解讀2025年十大戰略技術趨勢，對話Gartner研究副總裁高挺

智東西作者 ZeR0編輯 漠影

智東西11月8日報道，知名研究機構Gartner近期發佈了《Gartner十大戰略技術趨勢報告（2025）》，涉及代理型AI、AI治理平臺、虛假信息安全、後量子密碼學、環境隱形智能、節能計算、混合計算、空間計算、多功能機器人、神經增強。對此，Gartner研究副總裁高挺向智東西等媒體作了詳細解讀。

據高挺分享，Gartner每年會要求全球約兩千位分析師提交各自認爲所研究領域中的一些重要技術趨勢，由技術委員會和篩選委員對這些趨勢進行評選。評選標準是滿足以下條件：1）能獲得企業CXO和CIO的關注，特別是CIO的關注；2）有全球性和跨行業的影響；3）有一些顛覆性影響；4）有一些活躍的實驗室研究和研發的信號；5）有一些活躍的風險投資基金用於這些新的技術推進和初創企業的啓動；6）不是漸進性的改變、而是跨越式的改變。

十大趨勢可以歸爲三大類別：AI發展的緊迫性和風險（代理型AI、AI治理平臺、虛假信息安全）、計算的新範式（後量子密碼學、環境隱形智能、節能計算、混合計算）、人機協同（空間計算、多功能機器人、神經增強）。

一、代理型AI：2-3年，不需要休假和福利的數字勞動力

Gartner預測，到2028年，至少15%的日常工作決策將由代理型AI自主做出，而2024年這一比例爲0%。

在高挺看來，代理型AI能夠勝任的這些決策包括三類：1）重複性、數據密集型任務，相對簡單又有足夠多的數據作爲決策支撐；2）面向內部的、提高後臺工作效率的任務；3）決策路徑較短，有人類參與在裡面的協同任務，而非實現完全自動化的複雜目標。

代理型AI（Agentic AI，又名“AI智能體”）通過自主規劃和採取行動實現用戶定義的目標，有望提高企業生產力。Gartner認爲代理型AI的願景是“每個人都需要一個AI代理”，它會成爲一個不需要休假和福利的數字勞動力。

AI過去只是爲特定任務而設計的，在大語言模型出現後，AI開始具備語言和推理能力。OpenAI定義的AGI路線分爲五個階段，第一階段是聊天機器人，第二階段是具備推理能力，第三階段則是具備代理能力的Agent。

代理型AI有兩大特點：以目標爲驅動，無論是否有人工干預都可以自動執行任務；利用記憶、計劃、感知、工具等能力作出決策並採取行動。

最終，代理型AI能像人類一樣做事，比如將複雜目標拆解成不同任務，然後調用不同工具來實現任務。它預計會降低網站和應用程序的必要性，有助於提高員工數字技能、解鎖擴展的新概念、創造新型工作夥伴。

高挺認爲代理型AI的發展還處於較早期階段，主要瓶頸在於錯誤率，尤其是在決策路徑長、執行任務多的複雜目標場景。目前OpenAI的推理模型只發布到第一代，至少要迭代2-3個版本才具備比較高的實用性，預計2025年代理型AI仍然處於發展期。

其終局是人類和AI的融合，將大幅提高生產力，同時帶來失業問題，短期內會給人類帶來挑戰，長期看人類會進入物質極大豐富的社會。

他建議企業採用人機協作模式，允許AI提供數據驅動的建議，而人類則負責最終決策，同時定期監控和評估AI系統的表現，確保其輸出符合預期並且沒有偏見。通過定期反饋機制，企業可以不斷優化AI系統，並增強人類對其信任。

二、AI治理平臺：2-4年，負責任的AI將成爲企業的標配

Gartner預測，到2028年，採用綜合AI治理平臺的企業將比沒有這類系統的企業減少40%與AI相關的倫理事件。

生成式AI大幅增加了技術失控風險，這些風險需要得到控制。Gartner所說的“AI治理平臺”是指一個可從法律、倫理道德方面幫助組織管理和監督AI系統的技術解決方案，是Gartner不斷髮展的“AI信任、風險和安全管理（TRiSM）”框架的一部分。AI TRiSM使企業能管理其AI系統的法律、道德和運營績效。

AI治理平臺的主要能力包括模型的生命週期管理能力、透明度和可解釋性、模型驗證、AI系統監控、AI系統相關的法律政策合規管理等。

不是所有廠商都能提供一站式AI治理能力。Gartner認爲未來負責任的AI將與網絡安全一樣成爲企業的標配，而且同等重要。該機構預測接下來各國政府將出臺一系列針對AI出臺的法律法規，強調要警惕一些打着“AI倫理”的口號的市場營銷策略，建議企業對AI系統進行壓力測試以發現偏見。

針對推動AI治理、平衡技術進步與社會倫理道德關係，高挺提出了一些建議：1）政府制定明確的政策與法規；2）企業推動倫理審查機制；3）建立跨學科合作機制；4）強化公衆教育與參與。

