2025年及以后的主要战略技术趋势和重大战略预测

全球有名的科技咨询公司Gartner毎年最后一个季度要发布关于末来3到5年的顶级战略性技术趋势和未来重要战略性预测。本文作者一直在关注和研究它们，并在罗戈网上分享和解读这些趋势和预测【1-7】。本文主要介绍和解读2025年及以后的主要战略技术趋势【8-9】和重大战略预测【10】。

Gartner 的2025年顶级战略技术趋势

Gartner 公司于2024年10月21日公布了10大2025 年企业需要探索的最重要的战略技术趋势。分析师在10月24日举行的Gartner IT Symposium/Xpo上展示了他们的研究成果。

Gartner 杰出副总裁分析师Gene Alvarez表示：“今年的顶级战略技术趋势涵盖了人工智能的必要性和风险、计算的新前沿和人机协同。跟踪这些趋势将有助于 IT 领导者通过负责任和合乎道德的创新塑造其组织的未来。”（见图1）。

图1：Gartner的2025 年顶级战略技术趋势（来源：Gartner【9】）

Gartner的10大2025 年顶级战略技术趋势被分为图1中三个重要主题，这个三个主题又贯穿一条主线，即“通过负责任和合乎道德的创新塑造组织的未来”。 这三个主题代表了未来3-5年充满机遇的创新领域：

• 代理型人工智能带来了必要性和风险，并将使组织能够改变工作、流程和决策的性质和效率。然而，这也将推动人工智能治理技术的进步。为保护组织免受虚假信息影响而创建的技术将保护人民、组织和社会。

• 计算的新领域不断扩大着收益的潜力，但也带来了威胁。量子计算将打破当今的密码学，使每个人都面临风险。微型、超低成本的无线标签和传感器将催生新的商业模式和生态系统。新的节能计算模型将满足对更多计算和可持续性的需求。越来越多的计算模型为集成和编排提供了机会，以优化所有模型的使用。

• 随着物理和虚拟体验之间下一级交互的创建，人机协同作用正在增强。执行多种功能的机器人将融入人类的日常生活。技术将带来直接获取和改善思想和情感的能力，以增强人类的认知和表现，并带来帮助人们茁壮成长的新方法。

下一节将按这三个主题分别介绍这十个顶级战略技术趋势。

1.1 人工智能的必要性和风险（AI imperatives and risks）

随着组织推进人工智能代理（AI Agents），人工智能的必要性和风险比比皆是。这一点，再加上人工智能的其他方面，将推动组织内部对人工智能治理平台的需求，使所有人都能负责任地、合乎道德地使用人工智能。

恶意行为者利用人工智能加速虚假信息的传播，可能会对组织、客户、合作伙伴和员工造成重大损害。企业将需要技术来跟踪其组织或其组织周围的信息传播，以评估信息的真实性并建立信任。组织还必须保护自己免受使用合成媒体实时访问其系统和传播错误信息的恶意行为者的攻击。

1.1.1代理人工智能（Agentic AI）

Gartner在【11】中描述：代理人工智能是指目标驱动的软件实体，这些实体被组织授予代表组织自主做出决策和采取行动的权利。这些实体使用人工智能技术（结合记忆、规划、传感、工具和护栏等组件）来完成任务并实现目标。

与机器人流程自动化不同，代理 AI 不需要明确的输入，也不会产生预定的输出。代理 AI 实体可以接收目标指令、迭代和委派任务，并输出变量和动态信息——通常会增强用户的工作。

代理人工智能的例子包括：

• 人工智能代理（AI Agents）

• 机器客户

• 多智能体系统

到目前为止，大型语言模型 (LLM) 等 AI 模型已经执行了包括生成文本和总结文档在内的任务，但它们还无法自行“主动”采取行动。相反，它们会根据您的提示采取行动。新兴的Agentic AI正在改变这一现状。正在开发的工具旨在为LLM等系统提供更多代理，使其能够在最少的人工监督下自主行动、适应其环境并在复杂环境中执行目标。这将大大提高人工智能的潜力。例如，代理人工智能可以检查数据、进行研究、编制要完成的任务，然后通过 API 或机器人系统在数字或物理世界中执行这些操作。

人工智能代理是一个范围。它属于代理人工智能的一种初级形式，一方面，具有有限代理的传统系统在狭义的条件下执行特定任务。另一方面，具有完全代理的未来代理人工智能系统将从其环境中学习，做出决策并独立执行任务。当前基于 LLM 的助手和成熟的人工智能代理之间存在巨大差距（见图2）。这一差距将首先在范围狭窄的活动中缩小。然而，随着我们学习如何构建、管理和信任代理人工智能解决方案，代理解决方案的范围和复杂性将扩大。

图2：关注人工智能代理的缺口（来源：Gartner【11】）

代理人工智能是人工智能的新兴技术，它是2025 年最重要的战略技术趋势。人工智能方面的支出 将有助于推动 IT 支出的健康增长。Gartner 表示， 预计 2025 年全球 IT 支出 总额将达到 5.74 万亿美元，比 2024 年增长 9.3%。Gartner 预测，到 2028 年，至少 15% 的日常工作决策将通过 Agentic AI 自主做出，而 2024 年这一比例为 0%。此外，在四年内，预计33%的应用程序将包含代理，15%的决策将自主做出。该技术的目标驱动功能将提供更具适应性的软件系统，能够完成各种各样的任务。【12】指出， Agentic AI 分为四个关键阶段运行：

