全球领先的技术研究和咨询公司Gartner近日在线上分享会中正式发布了'2026年重要战略技术趋势'。Gartner研究副总裁高挺在会上详细解读了这一年度重磅趋势报告,为处于技术变革浪潮中的中国企业指明了未来发展方向。

据悉,本次发布的十大战略技术趋势围绕三大主题展开——'架构者'(Architect)、'协调者'(Synthesist)和'哨兵'(Vanguard),构成了一场应对AI时代挑战的'超级英雄之旅'。其中有8个全新趋势首次发布,另外2个趋势(机密计算和AI安全平台)因在去年已有阐述而未在本次重点讲解中呈现。

AI原生开发：软件工程迎来范式革命

在'架构者'主题下,AI原生开发平台成为最引人注目的趋势之一。这一趋势本质上就是当下非常流行的'AI原生软件工程'或'氛围编程'。高挺表示,大语言模型在所有文字类场景中特别适用,而让AI写代码正是其中一个重要应用场景。

市面上已经出现各种各样用AI开发的工具,包括在浏览器中输入提示词直接生成Web网站的前后端一体化软件,以及在传统IDE开发环境中集成AI助手帮助编写代码的工具。更值得关注的是,根据不完全统计,很多大公司现在用AI写代码的覆盖率已经达到20%-40%的替代率。

高挺特别强调了AI执行任务时间正在逐步增长的趋势,这意味着AI可以自主工作更长时间,这一能力的提升将进一步推动AI原生开发平台的普及。

AI超算平台：算力成为未来竞争的核心底座

AI超算平台被定义为未来AI的算力底座,其重要性不言而喻。随着模型规模越来越大,训练所需的数据量也需要变得越来越高,目前Scaling Law(规模定律)还在继续发展。

高挺介绍了AI超算平台的两个核心关键字：一是'混合AI算力',即无论在云端的大型数据中心还是终端设备中,都会混合使用不同类型的计算芯片,不同芯片负责不同任务。例如苹果的M5芯片中就混合了GPU、CPU和NPU三种芯片。

二是'连接或算力调度'。英伟达最新发布的NVQLink和CUDA-Q技术,本质上就是把量子计算和GPU加速的经典超级计算机联系起来,一方面帮助量子计算进行纠错,另一方面实现不同任务向不同计算架构的智能调度。

多智能体系统：破解单体AI可靠性难题

在'协调者'主题中,多智能体系统成为解决当前AI应用落地关键问题的重要方案。高挺指出,基于大语言模型的单智能体在执行复杂任务时可靠性不够高。当上下文过长或多轮对话后,智能体容易出现错误。更重要的是,由于大语言模型具有随机性,如果一个复杂目标被拆解成20个任务,即使每个任务成功率高达95%,最终完成整个目标的成功率也只有36%。

解决方案就是采用多智能体架构,将复杂任务拆分给不同的智能体分而治之,让智能体A完成第一件事、智能体B完成第二件事,最后由一个智能体进行协调,这种架构把复杂问题简单化,弥补了现阶段基于大语言模型智能体的不足。

高挺分享了全球最大媒体公司贝塔斯曼的应用案例。该公司业务涵盖出版、有声读物、电视节目、电影等多个领域,通过为每个业务部门配备专门的智能体进行数据搜索,最后汇总结果,实现了跨业务的智能信息检索。

特定领域语言模型：从通用到专业的关键一步

高挺援引MIT的一份报告指出,95%的企业人工智能投资未能兑现,而90%的员工却在私下使用个人AI工具。这一矛盾现象的核心原因在于,通用大语言模型本身不懂具体业务或行业知识,企业需要用特定领域的数据对模型进行训练,让模型懂得特定行业知识和企业具体业务,才能真正为企业创造价值。

高挺举例说明,法律AI应用公司Harvey通过用法律行业数据训练大语言模型,成功为律所提供专业服务。医疗领域的OpenEvidence则是'医生版的ChatGPT',其数据源全部来自著名医疗文献、期刊和指南,对医生免费开放,通过向药企收取广告费实现盈利。

物理AI：从数字世界走向现实世界

物理AI旨在处理现实世界中的互动,最典型的两个应用场景是自动驾驶汽车和机器人。高挺介绍了物理AI背后的两大技术路线：

一是VLA模型,它是从大语言模型衍生而来,在理解文字和图片的基础上加入动作能力。二是世界模型,它能够理解物理世界的物理规律,具备对时空的认知能力,可以预判下一步将发生什么。

目前蔚来和特斯拉等智能驾驶汽车厂商走的是类似世界模型的路线。OpenAI的Sora生成的视频非常符合物理学原理,而Meta的V-JEPA2模型则可以预测人的下一步动作。

前置式主动网络安全：应对AI驱动的新型威胁

在'哨兵'主题下,前置式主动网络安全成为应对AI双刃剑效应的重要防线。高挺警告,AI正在降低网络攻击的技术门槛,使其从技术活变成体力活。例如,AI可以自动生成千奇百怪的钓鱼邮件,勒索软件也不再是预先写好的硬代码,而是通过嵌入生成式AI脚本在目标电脑上现场生成。

为应对这些威胁,前置式主动网络安全包含五种技术,其中'预测性威胁情报'可以及时发现0天漏洞并让企业提前采取预防措施;'自动移动目标防御'则采用军事游击战的打法,让对外暴露的端口IP不断变化,制造假象迷惑攻击者。

数字溯源与地缘回迁：构建可信的数字生态

数字溯源旨在证明数字资产的来源和可信度。高挺指出,软件供应链中如果出现安全问题会产生巨大影响,例如Linux系统中一个开源压缩工具的贡献者曾加入恶意代码,被全球众多开发者下载使用。

解决方案是采用类似汽车制造业物料清单(BOM)的管理方式,建立软件SBOM、加密CBOM和机器学习模型MLBOM,对数字资产进行全面溯源管理。

地缘回迁趋势则反映了企业在感知地缘政治风险时,会将数据和应用从全球公有云迁移到本地化的'主权云'。高挺特别提到,中国在信创和本土化替代方面已经取得不错进展,DeepSeek发布的支持UE8M0 FP8数据格式的动作,标志着中国正在从模型到芯片构建完整的自主可控生态。

在互动环节,高挺针对中国企业特别推荐了四个最值得关注的趋势：一是物理AI,因为完全自动驾驶和机器人两大场景意义重大;二是AI原生开发平台,已经可以切实提高软件开发效率;三是特定领域语言模型,这是让AI真正为企业干活的关键;四是多智能体系统,可以让AI完成更复杂的商业任务。

对于如何判断技术创新是真正价值还是短期风口,高挺给出了明确标准：一要看是否解决了真实的业务问题,而非'拿着锤子找钉子';二要看能否嵌入企业流程,而非孤立的Demo;三要看能否构建护城河,创造独特价值而非只是效率优化。

Gartner预测,到2030年,前置式主动网络安全将支撑50%的安全软件投入;到2028年,80%的仓库将使用机器人技术或自动化;企业使用的GenAI模型将有一半以上是特定领域的。这些预测为中国企业的技术布局提供了重要参考。

随着AI技术从'会说'向'会做'跨越,2026年将成为AI规模化落地的关键之年。中国企业需要在创新、运营和信任之间找到平衡,在全球技术变革的浪潮中把握机遇,实现业务的持续增长。

原文链接：https：//mp.weixin.qq.com/s/wvDBA7CCF2_Rd3NGmXpfRw