今年Gartner列出的十大重要战略技术趋势涵盖了AI 的必要性和风险、新的计算前沿和人机协同三大主题。
AI 的必要性和风险驱动
01
代理型AI Agentic AI
商业价值：
一个虚拟的代理工作队伍可以协助、分担和增强人类或传统应用的工作。
挑战：
需要强有力的保护措施，以确保与提供者和用户意图的一致性。
代理型AI通过自主规划和采取行动实现用户定义的目标。代理型AI为实现能够分担和补充人类工作的虚拟劳动力带来了希望。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，而2024年这一比例为0%。这项技术的目标导向型功能将实现适应性更强、能够完成各种任务的软件系统。
代理型AI有望实现企业首席信息官（CIO）提高生产力的愿望。这一动机促使企业与厂商探索、开创和建立能够提供稳健、安全和可信的代理型AI所需的技术和实践。
02
AI治理平台AI Governance Platforms
商业价值：
创建、管理和执行确保 AI 负责任使用的政策，解释 AI 系统的工作原理，进行生命周期管理，并提供透明度以建立信任和问责制。
挑战：
AI 指南在不同地区和行业之间存在差异，使得建立一致的实践变得困难。
AI治理平台是Gartner不断发展的AI信任、风险和安全管理（TRiSM）框架的一部分。AI TRiSM使企业能够管理其AI系统的法律、道德和运营绩效。这种技术解决方案能够创建、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。
Gartner预测，到2028年，采用综合AI治理平台的企业将比没有这类系统的企业减少40%与AI相关的伦理事件。
03
虚假信息安全 Disinformation Security
商业价值：
通过加强身份验证控制来减少欺诈；
通过持续的风险评分、上下文意识和持续适应的信任模型防止账户被接管；
通过识别有害叙事来保护品牌声誉。
挑战：
需要持续更新的、多层次的、适应性学习的团队方法。
虚假信息安全是一个新兴技术类别。该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。Gartner预测，到2028年，将有50%的企业开始采用专为应对虚假信息安全用例而设计的产品、服务或功能，而目前这一比例还不到 5%。
AI和机器学习工具的广泛可用性和高级状态被用于恶意目的，预计将增加针对企业的虚假信息事件数量。如果这种趋势不被加以控制，那么虚假信息可能会对企业造成重大且持久的损害。
04
后量子密码学 Postquantum Cryptography
商业价值：保护数据免受量子计算出现后带来的安全风险。
挑战：PQC 算法不能直接替代现有的非对称算法。当前应用可能存在性能问题，需要测试，并可能需要重写。
后量子密码学能够保护数据免受量子计算解密风险。根据量子计算过去几年的发展情况，目前广泛使用的几种传统加密技术将被淘汰。由于改变加密方法并非易事，企业必须有更长的准备时间，才能为一切敏感或机密信息提供强有力的保护。
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。
05
环境隐形智能 Ambient Invisible Intelligence
商业价值：
实现低成本、实时跟踪和感知物品，提高可见性和效率；
潜在的不可伪造的来源和物体报告身份、历史和属性的新方式。
挑战：
提供商需要解决隐私问题，并在某些类型的数据使用中获得同意；
用户可能选择禁用标签以保护隐私。
环境隐形智能是由成本极低、体积小巧的智能标签和传感器实现的，这些传感器能够提供大规模、经济实惠的的追踪和传感。长远来看，环境隐形智能将使传感器和智能技术无缝融入我们的日常生活中。
到2027年，环境隐形智能的早期示例将以解决当前问题为主，例如零售库存检查或易腐货物物流等，通过实现低成本的实时物品追踪和感知来提高可见性和效率。
06
节能计算 Energy-Efficient Computing
商业价值：应对法律、商业和社会压力，通过减少碳足迹来改善可持续性。
挑战：需要新的硬件、云服务、技能、工具、算法和应用程序；迁移到新计算平台将复杂且昂贵；随着绿色能源需求增加，短期内能源价格可能会上涨。
IT以多种方式影响可持续性。在2024年，碳足迹是大多数IT组织的首要考虑因素。计算密集型应用，例如AI训练、模拟、优化和媒体渲染等由于能耗最高而可能成为企业碳足迹“大户”。
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。
07
混合计算 Hybrid Computing
商业价值：高效、高速、变革性的创新环境；AI 的性能超越当前技术限制；由更高水平的自动化驱动的自主业务；允许实时个性化的大规模增强人类能力，以及将人体用作计算平台。
挑战：新兴的高度复杂技术需要专业技能；自主模块系统引入安全风险；涉及实验性技术和高成本；需要编排和集成。
新的计算范式正在不断涌现，包括中央处理单元、图形处理单元、边缘、特定应用集成电路、神经形态以及经典量子计算、光学计算范式。混合计算结合不同的计算、存储和网络机制解决计算问题。这种计算形式能够帮助企业探索和解决问题，使AI等技术能够突破当前的技术限制。混合计算将被用来创建比传统环境更高效的变革性创新环境。
人机协同
08
空间计算 Spatial Computing
商业价值：
满足消费者对游戏、教育和电子商务中沉浸式和互动体验的需求；
满足医疗、零售和制造业中对复杂可视化工具的需求，以支持决策和提高效率。
挑战：
头戴式显示器昂贵且笨重，需要频繁充电，可能会使用户隔离并增加事故的潜在风险；
用户界面复杂；数据隐私和安全是主要关注点。
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。它将实体和虚拟体验之间的交互提升到一个新的级别。在未来五到七年内，空间计算的使用将通过简化工作流程和增强协作能力来提高企业效率。
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。
09
多功能机器人 Polyfunctional Robots
商业价值：
提高效率；
更快的投资回报；
无需进行建筑改造或固定基础设施，意味着快速部署、低风险和可扩展性；
可以替代或与人类协作。
挑战：
行业尚未在价格或所需的最低功能上达成标准化。
多功能机器人能够执行多项任务，它们正在取代为重复执行一种任务而专门设计的特定任务机器人。这种新型机器人的功能性能够提高效率和投资回报率（ROI）。多功能机器人可以与人类一起协作，能够快速部署和轻松扩展。
Gartner预测，到2030年，80%的人类将每天与智能机器人打交道，而目前这一比例还不到10%。
10
神经增强 Neurological Enhancement
商业价值：
人类技能提升
安全性改善
个性化教育
允许老年人更长时间工作
下一代市场营销。
挑战：
初期成本高，电池和移动性、无线连接选项有限；
具有侵入性和风险；
UBMI（脑机接口）和 BBMI（脑-脑接口）直接与人脑接口，带来安全挑战；
伦理问题（例如，改变用户对现实的感知）。
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。这项技术能够使用单向脑机接口或双向脑机接口（BBMI）读取人的大脑，在人类技能提升、下一代营销和提升表现这三个主要领域具有巨大潜力。神经增强将提高人类的认知能力，帮助品牌了解消费者的想法和感受并增强人类的神经功能，从而获得最 佳的结果。
Gartner预测，到2030年，30%的知识工作者将通过BBMI等技术（资金来源包括雇主和个人）提升自己的能力，并凭借这些技术来适应工作场所中AI的崛起。这一比例在2024年还不到 1%。