1. 感知：它从周围的世界收集数据。

2. 推理：它处理这些数据以了解发生了什么。

3. 动作：它根据其理解来决定做什么。

4. 学习：它会随着时间的推移而改进和适应，从反馈和经验中学习。

Agentic AI和AI Agents已开始出现在各个行业中，并且其应用正在快速增长。人工智能代理正飞速发展，并已经遍地开花，如客户支持的聊天机器人；个人助理，如Apple的Siri；电子邮件管理，如Google的Gmail Smart；生产力工具，如GitHub Copilot等能自动生成代码和完成测试。 下面主要列举Agentic AI 的实际应用【12】：

• 自动驾驶汽车：Agentic AI 最令人兴奋的用途之一是自动驾驶汽车。这些 AI 系统可以感知周围环境、做出驾驶决策并从每次行程中学习。随着时间的推移，它们在导航和处理道路上的新挑战方面会做得更好。例如，特斯拉的全自动驾驶系统就是 Agentic AI 的一个例子，它不断从驾驶环境中学习并调整其行为以提高安全性和效率。

• 供应链管理：Agentic AI 还帮助公司优化其供应链。通过自主管理库存、预测需求和实时调整配送路线，AI 可以确保更顺畅、更高效的运营。亚马逊的仓库机器人就是一个例子，这些机器人由 AI 驱动 - 这些机器人可以在复杂的环境中导航，适应不同的条件，并自主地在仓库内移动货物。

• 网络安全：在网络安全领域，Agentic AI 可以通过分析网络活动并自动应对潜在漏洞来检测威胁和漏洞。AI网络安全公司 Darktrace使用 Agentic AI 实时自主检测、响应和学习潜在的网络威胁。

• 医疗保健：人工智能在医疗保健领域也发挥着重要作用。Agentic AI 可以协助诊断、治疗建议和患者护理管理。它可以分析医疗数据、识别模式并帮助医生做出更明智的决策。例如，IBM 的 Watson Health使用人工智能来分析大量医疗保健数据，从新信息中学习，从而为医生和医疗保健专业人士提供帮助。

本文将补充以下两个代理人工智能重要的应用：

• 可组合自主SCP：本文作者在【13】中介绍了Adexa通过使用智能分布式代理 Adexa Genies©为SCP的解决方案添加业务功能几乎没有限制，更重要的是，随着系统的使用，SCP的解决方案能够不断改进。Adexa 部署智能分布式代理 Adexa Genies ©，可以 感知事件，了解影响，采取行动并从经验中学习。他们通过以下方式适应环境：

• 自我修正物理供应链的表示，形成真正的数字孪生，

• 自我完善的政策和业务计则，

• 自我优化规范算法的性能。

• 工业可持续性：据【14】，工业可持续性公司Endava釆用Agentic AI技术来帮助它的客户加速实现可持续性。2024年4月，Endava宣布创建其代理人工智能产业加速器，内部命名为“Morpheus”这是同类产品中的第一个，加速器及其人工智能驱动的行业工具结合了数据和多智能体的力量，共同应对所有行业的复杂挑战，包括医疗保健、保险、金融服务和私募股权等高度监管的领域。

超大规模企业正在将 Agentic AI 添加到他们的 AI 助手中。Agentic AI自主或半自主采取行动的能力有可能帮助 CIO 实现其生成式人工智能 (GenAI) 的愿景，从而提高整个组织的生产力（见图3）。

图3：应用生成式人工智能的主要商业价值类型（来源：Gartner【11】）

1.1.2 AI治理平台（AI Governance Platforms）

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【3】的一部分，该框架使组织能够管理AI系统的法律、道德和运营绩效。这些技术解决方案可以创建、管理和执行负责任的AI使用政策，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，与没有此类系统的组织相比，实施全面AI治理平台的组织将经历与AI相关的道德事件减少 40%。使用人工智能治理平台的企业将比竞争对手获得30%的客户信任评级和25%的监管合规得分。

为什么它成为趋势？人工智能正被应用于更多领域，特别是在监管严格的行业。随着人工智能的传播，偏见、隐私问题以及与人类价值观保持一致的需求等风险也在蔓延。确保人工智能不会伤害某些群体、操纵市场或控制重要系统至关重要。下面列举了几个使用案例：

• 评估人工智能系统可能带来的潜在风险和危害，如偏见、侵犯隐私和负面社会影响。

• 通过模型治理过程指导人工智能模型，以确保在模型生命周期内遵循所有适当的门和控制。

• 跟踪使用情况，监控人工智能系统性能，审计决策过程，并确保人工智能系统随着时间的推移与治理标准保持一致。

图4描绘了人工智能治理平台要素，它包括以下三大部分：

• 要达到的效益：包括信任、负责任的 AI，和创新。

• 人工智能治理平台：包括三大核心要素:

• 伦理：人工智能开发和部署的指导原则和道德考虑。

• 负责任AI的监督：负责任的人工智能管理、监督和部署的实践工作和流程。

• AI技术：人工智能系统的技术方面和能力符合性能标准。

• 治理平台的属性：包括透明度、问责制、公平性、隐私。

图4：人工智能治理平台要素（来源：Gartner【9】）

【15】指出，为了有效实施 AI 治理平台，技术团队必须关注几个关键领域，包括数据质量、清理和综合治理策略。首先：

• 确保数据质量和净化。生成大量高质量的数据。与身份和访问管理 (IAM) 供应商合作，生成训练和调整 AI 模型所需的各种数据集。考虑法律和道德因素，确保数据生成和模型调整符合法律标准并符合组织原则和价值观。

