近日，Gartner围绕AI发展的紧迫性和风险、计算的新范式、人机协同三个主题，发布了2025年十大战略技术趋势。总体来看，这些前沿技术会在未来的3-5年内得到快速发展和应用。Gartner研究副总裁高挺表示，在人工智能的快速迭代下，技术演进的步伐已显著加快，更需要企业首席执行官们以更加审慎的态度，全面评估技术发展态势，捕捉机遇规避风险。
AI发展的紧迫性和风险
1. 代理型AI（Agentic AI）
比尔·盖茨预言：未来每个人都会有一个AI助理。随着AI技术的突破，大语言模型的涌现赋予了AI更强大的语言和推理能力，使其具备了更广泛的适用性。通过自主规划和采取行动实现用户定义目标的
代理型AI（Agentic AI）是“十大”中发展较快的技术趋势之一。高挺表示，代理型AI的最终形态将与人类相似——能够拆解复杂任务并灵活运用各种工具来完成任务，他同时也强调，“要想达到这一境界，代理型AI必须具备记忆能力、计划能力、感知能力、以及调用工具的能力。”
目前而言，代理型AI的发展仍处于早期阶段，主要难点聚焦在处理决策路径长、执行任务多的复杂目标场景时，存在较高的错误率。事实上，代理型AI的实际应用成效，在很大程度上依赖于模型的推理能力。以OpenAI的推理模型为例，预计还需经历2-3次迭代升级，才能达到较高的实用水平。
Gartner预测，到2028年，至少15%的日常工作决策将由代理型AI自主做出。
2. AI治理平台（AI Governance Platforms）
AI的泛用加速了对AI监管的必要性，特别是生成式AI迅猛发展，大幅度增加了AI失控的技术风险。因此，AI融入人类社会所带来的新问题，核心在于如何构建一套性质有效的监管机制来确保AI技术的健康、安全发展。
今年的技术趋势中，AI治理平台能够创建、管理和执行负责任的AI使用策略、解释AI系统的工作原理并提供透明度以建立信任和问责制，是Gartner不断发展的AI信任、风险和安全管理（TRiSM）框架的一部分。
值得一提的是，AI TRiSM已连续三年被纳入“重要战略技术趋势”（2023、2024、2025），彰显了其在当前技术环境下的重要地位。
AI治理平台的主要能力包括模型的生命周期管理能力，模型的透明度和可解释性、模型验证、AI系统监控、AI系统相关的法律政策合规管理等。高挺认为，负责任的AI将与网络安全一样成为企业的准配——且同等重要。
3. 虚假信息安全（Disinformation Security）
虚假信息是故意传播的伪造的信息，目的是为了误导、欺骗或操纵大众。事实上，这一问题以前就存在，但在生成式AI的“加持”下，这类恶意行为的成本变得更低了，且更难以通过人工或者基于规则的方式识别。放任下去，会对企业造成重大且持久的损害。
虚假信息安全这一新兴技术，能够系统地辨别信任度，旨在提供一个能够确保信息完整性、评估真实性、防止冒名顶替和追踪有害信息传播的方法体系。虚假信息安全的应用场景包括验证实时通信的完整性、确保第三方多媒体的真实性、大型语言模型 (LLM) 驱动的监控系统（用于跟踪社交媒体和暗网渠道上的内容）、降低生成式AI幻觉和数字测谎仪等。
计算的新范式
1. 后量子密码学（Postquantum Cryptography）
随着量子计算技术在过去数年的迅猛发展，当前普遍应用的传统加密技术正面临着被淘汰的风险。具体而言，现有的“非对称加密”算法，在量子计算这一“高阶计算范式”前，破解变得轻而易举。因此，加密技术必须提升至与量子计算相匹配的维度，这就是后量子密码学产生的使命。
Gartner 预测，到2029年，量子计算技术的进步将使大多数传统的非对称加密技术变得不安全，企业数据受到威胁。
高挺介绍，预计到2025年春季，美国国家标准与技术研究院（NIST）将会确定新一轮后量子密码学的算法标准。他建议企业需要逐步替换核心敏感数据的加密方式。
2. 环境隐形智能（Ambient Invisible Intelligence）
环境隐形智能的实现依赖与低成本、微型化的智能标签与传感器，它们能够以经济高效的方式实现大规模的追踪与传感功能。这些低功耗的无线装置几乎可视为拥有无限续航能力，从而极大地拓展了其应用范畴，诸如仓库库存即时盘点、食品运输实时追踪等。Gartner预计，5年内，智能的成本将降至10美分。
