券商中國
時謙
2025-12-05 17:33
AI大模型技術正加速進入大眾生活，但同時潛在威脅也相伴相生。
近日，Gartner發布2026年十大戰略技術趨勢，其中有超過一半都與AI相關。Gartner研究副總裁高挺在接受21世紀經濟報道等媒體采訪時指出，出現這一現象，反映出一個“由AI驅動、超連接的世界”正走向現實。
在他看來，AI占據主導地位，因為它同時扮演了兩個角色。一方面，AI是創新的基礎，在企業運營中應用AI將帶來新的商業價值和創新產品；另一方面，廣泛采用AI也帶來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。“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。”高挺補充道。
AI底層演進
如今的AI功能遠不止是生成特定主題圖片或與人對話聊天那么簡單，隨著Agent（智能體）功能持續落地，2026年這一趨勢將進一步延續并升級。
在前述十大趨勢中，高挺重點看好四類技術：AI原生開發平臺（AI-Native Development Platforms）、特定領域的語言模型（Domain-Specific Language Models-DSLM）、多智能體系統（Multiagent Systems）、物理AI（Physical AI）。
其中，AI原生開發平臺（AI-Native Development Platforms）已經逐漸成為現實，即使是非技術背景的員工，也能借助AI工具自主開發應用。
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。
特定領域的語言模型方面，尤其是基于企業私域數據進行AI訓練，并構建的特定模型，可以在企業運營中發揮更大價值。
不同于通用大模型目前多用于用戶日常對話、答疑等場景，企業私域數據的價值更為隱蔽但潛力巨大，這將令AI從“通用能力”轉向“專屬價值”。
舉例來說，通過企業自身的標準作業指導書、設備手冊等內部數據進行AI訓練，推動其垂域模型成為細分領域的“專家”。在制造企業遇到機器故障時，員工用自然語言提問就能快速獲得解決方案，由此提高效率并降低溝通門檻。
在Agent（智能體）元年，其應用落地過程中的發展也從“單打獨斗”走向“團隊協作”。過去單個AI智能體處理復雜任務時，容易因為步驟繁多、環境多變而出錯，就像一個人面對龐大的項目力不從心。在今年，多智能體能力協同正成為多家AI應用企業推進的方向，在明年這一趨勢將延續。
高挺指出，2026年的多智能體系統，將讓多個專業AI分工協作，最后匯總成統一方案。這種模式不僅提高了任務成功率，還能快速適應企業需求變化。
物理AI（Physical AI）目前主要的兩大場景都有眾多玩家布局，涉及完全自動駕駛汽車和機器人領域。
當然，當前關于物理AI的路線仍存在一定分歧，市場上主要關注兩類實現方式：VLA（Visual Language Model視覺語言模型）和世界模型。
高挺分析道，VLA模型從大語言模型（LLM）衍生而來，它擅長處理圖像、視頻等多模態信息，就像給AI裝上了“眼睛”和“耳朵”，能識別現實中的物體和場景；世界模型則更懂物理世界規律，它能理解時空關系和物理法則，還能預判未來變化并應對。
這兩條路線各自有廠商選擇，因此目前還難言高下。相關技術已經在倉儲物流領域實現落地，Gartner預測，到2028年，80%的倉庫將使用機器人技術或自動化。
支撐這一切應用的基礎，是構建AI超級計算平臺，它就像一個強大的“算力中樞”，整合CPU、GPU、NPU等多種類型計算芯片，以處理海量數據的復雜計算任務。
在此過程中，提高計算效率和連接能力也是關鍵。
“例如英偉達前不久發布的NVQLink和CUDA-Q技術，本質上就是把量子計算和用GPU加速的經典超級計算機聯系起來。”高挺分析道，這主要有兩大目的，其一是量子計算在運行時，需要進行量子糾錯，糾錯過程需要依賴傳統計算機完成，NVQLink就是把這兩種不同的計算范式連接起來，讓傳統的計算算力幫量子計算完成糾錯過程；其二是，串聯起的不同任務可以交給不同的計算架構執行，因此其本質上在落實計算調度工作。
應用落地難題
總結來看，高挺指出，2023~2024年是AI的“技術引爆”階段，以大語言模型（LLM）和生成式AI（GenAI）為代表，核心是展示“可能性”。而2025~2026年進入規模化落地階段，核心是交付“價值”。
從“可能性”轉向“價值”，也涉及多方面新挑戰：經濟性與投資回報的平衡、“最后一公里”的可靠性與可控性、新舊系統間的工作流重塑、AI原生數據的匯聚和相關人才能力匹配、合規性等。
具體來說，從“大模型”轉向“對的模型”過程中，許多企業會意識到，他們需要的不是萬能的GPT-5或同等模型，而是在特定領域表現出色、成本更低的“小模型”。因此2026年的趨勢將是從“模型崇拜”轉向“經濟實用”。
AI在“引爆”階段可以有90%的準確率，這很驚艷。但在“落地”階段，尤其是在金融、醫療、法律、自動駕駛等高風險領域，那10%的“不可靠”是致命。因此在幻覺、可解釋性等方面，行業仍在探索解題方法。
AI能力的發揮，需要嵌入到企業現有復雜系統中。但目前大多數企業仍在使用陳舊的IT架構、ERP、CRM等系統。這令AI需要的數據分散在不同“數據孤島”上。
而將AI能力嵌入工作流中，也需要重構軟件、重組團隊、重新培訓員工，背后是一個龐大的“變革管理”工程。
高挺指出，總而言之，到了2025~2026年，AI落地的主要難點正從“技術問題”（包括如何造出更強的模型）轉向“工程問題”和“商業問題”（如何讓模型在現實世界中可靠、合規、可盈利地運行）。2024年之前，市場最缺的是“算法科學家”。從2025年起，市場最缺的是“AI產品經理”和“AI應用工程師”。
警惕AI威脅
AI技術飛速發展，就像一把雙刃劍，在帶來便利的同時，也暗藏不容忽視的安全威脅。最直觀的風險來自AI驅動的攻擊：深度偽造技術能合成逼真的音頻視頻，容易引發身份欺詐；AI還能抓取個人社交信息，生成“量身定制”的釣魚郵件，讓人防不勝防。
高挺指出，前置式主動網絡安全因此成為2026年的重要技術之一。“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。”
其涉及的具體技術方向包括：“預測性威脅情報”，也即由AI驅動的情報分析系統及時發現并采取預防措施；惡意域名提前發現；“自動移動目標防御”，簡言之，是給網絡攻擊方制造已經進入被攻擊方服務器的假象，實際并未對企業云端造成影響。
Gartner預測，到2030年，隨著企業CIO（首席信息官）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。
此外，AI安全平臺為第三方及定制AI應用提供了統一防護機制，它能夠進行集中監測、強制執行使用策略并防范AI特有風險，如提示數據泄露、惡意代理行為等。Gartner預測，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。
2026年的AI世界，既是創新高地，也是風險的戰場。從數字世界的智能協作到物理世界的場景落地，AI技術的每一步突破都在重構我們的工作和生活方式。但與此同時，安全永遠是發展的前提，只有做好風險防范，才能讓AI真正成為業務增長的催化劑。