• 推动 AI 就绪数据。建立全面的治理策略，包括可信且治理良好的数据、高质量的主数据和强大的数据质量管理。扩展治理实践，确保 AI 系统的合规、负责任和合乎道德的使用，这将推动更好的结果并促进创新。

• 根据身份和访问管理访问行动计划规划指南，了解人工智能治理和其他影响安全的关键技术趋势。

1.1.3 虚假信息安全（Disinformation Security）

虚假信息安全 是一种新兴技术类别，它系统地辨别信任，旨在提供确保完整性、评估真实性、防止冒充和追踪有害信息传播的方法系统。Gartner 预测，到 2028 年，50% 的企业将开始采用专门针对虚假信息安全用例设计的产品、服务或功能，而目前这一比例还不到 5%。

虚假信息安全包括图5所示的三项关键安全技术：

• 深度伪造检测

• 假冒防范

• 声誉保护

图5：虚假信息安全三项关键安全技术（来源：Gartner【9】）

为什么虚假信息安全成为趋势？【9】指出，虚假信息是一场数字军备竞赛：网络钓鱼、黑客行动主义、假新闻和社会工程都被意图播下恐惧、传播破坏和实施欺诈的对手所推动。随着人工智能和机器学习工具变得更加先进和易于使用，针对企业的虚假信息预计会增加，如果不加以控制，将带来重大而持久的风险。 下面是几个使用案例【9】：

• 检测在授权环境中使用合成媒体（识别验证、实时通信或索赔验证）。

• 对通过大众或社交媒体传播的叙事进行情报监控，例如针对高管领导团队、产品、服务或品牌的叙事。

• 防止冒充与组织有业务往来的个人，如员工、承包商、供应商和客户。

图6指出了虚假信息、错误信息和深度假货的增加对业务的影响，企业和组织必须利用虚假信息安全技术预防、检测和应对虚假信息活动。

图6：虚假信息、错误信息和深度假货的增加对业务的影响（来源：Gartner【16】）

1.2 计算的新前沿（New frontiers of computing）

计算的新领域正在被创造，要求组织以不同的方式看待他们的计算方式。由于需要新的安全措施，今天阴影中的信息将来必须可见。组织需要在降低碳足迹的同时满足不断增长的计算需求。他们还必须整合和编排许多计算模型，以最有效的方式将其作为一个整体来运行，以满足他们不断增长的计算机需求。

在这些新的计算领域，量子计算有可能打破当今的密码学，使每个人都面临风险。需要一种新的密码学来保护组织和社会。

微型、超低成本的无线标签和传感器将使实时、大规模的标签、跟踪和传感成为可能，从而实现新的商业模式和生态系统。

对计算的需求不断增长，而缺乏支持它的能源，这推动了对新的节能计算模型的需求。越来越多的新计算模型与所有现有模型协同工作的优化将推动组织专注于计算的集成和编排。

1.2.1后量子密码学（Post-quantum cryptography）

后量子密码学（PQC）是一种抵御量子计算解密风险的数据保护方法。它实质上是一组旨在抵御传统和量子计算攻击的算法。分析师预计，随着量子发展的进步，几种传统密码学将会终结。Gartner 预测，到 2029 年，量子计算的进步将使大多数形式的非对称密码学变得不安全。现在值得开始后量子密码学转型。转向后量子密码学方法绝非易事。组织必须有更长的准备时间来为任何敏感或机密信息准备强有力的保护。

为什么PQC成为趋势？量子计算很快就会成为现实，可能在这十年内，预计将使许多传统的加密方法过时，对数据安全构成重大风险。犯罪分子已经预见到了这种转变，他们采取了“现在收获，稍后解密”等策略，在这种策略中，他们泄露加密数据，期望最终能够使用量子技术解密。这种新出现的威胁加速了为PQC做准备的需求，PQC提供了防止量子解密的保护。非对称加密几乎存在于所有软件、全球数十亿台设备以及互联网上的大部分通信中。然而，到 2029 年，量子计算的进步将使非对称加密变得不安全，到 2034 年将完全被破解。“先收集后解密”攻击可能已经存在。

为了抵御来自传统计算机和量子计算机的攻击，组织必须过渡到后量子密码学 (PQC)。但这绝非易事。它需要做的工作比为 Y2K 做准备还要多，而且失败可能会带来危险的后果。此外，许多组织尚未为这一转变做好计划或预算。

加密敏捷性时间线（见图7）给出了传统密码向后量子密码学转型的时间表和行动路线。

图7：加密敏捷性时间线（来源：Gartner【17】）

以下是【9】列举的三个PQC使用案例：

• 使您的系统经得起未来考验，以确保敏感的财务数据即使在量子计算世界中也保持安全。

• 保护宝贵的知识产权免受网络威胁，包括未来的量子攻击，确保竞争对手或黑客无法解密机密信息。

• 确保加密的消息、合同和操作数据不会被具有量子能力的对手拦截或解密。

1.2.2 环境隐形智能（Ambient Invisible Intelligence）

环境隐形智能由超低成本智能标签和传感器实现，可提供大规模、经济实惠的跟踪和传感。从长远来看，环境隐形智能将使传感和智能与日常生活更加深入地融合。Gartner 预测，到2027年，环境隐形智能的早期示例将专注于解决眼前问题，例如零售库存检查或易腐货物物流，通过实现低成本、实时的物品跟踪和传感来提高可见性和效率。到2028年，环境隐形智能的早期例子将侧重于通过低成本跟踪和感知物品、降低成本或提高效率来解决眼前的问题。