3. 节能计算（Energy-Efficient Computing）
随着可持续发展成为全球的普遍共识，各行各业都在积极探索更加节能的解决方案。“节能计算”应运而生，其核心在于以更低的能源消耗实现更高效率的计算能力。尤其在人工智能领域飞速发展的当下，企业对AI算力的需求日益增长，但随之而来的电力供应挑战却难以忽视。如何在确保计算需求得到满足的同时，有效控制电力消耗并减少碳排放，成为了节能计算亟需攻克的关键难题。
高挺表示，节能计算不是一蹴而就的。从短期策略来看，可以使用绿色能源，降低能效比较低的硬件，如将工作复杂转移到更环保的“云上”；中期策略则建议使用更高效的编码架构和算法来提高能效比；长期策略是依靠一些新的计算技术，预计从2020年代末开始将出现一些新的计算技术，如光学、神经形态和新型加速器等。这些新技术将被专门用于特殊任务，例如AI和优化，并显著降低能耗。
4. 混合计算（Hybrid Computing）
混合计算愿景在于将多种不同的计算范式融合，并通过一个高效的编排系统，使每种范式都能充分发挥其独特优势。然而，由于混合计算涉及众多新兴且复杂的技术领域，如神经形态计算、光计算、量子计算以及生物计算等。这些技术各具特色，要将它们协调统一，构建成一个和谐运作的系统，其难度不言而喻。
目前，混合计算的应用仍主要局限于较小规模的异构计算资源整合，例如CPU与GPU的结合使用。要实现更大规模、更复杂的混合计算系统，还需要至少还需3至10年的不懈努力与探索。
人机协同
1. 空间计算（Spatial Computing）
空间计算利用增强现实和虚拟现实等技术，以数字方式增强物理世界，AR/VR/XR技术就是空间计算的重要组成部分。同时，一系列头戴式显示器的问世，如苹果的Vision Pro、Meta的Quest 3等，让空间计算从理论构想走向了现实。
然而，尽管空间计算展现出无限潜力，其发展仍面临多重挑战。以苹果Vision Pro为例，虽然技术先进，但却伴随着高昂的售价，使得普通消费者望而却步；同时，佩戴舒适度不足、电池续航能力有限、操作流程复杂以及缺乏具有吸引力的粘性应用等问题，也限制了其市场普及率与用户满意度。此外，不同品牌间的硬件兼容性差、软件平台各异以及内容生态系统缺乏统一标准，导致了显著的互操作性障碍，这无疑是制约空间计算技术进一步发展的又一大瓶颈。
Gartner 预测，到2033年，空间计算市场将从2023年的1100亿美元增长至1.7万亿美元。
2. 多功能机器人（Polyfunctional Robots）
Gartner预测，到2030年，80%的人类将每天与智能机器人打交道。
多功能机器人的核心在于执行多样化任务，且不受特定形态的限制，展现出广泛的应用场景覆盖能力——不光能在工厂“打螺丝”，还能融入家庭生活，承担洗衣做饭洗碗等任务。多功能机器人是应对劳动力成本上升、劳动力短缺、自动化需求增长的解决方案之一。
在高挺看来，汽车制造、电子制造、医疗辅助、家政服务、商业服务等领域可率先实现多功能机器人的规模化应用。
3. 神经增强（Neurological Enhancement）
神经增强利用读取和解码大脑活动的技术提高人类的认知能力，实际上就是“脑机接口”，高挺表示，神经增强技术的发展路径，是从非侵入式的单向传导到非侵入式的双向读写，再到侵入式的双向读写，到最后发展为微创的双向读写。
神经增强技术带来的影响主要体现在三个方面：第一增强人类的技能，如记忆力、注意力等，使人类能够紧跟人工智能的发展步伐；第二重塑下一代营销体系，消费者的喜好可以直接通过脑电波信号得到真实的反馈，为营销提供精准度与效率；第三，提升人类性能和工作效率，在预防工业事故、应对老龄化挑战等多个领域发挥重要的作用。
结语
高挺在采访中表示，相比前几年的技术趋势，今年更强调技术本身，随着AI不断迭代，技术进入新的加速期。
面对快速更迭的技术，高挺建议企业管理者以正确的心态面对技术趋势的发展，“可以根据风险偏好去选择：引领趋势发展、关注技术趋势发展甚至是完全忽视某项技术趋势，如果它和企业不相关或者是成熟时间太长的话。但是对于技术趋势和新兴技术而言，想直接应用的心态反而是会满足不了预期的。”