三、虛假信息安全：1-3年，防範與對抗僞造信息

Gartner預測，到2028年，將有50%的企業開始採用專爲應對虛假信息安全用例而設計的產品、服務或功能，而目前這一比例還不到5%。

虛假信息是故意傳播的、僞造的信息，目的是誤導、欺騙或操縱大衆，攻擊方式有網絡釣魚、社會工程、賬戶接管和虛假內容等。生成式AI加劇了它的危害，使攻擊更難以被人類識別以及被傳統技術組織，會給企業造成更大損失。

虛假信息安全是一類新興技術，能夠系統地辨別信任度，主要是用來在信息傳播中確保完整性、評估真實性、防止冒充和追蹤有害信息傳播。

其技術元素包括深度僞造檢測、防範冒充和品牌保護等；應用場景包括驗證實時通信的完整性、確保第三方多媒體的真實性、大語言模型驅動的監控系統（用於跟蹤社交媒體和暗網渠道上的內容）、降低生成式AI幻覺和數字測謊儀等。

身份冒充防範不只限於認證手段，品牌保護需要了解言論的出處、內容和傳播範圍，對抗虛假信息需要依靠多種技術以及跨職能團隊。

高挺建議企業評估現有系統、工作流程和控制措施，以查找與虛假信息攻擊相關的漏洞，並部署虛假信息安全技術和實踐。例如在身份驗證和生物特徵認證工具中加入深度僞造檢測的能力，並在整個身份使用過程中持續評估風險。

四、後量子密碼學：2-3年，防禦傳統加密機制風險

Gartner預測，到2029年，量子計算技術的進步將使大多數傳統的非對稱加密技術變得不安全。

高挺提到後量子密碼學的風險可能超過“千年蟲問題”。量子計算能破解所有已有的非對稱加密。例如，網銀安全鏈路就採用非對稱加密機制，而非對稱加密在量子計算面前不堪一擊。現有存儲數據未來可能會被解密，這對很多企業是潛在風險。

當所有的加密機制都失效了，就需要構建新的加密機制。後量子密碼學是一系列算法，用於抵禦來自傳統計算機和量子計算機的攻擊，能夠保護數據免受量子計算解密風險。

後量子密碼學不是一個簡單的升級或補丁，需要清點和替換所有當前的加密，其算法可能影響性能，並且許多組織並沒有規劃相應的預算。

其標準主要由美國國家標準與技術研究院（NIST）進行評選，這項工作已經開展多年，經過多輪篩選，預計不久將公佈最終的商業化解決方案。到2025年春季，一些算法可能被確定。

後量子加密算法的標準還沒完全定下來，企業可以做一些早期技術準備。由於改變加密方法並非易事，企業必須有更長的準備時間，創建密碼使用清單，並與供應商溝通更換事宜，逐步對敏感數據用後量子密碼學方法替換現有加密算法，升級或更換硬件，才能爲一切敏感或機密信息提供強有力的保護。

五、環境隱形智能：3-7年，智能標籤成本可降至10美分

環境隱形智能是由超低成本、微型無線電子標籤、設備和傳感器實現的，這些低功耗無線設備預計會在2025年被大規模使用。

Gartner觀察到智能低功耗設備的成本正在變得越來越低，智能標籤的成本目前可降到20美分左右，預計5年內可降到大概10美分左右，這意味着基本上可以在每一個物品裡嵌入環境隱形智能或標籤，從而提供新的客戶互動方式。

環境隱形智能涉及數百萬商品的實時庫存盤點，涉及零售、食品生產、倉儲等多個行業，長遠來看將使傳感器和智能技術無縫融入人們的日常生活中。

到2027年，環境隱形智能的早期示例將以解決當前問題爲主，例如檢查零售庫存、易腐貨物物流等，通過實現低成本的實時物品追蹤和感知來提高可見性和效率。

六、節能計算：3-5年，用新型計算技術降低能耗

IT能源消耗正在以一種不可持續的方式不斷增加。AI訓練、模擬、優化、媒體渲染等高性能產品的需求可能成爲企業碳足跡“大戶”。在2024年，碳足跡是大多數IT組織的首要考慮因素。

節能計算是指用更小能耗實現更高的計算。這不是一蹴而就的事情，短期策略可使用綠色能源，提高計算利用率；中期策略可用更高效的編碼、架構、算法，提高能效比；長期策略比如在2030年前，預計會看到光計算系統出現。

光計算、神經形態計算、新型加速器等，這些新的計算技術將被專門用於AI和優化等特殊任務，並能夠顯著降低能耗。

高挺還分享了一些企業在降低AI能耗方面的實踐方向，例如使用更小的模型、探索和開發新型算法設計、通過監控模型性能並在達到預期精度後提前停止訓練等。

七、混合計算：3-10年，用更高效機制解決計算問題

混合計算將被用來創建比傳統環境更高效的變革性創新環境。這種計算形式有助於助力AI等技術突破當前的技術限制。

傳統計算的未來是混合型的計算，結合不同的計算、存儲和網絡機制解決計算問題。

比如可以結合中央處理單元（CPU）、圖形處理單元（GPU）、邊緣計算、特定應用集成電路（ASIC）、神經形態計算、經典量子計算、光學計算範式等計算範式編排起來，利用各自的優勢去解決不同的問題。