环境隐形智能是指大规模使用小型低成本标签和传感器来提供有关各种物体和周围环境的位置和状态的信息，这些信息将报告给云端进行分析和记录。此类技术将越来越多地集成到物体中，并且并不总是立即被最终用户看到（参见图8中选定的环境隐形智能示例）。

图8：环境隐形智能的示例（来源：Gartner【18】）

为什么环境隐形智能成为趋势？低成本标签和传感器的技术变得更加实惠，使其在经济上具有吸引力。它提供了实时可见性，这对组织和供应链很有价值，随着时间的推移，它可以扩展到更广泛的生态系统。蓝牙和蜂窝网络等无线标准的进步，以及反向散射和印刷电子等新兴技术，将支持新的用例。这种智能也将成为人工智能和分析的关键数据源，改善产品和流程。 以下是几个使用案例：

• 在零售环境中，根据客户行为自动调整照明、音乐和产品推荐。

• 监控员工如何使用办公空间并自动调整环境因素。

• 在医疗保健领域，无需可穿戴设备即可持续监测患者，实现对紧急情况的实时响应。

Gartner预计【18】到 2035 年该项技术将实现大幅增长，主要受以下五个因素推动：

• 创建和操作环境标签和传感器的技术已达到具有经济吸引力的能力和成本水平。

• 环境隐形智能提供的实时可见性本身就很有价值，尽管到 2025 年，它往往仅限于单个组织或供应链合作伙伴。但从长远来看，我们预计，随着环境智能在整个生命周期内存在于物品中（例如，衣服与洗衣机和烘干机通信，食品包裹与冷却器通信，包裹与不同的供应链组织通信，高价值时尚物品在其整个生命周期内保留来源和可持续性数据），新的生态系统将会出现。

• 领先的无线通信标准正在考虑支持该技术的新功能，无论是用于通信还是作为无线电源。这些标准包括蓝牙、802.11bp 和蜂窝。

• 无线和电子领域的技术进步将催生新的用例。诸如反向散射之类的新兴无线技术将催生新型低功耗通信。诸如印刷电子之类的技术可以使处理器以低于 1 美分的价格应用于智能包装等应用。此外，用于视频等要求更高的数据类型的低能耗传感器也将出现。

• 环境隐形智能将为分析和人工智能提供重要的新数据源，以改进产品和流程。

1.2.3节能计算（Energy-Efficient Computing）

计算密集型应用（例如 AI 训练、仿真、优化和媒体渲染）将成为组织碳足迹的最大贡献者，因为它们消耗的能源最多。从 2020 年代末开始的新进展将有助于促进可持续发展。光学计算、神经形态计算和新型加速器等几种新技术将用于 AI 和优化等特殊用途任务。这些技术将消耗更少的能源。Gartner 预测，当今大多数IT组织的首要考虑因素是他们的碳足迹。

2021年03月29日罗戈研究独家出品了行业首份《供应链零碳转型综合研究报告》【19】，该研究报告的第8章"数字技术: 需要数字碳足迹清醒″指出了各种数字技术，特别是Al计算所产生的碳排放。该章还提出了如何消除数字碳足迹的若干方法。如今随着生成式AI的大发展，以及量子计算时代的到来，它们的计算所产生的碳排放飙升。【20】指出，谷歌最新环境报告显示，该公司2023年的温室气体排放量比2019年高出48%。这家科技巨头将其归因于其数据中心所需的能源不断增加，而人工智能的爆炸式增长则加剧了这一情况。根据最近的一项研究，生成式人工智能系统（例如 ChatGPT）所消耗的能量可能比运行特定任务软件的机器多 33 倍左右。

人工智能对能源和水资源的消耗不断增加，引发了一系列警告，尤其是预计该行业将继续快速增长。英国国家电网负责人3月份表示，人工智能与量子计算的结合将导致未来10年需求激增6倍。微软联合创始人比尔盖茨说：“问题是，人工智能是否会加速实现 6% 以上的减排？答案是肯定的。”

人工智能等计算密集型技术的兴起，加上可持续性要求的不断提高，正在推动对节能计算的需求--一套降低 IT 系统能耗的技术和应用。节能计算（又称绿色计算）包括采用更绿色的能源或转换到更高效的硬件等渐进式策略，以及由新技术实现的长期战略。

图9描绘了控制信息技术的可持续性的技术，它包括：

• 高效编码与算法

• 新硬件

• 绿色能源

图9：控制信息技术的可持续性的技术（来源：Gartner【9】）

为什么节能计算成为趋势？【9】指出，可持续性现在是董事会层面的重点。IT对环境足迹做出了重大贡献，特别是在金融服务和IT服务等行业，因为人工智能等能源密集型技术推动了更高的能源消耗。虽然传统的处理改进正在达到极限，但图形处理单元（GPU）、神经形态计算和量子计算等新的计算技术有望在未来5到10年内带来所需的巨大能效提升。 下面是使用案例：

