartner提出了三点建议，首先，企业应采用基于策略的动态访问控制机制，减少对高风险静态凭证的依赖，根据具体任务和访问范围授予权限，并在任务结束后自动撤销；其次，企业需要将每个智能体作为独立身份进行管理，全面盘点并登记企业内部的智能体，包括未经正式登记的“影子智能体”。智能体不能直接借用员工账号，应通过授权委托代表人员执行任务，并明确对应的人类负责人；最后，企业还需要结合智能体的操作意图、实际行为和业务上下文实施实时访问控制，并对高风险操作设置审批机制。

自主式暴露修复（Autonomous Exposure Remediation, AER）主要通过AI与自动化工具相结合，帮助企业识别数字资产中的安全漏洞，确定修复优先级，并自动完成修复。

企业完全消除安全漏洞几乎不可能，尤其随着AI技术的发展，漏洞发现的速度不断加快，攻击者也开始利用AI寻找和利用系统弱点，企业面临的安全压力进一步增加。Gartner的研究显示，漏洞平均需要约50天才能得到修复。

在漏洞持续存在的情况下，企业面临的关键问题是如何缩短从发现到修复的时间，减少风险暴露窗口。Gartner预测，到2030年，三分之一的组织将借助人机协作的自动修复机制，在48小时内持续处理高度可被利用的安全暴露。

自主式暴露修复目前仍处于发展早期，预计还需要4至6年才能达到较为成熟的阶段。Gartner建议企业保持合理预期，持续关注相关技术从漏洞发现到实际修复的能力进展；其次，企业应在系统设计和开发阶段就考虑自动修复能力，将安全要求融入整个开发流程，减少事后补救的成本；最后，自主式暴露修复需要安全、开发和运维团队共同参与，根据漏洞的风险程度确定修复优先级，协同推进修复工作。

构建持久敏捷性

构建持久敏捷性需要关注三个问题，企业能否掌握关键技术的自主权；软件生命周期能否跟上企业业务需求的变化；当传统硅基计算面临能源消耗瓶颈时，未来还有哪些新的计算方式。

主权技术（Sovereign Tech，SovTech）是一套从技术和法律层面进行架构设计的技术栈，具有三个特点。第一，覆盖从芯片、服务器、云平台、数据库到应用、智能体和AI模型的完整技术体系。第二，在设计时就考虑供应商退出机制，即使关键供应商无法继续提供服务，企业或第三方仍然拥有继续运行相关系统的法律权利和技术能力。第三，保障技术的持续可用，避免供应商锁定，确保业务运营的连续性。

主权技术之所以重要是因为：第一，随着地缘政治环境不断变化，主权要求正沿着技术栈向上延伸，从数据主权、运营主权扩展到对整个技术体系的掌控，经过验证的供应商退出策略变得更加重要。第二，保护关键技术免受供应商锁定的影响，避免关键业务因供应商突然中断服务而受到影响。第三，关系到国家经济。

Gartner给出的建议是，第一，充分利用开放的公有云服务生态。目前，越来越多的云服务商通过开放生态，提供私有化、本地部署以及由本地合作伙伴运营的交付方式。第二，合理利用“n-1代技术”，也就是上一代技术。由于最前沿的技术未必能够开放获取，企业可以充分利用上一代技术，与合作伙伴开展互惠共享。第三，关注主权技术联盟，包括供应商、国家和客户之间建立的技术合作联盟。

可抛弃型应用（Disposable Application）是为特定业务目标而开发的软件，当业务目标完成或相关需求结束后，应用就可以随之退役。

可抛弃型应用的重要性主要体现在三个方面。第一，AI大幅降低了软件开发成本，让软件生命周期能够与业务生命周期保持同步；第二，降低企业应用组合的风险和复杂性。很多企业内部存在大量已经无人使用、也缺乏维护的遗留系统，增加了管理负担。可抛弃型应用可以加快应用系统的更新换代，减少长期保留无用系统带来的问题；第三，推动AI应用创建的规模化治理。企业可以将部分应用开发权限交给业务部门，让业务部门根据自身需求生成应用，IT部门则负责提供必要的安全护栏。

Gartner预测，到2031年，80%的新应用将是可抛弃、易于替换的。Gartner建议，识别过去不值得开发软件、但具有短期价值的业务场景，例如原本依靠纸质表格、Excel或邮件完成的工作；寻找维护成本超过替换成本的场景，考虑用新应用替代老旧系统；制定可抛弃型应用战略，建立身份、数据和安全等管理机制，根据风险程度实施治理，并实现应用自动退役。同时，为短期应用保留“转正通道”，当业务发展为长期需求时，可以将其纳入企业正式的应用组合。

湿件即服务（Wetware as a Service）是生物计算（Biocomputing）的一种形式，主要利用活体生物组织和细胞构建生物神经网络，在其中运行算法。

目前，AI主要依赖硅基芯片进行计算，随着AI需求不断增长，能源消耗也在持续增加。湿件即服务尝试利用生物神经网络完成一些特定计算任务，探索能效更高的计算方式。例如，人脑只需要约20瓦的功率就能完成复杂的信息处理，相比传统硅基计算，生物计算在能效方面具有一定的潜力。

湿件即服务的重要性主要体现在三个方面。第一，降低计算能耗。当前大型AI系统需要大量电力，而生物神经元有望以远低于硅基服务器的功耗完成部分特定计算任务。第二，推动新的混合计算架构，将生物计算与类脑芯片等技术结合，形成新的计算方式。第三，支持自适应并行计算，让生物神经网络能够根据反馈进行调整和学习。

Gartner预测，到2030年，在优先开展专业化、低功耗AI研发的组织中，25%将把湿件作为主要的高能效计算方式；到2035年，高能效的湿件即服务有望全面实现。Gartner建议企业首先关注未来4至9年的技术可行性，将其视为研发探索方向，暂时不考虑全面替代现有计算体系。其次，可以尝试订阅现有厂商提供的远程湿件服务，通过沙盒试点积累经验。对于企业而言，重点在于寻找适合生物计算的应用场景，发挥应用场景发现者和协调者的作用。

从今年的十大战略技术趋势看，重点在于如何管理AI驱动的自主系统，并重新设计企业的技术架构。

Gartner在2027年趋势报告的成熟度示意图中，语音推理模型、AI上下文平台、AI编程智能体框架和主权技术列入未来1至3年的发展阶段；AI智能体身份和可抛弃型应用主要处于3至5年的发展阶段；大型定量模型、世界模型、自主暴露修复和湿件即服务的全面成熟则需要更长时间。高挺也强调，成熟度也并不意味着企业必须等待技术成熟才能行动，建议CIO采用“近期创造业务价值、中期建设核心能力、长期保留技术选择权”的投资原则。

2027年Gartner十大战略技术趋势，关键词是“自主化”