飛象原創（魏德齡/文）近年來，業界總是在談論著AI改變一切，將其又一次奉為“工業革命”級別的技術。不久前，在Gartner發布的2026年十大戰略技術趨勢中，與AI直接相關或以AI為核心的技術，達到了至少6項，包括：AI原生開發平臺、AI超級計算平臺、多智能體系統、特定領域語言模型、物理AI、AI安全平臺。

Gartner研究副總裁高挺表示：“2026年的各項重要戰略技術趨勢將密切交織，折射出一個由人工智能（AI）驅動的高度互聯化世界的現實圖景。在這樣一個世界，企業機構必須推動負責任的創新、卓越運營和數字信任。”

對于今年的Gartner重要戰略技術，Gartner研究副總裁高挺還將其歸類為三位新“英雄”，分別是：架構者、協調者、哨兵。可謂構成了企業運營中的三個維度，架構者構建安全、可擴展的AI平臺和基礎設施；協調者命令多智能體系統、專用模型和物理AI實現自適應、特定領域的解決方案；哨兵提供主動網絡安全、數字來源和治理，確保信任、合規性和數字完整性。

新基礎設施：架構者

關乎架構者的兩項重要技術是AI超級計算平臺和AI原生開發平臺。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，成為重要的生產助手。

AI超級計算平臺本質上就是未來AI的算力底座。通過整合CPU、GPU、AI ASIC、神經系統計算和替代性計算范式，使企業能夠統籌復雜工作負載，同時釋放更大的性能、效率與創新潛力。這些系統融合了強大的處理器、海量存儲、專用硬件及編排軟件，可處理機器學習、仿真模擬和分析等領域的數據密集型工作負載。

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還是端側的PC與智能手機均采用此種運算邏輯。另一方面，算力調度也在成為加速超級計算的關鍵，例如英偉達剛剛發布的NVQLink和CUDA-Q技術，能夠讓傳統算力幫助量子計算進行糾錯，或是將不同任務發送給不同計算架構去執行。

AI原生開發平臺正在成為一種全新的工作生產方式，例如在目前的社交媒體中，就經常能夠看到開發者們對于AI開發在日常工作中的贊許，這類AI開發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頁，或是在已有開發環境中指揮AI來幫助撰寫代碼。

據不完整統計顯示，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執行任務的時間也正在指數級增長，一條比較完整清晰的命令，就能讓AI自己工作很長時間。Gartner預測，到2030年，80%的企業將通過AI原生開發平臺將大型軟件工程團隊轉變為更小、更敏捷的團隊并通過AI賦能這些團隊。

新應用架構：協調者

特定領域語言模型、物理AI、多智能體系統正在成為協調者。AI正在學習理解更多專業領域的知識，并發揮自身價值，同時也在更深入的理解這個世界。甚至擅長不同事務的AI還能構建起一個團隊，來更加精準的解決實際工作需求。

今年8月，美國麻省理工學院發布的一份報告顯示，盡管企業在生成式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回報。企業雖在試點生成式AI工具，但是極少能夠推進至部署階段，其中在行業層面的轉型推進中尤為明顯。

若想獲得成功的途徑正在于需要用特定領域的語言模型來進行訓練，讓模型能夠理解特定行業知識與企業業務。Gartner預測，到2028年，企業使用的生成式AI（GenAI）模型中將有超過半數屬于特定領域模型。特定領域語言模型（DSLM）憑借更高的準確性、更低的成本和更好的合規性填補了這一空白。DSLM是在針對特定行業、功能或流程的專用數據上訓練或微調的語言模型。不同于通用模型，DSLM能更加精準、可靠且合規地滿足特定業務需求。

目前，已經呈現出一些AI時代特定領域模型的成功案例，像是面向法律行業的Harvey，或是有著醫生版ChatGPT之稱的OpenEvidence，例如，后者的數據源全部來自非常著名的相關醫療文獻、期刊、指南，面向醫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。

不同于最先學會扔東西來了解萬有引力現象的嬰兒，AI的成長正在經歷先語言學習，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備（例如機器人、無人機和智能設備），將智能帶入到現實世界。它能為自動化、適應性和安全性至關重要的行業帶來可觀的收益。

目前物理AI主要分為兩個主要技術方向。其一是VLA模型，它通過類似訓練語言模型的方式去訓練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判與規劃能力。

讓AI能夠做事更專業的方法還有一個便是組建多智能體系統，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，分別來承擔技術面報告、基礎面報告、風險評估、投資建議等任務，最終還有一個智能體來負責決策建議。這個結構，解決了單一智能體的能力局限性問題，提升了目標任務的執行成功率。