• 通过降低服务器和冷却系统的功耗来降低数据中心成本

• 可持续产品开发：利用节能计算设计能耗更低的产品

• 使用智能电源管理系统，降低办公网络的功耗

【21】指出了节能计算的挑战，并且给出了如下策略和解决方案来应对节能计算的挑战。

• 应对节能计算的挑战：通往绿色计算的道路依然很复杂。请注意：

• 在IT投资改变应用程序之前，他们必须建立测量和跟踪系统，以了解哪些应用程序和系统值得努力使其变得更加环保。

• 绿色IT是一个复杂的领域，其中的技术和要求都在快速发展。

• 能够带来最大益处的技术尚未成熟到可以部署。

• 采用四种渐进策略拥抱绿色计算，实现能源效率：IT领导者可以使用更环保的能源、更先进的硬件以及高效编码和算法的良好实践来减少其职能部门的碳足迹。但是，仅凭这些措施，可能不足以实现所需的改进。为了增加影响力，采取四种渐进式策略来实现节能计算：

• 改进现有硬件的使用效率，优化算法和数据表示，并利用更绿色的能源。

• 当更高效运行所节省的碳排放量超过其碳成本时，更换旧的、低效的硬件。

• 通过更改应用程序代码和平台来重新构建应用程序。示例包括用图形处理单元 (GPU) 或现场可编程门阵列 (FPGA) 替换通用处理器。

• 通过采用新兴的计算平台和架构（例如神经形态系统或光学系统（当它们足够成熟时））来彻底改变应用程序。

• 计算组织要做好拥抱绿色计算的准备：能耗最高的计算（例如 AI、优化和仿真）是一些新兴计算技术的目标。例如神经形态计算、光学计算和量子计算。Gartner 预计这些技术将在未来 5 到 10 年内提供节能的硬件选择。与此同时，采取以下短期策略：

• 使用更好的测量工具。

• 与更环保的云提供商签订合同。

• 将工作负载转移到更加环保的云区域。

• 当本地供应的碳排放强度较低时运行系统。

• 淘汰内部硬件，并用更高效的现代系统进行替换。

• 监测并试行新兴技术。

1.2.4 混合计算（Hybrid Computing）

新的计算范式不断涌现，包括中央处理器、图形处理单元、边缘计算、专用集成电路、神经形态计算和经典量子计算范式。混合计算结合了不同的计算、存储和 网络机制，以及各种技术，如CPU、GPU、边缘设备、ASIC以及神经形态、量子和光子系统，以解决复杂的计算问题。图10描绘了一种简化的混合计算体系结构，它包括三大层次：

• 顶层是应用案例，它包据多功能机器人(边缘，物联网)、优化和仿真、AI应用程序、药物研发。

• 中间层是混合计算编排层（可看着混合计算管理层），编排层在可用的计算中分割端到端工作流，并通过通用数据结构集成数据，从而实现极高的效率和技术能力，支持从科学模拟到数据分析、机器学习和人工智能等一系列应用和用例。

• 底层是多计算环境，它包括经典的超级计算环境(CPU和GPU等)，AI芯片，神经形态，量子系统，光子系统，生物和碳系统环境。

图10：一种简化的混合计算体系结构（来源：Gartner【22】）

为什么混合计算成为趋势？【9】指出，混合计算使企业能够利用光子、生物计算、神经形态和量子系统等新技术产生颠覆性影响。GenAI是一个关键的例子，解决复杂问题需要大规模的高级计算、网络和存储。 以下是使用案例：

• 经济高效的可扩展性：出于安全原因，将关键工作负载保留在内部，同时在繁忙季节使用云来处理峰值负载。

• 增强数据安全性和合规性：在本地存储敏感数据，满足严格的数据隐私法规，同时使用云进行不太敏感的操作或分析。

• 加速创新和发展：利用基于云的开发工具，同时为生产维护安全的本地环境。

【22】指出，企业和组织要拥抱新计算技术，实现创新。传统计算已无法满足 GenAI 和AI仿真的需求。计算技术的新趋势提供了解决方案。混合计算协调多种计算技术以实现技术创新。过去 80 年来推动创新的经典计算模型已经达到了自然极限。持续的进步需要量子、神经形态和光子等新型计算技术。这些技术节能，但存在与普遍可用性相关的限制和高成本--至少目前如此。这就是混合计算的用武之地。要抓住新计算技术的优势并克服其局限性，IT 团队需要在整个计算环境中协调工作负载，以充分利用不同计算类型的优势，同时降低成本和环境影响。

【22】还指出，混合计算可优化企业和组织的计算环境。跨多种计算技术进行协调的主要好处在于能够处理当今难以管理的问题，例如：

• 复杂度高。新计算技术将能够处理高维优化问题，并可扩展用于解决大问题，同时可能使用更少的内存和能源。

• 互操作性。计算领域的 未来趋势将强调通过编排层使用多种计算机制的必要性。这样一来，它们将支持和扩展人与代理 (HAI)、代理与代理以及代理与人的交互。

• 新的用例。由于经典计算、量子计算、神经形态计算和光子计算环境之间的数据和网络集成，制造和物流、金融服务、生命科学、材料和药物研发等行业的创新将成为可能。

企业和组织，特别是IT组织要成为拥抱现代计算技术的文化推动者。计算趋势带来了与传统计算方法截然不同的变化。拥抱未来并不意味着要完全取代传统计算模型，而是要创造一个传统计算模型可以与新模型共存的环境。为此，企业和组织需培养以下推动因素：

具有很强的解决问题能力。预测成本和复杂性挑战，包括与安全和信任相关的挑战。

高度容忍变化。传统的组织结构旨在使用经过验证的方法提供一致的价值，并且本质上抗拒变化。相比之下，在同一环境中使用不同的计算技术构建和创造价值需要新的组织结构，能够承受频繁的变化和更高的故障率。

