近日，Gartner研究副总裁高挺在年度“重要战略技术趋势”线上分享会上，系统阐述了2026年十大战略技术趋势。这些趋势围绕“架构师、协调者、哨兵”三大主题展开，涵盖从AI原生开发、多智能体系统到物理AI、网络安全等关键领域。

高挺指出，尽管部分趋势如“机密计算”和“AI安全平台”在往年已有涉及，但今年重点聚焦于八大新兴方向，呈现出AI从技术工具向业务核心驱动力全面渗透的态势。

一、AI原生开发平台：从写代码到造软件

AI原生开发平台被视为下一代软件工程的核心。其背后的技术是最近正火的“氛围编程”，即通过自然语言提示词直接生成完整应用或辅助开发者编写代码。目前，市场上已出现能够一键生成前后端网站的工具，以及集成AI的IDE开发环境。据不完全统计，部分技术公司已有20%–40%的代码由AI生成。

AI正在重构软件开发的本质。它不仅是效率工具，更是一种新的开发范式。然而，当前AI仍难以独立完成复杂系统，如操作系统的重写，其价值更多体现在模块化、标准化任务的自动化上。

二、AI超级计算平台：算力底座走向混合调度

随着模型规模与数据量激增，AI对算力的需求呈指数级增长。AI超算平台作为未来算力底座，呈现出混合AI算力与算力调度两大特征。

高挺指出，云端与终端芯片将协同工作，而英伟达的NVQLink和CUDA-Q等技术则实现了量子计算与经典超算的联动，形成跨架构的任务调度能力。

算力不再是单一硬件问题，而是架构与调度的系统课题。中国企业推出的“超节点”技术，正是通过堆叠AI芯片实现算力聚合，虽成本较高，却是当前地缘政治背景下的务实选择。

三、多智能体系统：从单打独斗到团队作战

单智能体在执行复杂任务时可靠性低，成功率随任务步骤增加而骤减。多智能体系统通过“分而治之”将任务拆解，由不同智能体分工协作，再通过协调者整合结果。案例包括贝塔斯曼的跨业务内容检索、GitHub上用于股票分析的开源多智能体项目等。

多智能体是AI从“工具”走向“协作者”的关键一步。它不仅在技术上弥补了大模型的随机性缺陷，也在组织层面映射出“AI团队化”的管理思维。未来，企业AI架构或将出现“智能体中台”。

四、特定领域语言模型：企业AI的最后一公里

尽管员工私下使用AI工具已成常态，但企业级AI项目失败率高达95%。

高挺指出，核心问题在于通用大模型“不懂业务”。特定领域语言模型通过行业数据再训练，成为解决之道。

AI正在从“通才”走向“专才”。企业若想真正用好AI，必须投入数据治理与领域训练，否则将陷入“有模型无智能”的尴尬局面。

五、物理AI：从数字世界走向实体空间

物理AI指能与现实世界交互的AI系统，主要应用于自动驾驶与机器人。其技术路径分为两类：一是基于视觉-语言-动作的VLA模型，二是能理解物理规律、进行预测与规划的“世界模型”。特斯拉、蔚来等车企正积极布局后者。

笔者看来，物理AI是AI与实体经济融合的桥梁。在制造业、物流、医疗等领域，它将逐步替代重复性劳动，成为“数字孪生”与“实体执行”之间的关键纽带。

六、前置式主动网络安全：从被动防御到主动出击

AI驱动的攻击正在降低黑客门槛，如“氛围黑客攻击”可自动化完成漏洞探测、钓鱼攻击甚至勒索软件生成。为应对这一挑战，前置式主动网络安全系统应运而生，包括预测性威胁情报、自动移动目标防御等技术。

如今，安全战场正在前移。企业不能再依赖静态防御，而需建立“预测-响应-欺骗”三位一体的主动安全体系。

七、数字溯源：构建可信的数字化供应链

随着软件供应链攻击频发，如Linux恶意代码事件，数字溯源成为企业必选项。通过建立软件SBOM、模型MLBOM等清单体系，企业可追踪组件来源与安全性。此外，AI生成内容的水印与标识技术也在逐步标准化。

在开源与自研交织的今天，溯源不仅是安全手段，更是信任基建。中国在AI内容标识方面的法规实践，值得行业关注。

八、地缘回迁：从全球云到主权云

地缘政治风险促使企业将数据与应用从全球公有云迁移至本土“主权云”。高挺指出，欧洲企业受影响最深，而中国早在信创与国产化替代中布局。DeepSeek为了适配国产芯片而支持的数据格式，标志着中国AI生态正逐步闭环。

技术供应链正在地缘化。中国企业需在自主可控与全球协作之间找到平衡点，避免陷入“技术孤岛”。

九&十：机密计算与AI安全平台

尽管未在本次分享中重点展开，高挺仍提及了“机密计算”与“AI安全平台”两大延续性趋势。前者通过可信执行环境保护使用中数据，后者则防范提示词注入、模型越狱等新型攻击。这两者共同构成了AI时代的“安全双翼”：机密计算保障数据隐私，AI安全平台守护模型行为。

在媒体问答环节，高挺进一步阐释了四大重点趋势：物理AI、AI原生开发平台、特定领域语言模型、多智能体系统，并指出它们最值得中国企业在未来一年关注。

针对“AI是风口还是长期价值”的提问，高挺强调：“风口是拿着锤子找钉子，价值是从业务问题出发。”企业应避免盲目追逐技术热点，而应聚焦于能否将AI嵌入业务流程、是否具备护城河、是否形成生态协同。

在制造业场景中，他建议企业不仅关注生成式AI，还应结合机器视觉、预测性维护、优化算法等“组合式AI”，实现投入与效果的平衡。