AI要“干活”了 2026年这些趋势+风险必看

AI大模型技术正加速进入大众生活，但同时潜在威胁也相伴相生。

近日，Gartner发布2026年十大战略技术趋势，其中有超过一半都与AI相关。Gartner研究副总裁高挺在接受21世纪经济报道等媒体采访时指出，出现这一现象，反映出一个“由AI驱动、超连接的世界”正走向现实。

在他看来，AI占据主导地位，因为它同时扮演了两个角色。一方面，AI是创新的基础，在企业运营中应用AI将带来新的商业价值和创新产品；另一方面，广泛采用AI也带来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。“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。”高挺补充道。

AI底层演进

如今的AI功能远不止是生成特定主题图片或与人对话聊天那么简单，随着Agent（智能体）功能持续落地，2026年这一趋势将进一步延续并升级。

在前述十大趋势中，高挺重点看好四类技术：AI原生开发平台（AI-Native Development Platforms）、特定领域的语言模型（Domain-Specific Language Models-DSLM）、多智能体系统（Multiagent Systems）、物理AI（Physical AI）。

其中，AI原生开发平台（AI-Native Development Platforms）已经逐渐成为现实，即使是非技术背景的员工，也能借助AI工具自主开发应用。

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。

特定领域的语言模型方面，尤其是基于企业私域数据进行AI训练，并构建的特定模型，可以在企业运营中发挥更大价值。

不同于通用大模型目前多用于用户日常对话、答疑等场景，企业私域数据的价值更为隐蔽但潜力巨大，这将令AI从“通用能力”转向“专属价值”。

举例来说，通过企业自身的标准作业指导书、设备手册等内部数据进行AI训练，推动其垂域模型成为细分领域的“专家”。在制造企业遇到机器故障时，员工用自然语言提问就能快速获得解决方案，由此提高效率并降低沟通门槛。

在Agent（智能体）元年，其应用落地过程中的发展也从“单打独斗”走向“团队协作”。过去单个AI智能体处理复杂任务时，容易因为步骤繁多、环境多变而出错，就像一个人面对庞大的项目力不从心。在今年，多智能体能力协同正成为多家AI应用企业推进的方向，在明年这一趋势将延续。

高挺指出，2026年的多智能体系统，将让多个专业AI分工协作，最后汇总成统一方案。这种模式不仅提高了任务成功率，还能快速适应企业需求变化。

物理AI（Physical AI）目前主要的两大场景都有众多玩家布局，涉及完全自动驾驶汽车和机器人领域。

当然，当前关于物理AI的路线仍存在一定分歧，市场上主要关注两类实现方式：VLA（Visual Language Model视觉语言模型）和世界模型。

高挺分析道，VLA模型从大语言模型（LLM）衍生而来，它擅长处理图像、视频等多模态信息，就像给AI装上了“眼睛”和“耳朵”，能识别现实中的物体和场景；世界模型则更懂物理世界规律，它能理解时空关系和物理法则，还能预判未来变化并应对。

这两条路线各自有厂商选择，因此目前还难言高下。相关技术已经在仓储物流领域实现落地，Gartner预测，到2028年，80%的仓库将使用机器人技术或自动化。

支撑这一切应用的基础，是构建AI超级计算平台，它就像一个强大的“算力中枢”，整合CPU、GPU、NPU等多种类型计算芯片，以处理海量数据的复杂计算任务。

在此过程中，提高计算效率和连接能力也是关键。

“例如英伟达前不久发布的NVQLink和CUDA-Q技术，本质上就是把量子计算和用GPU加速的经典超级计算机联系起来。”高挺分析道，这主要有两大目的，其一是量子计算在运行时，需要进行量子纠错，纠错过程需要依赖传统计算机完成，NVQLink就是把这两种不同的计算范式连接起来，让传统的计算算力帮量子计算完成纠错过程；其二是，串联起的不同任务可以交给不同的计算架构执行，因此其本质上在落实计算调度工作。

应用落地难题

总结来看，高挺指出，2023~2024年是AI的“技术引爆”阶段，以大语言模型（LLM）和生成式AI（GenAI）为代表，核心是展示“可能性”。而2025~2026年进入规模化落地阶段，核心是交付“价值”。

从“可能性”转向“价值”，也涉及多方面新挑战：经济性与投资回报的平衡、“最后一公里”的可靠性与可控性、新旧系统间的工作流重塑、AI原生数据的汇聚和相关人才能力匹配、合规性等。

具体来说，从“大模型”转向“对的模型”过程中，许多企业会意识到，他们需要的不是万能的GPT-5或同等模型，而是在特定领域表现出色、成本更低的“小模型”。因此2026年的趋势将是从“模型崇拜”转向“经济实用”。

AI在“引爆”阶段可以有90%的准确率，这很惊艳。但在“落地”阶段，尤其是在金融、医疗、法律、自动驾驶等高风险领域，那10%的“不可靠”是致命。因此在幻觉、可解释性等方面，行业仍在探索解题方法。

AI能力的发挥，需要嵌入到企业现有复杂系统中。但目前大多数企业仍在使用陈旧的IT架构、ERP、CRM等系统。这令AI需要的数据分散在不同“数据孤岛”上。

而将AI能力嵌入工作流中，也需要重构软件、重组团队、重新培训员工，背后是一个庞大的“变革管理”工程。

高挺指出，总而言之，到了2025~2026年，AI落地的主要难点正从“技术问题”（包括如何造出更强的模型）转向“工程问题”和“商业问题”（如何让模型在现实世界中可靠、合规、可盈利地运行）。2024年之前，市场最缺的是“算法科学家”。从2025年起，市场最缺的是“AI产品经理”和“AI应用工程师”。

警惕AI威胁

AI技术飞速发展，就像一把双刃剑，在带来便利的同时，也暗藏不容忽视的安全威胁。最直观的风险来自AI驱动的攻击：深度伪造技术能合成逼真的音频视频，容易引发身份欺诈；AI还能抓取个人社交信息，生成“量身定制”的钓鱼邮件，让人防不胜防。

高挺指出，前置式主动网络安全因此成为2026年的重要技术之一。“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。”

其涉及的具体技术方向包括：“预测性威胁情报”，也即由AI驱动的情报分析系统及时发现并采取预防措施；恶意域名提前发现；“自动移动目标防御”，简言之，是给网络攻击方制造已经进入被攻击方服务器的假象，实际并未对企业云端造成影响。

Gartner预测，到2030年，随着企业CIO（首席信息官）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。

此外，AI安全平台为第三方及定制AI应用提供了统一防护机制，它能够进行集中监测、强制执行使用策略并防范AI特有风险，如提示数据泄露、恶意代理行为等。Gartner预测，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。

2026年的AI世界，既是创新高地，也是风险的战场。从数字世界的智能协作到物理世界的场景落地，AI技术的每一步突破都在重构我们的工作和生活方式。但与此同时，安全永远是发展的前提，只有做好风险防范，才能让AI真正成为业务增长的催化剂。