可组合技术架构。采用多种严格架构方法的组织必须重新设计系统和应用程序，以便更好地集成和跨计算机制交互。可组合系统提供了优化计算环境的最佳方法。

强大的编排层。此层和相关服务支持访问应用程序工作流每个部分的软件、存储和网络。选择能够支持在混合计算环境中开发和部署应用程序的平台。

1.3 人机协同（Human-machine synergy）

人类和机器协同工作方式的进步正在创造一个新的人机协同水平。物理和虚拟体验之间下一级交互的创造将通过空间计算将物理和数字世界结合在一起。人类将与机器人在同一环境中与他们并肩工作，甚至可以成为队友。机器人执行多种功能的能力将使它们融入人类的日常工作和家庭体验（见图11）。

图11：人类将与机器人在同一环境中与他们并肩工作（来源：网络）

人类将通过可穿戴或植入技术与机器融合，神经增强将使我们能够直接访问和改善思想和情感。这将增强人类的认知和表现，带来帮助人类的新方法。可穿戴和植入技术，以及多功能机器人，将永远改变人类和机器的协同工作方式，将我们带入一个所有这些技术都能造福人类的世界。

第四次工业革命正澎勃发展，而第五次工业革命正肖然而来。而人机协同是是第五次工业革命的关键技术之一【23】。本节将介绍和解读Gartner提出的三项最新的人机协同技术。

1.3.1 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，是体验之间互动的下一个层次。空间计算的使用将在未来五到七年内通过简化的工作流程和增强的协作来提高组织的效率。空间计算技术将员工和客户的现实世界和虚拟世界融合在一起——它即将到来。Gartner预测：

• 到2028年，20%的人将每周一次通过持续锚定、地理定位的内容获得沉浸式体验，高于2023年的不到1%；

• 到 2033 年，空间计算的支出将从 2023 年的 1100 亿美元增长到 1.7 万亿美元。

图12：实现空间计算的3层架构（来源：Gartner【24】）

空间计算的基本原理是，它通过基础设施、信息和与用户的交互将物理体验和数字体验融合在一起，从而模糊了物理体验和数字体验之间的界限，创造出一种身临其境的体验。

为什么空间计算成为趋势？【9】指出，由于增强现实（AR）、混合现实（MR）和人工智能技术的进步，空间计算正在成为一种趋势，使游戏、医疗保健和电子商务领域的沉浸式数字环境成为可能。5G和Apple Vision Pro和Meta Quest 3等新设备的激增正在推动消费者需求，并为新的商业模式开辟机会。随着英伟达和高通等大公司建立生态系统，预计到2033年，市场将从2023年的1100亿美元增长到1.7万亿美元。空间计算的示例包括：

• 在制造环境中使用数字孪生可以实现更安全、更好的培训，以及远程员工之间的协作解决问题。

• 通过视觉搜索来获取叠加在实体产品上的实时信息。

• 消费电子产品、游戏和品牌营销中的沉浸式消费者体验。

【24】指出，利用空间计算技术改变员工协作和客户互动的方式。空间计算在组织内部以及创造引人注目且可货币化的客户体验方面具有广泛的应用潜力。在内部，空间计算技术可以促进以下方面的协作和决策：

• 研发虚拟协作

• 实践技能培训——例如，让医学生在虚拟病人身上练习手术过程

• 建筑、机械、电气和管道项目的数字孪生，以实现协作和解决问题

对于消费者而言，空间计算技术可以实现：

• 沉浸式娱乐体验，例如参加虚拟音乐会，感觉仿佛身临其境，或参加带有虚拟互动元素的现场表演

• 交互式导航，提供情境感知的方向和指导

• 在家或店内零售体验，用户可以在此期间试用并与产品互动

空间计算的时代已经到来。空间计算的使用将在未来五到七年内通过简化的工作流程和增强的协作来提高组织的效率。然而组织必须认识到空间计算技术的局限性，空间计算的普及面临诸多挑战。其中最大的挑战包括：

• 成本：头戴式显示器（HMD）价格昂贵，数字化资产也是如此。

• 孤立的应用程序：空间计算应用程序往往是孤立构建的，无法与其他应用程序集成。这对许多企业和消费者而言是一个巨大的扩展障碍。开发空间计算的协议和工具也有限，从而导致空间计算环境之间可能存在不兼容的情况。

• 头戴式显示器的舒适度和外形不佳：目前这一代头戴式显示器很重，外观也不好看，因此不适合长时间佩戴或在公共场合佩戴。此外，头戴式显示器的电池电量有限，容易使用户与他人隔绝，这可能会限制其在需要直接人际互动的环境中的使用。

• 缺乏加速采用的“杀手级应用”：虽然潜力很大，但没有任何单一用例能够推动消费者采用，然后启用相邻的应用程序。

• 数据隐私和安全问题：空间计算使用摄像头和传感器收集有关用户环境、行为和交互的数据。组织必须保护这些数据并制定道德和法律政策来指导其使用。

• 高计算要求：网络延迟等技术问题带来了额外的挑战。

为了应对这些挑战，请优先考虑能够在短期内扩大产品和服务使用范围和覆盖范围的空间计算用例，并采取积极措施，通过强大的数字道德和数据治理政策保护客户、员工和公民的隐私和数据。

