2026年的重点是构建和应用AI，而2027年的重点则转向如何管理AI驱动的自主系统。
当前，大模型的能力边界正在以月为单位被不断刷新，技术的飞速发展在给企业带来更好选择的同时，也让企业的CIO们陷入了一种集体的焦虑：如何跟上这辆高速狂奔的列车？
在Gartner研究副总裁高挺（Arnold Gao）看来，现如今仅仅惊叹于AI有多聪明已经远远不够了，企业的竞争优势不再仅仅取决于采用了什么AI技术，而越来越取决于能否把这些技术组织成可靠、可控、可持续创造价值的运营体系。
近日，在Gartner最新发布的2027年十大战略技术趋势采访活动中，高挺用了一个多小时的时间，深度解析了未来的十大趋势。在笔者看来，这不仅仅是一份技术清单，更是一份指导全球CIO在未来五年内，如何从AI的被动观察者转变为组织、人与机器边界的主动构建者的战略蓝图。
突破文字的边界，AI向真实世界与多模态延伸
在Gartner最新发布的2027年十大战略技术趋势中，第一大主题便是“驾驭非文本AI前沿”，而这也正是基于AI能力向文字之外的“计算、聆听、模拟”三大方向突破。
在高挺看来，过去几年，我们所说的AI主要指的是大语言模型，但只要和文字有关的，它们做得很好。但真实的企业场景里，除了文字，还有科学计算、数字、声音和真实的物理世界。
首先登场的是大型定量模型（LQM）。在问答环节，高挺详细解释了LQM与大语言模型（LLM）的本质区别。LLM本质是在做下一个Token的预测，它的“计算”实际上是一种基于统计规律的“猜测”；而LQM则是为数学和数字打造的专有模型，结合了物理约束和真实系统运行规律，其准确性和可靠性在复杂计算场景中具有显著优势。
Gartner预测，到2030年，LQM将在25%的预测和建模任务中取代大语言模型。对于企业而言，高挺给出的建议是：不要把两者对立起来，大模型可以去听懂、拆解问题，而LQM负责模拟计算，采取混合架构才能发挥最大价值。
第二道突破边界的模型是语音推理模型。传统的语音AI往往是先转文字再推理，这丢失了大量人类情感和语气的关键信息。高挺指出，语音推理模型能够直接基于音频推理，它能敏锐捕捉到客户那句“好吧，就这么干吧”背后到底是满意还是无奈。这种能力将彻底打破企业业务量与人员规模的绑定，让语音交互从被动的接听转变为主动的规模化服务。
然而，最令业界瞩目的当属世界模型，它被Gartner列为“5年以上”的远期成熟技术。在回答关于“世界模型与大模型因果能力分界线”的提问时，高挺给出了非常精妙的比喻：“大语言模型是用文字告诉你，杯子掉下来会因为重力摔碎；而世界模型则是去预测，如果机器人从不同方向推动杯子，杯子会怎样移动和碰撞。”
尽管世界模型面临“仿真到现实鸿沟（Sim-to-Real Gap）”的巨大挑战，但高挺依然认为它将是自动驾驶、机器人和物理AI的核心基座。
治理自主智能体，为高智商的新员工立规矩
如果说第一大主题是在拓宽AI的“智商”，那么第二大主题“治理自主智能体平台”，则是为了解决一个迫在眉睫的现实危机：当AI有了自主决策和执行能力时，我们该如何管好它？
高挺指出，今天AI写代码的速度已经远远超过了人工审核的速度，而且它的权限往往很高。为此，Gartner提出了四项相互咬合的治理技术。
最基础的是AI上下文平台。高挺将这个平台比作给AI智能体提供的“企业入职培训”和“企业大脑”。他表示，不管多聪明的数字员工，进到企业里如果只有3秒钟记忆，对企业一无所知，是无法干活的。AI上下文平台通过统一的语义描述企业业务，打通实时数据与知识，将碎片化数据转化为受治理的知识，从而大幅提升代理型AI的准确率。
但有了业务知识还不够，必须要有AI编码智能体框架（Harness）。采访中，高挺用英文原意“马具”来生动解释这个概念：“Harness就像一匹野马，你不能让它乱跑，你得套上马具去控制它行动的方向。”
