【導(dǎo)讀】Gartner最新發(fā)布的2026年中國數(shù)據(jù)、分析和人工智能技術(shù)成熟度曲線顯示，AI技術(shù)格局正在發(fā)生顯著變化。代理型AI超越生成式AI成為企業(yè)首要焦點，生成式AI則滑向泡沫破裂低谷期，企業(yè)關(guān)注點從技術(shù)可能性轉(zhuǎn)向可驗證的業(yè)務(wù)價值。同時，物理AI作為新興方向快速升溫，被視作下一輪突破性創(chuàng)新的潛在驅(qū)動力。報告也指出，AI計劃的成功越來越依賴數(shù)據(jù)就緒度、治理機制、安全護欄和工程化能力等基礎(chǔ)建設(shè)，而非模型技術(shù)本身。本文梳理了報告中關(guān)于物理AI、前端部署工程師、個人智能體和LLM四個關(guān)鍵方向的核心觀點。
Gartner高級研究總監(jiān)方琦表示：“Gartner 2026中國數(shù)據(jù)、分析和人工智能技術(shù)成熟度曲線可以劃分四大主要技術(shù)集群，這四大技術(shù)集群呈現(xiàn)出一定的趨勢：代理型AI技術(shù)超越生成式AI，達(dá)到期望膨脹期，成為企業(yè)的首要焦點；生成式AI滑向泡沫破裂低谷期，企業(yè)期望趨于理性，強調(diào)實現(xiàn)可驗證的業(yè)務(wù)價值；物理AI快速興起并受到大眾關(guān)注，有望成為下一輪突破性創(chuàng)新的重要驅(qū)動力；AI計劃的成功越來越依賴于穩(wěn)健的基礎(chǔ)能力建設(shè)，包括數(shù)據(jù)就緒度、治理機制、安全護欄以及工程化能力。這些支撐環(huán)境基礎(chǔ)的重要性已經(jīng)超過了AI模型技術(shù)本身。”
物理AI
物理AI是指以物理形態(tài)存在的AI系統(tǒng)，例如機器人、無人機、自動駕駛車輛和智能設(shè)備，這些系統(tǒng)利用AI對真實世界進(jìn)行感知并與之交互。通過結(jié)合傳感器、控制和AI模型，這類系統(tǒng)將數(shù)字智能與物理行為進(jìn)行連接，使其能夠操控物體、在空間中移動，并對動態(tài)環(huán)境作出自主響應(yīng)。
Gartner高級研究總監(jiān)張桐表示：“由物理AI驅(qū)動的系統(tǒng)能夠在物理世界中交互并采取行動，從而在動態(tài)環(huán)境中實現(xiàn)自動化、精確性和適應(yīng)性。通過促進(jìn)與機器人、物聯(lián)網(wǎng)、邊緣設(shè)備和自動駕駛車輛等設(shè)備的實時交互，使其能夠在非結(jié)構(gòu)化環(huán)境中運行，這種集成釋放了新的效率。物理AI系統(tǒng)利用來自傳感器的洞察來感知其所處環(huán)境，從而與周圍物理對象動態(tài)交互，為制造、物流、零售和醫(yī)療保健等領(lǐng)域提供了切實可行的實際解決方案。物理AI的發(fā)展在中國具有重要價值，因為它能夠加速產(chǎn)業(yè)創(chuàng)新、增強全球競爭力，并支持關(guān)鍵基礎(chǔ)設(shè)施領(lǐng)域的現(xiàn)代化?！?/p>
前端部署工程師
前沿部署工程師（FDE）是直接嵌入客戶業(yè)務(wù)或價值流中的專業(yè)人員，通過結(jié)合實操工程能力、領(lǐng)域知識和產(chǎn)品反饋，加速平臺或代理型AI解決方案的采用與交付。他們通過將客戶需求轉(zhuǎn)化為技術(shù)解決方案，在產(chǎn)品工程與真實應(yīng)用之間架起橋梁；他們通常還會參與代碼開發(fā)和問題排查，并將洞察反饋給核心開發(fā)團隊。