1.3.2 多功能机器人（Polyfunctional robots）

多功能机器人可以执行多项任务，正在取代专门设计用于重复执行单一任务的任务专用机器人。这些新机器人的功能提高了效率，并提供了更快的投资回报。多功能机器人旨在与人类一起工作，以支持更快的部署和更容易的可扩展性。Gartner 预测，到 2030 年，80% 的人类将每天与智能机器人互动，而目前这一比例还不到10%。

为什么多功能机器人成为趋势？【9】指出，由于劳动力成本上升以及仓储和制造等行业对提高投资回报率的需求，多功能机器人正在成为趋势。供应商正在以具有竞争力的价格吸引媒体关注，使先进的机器人更容易获得。虽然有各种各样的定价和功能，但早期采用者正在探索这些机器人处理多种任务的潜力，有望在企业中实现灵活性和成本效益。下面是几个使用案例：

• 在仓库环境中，处理多种任务，如拣选、包装和运输货物

• 协助医疗保健，执行各种任务，如运送医疗用品、协助患者行动甚至消毒空间

• 在偏远或危险环境中进行现场维修、检查设备、进行日常维护和维修故障

图13中智能机器人的特征和人类的特征的比较总结如下表。人机协同将互补各自的短板，从而能使效率发挥最大化，大大提高生产力。

智能机器人的特征	人类的特征
简单	复杂
要求高的	宽容
重复	多样
可预测	不可预测

图13：多功能机器人：物理创新的新浪潮（来源：Gartner【9】）

人机达到连续地协同是通过一个人机的学习循环（见图14）:

构建（人）→执行和计算（机）→通知和建议（机）→计划和适应（人）

图14：人机学习循环（来源：Gartner【25】）

【25】指出，企业要拥抱更实用、多功能机器人的未来在自动化领域，技术资产理想情况下不仅可以执行一项或几项规定的任务，还可以学习新任务而无需重新编程或开发。

作为 2025 年的顶级技术趋势，多功能机器人开始实现这一愿景。这些多功能机器人（见图15）外形小巧，拥有智能软件，可执行多项任务，而且它们变得足够灵活，能够“学习”完成其原始设计或编程中未包含的新任务。

图15：多功能机器人（来源：CES 2024）

目前，工业企业有近 400 万台单一功能机器人在运行。它们已经解决了劳动力短缺问题，降低了成本并提高了效率。随着能够执行多种功能的机器人的发展，企业可以提高这些机器所提供的价值。与单一功能的机器相比，多功能机器人带来更高的投资回报率【25】。多用途机器人可以更快地带来投资回报。 它们通过以下方式实现：

• 更灵活的劳动力。多功能机器人可以完成各种不同的任务，从而创造出能够适应当前需求的灵活劳动力。

• 更高的机器人效用。当企业可以使用同一机器人完成多项任务时，该组织不仅可以更多地使用机器人，还可以利用它们来完成最重要和价值最高的活动。

• 更强大的人机协作。这些机器人设计用于在人类环境中运行，并使用专为人类使用而设计和定位的设备。这与单一功能的机器人不同，后者可能在划定的空间或笼子中运行以保护附近的人类。随着多功能机器人以步骤或反水平任务的方式在人类空间中导航，该技术将推动制造商探索新颖的外形、形状和尺寸。

为了扩大自动化机会并减少机器人部署造成的中断，Gartner 建议 IT 领导者【25】：

• 确定哪些任务可以转移给机器人或由机器人和人类共同承担。即使这种转变在经济上似乎难以承受，但任务的组合可能会打破平衡。

• 检查每一次机器人采购，了解多功能机器人是否会立即或将来提供更大的价值。

• 建立本地机器人领域的专业知识，以制定必要的公司政策并确保多功能机器人可以在公司内部重新利用。

1.3.3 神经增强（Neurological enhancement）

神经增强使用读取和解码大脑活动的技术来提高人类的认知能力。该技术使用单向脑机接口或双向脑机接口 (BBMI) 读取人的大脑。到 2030 年，Gartner 预测，由于人工智能在工作场所的兴起，30% 的知识工作者将通过 BBMI 等技术（包括雇主和自费）获得增强并依赖这些技术来保持相关性。60%的IT工作者将通过双向脑机接口（BBMI）等技术得到提升，并依赖这些技术, 这一比例比 2024 年的不到 1% 大幅上升。

为什么神经增强成为趋势？【9】指出，神经增强是一种趋势，因为它有可能实现大脑透明，彻底改变医疗保健。随着人工智能的快速发展，企业正在探索脑机接口（BMI=Brain-Machine Interface），通过增强认知能力来帮助员工提高技能并保持竞争力。它也被视为通过下一代营销策略创造更深层次、个性化的消费者体验和互动。下面是几个使用案例：

• 将实习外科医生的住院时间缩短整整一年

• 实时为学生个性化教育材料

• 减少工作场所事故和伤害以及工业灾难

• 通过neuroda识别兼容的同事，改善招聘和留住人才

脑机接口（BMI）可分为两种类型：

1. 侵入性 BMI：涉及通过手术将电极直接植入脑组织。

2. 非侵入性 BMI：利用 EEG（脑电图），MEG（脑磁图）等非侵入性技术从头皮记录大脑活动。

图16从能力/带宽和时间两个维度描写了脑机接口（BMI）能力将如何发展的现状和远景:

