飞象原创（魏德龄/文）近年来，业界总是在谈论着ai改变一切，将其又一次奉为“工业革命”级别的技术。不久前，在gartner发布的2026年十大战略技术趋势中，与ai直接相关或以ai为核心的技术，达到了至少6项，包括：ai原生开发平台、ai超级计算平台、多智能体系统、特定领域语言模型、物理ai、ai安全平台。
gartner研究副总裁高挺表示：“2026年的各项重要战略技术趋势将密切交织，折射出一个由人工智能（ai）驱动的高度互联化世界的现实图景。在这样一个世界，企业机构必须推动负责任的创新、卓越运营和数字信任。”
对于今年的gartner重要战略技术，gartner研究副总裁高挺还将其归类为三位新“英雄”，分别是：架构者、协调者、哨兵。可谓构成了企业运营中的三个维度，架构者构建安全、可扩展的ai平台和基础设施；协调者命令多智能体系统、专用模型和物理ai实现自适应、特定领域的解决方案；哨兵提供主动网络安全、数字来源和治理，确保信任、合规性和数字完整性。
新基础设施：架构者
关乎架构者的两项重要技术是ai超级计算平台和ai原生开发平台。ai不仅正在成为从云到边的超级大脑，思考分析各种问题，也越来越落地在实际工作之中，成为重要的生产助手。
ai超级计算平台本质上就是未来ai的算力底座。通过整合cpu、gpu、aiasic、神经系统计算和替代性计算范式，使企业能够统筹复杂工作负载，同时释放更大的性能、效率与创新潜力。这些系统融合了强大的处理器、海量存储、专用硬件及编排软件，可处理机器学习、仿真模拟和分析等领域的数据密集型工作负载。
从对于不同算力单元的整合不难看出，混合ai算力正在成为关键词，gpu、cpu、npu在ai计算中各挥所长，无论是云端的aidc还是端侧的pc与智能手机均采用此种运算逻辑。另一方面，算力调度也在成为加速超级计算的关键，例如英伟达刚刚发布的nvqlink和cuda-q技术，能够让传统算力帮助量子计算进行纠错，或是将不同任务发送给不同计算架构去执行。
ai原生开发平台正在成为一种全新的工作生产方式，例如在目前的社交媒体中，就经常能够看到开发者们对于ai开发在日常工作中的赞许，这类ai开发工具在工作方式上可以通过在浏览器中输入提示词后，便能支持生成前后端一体的网页，或是在已有开发环境中指挥ai来帮助撰写代码。
据不完整统计显示，目前一些科技公司使用ai写代码的替代率在20%-40%之间。同时，ai执行任务的时间也正在指数级增长，一条比较完整清晰的命令，就能让ai自己工作很长时间。gartner预测，到2030年，80%的企业将通过ai原生开发平台将大型软件工程团队转变为更小、更敏捷的团队并通过ai赋能这些团队。
新应用架构：协调者
特定领域语言模型、物理ai、多智能体系统正在成为协调者。ai正在学习理解更多专业领域的知识，并发挥自身价值，同时也在更深入的理解这个世界。甚至擅长不同事务的ai还能构建起一个团队，来更加精准的解决实际工作需求。
今年8月，美国麻省理工学院发布的一份报告显示，尽管企业在生成式ai上已花费了300至400亿美元，但95%的公司迄今并未能获得商业回报。企业虽在试点生成式ai工具，但是极少能够推进至部署阶段，其中在行业层面的转型推进中尤为明显。
若想获得成功的途径正在于需要用特定领域的语言模型来进行训练，让模型能够理解特定行业知识与企业业务。gartner预测，到2028年，企业使用的生成式ai（genai）模型中将有超过半数属于特定领域模型。特定领域语言模型（dslm）凭借更高的准确性、更低的成本和更好的合规性填补了这一空白。dslm是在针对特定行业、功能或流程的专用数据上训练或微调的语言模型。不同于通用模型，dslm能更加精准、可靠且合规地满足特定业务需求。
目前，已经呈现出一些ai时代特定领域模型的成功案例，像是面向法律行业的harvey，或是有着医生版chatgpt之称的openevidence，例如，后者的数据源全部来自非常著名的相关医疗文献、期刊、指南，面向医生助力解决遇到的疑难杂症治疗问题，提升文献资料查找的效率。
不同于最先学会扔东西来了解万有引力现象的婴儿，ai的成长正在经历先语言学习，再理解物理世界的过程。物理ai通过赋能具有感知、决策和行动能力的机器与设备（例如机器人、无人机和智能设备），将智能带入到现实世界。它能为自动化、适应性和安全性至关重要的行业带来可观的收益。