難點在於混合計算涉及到許多新興技術，協調起來並非易事，現階段還侷限在比較小規模的異構計算資源（如CPU和GPU整合），在更大規模內的協調需要時間，其成熟至少需要3-10年。

Gartner建議關注能夠跨計算範式支持應用開發和部署的集成與編排平臺。

八、空間計算：1-3年，將提高企業效率

Gartner預測，到2033年，空間計算市場將從2023年的1100億美元增長至1.7萬億美元。

空間計算是將物理對象和數字對象合併到一個共享參考框架內的一種新興計算範式，也就是將物理和數字世界的內容進行疊加和混合。其中涉及的關鍵技術包括對物理世界中人、地點、事物在數字空間進行映射和識別，比較典型的有增強現實（AR）、虛擬現實（VR）、擴展現實（XR）等技術，以數字方式增強物理世界，將實體和虛擬體驗之間的交互提升到一個新的級別。

Vision Pro、Quest 3等新型頭顯的出現驅動這一趨勢的發展，使空間計算從概念走向現實。更多具有空間計算能力的設備和應用正在被開發出來。Gartner預測頭戴式顯示器未來可能取代電腦和其他顯示器。據估計，2024年空間計算的市場規模爲350億美元，包括基於XR芯片構建合作伙伴生態系統的主要硬件製造商。

在未來5~7年內，空間計算的使用將通過簡化工作流程和增強協作能力來提高企業效率。

空間計算仍面臨不少問題，比如頭顯價格貴、設備重、續航不長、操作界面較複雜、上手有門檻、缺乏有黏性的殺手級應用等。不同廠商硬件、軟件和內容生態之間缺乏互操作性，也會阻礙空間計算的發展。

九、多功能機器人：3-10年，提高投資回報率

Gartner預測，到2030年，80%的人類將每天與智能機器人打交道，而目前這一比例還不到10%。

多功能機器人不是爲了完成單一任務，而是能夠執行多項任務，正在取代爲重複執行一種任務而專門設計的特定任務機器人，可以與人類一起協作，能夠快速部署和輕鬆擴展。

這種新型機器人的功能性，能夠提高效率和投資回報率（ROI），爲了幫助人類完成各種任務針對需要做什麼給出指令，而不是如何採用新的外形規格。比如這個機器人在家裡能做燒菜、洗碗、拖地等很多事情。

短期的需求可以被短租機器人滿足。人機關係（機器人學）對業務成功的重要性將日益增加。

有些企業開始開發培訓系統，用於教導機器人如何爲業務提供支持；有些企業在招聘員工或考慮生產力資源時會考慮使用機器人；甚至有些企業對機器人部署默認採用多功能的策略，開始起草企業關於人機關係的基本政策。

在高挺看來，AI、傳感器、機器人驅動器等技術因素，以及勞動力成本上升、勞動力短缺、自動化需求日益增長等外部因素，共同推動着智能機器人的快速發展和普及。汽車製造、電子製造、醫療輔助、家政服務、互動學習等行業場景均有可能實現多功能機器人的規模化應用。

十、神經增強：超過10年，提高人類認知和改善營銷體系

Gartner預測，到2030年，30%的知識工作者將通過BBMI等技術（資金來源包括僱主和個人）提升自己的能力，並憑藉這些技術來適應工作場所中AI的崛起。這一比例在2024年還不到 1%。

神經增強即腦機接口，利用讀取和解碼大腦活動的技術提高人類的認知能力。這項技術能夠使用單向腦機接口或雙向腦機接口（BBMI）和一系列其他方法“讀取”人的大腦，實現“大腦透明度”，用信號方式反映人類在想什麼，乃至增強大腦的功能。對大腦工作方式的理解將更深刻。

神經增強技術主要有三個潛力：1）提高人類的認知能力，“變成增強型人類”；2）影響下一代營銷體系，幫助品牌瞭解消費者的想法和感受並增強人類的神經功能，從而獲得最佳的結果；3）提升績效，增強人類神經能力，預防工業事故、老齡化問題、司機疲勞駕駛等，有助於延長大腦健康時間和整體壽命。

高挺進一步解釋道，傳統營銷是通過做用戶問卷、大數據分析等方式獲知用戶喜好；未來企業可以藉助神經增強技術，通過分析腦電波信號，來實時瞭解消費者的真實意圖，實現更有效的營銷。

結語：形成正確對待技術趨勢的心態

相比前幾年更強調技術架構的變化，今年的Gartner十大戰略技術趨勢更強調技術本身。高挺分享說，由於AI不斷迭代，技術進入一個加速期，接下來代理型AI、虛假信息安全、AI治理平臺預計發展較快，多功能機器人也已經被引入到生產製造行業中。

在他看來，如何正確對待技術趨勢的心態很重要，可根據風險偏好去選擇引領趨勢發展、關注技術趨勢發展甚至是完全忽視某項技術趨勢（如果它和企業不相關或成熟時間太長）。但對於技術趨勢和新興技術而言，想直接應用的心態反而是會滿足不了預期的。