Gartner高級研究總監(jiān)方琦表示：“FDE交付模式天然伴隨高成本、回報不確定以及ROI周期長等問題；在企業(yè)機構(gòu)對IT預(yù)算支出要求強ROI的情況下，這種模式難以持續(xù)。在中國競爭激烈的商業(yè)環(huán)境、有限的IT預(yù)算以及以項目為中心的運營模式下，這些挑戰(zhàn)會進(jìn)一步加劇。中國企業(yè)機構(gòu)往往將FDE業(yè)務(wù)模式視為高端系統(tǒng)集成項目，而非產(chǎn)品創(chuàng)新模式；后者實際上要求企業(yè)機構(gòu)轉(zhuǎn)向持續(xù)共創(chuàng)的運營模式。這往往導(dǎo)致一次性部署，而語義資產(chǎn)在上線后便停止演進(jìn)。由于FDE的培訓(xùn)和薪酬成本較高，中國本地技術(shù)供應(yīng)商往往會出于營銷目的，將現(xiàn)有駐場工程師重新包裝為FDE。這種做法最終會導(dǎo)致市場上的認(rèn)知落差和幻滅?！?/p>
個人智能體
個人智能體是與領(lǐng)域無關(guān)的AI智能體，能夠在Web和操作系統(tǒng)等多樣化軟件環(huán)境中執(zhí)行開放式、多步驟任務(wù)。它們可以適應(yīng)個人用戶偏好和上下文需求，并隨著時間推移積累經(jīng)驗。與標(biāo)準(zhǔn)AI應(yīng)用不同，對個人智能體的預(yù)期是處理持續(xù)數(shù)分鐘、數(shù)小時甚至數(shù)天的長周期工作。
Gartner高級研究總監(jiān)方琦表示：“2025年8月，中國政府就推動“人工智能+”行動與社會各行業(yè)各領(lǐng)域的廣泛深度融合發(fā)布了指導(dǎo)意見，并強調(diào)到2030年，AI將全面賦能高質(zhì)量發(fā)展，新一代智能終端、智能體等應(yīng)用普及率將超過90%，智能經(jīng)濟將成為中國經(jīng)濟發(fā)展的重要增長極。個人智能體作為智能體應(yīng)用的重要一部分旨在全民化智能體能力的獲取，使任何人都能向智能體委派多步驟工作。通過將AI的角色從‘對話者’轉(zhuǎn)變?yōu)殚_放式‘執(zhí)行者’，個人智能體降低了復(fù)雜自動化的門檻。它們在整個生命周期中的持續(xù)適應(yīng)能力，意味著其價值會隨著使用的增多而提升，從而形成深度個性化的人與AI協(xié)作關(guān)系?！?/p>
大語言模型（LLM）
大型語言模型（LLM）是一種主要基于海量無標(biāo)簽文本數(shù)據(jù)進(jìn)行訓(xùn)練的AI基礎(chǔ)模型。借助大語言模型，應(yīng)用可以完成一系列任務(wù)，包括回答問題、內(nèi)容生成、代碼生成、會話聊天、深度研究以及智能體任務(wù)。
Gartner高級研究總監(jiān)張桐表示：“LLM是推動生成式AI革命的核心技術(shù)之一。在過去的幾年中，大語言模型在各領(lǐng)域和各行業(yè)的各類任務(wù)中都展現(xiàn)了令人驚喜的卓越能力。作為通用基礎(chǔ)模型，大語言模型經(jīng)過定制可以處理許多不同的用例，并為企業(yè)機構(gòu)帶來最先進(jìn)的AI能力。大語言模型也越來越多地借助工具來構(gòu)建更廣泛的系統(tǒng)，如AI智能體。LLM的進(jìn)步尤其是開放權(quán)重模型是塑造中國AI未來的關(guān)鍵支柱?！?/p>
結(jié)論
從Gartner此次發(fā)布的技術(shù)成熟度曲線來看，中國AI市場正在經(jīng)歷從概念驅(qū)動向價值驅(qū)動的轉(zhuǎn)換。代理型AI取代生成式AI成為焦點，說明企業(yè)關(guān)注點已從“能做什么”轉(zhuǎn)向“能解決什么實際問題”；生成式AI進(jìn)入泡沫破裂低谷期，也符合新技術(shù)從過熱到理性落地的正常周期。