目前物理ai主要分为两个主要技术方向。其一是vla模型，它通过类似训练语言模型的方式去训练ai理解图片和视频。其二是世界模型，它能够理解物理世界里面的物理规律，包括对时空的认知。例如，一些具备辅助驾驶功能的汽车正在通过世界模型的路径，来处理物理世界中的状况，使驾驶具备更高的预判与规划能力。
让ai能够做事更专业的方法还有一个便是组建多智能体系统，github的开源项目tredingagents就是一个很好的案例，作为一个股票分析项目，通过四个智能体来扮演四个分析师角色，分别来承担技术面报告、基础面报告、风险评估、投资建议等任务，最终还有一个智能体来负责决策建议。这个结构，解决了单一智能体的能力局限性问题，提升了目标任务的执行成功率。
高挺表示：“通过使用多智能体系统，企业可实现复杂业务流程的自动化、提升团队技能并开创人类与ai智能体的新协作方式。采用模块化设计的专业智能体通过在各工作流中重复使用成熟解决方案提升效率、加快交付速度和降低风险。这种方案还便于扩展运营规模和快速适应需求变化。”
新的双刃剑：哨兵
ai的发展也衍生出了新问题，像是生成式ai也能助力病毒邮件的快速编写，恶意软件的生成。ai生成出的内容，也为各种产品带来的数字溯源的问题。而另一方面，ai又能助力构筑前置式主动网络安全。
ai在安全领域好比是一把双刃剑，既能够帮助完成很多自动化工作，但也能够以自动化的方式进行网络攻击，甚至降低了黑客技术的门槛要求。“氛围编程”的逻辑同样适用于“氛围黑客攻击”，ai可以指导黑客进行编程，也能自动侦测漏洞，做出攻击决策。这就意味着，企业面临的网络、数据及联网系统威胁成倍增长。
gartner预测，到2030年，随着cio从被动防御转向主动防护，前置式主动防御解决方案将占到企业安全支出总额的一半。前置式主动网络安全的核心在于运用ai驱动的安全运营、程序化阻断与欺骗技术在攻击者行动前实施干预，这项技术通过预测实现防护。
正如近期大热sora2视频中的水印，ai生成的内容也需要让别人知道，这正引出了数字溯源技术，即指对软件、数据、媒体及流程的来源、所有权和完整性进行验证的能力。企业可使用软件物料清单（sbom）、认证数据库、数字水印等新工具验证和追踪供应链中的数字资产。gartner预测，到2029年，在数字溯源方面投入不足的企业将面临高达数十亿美元的制裁风险。
例如在linuxxzutils后门事件中，当开源工具中突然加入恶意代码，又恰好被全球很多开发者下载并使用，将会对整个软件供应链造成影响。在人工智能浪潮下，不仅是生成内容的追溯，开源大模型也成为了很多企业的首选，也自然将会面对同样的问题。
地缘回迁则是在哨兵层面上的另一重要技术。企业因考虑到地缘政治风险而将数据与应用从全球公有云迁出至主权云、区域云服务商或自有数据中心等本地平台。云主权这一概念曾仅限于银行与政府机构，如今随着全球局势动荡加剧而影响到各类企业。gartner预测，到2030年，欧洲和中东地区将有超过75%的企业把虚拟工作负载回迁至降低地缘政治风险的解决方案，而2025年的这一比例不足5%。
十大重要战略技术的另外两个趋势是机密计算与ai安全平台。gartner预测，到2029年，75%以上在非可信基础设施中处理的业务将通过机密计算保障使用安全。到2028年，使用ai安全平台保护ai投资的企业比例将达到50%以上。
ai扮演的角色
高挺在近期举行的gartner媒体会回答了ai之所以占据主导地位的话题。他认为ai正在同时扮演两个角色。
其一是价值创造的核心引擎。ai是创新的基础。cio们被建议优先投资于安全、可扩展的ai基础设施与ai应用。ai技术（例如：多智能体系统和特定领域模型）的应用可以为企业带来了新的商业价值和创新产品，并能催生以前不可能或不经济的新一代定制应用。
其二是新型风险的主要来源。ai的广泛采用也带来了传统工具无法解决的新安全风险。报告特别提到，由ai驱动的攻击在速度和复杂性上都在增长，这迫使企业必须采用新的防御趋势，例如“ai安全平台”和“前置式主动网络安全”。
高挺表示，ai不仅是推动创新的主要工具，也是催生新风险的主要因素。企业必须在利用ai创造价值的同时，还要防范ai带来的威胁，这使其成为2026年战略布局的绝对核心。
另外，对于企业而言，在判断一项技术是否达到“战略级别”的重要程度上。高挺表示，一项技术如果仅仅是“新”或“快”，那它只是一个技术转变。但当它具有颠覆性、需要高管介入，并能充当业务转型的催化剂以在未来五年内创造核心价值（或管理核心风险）时，它就达到了“战略级别”。
当架构者、协调者、哨兵这三位新“英雄”乘着ai浪潮降临，2026的超级英雄之旅已经开始。