高挺表示：“通過使用多智能體系統，企業可實現復雜業務流程的自動化、提升團隊技能并開創人類與AI智能體的新協作方式。采用模塊化設計的專業智能體通過在各工作流中重復使用成熟解決方案提升效率、加快交付速度和降低風險。這種方案還便于擴展運營規模和快速適應需求變化。”

新的雙刃劍：哨兵

AI的發展也衍生出了新問題，像是生成式AI也能助力病毒郵件的快速編寫，惡意軟件的生成。AI生成出的內容，也為各種產品帶來的數字溯源的問題。而另一方面，AI又能助力構筑前置式主動網絡安全。

AI在安全領域好比是一把雙刃劍，既能夠幫助完成很多自動化工作，但也能夠以自動化的方式進行網絡攻擊，甚至降低了黑客技術的門檻要求。“氛圍編程”的邏輯同樣適用于“氛圍黑客攻擊”，AI可以指導黑客進行編程，也能自動偵測漏洞，做出攻擊決策。這就意味著，企業面臨的網絡、數據及聯網系統威脅成倍增長。

Gartner預測，到2030年，隨著CIO從被動防御轉向主動防護，前置式主動防御解決方案將占到企業安全支出總額的一半。前置式主動網絡安全的核心在于運用AI驅動的安全運營、程序化阻斷與欺騙技術在攻擊者行動前實施干預，這項技術通過預測實現防護。

正如近期大熱Sora2視頻中的水印，AI生成的內容也需要讓別人知道，這正引出了數字溯源技術，即指對軟件、數據、媒體及流程的來源、所有權和完整性進行驗證的能力。企業可使用軟件物料清單（SBoM）、認證數據庫、數字水印等新工具驗證和追蹤供應鏈中的數字資產。Gartner預測，到2029年，在數字溯源方面投入不足的企業將面臨高達數十億美元的制裁風險。

例如在Linux XZ Utils后門事件中，當開源工具中突然加入惡意代碼，又恰好被全球很多開發者下載并使用，將會對整個軟件供應鏈造成影響。在人工智能浪潮下，不僅是生成內容的追溯，開源大模型也成為了很多企業的首選，也自然將會面對同樣的問題。

地緣回遷則是在哨兵層面上的另一重要技術。企業因考慮到地緣政治風險而將數據與應用從全球公有云遷出至主權云、區域云服務商或自有數據中心等本地平臺。云主權這一概念曾僅限于銀行與政府機構，如今隨著全球局勢動蕩加劇而影響到各類企業。Gartner預測，到2030年，歐洲和中東地區將有超過75%的企業把虛擬工作負載回遷至降低地緣政治風險的解決方案，而2025年的這一比例不足5%。

十大重要戰略技術的另外兩個趨勢是機密計算與AI安全平臺。Gartner預測，到2029年，75%以上在非可信基礎設施中處理的業務將通過機密計算保障使用安全。到2028年，使用AI安全平臺保護AI投資的企業比例將達到50%以上。

AI扮演的角色

高挺在近期舉行的Gartner媒體會回答了AI之所以占據主導地位的話題。他認為AI正在同時扮演兩個角色。

其一是價值創造的核心引擎。AI是創新的基礎。CIO們被建議優先投資于安全、可擴展的AI基礎設施與AI應用。AI技術（例如：多智能體系統和特定領域模型）的應用可以為企業帶來了新的商業價值和創新產品，并能催生以前不可能或不經濟的新一代定制應用。

其二是新型風險的主要來源。AI的廣泛采用也帶來了傳統工具無法解決的新安全風險。報告特別提到，由AI驅動的攻擊在速度和復雜性上都在增長，這迫使企業必須采用新的防御趨勢，例如“AI安全平臺”和“前置式主動網絡安全”。

高挺表示，AI不僅是推動創新的主要工具，也是催生新風險的主要因素。企業必須在利用AI創造價值的同時，還要防范AI帶來的威脅，這使其成為2026年戰略布局的絕對核心。

另外，對于企業而言，在判斷一項技術是否達到“戰略級別”的重要程度上。高挺表示，一項技術如果僅僅是“新”或“快”，那它只是一個技術轉變。但當它具有顛覆性、需要高管介入，并能充當業務轉型的催化劑以在未來五年內創造核心價值（或管理核心風險）時，它就達到了“戰略級別”。

當架構者、協調者、哨兵這三位新“英雄”乘著AI浪潮降臨，2026的超級英雄之旅已經開始。