在软件开发中，Harness决定了智能体能看什么、能产出什么，并将测试、代码检查、安全扫描全部纳入这个工作流中。不过，高挺也给出了一个极具前瞻性的预测：长远来看，随着模型原生能力越来越强，Harness最终可能会消失。但近期，它是必不可少的资产。
与此同时，随着智能体数量的爆发，AI智能体身份成为了企业安全的新防线。智能体往往存在权限过度和凭证蔓延的问题，极易被黑客利用。高挺强调，企业必须像管理员工一样管理AI智能体，建立一种超越传统访问控制的“复合身份”，让每个智能体都有明确的负责人和基于上下文的实时管控机制。当然，在安全修复领域，自主式暴露修复（AER）旨在将漏洞发现到修复的闭环自动化。高挺指出，如今AI找漏洞的速度极快，但企业平均要50天才能修复一个漏洞，这显然不合时宜。AER的目标就是利用AI和自动化工具，将这个窗口期压缩到极致。
构建持久敏捷性，底层逻辑的重塑与选择权
当AI越来越深入企业的业务，底层技术架构的韧性与主权就成了关乎存亡的问题。在构建持久敏捷性的主题分享中，高挺将目光投向了更为宏观和长远的架构变革。
首当其冲的是主权技术（SovTech）。在地缘政治快速变化的今天，数据主权正在向技术栈全面延伸。高挺表示，主权技术覆盖从芯片到AI模型的完整技术栈，其核心是为切实可行的供应商退出而设计。防止API费用导致本国财富外流这是高挺在PPT演讲中着重强调的痛点。因此，他建议企业要善于利用开放的公有云生态，并创造性地使用成熟的“n-1代”技术，通过技术联盟保障运营的连续性。
与之配套的是软件形态的根本性变革——可抛弃型应用。高挺表示，AI将软件开发的成本降得极低，使得软件的生命周期终于可以跟随业务的生命周期了。这并不意味着传统ERP、CRM会消失（因为它们卖的是Industry Know-how），但那些功能单一、生命周期短的业务，将完全可以通过AI即时生成应用，用完即弃。
而在技术的最远端，Gartner甚至将目光投向了硅基算力的终结替代方案——湿件即服务（WaaS）。面对AI日益严峻的能耗瓶颈，利用活体生物组织（如培养神经元）进行生物计算成为了新方向。在问答中，高挺用一个案例进行了详细介绍。他表示，让生物神经网络去打乒乓球游戏，像强化学习一样训练它，它的神经网络结构就会发生变化。”虽然这离全面商业化可能还有4至9年甚至更久，但现在开始建立生物伦理护栏、开展沙盒试点，是极具远见的战略储备。
CIO的行动指南：从被动观察走向主动布局
面对这十大跨度极大的战略技术趋势，CIO们该如何排兵布阵？高挺给出了明确的优先级划分。
在成熟度时间轴上，语音推理模型、AI上下文平台、AI编码智能体框架和主权技术被列为“1至3年”的近期落地梯队；AI智能体身份和可抛弃型应用处于“3至5年”的中期布局梯队；而大型定量模型、世界模型、自主暴露修复和湿件即服务则需要更长的时间去发酵。
高挺建议CIO们采用“近期创造业务价值、中期建设核心能力、长期保留技术选择权”的投资原则。同时，他也指出这十大趋势在不同行业有着不同的优先级：金融行业应重点关注AI上下文平台、智能体身份及LQM以解决风控；医疗行业则可探索语音推理模型在患者服务和医疗知识中的应用；制造业需尽早布局LQM和世界模型以优化生产；而互联网软件企业，则最应关注AI编码智能体框架和可抛弃型应用，因为这直接改变了软件生产的经济模式。
写在最后：
Gartner的报告，揭示了一个不可逆转的未来：企业必须主动重新设计IT架构与治理规则，构建好人与机器的边界。在这场自主化盛宴中，只有那些提前备好“马具”、建好“厨房”、同时手握底层主权筹码的企业，才能真正品尝到AI时代的红利。
采访最后，高挺用一句话做出了精辟总结：“2026年的重点是构建和应用AI，而2027年的重点则转向如何管理AI驱动的自主系统。”
文章来自：51CTO