• 现状(现在可用技术)：其中非侵入性BMI具有足够的能力和可接受性。最适合消费者和企业用户。

• 单向基于传感的外部的/非侵入性BMI

• 双向可读/写的外部的/非侵入性BMI

• 双向可读/写的侵入性BMI

• 末来5~10年微创型BMI：

• 可升级

• 可更换

• 脑组织无损检测

图16：脑机接口（BMI）能力将如何发展（来源：Gartner【26】）

埃隆•马斯克于 2016 年创立了 Neuralink，大胆设想将人类智能与人工智能融合。该公司的主要目标是开发高带宽脑机接口 (BCI = Brain-Computers Interface)，它是双向可读/写的侵入性BMI。Neuralink 的技术有望治疗各种神经系统疾病并增强认知功能。该公司设想未来人类可以通过直接神经连接与计算机和人工智能系统无缝互动。

图17：Neuralink 的脑机接口技术（来源：【27】）

Neuralink 的脑机接口技术有望彻底改变医学、增强人类认知并改变日常交流方式。该设备旨在解决各种神经系统疾病，同时探索增强人类能力的方法。Neuralink 的脑机接口技术取得了多项成就, 如2024 年 1 月，Neuralink 首次将 BCI 植入人体。植入者 Arbaugh 无需任何辅助便可与计算机互动。Neuralink 的成就使其获得了 2024 年全球表彰奖。然而，一些科学家对 Neuralink 工作的安全性和保密性表示担忧。

开发神经增强功能的竞赛正在进行中。这些技术可以“读取”一个人的大脑（测量其状态），并且越来越多地“写入”（修改其状态）。神经增强将影响从我们如何治疗认知衰退到我们如何获得新技能等各个方面。组织甚至可以将客户的想法和情感货币化。知识型员工可能会通过双向脑机接口 (BBMI) 等技术得到增强，并依赖于这些技术，以便在人工智能时代保持与劳动力市场的相关性。

【26】指出，BBMI 是神经增强技术的核心。这些改变大脑的神经接口通过电刺激实现了人脑与计算机或机器之间的双向通信。BBMI 通过头戴式可穿戴设备或侵入式植入物测量脑电活动并监测用户的精神状态。 通过捕获输入并提供输出，大脑增强将使组织能够实现以下盈利：

• 增加能力（信息处理、记忆、学习和游戏）

• 提取信息（思想和情感）

这项技术的应用范围很广——解决方案的功能越多，其实施就越“侵入性”。例如，腕带和头带等可穿戴设备的功能较有限，但侵入性较低，最有可能被大规模采用。相比之下，植入物的功能潜力更大，但侵入性很强。

企业将如何从大脑增强技术中获益 -- 企业将以员工绩效和客户参与度提高的形式看到价值。例如，通过：

• 人类技能提升：神经技术将增强记忆力、注意力、学习能力和解决问题等认知能力。成为“增强型”人类可能成为未来的就业条件。

• 下一代营销：品牌可以实时了解消费者的需求。

• 性能：神经增强有助于驾驶员保持警觉，并能很快提供个性化教育，使老龄人口能够工作更长的时间。

大脑增强对于医疗保健的利他利益也是巨大的，其用途范围从预防认知疾病到恢复视力和听力。

神经技术有可能带来突破性的成就。然而，它们也给个人和公司带来了挑战和新的风险。其中包括：

• 成本和技术问题：该领域的早期产品价格高，电池寿命有限，移动性有限，无线连接选项多，并且与不同数据系统的集成复杂。

• 社会接受度：更先进的功能意味着更具侵入性和风险的解决方案——包括需要进行手术，而公民可能会抵制这种手术。简单的可穿戴设备是扩大采用范围的关键。

• 感知：解码大脑信息的技术能力是推动进步的关键因素。人工智能在这方面具有巨大潜力，尤其是当多种输入相结合时（例如脑电活动、触觉、眼球运动和心率）。

• 安全性：直接与人脑交互的设备给个人和公司带来了安全挑战和新的漏洞。

• 道德与隐私：道德问题（例如改变用户对现实、记忆和个性的看法）是首要考虑的问题。各国政府已出台神经权利立法来解决这一问题。

总之，Gartner 的2025年及以后的十大主要战略技术趋势是未来3~5年全球技术创新的指南，并将推动组织通过负责任和合乎道德的创新塑造组织的未来。

乘风破浪的AI浪潮：2025年及以后的重大战略预测

Gartner每年的第四季度会发布下一年度及之后3到5年的重大战略预测【10】。2024年10月21日Gartner发布了2025及之后3~5年的10个重大战略预测（见图18），其主题是“驾驭人工智能旋风”。

【28】指出，地球上的一切都卷入了人工智能创新和风险的旋风中。学会预测人工智能对其工作的影响的组织将拥有优势。首席信息官应将这些预测作为行动号召，为明天的软着陆做好准备。今年的预测分为三类：隐私或角色的挑战、运营风险和管理结构。 Gartner对2025年针对三类预测的AI创新的预测，包括：

• 人工智能的运营风险以及如何减轻这些风险。

• 面对人工智能的采用，如何调整管理结构。

• 人工智能如何影响技术和商业发展。

图18：Gartner 2025年及以后的重大战略预测（来源：Gartner【28-29】）

2025 年科技界应该期待什么？Gartner 研究员 Daryl Plummer在他的演讲【29】中概述了公司对来年的预测，他预计我们所有人都将“乘上AI旋风”。普卢默表示，如今地球上的一切都受到人工智能的影响。人工智能代理已经协商了合同，帮助棒球队管理员工，并帮助管理污水处理。“人工智能是一种组合式颠覆，”他说，建议组织不要试图将它们分开，而是创建一种战略性的人工智能能力或学科。