Gartner发布2027十大技术趋势：非文本AI成核心主题，Harness列为未来1-3年重点

智东西 作者 | 杨京丽 编辑 | 李水青 智东西11月3日报道，今日，知名研究机构Gartner的研究副总裁高挺（Arnold Gao）在媒体交流会上，围绕Gartner近期发布的 《2027年十大战略技术趋势》 报告进行详细解读。 报告认为，2027年企业需要重点关注的十大技术趋势包括 大型定量模型、语音推理模型、世界模型、AI上下文平台、编码智能体框架、AI智能体身份、自主式暴露修复、主权技术、可抛弃型应用和湿件即服务 。这些趋势主要聚焦非文本AI能力扩展、智能体治理体系建设，以及技术的持久敏捷性。 会上，智东西等媒体围绕智能体框架（Agent Harness）、软件开发成本下降的影响以及企业IT架构升级等话题，与高挺进行了采访交流。 在谈及智能体框架时，高挺说，由于代码生成的速度已经超过人工审核的速度，如果没有智能体框架，就会导致治理错位、返工不断。Harness目前仍然重要，Gartner将其列为 未来1至3年重点关注的趋势 。由于现阶段模型能力还不够成熟，需要借助Harness辅助其完成软件开发流程；但随着模型能力提升，企业对Harness的需求会越来越少， 从长期来看其重要性可能逐步减弱 。 对于软件开发成本下降带来的影响，高挺认为，功能简单、差异化有限、使用周期较短的工具软件及部分传统SaaS模式可能受到冲击，企业未来可直接借助AI生成相关应用。但 企业资源计划系统（ERP）、客户关系管理系统（CRM）等核心软件 不会很快被替代，因为这类产品真正提供的是 企业业务逻辑和行业知识 ，而不只是软件本身。 高挺还谈道， AI智能体的发展将推动企业重新设计IT架构 。未来，企业可能需要把AI视为核心生产力，甚至企业大脑，并围绕智能体重新设计权限、流程和基础设施。 一、会算、会听、会模拟：非文本能力成模型新赛道 Gartner此次发布的十大战略技术趋势，首先指向非文本AI能力，未来的模型需要在对话的基础上，具备计算、聆听、模拟等方面的能力。 计算能力上，大型定量模型（LQM）专门为处理和分析定量数据而构建，主要面向金融、医疗、供应链等数字任务。传统大语言模型依靠Token预测生成文本，在复杂计算和预测任务中可能出现准确性、合规性和可解释性问题。大型定量模型则更强调数字关系、变量约束、模拟预测和结果追溯，可帮助企业从事后排查问题转向事前模拟和主动决策。 聆听方面，语音推理模型是需要重点关注的一大趋势。它能够直接对音频进行推理，根据对话内容完成判断、转接、跟进和流程执行。Gartner预测，到2030年超过70%的企业语音交互都会由语音模型自主处理，而2026年这一比例还不到10%。 模拟能力上，世界模型面向的是更复杂的现实环境。它帮助AI理解空间、时间和因果关系，使智能体能够在执行动作前模拟可能结果。机器人、自动驾驶汽车和空间计算等领域，都是成为世界模型的重要应用方向。 二、智能体治理覆盖上下文、框架、漏洞修复全链条 第二组趋势集中在自主智能体平台治理方面，包括AI上下文平台、编码智能体框架、AI智能体身份和自主式暴露修复。 AI上下文平台能够用统一语义打通企业知识与实时数据，让智能体既懂规则，也了解当下的业务状态，从而避免权限过高、合规问题和Token浪费。Gartner预测，到2027年，优先做好语义处理的企业，其智能体准确率最高提升80%、成本最多降低60%。 AI编码智能体框架是一套闭环控制系统，用于管理软件开发生命周期中的自主开发行为。它能够为模型提供执行环境与上下文，规定智能体可获取的信息、可调用的工具和可交付的产物。由于代码生成的速度已经超过人工审核的速度，如果没有框架，就会导致治理错位、返工不断。Gartner预测，到2028年，采用该框架的企业上线软件的缺陷会减少60%。 AI智能体身份则是用来识别和管理智能体的工具，它可以把模型、提示词、工具、凭证与智能体的行为关联起来，预防传统系统中暴露出大量安全漏洞问题。Gartner预测，到2028年，25%的企业安全漏洞事件将追溯至AI智能体滥用，其根源在于未对机器权限进行有效管理，以及使用传统的凭证管理方式。 自主式暴露修复可以结合AI技术与自动化方法，识别、排定优先级并修复企业数字资产中的安全漏洞。该系统能够自动测试补丁或虚拟补丁，并将其部署到生产环境中。Gartner预测，到2030年，三分之一的组织可以借助人机协作的自动修复，在48小时内持续处理最易被利用的安全暴露。 三、给软件留退路，给计算换载体：AI改写未来软件形态 第三组趋势关注AI对企业软件形态和未来计算方式的影响，其中包括主权技术、可抛弃型技术与湿件即服务（Wetware as a Service，一种通过云端远程接入活体或合成生物系统来实现计算的新型运营方式）。 主权技术是指从技术和法律层面

来源只提供摘要，完整内容请打开原文。